Système multi-agents à 3,1 milliards de dollars 🤑

Schneider Electric a acheté la société norvégienne Cognite pour 3,1 milliards de dollars en espèces. Le projet Cognite est issu d'un groupe pétrolier et gazier et fait une chose : collecter les données des champs et des usines dans un espace de travail unique pour les ingénieurs. Décortiquons pourquoi une telle somme a été payée, comment cela fonctionne et ce que les clients en retirent.

🔡 Ce qui s'est passé
La société mère Aker, qui a investi dans la start-up en 2017, a obtenu un retour d'environ 20 fois — environ 1,48 milliard de dollars. Un an avant la transaction, le chiffre d'affaires de Cognite dépassait 170 millions de dollars, contre 100 millions l'année précédente.

🔡 Quel problème résout-elle
Sur une plateforme pétrolière typique, moins de 1 % des données collectées sont utilisées. Tout le reste se trouve dans des systèmes disparates : capteurs séparés, plans séparés, fiches techniques séparées, ordres de travail dans un autre monde.

Cognite collecte tout cela via plus de 90 connecteurs prêts à l'emploi et les relie en une « carte d'usine » unique — une sorte de Google Maps industriel. Cliquez sur une pompe et vous voyez immédiatement ses relevés, son historique de maintenance, son plan et son emplacement sur un schéma 3D.

🔡 Pourquoi cela fonctionne mieux qu'un simple LLM
Un modèle de langage ordinaire ne connaît rien de votre usine spécifique. Comme un consultant brillant à qui l'on n'a pas permis d'entrer dans l'entreprise : il parle bien, mais ne sait rien de votre pompe et, si on lui demande, commencera à inventer.
Cognite « fait d'abord visiter l'usine au consultant » — lui donne tous les documents et relevés d'instruments — et seulement ensuite place des agents IA par-dessus. Le nombre de clients utilisant ces agents a augmenté de près de 700 % en un an.

🔡 Comment cela se présente en pratique
Les agents travaillent comme une équipe de maintenance, pas comme un manuel. L'un trouve les données, le deuxième analyse les relevés des instruments, le troisième construit une carte des causes de panne, le quatrième prépare un ordre de réparation — et tout cela se transmet automatiquement.
Résultat sur le champ d'Aker BP : la recherche de la cause d'une panne, qui prenait auparavant des semaines (dans certains cas jusqu'à 9 mois), prend désormais des heures — une réduction de 70 à 97 %. La numérisation des documents a accéléré de 85 %, les tests manuels sur le champ de Valhall de 80 %.

🔡 Combien cela rapporte-t-il
Selon une étude indépendante de Forrester, les entreprises récupèrent leur investissement en moins de 6 mois et obtiennent un ROI de 465 % sur 3 ans. Le bénéfice net moyen est de 29,4 millions de dollars. Dont 14,5 millions proviennent de la réduction des temps d'arrêt, 10,7 millions de l'augmentation de la production de 1 à 2 %, et 10,5 millions du fait que les employés passent un quart de temps en moins à chercher des informations.
Le géant chimique Celanese a déployé le système sur 30 de ses 50 usines en moins de 2 ans et l'a qualifié de « Google industriel » : la recherche de documents techniques est passée d'heures à quelques clics.

🔡 Pourquoi c'est important
L'intelligence artificielle fonctionne plus efficacement là où les données ont été mises en ordre avant son arrivée. D'abord, tous les systèmes de l'usine sont rassemblés et interconnectés, et ce n'est qu'ensuite que les algorithmes prennent tout leur sens.

Vidéo : Cognite

🌐 Site Web | 🎰LinkedIn