From P&ID Drawings to Process Graphs: A Multimodal Language Model Approach

Imaginez que vous déambulez dans une immense bibliothèque ancienne où les livres ne sont pas faits de papier, mais de gigantesques réseaux emmêlés de fils et de tuyaux luisants. Ce ne sont pas de simples décorations ; ce sont les plans de la manière dont une usine respire, bouge et réfléchit. Dans le monde de l'ingénierie, ces plans sont appelés P&ID (schémas de tuyauterie et d'instrumentation). Ils sont le langage secret qui dit à un ordinateur comment piloter une usine chimique, une centrale électrique ou une installation de traitement des eaux. Depuis des décennies, ces plans sont coincés sur du vieux papier ou sous forme d'images numériques floues. Ils sont comme un coffre au trésor verrouillé : rempli d'or (des données précieuses), mais la clé pour l'ouvrir a disparu. Les ingénieurs doivent fixer ces dessins désordonnés et taper manuellement chaque connexion, une tâche lente et sujette aux erreurs qui ressemble à l'effort de copier un roman à la main alors que quelqu'un change constamment la police de caractères.

Récemment, un nouveau genre de « super-lecteur » est arrivé : le Modèle de Langage Grand Multimodal (MLLM). Voyez cela comme des détectives IA capables de regarder une image et de lire le texte à l'intérieur en même temps, comprenant non seulement à quoi les symboles ressemblent, mais aussi ce qu'ils signifient. La grande question que les scientifiques se posent est la suivante : pouvons-nous simplement donner à ces détectives IA un plan désordonné et leur demander de le transformer instantanément en une carte numérique parfaite ? Ou le travail est-il trop complexe pour un simple coup d'œil rapide ? C'est le casse-tête que une équipe de chercheurs de l'Imperial College London a décidé de résoudre. Ils voulaient savoir si nous pouvions apprendre à ces détectives IA à ne pas essayer de tout faire à la fois, mais plutôt à diviser le travail en étapes plus petites et plus intelligentes, en utilisant leurs connaissances sur le fonctionnement réel des usines pour les guider.

Les chercheurs ont entrepris de tester deux manières différentes de demander à une IA de numériser ces plans de fabrique complexes. Leur première idée était l'approche du « Speed Run » : ils ont nourri l'IA avec l'image entière du plan (découpée en tranches pour ne pas la submerger) ainsi qu'une brève description du processus, en lui demandant de recracher une carte numérique parfaite en une seule fois. Ils ont appelé cela la méthode « End-to-End » (de bout en bout). C'est comme demander à un étudiant de lire un manuel entier, d'en comprendre l'intrigue, puis d'en rédiger un résumé des personnages et de leurs relations en une seule séance sans prendre aucune note.

La seconde idée était l'approche du « Team Huddle » (le concertation d'équipe). Ici, ils ont divisé le travail en deux étapes distinctes. D'abord, un agent IA agissait comme un pur « Scanner », examinant les tranches du plan et se contentant de lister chaque équipement et instrument qu'il voyait, en ignorant comment ils étaient connectés. C'était comme un bibliothécaire listant simplement tous les titres de livres sur une étagère sans se soucier de l'histoire. Ensuite, un second agent IA prenait cette liste de noms et, surtout, un ensemble de « règles de l'usine » (comme « une pompe nécessite un tuyau entrant et un tuyau sortant »). Ce second agent utilisait son cerveau pour déterminer comment ces pièces devraient se connecter en se basant sur la logique de l'ingénierie, plutôt que d'essayer de tracer les lignes désordonnées de l'image originale. C'était la méthode « Décomposée ».

Lorsqu'ils ont testé ces méthodes sur deux diagrammes d'usines réels — un plant d'adsorption par inversion de pression d'azote et une usine de désulfuration des gaz de combustion humides — les résultats ont été clairs. L'approche « Speed Run » a eu du mal. Même avec un peu d'aide d'une description de processus, elle s'est trompée dans les connexions environ 40 % du temps. C'était comme si l'étudiant devinait les rebondissements de l'intrigue ; elle pouvait nommer les personnages (l'équipement) correctement, mais elle confondait sans cesse qui parlait à qui. L'approche « Team Huddle », en revanche, a changé la donne. En séparant la tâche de « voir » de celle de « réfléchir », et en donnant au second agent une fiche de triche de règles d'ingénierie, la précision a grimpé en flèche.

Pour l'usine d'azote, la méthode « Team Huddle » a atteint une précision totale de 88,78 %, contre seulement 68,56 % pour la méthode en une seule étape. Elle a trouvé chaque pièce d'équipement sans erreur (100 % de précision des nœuds) et a correctement déterminé les connexions 80,58 % du temps. Pour l'usine plus complexe de Slime et de gaz de combustion (Off-gas), l'amélioration a été encore plus spectaculaire. La méthode en une seule étape n'a réussi les connexions qu'environ 59 % du temps, tandis que la méthode « Team Huddle » a bondi à 74,12 % de précision pour les connexions et 85,21 % de précision globale. Les chercheurs ont mesuré cela à l'aide d'un score de « Distance Simple », qui compte le nombre d'erreurs (pièces manquantes, pièces en trop, mauvaises connexions) commises par l'IA. La méthode « Team Huddle » avait beaucoup moins d'erreurs, avec un score de 24,0 pour l'usine d'azote contre 45,6 pour la méthode en une seule étape.

L'article suggère que la recette secrète n'est pas seulement d'avoir une IA plus intelligente, mais d'avoir un flux de travail plus intelligent. Il s'avère que demander à une IA de « voir » et de « raisonner » au moment exact est une charge cognitive trop lourante, surtout lorsque les dessins sont désordonnés et que les lignes sont brisées. En laissant une partie du système se concentrer uniquement sur la lecture du texte et des symboles, et une autre partie sur l'application de la logique de l'ingénierie pour comprendre les connexions, le système devient beaucoup plus fiable. L'étude montre que, bien qu'un seul prompt massif puisse fonctionner, il est nettement moins performant que le fait de diviser la tâche, particulièrement pour les diagrammes complexes où l'IA a tendance à se perdre dans les détails sans le guidage structuré d'un flux de travail décomposé.

Bien que les résultats soient prometteurs, les auteurs précisent avec prudence qu'il s'agit d'une améliation mesurée, et non d'une baguette magique qui résout tout instantanément. Ils ont constaté que le simple ajout d'une description de processus aidait un peu, mais que c'est la combinaison de la division de la tâche et de l'ajout de règles spécifiques de génie chimique qui faisait la véritable différence. Ils soulignent également un obstacle pratique : les modèles d'IA qu'ils ont utilisés sont propriétaires (détenus par de grandes entreprises), ce qui soulève des questions de confidentialité pour les usines qui ne souhaitent pas partager leurs plans secrets avec des serveurs externes. Cependant, ils suggèrent que le même flux de travail « Team Huddle » pourrait fonctionner avec des modèles open-source à l'avenir.

En fin de compte, cette recherche suggère que l'avenir de la numérisation de notre monde industriel ne réside pas dans la création d'un cerveau unique et surpuissant qui fait tout, mais dans la création d'une équipe d'experts spécialisés qui communiquent entre eux. En apprenant à l'IA à séparer l'acte de regarder un dessin de l'acte de comprendre la logique de l'ingénierie qui se cache derrière, nous pouvons transformer ces plans poussiéreux et emmêlés en cartes numériques propres que les ordinateurs peuvent réellement utiliser pour construire des usines plus intelligentes et plus sûres. C'est un rappel que, parfois, la meilleure façon de résoudre un problème géant et complexe est de le diviser en morceaux plus petits et gérables, et de laisser les experts faire ce qu'ils font de mieux.