Essais non destructifs propulsés par l’IA : tour d’horizon et perspectives

L’intégration de l’intelligence artificielle (IA) dans les essais non destructifs (END) transforme la manière d’évaluer l’intégrité des infrastructures essentielles, telles que les ponts, les différents types de barrages, parcs éoliens, et plus encore. Cet article offre un tour d’horizon sur les END propulsés par l’IA, analyse les apports de l’automatisation dans la détection des défauts, et explore en profondeur les perspectives d’industrialisation à grande échelle.

L’essor de l’IA dans l’analyse des essais non destructifs

L’évaluation de l’intégrité des infrastructures repose de plus en plus sur les essais non destructifs (END. Les méthodes classiques, fortement tributaires de l’expertise humaine, se révèlent parfois intrusives et contraignantes, tant pour la structure que pour les usagers. Les END offrent des mesures rapides et non invasives, générant un volume considérable de données objectives.

La montée de l’IA vient donc pallier ces réalités. En automatisant l’analyse des données d’END et en améliorant la détection précoce des défauts, elle contribue à prendre en charge un enjeu majeur pour la sécurité publique et la durabilité des infrastructures.

Limite des inspections traditionnelles

Les inspections traditionnelles peinent à être en phase avec le vieillissement accéléré des infrastructures pour plusieurs raisons : 

• Manque de personnel qualifié disponible ;
• Volume croissant de données à analyser ;
• Risques en matière de santé et de sécurité pour les inspecteur·rice·s et les usagés.

Sans outil automatisé, les anomalies fines, telles que les microfissures et les vides internes, peuvent passer sous le radar, et de ce fait, entraîner des réparations coûteuses ou des défaillances majeures.

IA et essais non destructifs : comment réaliser leur plein potentiel ?

Pour déterminer efficacement l’apport potentiel de l’IA au niveau de l’analyse des essais non destructifs, il est nécessaire de fournir une synthèse structurée de l’état des connaissances sur l’IA appliquée à ces technologies (END). Pour y arriver, il faut :

1. Cartographier la recherche mondiale ;
2. Évaluer les gains quantitatifs (précision, temps, coût) des algorithmes (apprentissage automatique) ;
3. Proposer une feuille de route pour une industrialisation sécuritaire.

Méthodologie de l’étude

Voici les méthodes, outils, techniques et types d’analyse utilisés pour atteindre ces objectifs :

• Revue bibliographique structurée : 4737 articles Scopus ;
• Cartographie exhaustive ;
• Bibliométrique faite avec VOSviewer (542 mots-clés, 4 grandes grappes) ;
• Analyse critique d’études de cas récentes (ponts par drones, pales d’éoliennes, jumeaux numériques) ;
• Les tendances sont croisées avec les référentiels de maintenance prédictive et les standards émergents.

Résultats clés : gains en précision, temps et coûts

Voici les résultats les plus significatifs de notre recherche menée sur la manière dont l’IA bonifie les END :

• Cartographie scientifique : les END de type acoustiques, mécaniques, matériels et de qualité structurale forment quatre pôles fortement interconnectés.
• Précision accrue : réseaux de neurones capables d’identifier les microfissures invisibles à l’œil ; +15 % à +25 % de détection par rapport aux inspections visuelles classiques
• Gain de temps : traitement automatisé de milliers d’images radar / ultrason en quelques minutes (réduction de 70 % du temps normalement utilisé sur le terrain).
• Maintenance prédictive : modèles apprenant sur l’historique des END pour planifier les réparations avant la défaillance, diminuant de 30 % les arrêts et les imprévus.
• Cas d’usage : essais opérés par des drones pour des ponts aux États-Unis, jumeaux numériques pour immeubles intelligents.

L’IA au service des END : une synergie puissante pour les firmes d’ingénierie

En sommes, avec les essais non destructifs examinés par l’IA, nous passons d’un contrôle ponctuel à un contrôle continu avec haut débit et auto-explicative. La convergence entre l’IA, l’informatique de périphérie et le jumeau numérique permettra une gestion d’actifs prédictive et résiliente. Néanmoins, la gouvernance des données, l’explicabilité et la normalisation ISO / ASTM conditionneront la pleine adoption.

Des retombés concrète et utiles pour le monde du génie-conseil

Pour les firmes d’ingénierie, les END examinés par l’IA offrent de nombreux avantages. Par exemple, en intégrant des algorithmes adaptés dans des plateformes de type drone-géo-radar et ultrason, cela permet d’obtenir :

• Des diagnostics plus fins ;
• Une réduction du CAPEX / OPEX des clients ;
• Un positionnement de leader dans la normalisation entre les essais non destructifs et l’IA.

De plus, l’interdisciplinarité entre la géoscience, l'instrumentation et la science des matériaux nous placent au cœur de la transition vers l’approche de maintenance industrielle connue sous le nom « maintenance 4.0 ».

Lien vers la publication (disponible en anglais seulement) : AI-Driven Non-Destructive Testing Insights

Auteur·rice·s et des contributeur·rice·s d'Englobe : Amine el Mahdi Safhi, Eng., PhD Gilberto Cidreira Keserle, Eng., PhD Stéphanie C. Blanchard, Eng., MSc