La détection d’anomalies et la prévision sont toutes deux rangées dans la case ‘ajouter de l’IA à mes données IoT’, et les équipes réclament souvent l’une alors qu’elles ont besoin de l’autre. Elles semblent liées et partagent le même outillage, mais elles répondent à des questions opposées. Les confondre mène à un modèle qui fonctionne techniquement et qui échoue quand même à rendre service, parce qu’il vise le mauvais moment dans le temps.
La distinction devient simple dès qu’on la formule clairement. La détection d’anomalies demande : ce qui vient de se passer est-il normal ? La prévision demande : que va-t-il se passer ensuite ? L’une observe le présent à la lumière du passé. L’autre regarde vers l’avenir. Savoir quelle question vos opérateurs se posent réellement vous indique laquelle construire, et bien souvent vous découvrirez que vous avez besoin des deux, dans un ordre précis.
Détection d’anomalies : est-ce normal ?
La détection d’anomalies surveille le flux entrant et signale les valeurs qui ne collent pas au motif de normalité appris. Une température qui grimpe brusquement, une signature vibratoire qui se décale, un débit qui tombe à zéro alors qu’il ne le devrait pas. Il s’agit fondamentalement du présent mesuré à l’aune de l’historique.
Vous en avez besoin lorsque le mode de défaillance est soudain et que vous ne pouvez pas énumérer à l’avance chaque état problématique avec des seuils fixes. Les limites statiques attrapent les cas évidents, trop chaud, trop froid, mais elles ratent les cas subtils : une valeur qui reste dans sa plage normale mais qui est anormale à cette heure de la journée, ou une dérive lente qui ne franchit jamais une limite stricte. La détection d’anomalies attrape les cas ‘ceci paraît bizarre’ que les règles ne savent pas exprimer.
Pour aller plus loin sur ce sujet, nous avons détaillé la progression des seuils vers les références statistiques puis vers l’investigation assistée par l’IA dans un guide dédié à la détection des anomalies IoT. La détection d’anomalies est le bon outil quand la question porte sur l’instant présent.
Prévision : que va-t-il se passer ensuite ?
La prévision projette le signal vers l’avant pour qu’une décision puisse être prise avec de l’avance. Quand la cuve sera-t-elle vide ? Quelle sera la charge à 16 h ? Ce roulement est-il en train de dériver vers une panne la semaine prochaine ? Il est question de l’avenir, et sa valeur se mesure au délai qu’il fait gagner.
Vous en avez besoin lorsque l’action utile exige un préavis. Réapprovisionner le stock, planifier la maintenance, prérefroidir un entrepôt, dimensionner les équipes selon la demande : rien de tout cela ne peut se faire au moment où le seuil est franchi, car il est alors déjà trop tard. La prévision existe pour avancer l’alarme, de ‘c’est arrivé’ vers ‘cela va arriver’.
Le test : quand l’opérateur doit-il agir ?
Posez une seule question sur la décision que vous cherchez à soutenir : l’opérateur doit-il réagir à quelque chose qui s’est déjà produit, ou se préparer à quelque chose qui ne s’est pas encore produit ?
Réagir à ce qui s’est produit, c’est la détection d’anomalies. Un congélateur qui vient de se réchauffer, une pompe qui vient de caler, une valeur qui vient de devenir étrange. Se préparer à ce qui arrive, c’est la prévision. Un congélateur qui dérive vers un problème, une cuve qui se dirige vers le vide, une charge sur le point d’atteindre son pic. Si la réponse honnête est ‘les deux’, vous n’avez pas un projet, vous en avez deux, complémentaires.
Elles fonctionnent mieux ensemble
Les dispositifs prédictifs les plus solides utilisent les deux en séquence. La prévision donne de l’avance sur la trajectoire attendue. La détection d’anomalies protège contre l’imprévu que la prévision n’a jamais anticipé, car une prévision suppose que l’avenir ressemble au motif appris, et tout l’intérêt d’une anomalie est justement qu’il n’en est rien.
Un exemple de chaîne du froid : une prévision avertit qu’une unité va sortir de sa plage dans deux heures compte tenu de la tendance actuelle, ce qui laisse assez de temps pour intervenir. Séparément, la détection d’anomalies attrape le compresseur qui tombe en panne à l’instant même, un événement qu’aucune tendance n’a prédit. L’une fait gagner du temps sur le cas normal, l’autre attrape le cas anormal. En faisant tourner les deux, vous couvrez l’avenir que vous voyez venir et la surprise que vous ne voyez pas.
Construire l’une ou l’autre sur TagoIO
Les deux sont le même type de travail sur la plateforme : un script qui lit les données de l’appareil, applique un modèle et réécrit un résultat sous forme de variable que les tableaux de bord et les alertes consomment. Un détecteur d’anomalies écrit un indicateur ou un score. Un prévisionneur écrit une valeur prédite et une plage de confiance. Comme TagoIO Analytics produit des prévisions et des scores d’anomalie selon un calendrier ou sur les données entrantes, vous pouvez faire tourner l’un, l’autre ou les deux sur le même appareil sans pipeline distinct.
Décidez selon le moment de l’opérateur : réagir ou se préparer. Puis construisez celui qui convient, et ajoutez l’autre quand le second moment se présente. Voyez comment TagoIO Analytics fait tourner les deux.
TagoIO Analytics peut faire les deux pour vous, sans code. Connectez-vous sur sight.tago.io/login avec votre compte TagoIO et entraînez un modèle sur vos données en quelques minutes pour obtenir des prévisions et des scores d’anomalie sur le même appareil, sans data scientist.
