Gains :
- Être capable de distinguer où l'IA permet de gagner du temps réel dans le flux de travail d'ingénierie navale et maritime et où la responsabilité de la sécurité des personnes/des biens et de la classe doit incomber à l'ingénieur.
- Capacité à appliquer une discipline à trois niveaux qui vérifie chaque résultat d'ingénierie par ordre de grandeur, recalcul indépendant et règle de classe/contrôle de source
- Capacité à prendre l'habitude d'anonymiser le contexte et de créer des invites pour bénéficier de l'IA sans partager les données commerciales et techniques confidentielles du navire, du chantier naval et de l'armateur.
Regardez la journée d'un ingénieur maritime : itérations de forme de coque, calculs de résistance et de propulsion, contrôles de stabilité et de résistance, analyses des règles de classe, enregistrements des capteurs de la salle des machines, rapports d'enquête, correspondance du chantier naval et e-mails interminables avec l'armateur. Le temps consacré au jugement technique proprement dit, c'est-à-dire aux questions "ce bateau est-il sûr, cette construction répond-il au code de classe, ce plan de voyage réduit-il réellement la consommation de carburant", est écrasé sous le travail répétitif de calcul et de documentation. C’est là qu’intervient l’intelligence artificielle (IA en abrégé ; logiciel qui travaille sur du texte, du code et des chiffres avec un grand modèle de langage et l’apprentissage automatique). L'IA ne prend pas la décision à votre place ; Il vous prépare à la décision, réalise un brouillon, accélère le calcul et met devant vous les informations traitées.
Cependant, le génie maritime est un domaine où les erreurs ne se mesurent pas en termes de textes mais en vies, en environnement et en millions de dollars. Une clause de règle de classe constituée d’un modèle de langage, d’une conversion d’unité incorrecte ou d’un résultat de stabilité « raisonnable » mais physiquement impossible peut être une correction mineure dans d’autres secteurs, mais ici elle peut se transformer en un chavirage, un effondrement structurel ou une marée noire. Ainsi, tout au long de ce module, nous positionnerons l’IA non pas comme un « ingénieur automatique », mais comme un assistant discipliné et critique en matière de sécurité dont les résultats sont vérifiés à chaque fois.
Dans cette première unité, nous clarifions trois choses : à quelles étapes du flux de travail d'ingénierie à bord et maritime l'IA ajoute-t-elle une réelle valeur ; quelles décisions doivent rester strictement du ressort de la personne qualifiée (ingénieur, géomètre de classe, maître) ; et quelle est la discipline de vérification, de confidentialité et de responsabilité à laquelle vous devez adhérer ce faisant. Sans ce toit installé correctement, les techniques des unités ultérieures peuvent devenir dangereuses.
Concepts : Hallucination : fabrication convaincante par l'IA d'un nombre, d'un coefficient, d'une clause de règle de classe ou d'une source qui n'existe pas réellement. Contexte : L'entrée que vous donnez à l'IA (données du bateau, hypothèses, question). Vérification : Vérification du résultat de manière indépendante (calcul manuel, deuxième logiciel, texte de règle, expérience sur modèle). Société de classification : organisme qui inspecte et certifie la conception et la construction du navire conformément aux règles établies (par exemple ABS, DNV, Lloyd's Register, Bureau Veritas, TL/Türk Loydu). Ces concepts constituent l’épine dorsale de l’ensemble du module.
Dans quelles entreprises l’IA Accelerator est-il utilisé, dans quelles entreprises est-ce risqué ?
Les tâches de génie maritime se situent sur un spectre à deux volets en termes de résultats. À une extrémité se trouvent des travaux de préparation récupérables et à faible risque (un résumé de la littérature, un squelette de code, un plan de présentation) ; À l’autre extrémité, il y a les décisions irréversibles (un coefficient de sécurité, un critère de stabilité, un agrément structurel) qui déterminent directement la sécurité maritime, la sécurité des personnes/des biens et l’environnement. La valeur de l’IA varie en fonction de votre position sur ce spectre.
type d'entreprise
Contribution de l'IA
Le rôle de l'ingénieur
Résumé des règles/standards
Extraire l’essence d’un long livre de règles
Comparaison de la clause avec le texte original du cours
Calcul manuel / pré-dimensionnement
Paramétrage de la formule, premier chiffre
Vérification des unités, des rangs et des hypothèses
Code d'analyse / script Python
Génération de squelette et de logique
Validation avec entrée de test, tests de cas extrêmes
Ébauche de rapport/enquête
Suggérer une structure et une narration
Reliez chaque valeur à la mesure et à la source
Analyse des données de capteurs/IoT
Extraction de modèles et de candidats anomalies
Confirmé par les données brutes et la plausibilité physique
Approbation de stabilité/résistance
Préparation du matériel d'analyse
Évaluation finale, approbation de classe, signature
La règle est simple : le risque d’une sortie de l’IA est égal aux dommages qu’elle subira si cette sortie commet une erreur. Une faute d’orthographe du titre d’une diapositive est inoffensive ; Dans une situation de chargement, il est désastreux de mal calculer la valeur GM (hauteur métacentrique ; une mesure de la capacité de redressement du navire) et de déterminer incorrectement la limite de renversement du navire. La première question à se poser avant d'utiliser le résultat est donc : "Que se passe-t-il si cela ne va pas, qui est blessé et qui le remarque ?"
Attention : l'IA produit un texte fluide et confiant. La maîtrise n’est pas une garantie d’exactitude. Un modèle linguistique comble le vide avec les mots statistiquement « les plus probables », même s'il ne contient pas de données exactes ; Dans le domaine maritime, ce comblement d'écart peut apparaître comme une limite d'élasticité d'un matériau inventé ou une clause SOLAS inexistante.
Discipline de vérification critique pour la sécurité : trois niveaux
La culture maritime repose déjà sur le principe « faire confiance mais vérifier » ; L'enquête, la double vérification et la certification de classe indépendante font partie de cette culture. L’IA devrait être utilisée pour renforcer ce principe, et non pour l’affaiblir. Faites passer chaque sortie de l'IA à travers un filtre à trois couches.
Première couche : contrôle de l’ordre de grandeur. Vérifiez si le résultat se situe à peu près dans la plage de puissance attendue de 10. Le déplacement (poids du volume immergé) d'un vraquier Panamax est de l'ordre de plusieurs dizaines de milliers de tonnes ; Si l’IA vous annonce 800 tonnes, vous savez qu’il y a une erreur sans entrer dans les détails. La vitesse de croisière d'un porte-conteneurs est comprise entre 18 et 24 nœuds ; 90 nœuds, c'est physiquement impossible.
Deuxième couche : cohérence de l’unité et de la taille. Dans le domaine maritime, la confusion des unités est une source classique d'erreur : nœuds contre m/s, tonne contre kips, kW contre chevaux-vapeur (BHP), mètre contre pieds, barre contre kPa. L'unité de chaque nombre dans la sortie AI doit être clairement indiquée et une analyse dimensionnelle doit être effectuée. Une valeur de résistance est-elle donnée en kN ou en kgf ? Cela modifie directement la puissance de propulsion et donc le budget carburant.
Troisième couche : reproduction indépendante. Reproduisez un résultat critique avec une deuxième méthode (un compte manuel différent, un logiciel distinct, un ordinateur de chargement approuvé ou un deuxième ingénieur). La confiance augmente si deux chemins indépendants donnent la même réponse ; Si ce n'est pas le cas, arrêtez jusqu'à ce que vous compreniez pourquoi c'est différent.
Astuce : Lorsque vous demandez un résultat à l’IA, posez également la même question à l’envers. Après avoir dit « Calculez la puissance de propulsion requise pour ce bateau », dites « Recalculez la vitesse de croisière avec la puissance que vous avez fournie et dites-moi si elle est raisonnable pour un navire typique ». Demander au modèle de recouper sa propre sortie rend visibles les erreurs silencieuses.
Confidentialité et secret commercial : la frontière privée des Maritimes
La forme de la coque, les courbes de performances hydrodynamiques, les données contractuelles entre l'armateur et le chantier naval et la télémétrie opérationnelle du navire sont très sensibles en termes de secret commercial et de propriété intellectuelle. Saisir la véritable courbe de résistance d'un bateau ou les véritables données de consommation de carburant d'un armateur dans un service d'IA externe non contrôlé peut constituer à la fois une rupture de contrat, une perte de propriété intellectuelle et un désavantage concurrentiel. De plus, les informations sur l’architecture OT (technologie opérationnelle ; logiciel de contrôle qui gère les machines et les systèmes de navigation) des navires modernes ne devraient pas être partagées pour des raisons de cybersécurité.
Règle de base : ne saisissez jamais de données réelles, confidentielles ou protégées contractuellement dans un outil externe non approuvé. Au lieu de cela, anonymisez le contexte et remplacez les nombres réels par des valeurs représentatives. Par exemple, au lieu de partager les données de forme d'un navire réel, demandez « expliquez l'approche de résistance avec un exemple de l'ordre des dimensions principales d'un vraquier Handysize typique ».
Invite faible/Invite forte
Invite faible :
Données de forme réelles de l'armateur
Invite puissante :
Rôle : Vous êtes un consultant expérimenté en hydrodynamique des navires. Contexte : Je fais une analyse préliminaire générale pour un vraquier (les valeurs sont représentatives, pas les données réelles du projet) : Lpp ~180 m, largeur ~32 m, tirant d'eau ~12,5 m, coefficient de bloc ~0,84, vitesse de croisière ~14 nœuds. Tâche : Expliquez par quelles étapes l'estimation préliminaire de la propulsion est effectuée (composants de résistance, efficacité de propulsion, réserve de mer) et de quelles données j'ai besoin pour mesurer/vérifier la liste. Contrainte : Écrivez explicitement chaque formule et hypothèse ; Si vous donnez un exemple numérique, précisez l'unité (kN, kW, nœuds) et ajoutez comment vérifier.
L'invite puissante protège les données réelles du projet, clarifie le rôle et la contrainte et demande un chemin de vérification.
Modèles de validation à usage général
Vous utiliserez les modèles suivants à plusieurs reprises tout au long du module.
Modèle général pour ajouter une demande de vérification :
Répondez à la question d’ingénierie ci-dessous. Dans votre réponse : 1) Indiquez l'unité de chaque nombre. 2) Comparez l'ordre de grandeur du résultat à celui d'un navire typique. 3) Écrivez la source (nom de la méthode) pour chaque coefficient/formule que vous utilisez ; S'il n'y a pas de source, marquez-la comme « peu claire ». 4) Proposez une deuxième méthode de calcul afin que je puisse vérifier le résultat de manière indépendante. Question : [question ici]
Modèle de chasse aux hallucinations :
Faites un tableau de toutes les valeurs numériques, coefficients et références aux règles/normes dans votre réponse ci-dessous. Pour chaque ligne : - Valeur, unité - Base (calcul / coefficient connu / hypothèse / incertaine) - Comment vérifier cela de manière indépendante Mettez également en évidence chaque ligne dont la base est "incertaine".
Mini-étuis
Cas 1 — Clause de classe fabriquée. "Quelle clause du code de classe exige cette épaisseur minimale de tôle" pour supporter un soc structurel, demande un ingénieur junior à l'IA. AI cite une clause du « Chapitre 6, Section 3.4.7 » qui n'existe pas réellement. Lorsque l'ingénieur la compare avec le PDF actuel de la règle de classe, il voit que la clause est fausse et trouve la bonne clause. Leçon : Chaque référence de règle émise par AI est vérifiée à partir du texte de classification original et actuel.
Cas 2 — Piège unitaire. Une équipe reçoit l'aide de l'IA pour calculer la puissance de répartition. AI donne la puissance de « 8 500 », mais son unité ne sait pas si elle est « kW ou BHP ». Il existe une différence d’environ 1,34 fois entre 8 500 kW et 8 500 BHP ; Cette différence change complètement le choix d’un hébergeur et le budget annuel carburant. Si l’unité d’équipage avance sans le demander explicitement, elle se dirigera vers la mauvaise classe de machine. Leçon : tout nombre sans unité n'est pas accepté.
Cas 3 — Le contrôle des classements sauve des vies. Une équipe d'étudiants a demandé à l'IA de calculer la résistance à la navigation d'un navire de 15 000 DWT et a constaté que la résistance totale était de 12 kN. Pour un navire de cette taille, la résistance à la navigation est de l'ordre de plusieurs centaines de kN et la puissance de propulsion est de l'ordre de plusieurs milliers de kW. Une différence d'environ 100 fois trahit immédiatement une erreur d'édition ; les élèves trouvent une erreur d’exposant dans la formule du coefficient de frottement. Leçon : comparez toujours le résultat avec une plage de référence connue.
Erreurs courantes
- Confondre aisance et précision. Une explication bien écrite peut être numériquement incorrecte. La qualité du texte et la précision du résultat sont deux choses différentes.
- Accepter un numéro sans unité. Dans le domaine maritime, les confusions nœuds/m·s, tonne/kip, kW/BHP, m/ft sont des erreurs qui mettent fin à une carrière.
- Saisie des données confidentielles/contractées dans l'outil externe. Violation des secrets commerciaux et de la propriété intellectuelle ; Une fois divulguées, les données de formulaire et de performances ne peuvent pas être récupérées.
- Faire confiance à une seule source. Utiliser un résultat critique sans le produire d’une autre manière revient à violer la règle la plus fondamentale de la discipline critique en matière de sécurité.
- Échec de la vérification de l'attribution des règles. Les numéros de classe/éléments SOLAS fournis par AI peuvent être fictifs ; Chaque référence est vérifiée à partir du texte original actuel.
En résumé
L'IA accélère considérablement le travail répétitif de calculs, de codes, de documents et de données dans le domaine de l'ingénierie maritime et maritime ; Mais les décisions déterminant la sécurité maritime, le respect des classes et la sécurité environnementale restent entre les mains de personnes qualifiées. Chaque sortie doit être filtrée par ordre de grandeur, cohérence unitaire et reproduction indépendante. Pour des raisons de confidentialité commerciale et de cybersécurité, les données réelles du bateau/performances doivent être anonymisées et seuls les outils approuvés doivent être utilisés. Cette discipline est un prérequis pour toutes les unités ultérieures.
Tâche de candidature
Choisissez une question d'ingénierie dans votre domaine (forme, stabilité, propulsion, maintenance, navigation). Tapez d’abord une « invite faible » et demandez à l’IA ; Ensuite, rédigez une « invite d'alimentation » qui inclut le rôle, le contexte anonymisé, la contrainte et la demande de vérification, puis posez à nouveau la même question. Comparez les deux réponses en termes d’ordre de grandeur et de cohérence unitaire, appliquez le « modèle de chasse aux hallucinations » et confirmez au moins un résultat par un calcul manuel indépendant. Résumez vos découvertes en une demi-page.
liste de contrôle
- [ ] J'ai évalué le risque de sortie avec la question « qui est blessé si c'est faux ? »
- [ ] J'ai comparé le résultat à un navire connu en termes de taille.
- [ ] J'ai clairement confirmé l'unité de tous les nombres (nœud, kW, tonne, m).
- [ ] J'ai reproduit le résultat critique par une deuxième méthode indépendante.
- [ ] J'ai utilisé une valeur proxy anonymisée au lieu de données réelles/cachées sur le bateau.
- [ ] J'ai vérifié chaque classe/référence SOLAS donnée par AI à partir du texte original actuel.