Skip to main content

Modern ATM via Human/Automation Learning Optimisation

Article Category

Article available in the folowing languages:

Trouver la place de l’automatisation dans les systèmes de contrôle du trafic aérien

L’apprentissage automatique et l’intelligence artificielle pourraient réduire les retards, améliorer l’efficacité et accroître la sécurité, mais ces technologies doivent d’abord être certifiées et acceptées par les contrôleurs.

Transports et Mobilité

Les systèmes automatisés jouent déjà un rôle important au sein de l’industrie aéronautique. Les compagnies aériennes utilisent régulièrement l’intelligence artificielle (IA) pour toutes sortes de tâches, de la planification de nouveaux itinéraires aux communications avec les clients, en passant par l’optimisation du rendement énergétique et même la maintenance prédictive des avions. Pourtant, le rôle de cette technologie s’est essentiellement limité à ce que le secteur qualifie d’applications non critiques pour la sécurité. Elle n’a pas encore trouvé sa place dans les systèmes de contrôle du trafic aérien (ATC pour «air traffic control»). «L’aviation est extrêmement sensible à la sécurité – et à juste titre», déclare Stefano Bonelli, coordinateur du projet MAHALO (Modern ATM via Human/Automation Learning Optimisation). «Les modèles d’IA actuels n’offrent tout simplement pas la précision nécessaire pour satisfaire aux normes de sécurité très strictes de l’aviation.»

Entraînement et certification de l’IA pour l’ATC

Stefano Bonelli, responsable des facteurs humains innovants chez Deep Blue, l’hôte du projet, explique que même si les modèles parvenaient à passer le test de sécurité, cela ne déboucherait pas pour autant sur une utilisation immédiate. «Avant d’être mis en œuvre, un système d’IA devrait passer par un processus de certification complexe», ajoute-t-il. «Les réseaux neuronaux étant composés de milliers de paramètres pouvant être entraînés, il serait pratiquement impossible d’inspecter et de certifier chacun d’entre eux.» La question de l’entraînement du modèle se pose également. «Étant donné que l’ATC tient compte de toutes les variables possibles et de tous les scénarios imaginables, sa complexité est telle que l’entraînement d’un système d’IA nécessiterait la collecte d’énormes quantités de données», explique Stefano Bonelli. Cela signifie-t-il que l’IA n’a pas sa place dans la tour de contrôle? Pas forcément, selon Stefano Bonelli. «Le recours à l’IA permettrait une meilleure exploitation de l’espace aérien, contribuerait à réduire les engorgements et les retards, favoriserait les économies de carburant et, surtout, renforcerait la sécurité», indique-t-il. «Le défi consiste à trouver le bon équilibre entre automatisation et contrôle humain.» MAHALO, financé dans le cadre de l’entreprise commune SESAR, avait pour ambition de mieux cerner le type d’automatisation le plus adapté aux systèmes ATC. «Au lieu de supposer que l’IA allait remplacer l’ensemble du système, nous avons examiné des facteurs tels que le degré d’utilisation de l’IA ou les endroits où elle serait le plus bénéfique, et nous avons cherché à savoir si elle devait effectuer des tâches de manière autonome ou servir d’outil pour soutenir la prise de décision du contrôleur humain», explique Stefano Bonelli. Pour répondre à ces questions, l’équipe du projet a développé et testé un système hybride d’apprentissage automatique. Ce dernier a été entraîné à résoudre des tâches critiques d’ATC, telles que la détection et la résolution des conflits de circulation aérienne en cours de trajet.

Placer la confiance au centre des systèmes d’IA

Le projet MAHALO s’est toutefois concentré sur la façon dont les contrôleurs aériens interagissent avec des systèmes de ce type. «Pour assurer le succès de l’IA, le contrôleur individuel doit non seulement comprendre comment l’utiliser, mais aussi accepter ce qu’elle est en mesure d’accomplir et, plus important encore, avoir confiance en sa capacité à le faire», fait remarquer Stefano Bonelli. «S’ils ne font pas confiance au système, ils ne s’en serviront tout simplement pas.» Les chercheurs ont remarqué que les contrôleurs étaient plus enclins à utiliser des systèmes qui étaient compatibles avec leurs solutions préférées et qui n’augmentaient pas leur charge de travail individuelle. Ils ont également constaté que si les contrôleurs étaient ouverts à l’utilisation du système d’apprentissage automatique, ils se montraient moins enthousiastes à l’idée d’accepter toutes les solutions proposées et de fonder leurs décisions sur les résultats du système sans les inspecter au préalable. Selon Stefano Bonelli, ce dernier point montre pourquoi il est absolument essentiel d’impliquer les utilisateurs finaux lors du développement de nouvelles solutions d’ATC. «L’une des questions les plus pertinentes soulevées par les contrôleurs aériens concernait l’importance accordée à la prise en compte de leurs besoins et de leurs opinions», conclut-il. «Pour moi, c’est l’une des plus grandes réussites du projet: nous avons placé l’humain au centre de l’IA.»

Mots‑clés

MAHALO, contrôle du trafic aérien, intelligence artificielle, apprentissage automatique, aviation, réseaux neuronaux, espace aérien, entreprise commune SESAR

Découvrir d’autres articles du même domaine d’application