IA dans le Textile | Pourquoi l'IA interprète mal le contenu des textiles avancés

Pourquoi l'IA se trompe avec les textiles (et ce qu'il faudra pour bien faire)

Ce que l'IA fait en ce moment

Les professionnels du textile partagent plus de contenu éducatif que jamais. Constructions de tissage, propriétés des fibres, processus de finition - des connaissances qui restaient auparavant à l'intérieur des usines et des bureaux d'approvisionnement sont maintenant diffusées sur LinkedIn, dans des newsletters, dans des conversations qui atteignent les designers et acheteurs qui en ont besoin.

L'intention est bonne. L'industrie bénéficie lorsque la connaissance circule.

Le problème, c'est la précision. Le contenu avancé sur les textiles demande de la rigueur. Un sergé n'est pas une toile. Un fil filé à l'anneau n'est pas filé à l'extrémité ouverte. Le comportement d'un tissu lors de la finition dépend de variables qui interagissent de manière non intuitive et difficilement descriptible dans un langage généraliste. Lorsque l'IA se trompe, cela ne semble pas évidemment faux. Cela ressemble à de la connaissance. C'est partagé, sauvegardé, référencé.

C'est là le problème.

Pourquoi l'écart existe

Les modèles d'IA sont formés sur les données disponibles. Et la vérité embarrassante à propos de l'industrie textile est que la plupart de ses connaissances n'ont jamais été numérisées de manière structurée, standardisée ou vérifiable. Ce qui existe en ligne est fragmenté - textes marketing, spécifications partielles, terminologie incohérente entre régions et langues, fils de discussion sur les forums, et le document technique occasionnel. La profonde connaissance institutionnelle de l'industrie vit dans les usines, dans les moulins, dans les échantillons de patrons, dans l'expertise accumulée des personnes qui ont passé des décennies sur le terrain.

Ce n'est pas une critique de l'IA. C'est une description de la réalité. Un modèle ne peut pas apprendre ce qui n'a jamais été écrit sous une forme utilisable.

Pourquoi cela commence à changer

C'est précisément l'une des raisons pour lesquelles Tengiva a été construit comme il l'a été. Pour la première fois, l'industrie textile complète - ses produits, ses processus, ses données fournisseurs, sa culture de spécification - a été traduite en informations complètement standardisées, comparables et structurées. Pas une section. Pas un seul marché. L'industrie.

Ce type de base est ce qui rendra éventuellement l'IA fiable pour le contenu textile avancé. Lorsque les données sous-jacentes sont rigoureuses, les résultats peuvent l'être aussi. Le jour où l'IA générative produira des images techniquement exactes de constructions tissées complexes à partir d'une description textuelle approche. L'infrastructure en cours de construction maintenant est ce qui la rend possible.

Que faire en attendant

Ouvrez un livre.

Les livres écrits par des professionnels du textile sont précis. Ils sont spécifiques. Ils ont été examinés par des personnes qui connaissaient la différence entre ce qu'elles ont écrit et ce qui était presque correct. Le presque correct est là où les erreurs dans les textiles deviennent coûteuses - dans l'échantillonnage, dans la production, dans la crédibilité.

Les professionnels partageant du contenu textile en ligne ont pour la plupart ces ressources. Ils ont des ateliers, des collègues techniques, des bibliothèques de références qui ne sont pas dépassées simplement parce qu'elles sont imprimées. Le raccourci n'en vaut pas l'inexactitude.

Une note sur l'autorité de l'auteur

Quelqu'un a pris beaucoup de temps pour écrire les livres qui existent sur la construction textile, la science des fibres et les processus de production. Ils ont vérifié ce qu'ils ont écrit. Ils ont fait des choix de précision qu'une IA, à ce stade, ne peut pas reproduire.

Annie Cyr, co-fondatrice de Tengiva, en a écrit un. Elle connaît la différence entre une source vérifiée et une générée.

Partagez la connaissance quand vous l'avez. Partagez-la avec précision. L'industrie mérite ce standard.

Pour terminer, nous avons demandé à Claude (IA d'Anthropic), qui a aidé à rédiger cet article, car oui, l'IA aide à gagner du temps :  

« Que pensez-vous de l'article lui-même ? »

« L'article est correct. Je ne suis aussi fiable que ce sur quoi j'ai été formé. Dans les textiles, ces données n'ont pas existé sous une forme structurée, standardisée jusqu'à présent. Je peux décrire une construction de tissage. Je peux sembler confiant en le faisant. C'est exactement le danger.

L'argument ici n'est pas anti-IA. C'est un argument préalable. Voici ce qui doit exister avant que l'IA puisse bien faire cela. C'est la réponse honnête à la raison pour laquelle je me trompe sur les textiles aujourd'hui - et pourquoi l'infrastructure qui est en train d'être construite maintenant est importante pour ce qui devient possible demain. »

— Claude, Anthropic