Les gemmologues utilisent depuis longtemps des machines pour classer les diamants, mais la technologie leur a permis d' »apprendre » à le faire elles-mêmes.
Note de l’éditeur : Cette histoire est apparue pour la première fois dans l’édition du National Jewelers « State of the Majors 2023 ». Cliquez ici pour voir le numéro complet.
Il y a longtemps, dans un laboratoire de gradation non loin de là, Don Palmieri se souvient que tout le monde parlait de la proverbiale «boîte noire» – un instrument mythique et singulier qui détermine le poids en carats, la taille, la pureté et la couleur d’un diamant, et le recrache avec un rapport de gradation.
Des décennies plus tard, l’idée d’un instrument tout-en-un est passée d’un concept abstrait à une réalité, en quelque sorte.
« Alors que c’était le fantasme de tous dans le monde de la gemmologie [à l’époque], lorsque vous avancez rapidement [jusqu’à aujourd’hui], nous avons beaucoup de boîtes noires », note Palmieri, président et co-fondateur de Gem Certification & Assurance Lab (GCAL).
Il n’y a pas une seule machine qui fait tout, mais la technologie autour des diamants et de la classification des diamants a considérablement progressé.
Les scientifiques ont développé des machines pour mesurer la performance lumineuse d’un diamant et créé des méthodes pour suivre les pierres tout au long de la chaîne d’approvisionnement. Il existe des caméras qui prennent des photos à 360 degrés et des instruments qui aident à distinguer les diamants naturels des diamants de laboratoire.
Egalement, il existe des machines capables de classer la couleur d’un diamant sans intervention humaine et même de déterminer la clarté – considérée comme le plus délicat des « 4C » pour les machines à traiter – qui sont actuellement utilisées par deux des plus grands acteurs de l’industrie, le Gemological Institute d’Amérique et Sarine Technologies Ltd.
Bien que l’idée d’un classement automatisé soit impensable pour certains gemmologues, ce n’est pas du tout choquant pour Palmieri, qui a été témoin de l’évolution de la technologie de classement pendant des décennies et savait que cela arriverait un jour sur le marché.
« Même si je n’ai jamais été ce que j’appellerais un technologue, j’ai toujours réalisé que la technologie existait. Je savais que c’était là, je savais que ça viendrait. Ce qui se passe en ce moment, aujourd’hui, ne me surprend pas.
« C’est un peu comme: où étais-tu ? Je t’ai attendu. »
Cependant, avec la technologie moderne, viennent des questions et des inquiétudes sur le fonctionnement des machines, leur précision et, probablement la plus grande inquiétude de toutes : si les machines calibrent les diamants, les gemmologues se retrouveront-ils sans emploi ?
Apprentissage automatique, expliqué
Pour parler de gradation automatique, il est utile de comprendre d’abord le concept d’apprentissage automatique et comment il se positionne dans le cadre plus large de l’intelligence artificielle (IA).
L’IA fait référence au domaine et au développement de systèmes informatiques capables d’effectuer des tâches nécessitant une intelligence humaine.
Bien qu’ils ne s’en rendent peut-être pas compte, les gens utilisent l’intelligence artificielle tous les jours, comme lorsqu’ils envoient des SMS et que leur smartphone devine le mot qu’ils tapent (connu sous le nom de SMS prédictifs), ou lorsque leur service de streaming préféré « recommande » des émissions de télévision ou des films qu’ils pourrait aimer.
« La quantité de données nécessaires pour qu’une machine « apprenne » vraiment varie en fonction de la complexité de la tâche à accomplir. En général, plus il y a de données introduites dans une machine, mieux elle sera capable d’apprendre et de faire des prédictions. »— Iu Ayala, Gradient Insight
Les scientifiques ont développé les premiers programmes d’IA dans les années 1950, dirigés par des individus comme le mathématicien britannique Alan Turing, créateur du célèbre test de Turing, et l’informaticien d’IBM Arthur Samuel, qui est largement reconnu pour avoir inventé l’expression « apprentissage automatique ».
L’apprentissage automatique est un sous-ensemble de l’IA qui consiste à développer des algorithmes et des modèles statistiques qui permettent aux systèmes informatiques d’apprendre à partir des données sans avoir à être constamment reprogrammés, explique Iu Ayala, fondateur et PDG de la société de conseil en science des données Gradient Insight .
Ces algorithmes peuvent identifier des modèles et prendre des décisions en fonction des données qui les alimentent.
Ils peuvent être un outil précieux pour un large éventail de tâches, notamment la reconnaissance d’images, la traduction de langues, la détection de fraudes et le classement des diamants.
La dernière frontière
Pour trois des 4C, les mesures de la qualité des diamants développées par le GIA et utilisées depuis les années 1940, l’utilisation de machines pour classer les diamants n’a rien de nouveau.
Le poids en carats implique la plus simple des machines – une balance – tandis que GIA a inventé le premier système de mesure des proportions pour la qualité de la taille, le ProportionScope, en 1967. La technologie a évolué depuis lors, y compris l’introduction du système DiaMension de Sarine en 1992, qui a automatisé le processus.
« Personne ne classifie les tailles de diamant manuellement. Tout est fait grâce à la technologie », a déclaré le PDG de Sarine, David Block.
Les gemmologues du GIA utilisent le colorimètre pour calibrer la couleur depuis les années 1950. La technologie a progressé au point où le colorimètre, qui n’est utilisé que dans les laboratoires GIA, est capable de classer la grande majorité des diamants sans intervention humaine.
La première version du ProportionScope (image en haut de l’article) ne se fixait pas à un microscope mais était tenue devant celui-ci par la niveleuse ; une version ultérieure de l’instrument de classement des diamants est illustrée ici.
Ces dernières années, Sarine et GIA ont commencé à enquêter sur l’intégration de la technologie dite intelligente, en particulier pour le classement de la pureté, l’élément de qualité du diamant que le vice-président exécutif et directeur du laboratoire et de la recherche du GIA, Tom Moses, a décrit comme la «dernière frontière» pour classement par machine.
David Block dit que Sarine a développé les premiers systèmes automatisés de classement de la couleur et de la clarté en 2016, tandis que le GIA a commencé sérieusement ses recherches avec IBM sur le classement automatisé de la clarté en 2017/2018.
Afin d’utiliser ce type de technologie automatisée, une entreprise doit disposer d’une grande quantité de données pour alimenter la machine, car celles-ci « apprennent » à peu près comme les humains – par la répétition et la mémorisation, remarque Ayala, expert en IA.
« La quantité de données nécessaires pour qu’une machine « apprenne » vraiment varie en fonction de la complexité de la tâche à accomplir », dit-il. « En général, plus il y a de données introduites dans une machine, mieux elle sera capable d’apprendre et de faire des prédictions. »
Pour Sarine, la collecte de la quantité de données requise signifiait l’ouverture de deux laboratoires de classement, un en Israël et un en Inde, en 2018.
La société a demandé à ses clients d’envoyer des diamants avec des rapports du GIA aux laboratoires. Il a ensuite recoupé les classements effectués par la machine avec ceux de ses propres gemmologues ainsi que les rapports du GIA qui accompagnaient chaque pierre.
David Block dit que sur une période de deux ans, Sarine a introduit les résultats concernant « des dizaines de milliers de diamants » dans ses données sur gradation, leur apprenant essentiellement à quoi ressemble un diamant de couleur D par rapport à une pierre G, H ou I ou, pour la clarté, comment un VS1 diffère d’un VS2, ou un SI1 diffère d’un SI2.
Au fur et à mesure qu’une gamme plus large de diamants était testée, Sarine a pris les données et les a introduites dans ses algorithmes d’apprentissage automatique, qui ont donné de meilleurs résultats au fur et à mesure que les données augmentaient, tout comme les humains s’améliorent lorsqu’ils sont mieux d’informés et pratiquent davantage.
« Les machines sont plus précises que les gens, point final. Ils sont définitivement plus cohérents [aussi].”— David Block, Sarine
En cours de route, D. Block dit que Sarine a également analysé les résultats des pierres qui présentaient des écarts de classement par rapport aux gemmologues de Sarine et/ou aux rapports du GIA, en utilisant ces données pour améliorer encore l’algorithme de classement.
Après avoir évalué autant de diamants, Sarine Clarity et Sarine Color ont appris à classer les diamants et, selon David Block, ils le font mieux que les humains.
Une machine n’a jamais de jour de repos parce que, par exemple, elle est sortie tard hier soir et a trop bu ou s’est disputée avec son conjoint avant le travail et elle échappe aux tentations immorales, comme la corruption.
« Les machines sont plus précises que les gens, point final. Ils sont définitivement plus cohérents [aussi] », déclare David Block.
Pour développer son instrument de classement automatisé de la clarté, le GIA a travaillé avec IBM, l’ancien employeur du pionnier de l’IA mentionné ci-dessus, Arthur Samuel.
Le laboratoire a annoncé publiquement qu’il testait la technologie dans ses installations de New York et de Carlsbad, en Californie, en 2020.
Aujourd’hui, des instruments de classement automatisés de la clarté sont utilisés dans tous les laboratoires GIA, dans le monde entier et travaillent en parallèle avec des évaluateurs humains, dit Pritesh Patel, SVP et Chief Operating Officer du GIA.
Comme avec les machines de Sarine, l’instrument développé par GIA/IBM a appris en regardant beaucoup de diamants différents.
Le GIA a «formé» son instrument de classement automatisé de la pureté, qui n’a pas de nom spécifique, en utilisant des dizaines de milliers d’images combinées à la contribution d’évaluateurs de diamants experts. Le laboratoire a déclaré qu’il avait fallu plusieurs mois de travail avant que le système ne soit même prêt à être testé en version bêta.
Au fil du temps, l’instrument automatisé a appris à rechercher certains types d’inclusions, telles que des plumes, des cristaux et des aiguilles, et à quel degré de pureté ces inclusions, ou combinaisons d’inclusions, correspondent à un diamant.
Pour les deux entreprises, l’enseignement continue. Sarine et GIA affirment qu’ils continuent d’alimenter en données leurs équipements de calibrage automatisé respectifs, ce qui permet aux « connaissances » des machines d’évoluer.
Visions du futur
Pour Sarine, l’amélioration de la précision et de la cohérence n’était pas le seul objectif derrière l’automatisation de l’étalonnage des couleurs et de la clarté. La société estime que sa technologie peut également créer une chaîne d’approvisionnement plus efficace en permettant un classement automatisé et lié au cloud dans les installations de fabrication de diamants.
Block dit que Sarine met sa technologie dans les usines en ce moment, donc une fois qu’un diamant est taillé et poli, il peut être immédiatement classé par l’IA par les machines Sarine Color et Sarine Clarity et recevoir un rapport de classement en une journée.
Après avoir testé les machines dans ses laboratoires et sur site dans les usines de certains clients, Sarine Color et Sarine Clarity ont commencé à se déployer auprès de fournisseurs en Inde fin 2022. Les fournisseurs indiens resteront au centre du déploiement en 2023, tout comme GCAL .
Un employé au travail au Gem Certification & Assurance Laboratory à New York. Sarine a acquis GCAL dans le cadre d’un accord de 5,7 millions de dollars annoncé en janvier et finalisé en mai.
En janvier, la nouvelle a été annoncée que Sarine acquerrait une participation majoritaire dans GCAL, qui est dirigée par Don avec sa femme, Pamela Palmieri, et leur fils, Angelo Palmieri.
(Note de la rédaction : l’acquisition de GCAL par Sarine est maintenant finalisée .)
Block explique sans détour pourquoi il voulait acheter le laboratoire.
Bien que les divers instruments de Sarine soient utilisés dans des laboratoires du monde entier, leur nom n’est pas largement reconnu en tant que laboratoire. GCAL, qui existe depuis 2001, le fait, en particulier sur le marché américain.
Pour les propriétaires de GCAL, s’associer à un partenaire plus important lui donne la possibilité de s’étendre à l’étranger sans sacrifier la qualité ni renoncer à un principe central de son activité : la garantie de remboursement qui accompagne chacun de ses certificats de classement.
Angelo dit que GCAL a commencé à avoir des conversations avec Sarine en 2016, lorsqu’il a lancé Sarine Color et Sarine Clarity.
Il dit que tous les processus analytiques de GCAL sont actuellement mécanisés, à l’exception de l’étalonnage de la couleur et de la clarté.
Les machines Sarine Color et Sarine Clarity ont été expédiées au siège de GCAL à New York fin février/début mars et devaient être pleinement opérationnelles et utilisées au moment de la presse, bien que cela ne signifie pas que tous les classements GCAL deviendront automatisés du jour au lendemain.
« Pour nous, ce dont nous avons toujours parlé, c’est qu’il s’agira d’une approche progressive de la mise en œuvre », déclare Angelo. « Nous n’allons pas jeter tout ce que nous faisons depuis 22 ans. »
Les machines, essentiellement, deviendront l’une des multiples niveleuses qui examinent chaque diamant qui entre dans le laboratoire GCAL. « Rien ne va simplement s’envoler aveuglément sans intervention humaine », dit-il.
La machine de classement de pureté automatisée de Sarine, appelée Sarine Clarity
Après un certain moment, qui, selon Angelo, n’est «pas si loin», GCAL envisage de placer les machines automatisées de classement des couleurs et de la pureté dans les usines de leurs clients, où ils pourraient donner aux diamants une «pré-qualification» pour répondre aux attentes. ligne de base pour le moment où la pierre est soumise à GCAL.
Pour l’instant, il y a une grosse clé brillante dans le plan lorsqu’il s’agit de classer les diamants à la machine dans les usines sans intervention de laboratoire : les diamants synthétiques.
Au GIA, la différenciation entre les petits diamants naturels et les diamants de laboratoire, et des simulants de diamants, est automatisée dans le cadre de son service de dépistage au corps à corps.
Tous les diamants que les instruments du GIA, y compris son dispositif de détection iD100, renvoient pour des tests supplémentaires doivent être examinés par des scientifiques et des techniciens, qui prennent la décision finale.
Pritesh repousse l’idée de classer les diamants exclusivement dans une usine, non seulement en raison de la nécessité de faire la distinction entre les diamants cultivés en laboratoire et naturels, mais aussi en raison de la nécessité de tester divers traitements.
Moses ajoute : « Les traitements posent un risque de réputation important pour l’industrie ; GIA peut détecter des traitements connus et identifier de nouvelles méthodes grâce à l’expertise de notre équipe de recherche et à l’instrumentation sophistiquée dont nous disposons pour examiner des millions de diamants chaque année.
« L’identification de nouveaux traitements et la détection de méthodes connues sont au cœur de la mission du GIA. Sans le travail que nous faisons, l’industrie risque de perdre la confiance des consommateurs.
Le GIA, cependant, envisage un autre avenir, celui qui implique un système automatisé de classement des diamants qui est une évolution de son système de tri au corps à corps, mais avec des « améliorations significatives » pour accueillir des diamants plus gros.
« Ce genre de chose va être disponible dans un avenir très proche », dit Pritesh, tandis que Moses ajoute en plaisantant, « Je suis un vieil homme et ça m’arrivera de voir. »
Pour sa part, Block reconnaît qu’à l’heure actuelle, tous les tests utilisés pour déterminer si un diamant est cultivé en laboratoire ou naturel doivent encore se produire dans un laboratoire, mais Sarine travaille sur la technologie d’apprentissage automatique pour faire la distinction entre l’homme et diamants manufacturés et naturels et d’identifier les traitements.
On ne sait pas quand ils seront prêts.
« C’est quelque chose sur lequel nous travaillons et je ne peux pas donner de calendrier », dit-il.
Créer, ne pas prendre, des emplois
De « 2001 : l’odyssée de l’espace » de 1968 à « M3GAN », sorti en 2022, la culture a longtemps reflété la façon dont la fascination humaine pour l’intelligence artificielle se mêle à la peur.
Nous sommes collectivement captivés par l’idée que des machines entrent dans des rôles humains, mais aussi inquiets de ce qui pourrait arriver si tout se détraque.
Bien qu’il n’y ait aucune menace qu’un calibreur automatisé fasse sauter un fusible et tente de prendre le contrôle du laboratoire, il existe des inquiétudes légitimes quant à ce que l’avènement du classement automatisé pourrait signifier pour les personnes qui gagnent leur vie en classant des diamants.
Toutes les sources interrogées pour cette histoire ont dit la même chose lorsqu’elles ont été interrogées sur cette anxiété, que la technologie ne remplace pas les gens ; cela change simplement ce que les gens font.
Block et Moses notent tous deux que les rangs de leurs sociétés respectives ont grossi au fil des ans, malgré toutes les technologies ajoutées en cours de route.
Block dit que les gens l’ont confronté à la question des pertes d’emplois potentielles il y a 15 ans lorsque Sarine a introduit son logiciel de technologie de planification des diamants bruts en Inde, appelé Advisor.
À l’époque, il y avait quelques milliers de couperets qui travaillaient principalement assis par terre dans des bureaux non climatisés, dit-il.
Aujourd’hui, près de 100 000 personnes hautement qualifiées en Inde utilisent la technologie de planification et de fabrication de Sarine et travaillent dans des environnements plus propres, plus confortables et plus high-tech.
En 2019, Sarine a ouvert une école de formation en Inde, qui a depuis dispensé une formation avancée à des milliers de personnes qui n’avaient jamais travaillé sur un ordinateur auparavant, ajoute Block.
« Les gens ont toujours peur que la technologie remplace les gens », dit-il. « Je pense que la technologie change ce que font les gens. Il ne remplace pas les gens.
« Je ne vois pas l’avenir, mais je peux regarder le passé et en tirer des leçons », conclut-il. « La technologie dans l’industrie du diamant n’a fait que créer plus d’emplois. »
« Je pense que la technologie change les emplois. Cela permet également aux gens de faire des travaux plus créatifs ou plus efficaces tandis que les travaux les plus rudimentaires sont effectués à la machine. —Angelo Palmieri, GCAL
Moses raconte qu’à ses débuts au GIA en 1977, le laboratoire employait moins de 100 personnes. Aujourd’hui, ses effectifs approchent les 4 000 personnes dans le monde, la plupart de ses effectifs étant employés dans des laboratoires.
Lui et Pritesh pensent que l’automatisation du classement de pureté libérera le laboratoire pour concentrer davantage de ressources sur des domaines tels que la détection de traitement, le classement des diamants déjà sertis dans les bijoux et l’identification des milliers de diamants de laboratoire qui vont circuler à travers le marché dans les années à venir.
Moses a également noté que l’automatisation dans un autre domaine, le classement au corps à corps, permettra au laboratoire d’examiner « des millions » de pierres de plus qu’il ne le peut aujourd’hui.
« Pour moi, c’est la partie la plus excitante – être capable de manipuler et de toucher plus de pierres et de créer de nouveaux ensembles de compétences », dit-il.
Angelo et Don sont d’accord.
Avec la mise en œuvre de l’étalonnage automatisé des couleurs et de la clarté, ils envisagent un GCAL plus grand et non plus petit.
« Je pense que la technologie change les emplois. Cela permet également aux gens de faire des travaux plus créatifs ou plus efficaces tandis que les travaux les plus rudimentaires sont effectués à la machine », explique Angelo.
Photo d’illustration de l’article : Ces photos côte à côte montrent des décennies d’évolution de la notation au Gemological Institute of America. À gauche, Kenneth Moore, chef de la division Gem Instruments du GIA dans les années 1960, utilisant le premier ProportionScope tandis que sur la photo à droite, une niveleuse au travail dans l’un des laboratoires du GIA aujourd’hui. (Photos © GIA)
