L’industrie entre dans une nouvelle phase de sa transformation. Après des décennies consacrées à l’excellence opérationnelle, à la standardisation et au Lean, la Data et l’intelligence artificielle ouvrent de nouveaux champs de performance. Mais l’enjeu n’est pas de remplacer l’humain par la technologie. Il est de permettre aux femmes et aux hommes de l’industrie de mieux décider, d’accéder plus facilement au savoir, de concentrer leur expertise là où elle crée réellement de la valeur et, finalement, de renforcer ce qui fait la singularité de leur entreprise.
Pour Clément Niessen, associé d’OPEO et expert Data & IA, l’usine excellente de demain ne sera donc ni une usine entièrement automatisée, ni une accumulation de solutions technologiques. Elle sera augmentée, parce qu’elle saura tirer parti de la Data, de l’automatisation et de l’intelligence artificielle. Mais elle restera profondément humaine, parce que la technologie ne remplacera ni la connaissance du métier, ni la capacité de jugement, ni l’expérience qui permettent de comprendre ce qui se joue réellement dans une usine.
Une industrie qui doit apprendre à faire mieux avec des ressources plus rares
Lorsque l’on échange aujourd’hui avec les industriels, un premier sujet revient presque systématiquement : celui des compétences. Les entreprises sont confrontées au départ progressif de collaborateurs expérimentés, parfois détenteurs d’un savoir-faire construit sur plusieurs décennies, tandis que les recrutements deviennent difficiles sur certains métiers. Elles doivent alors réussir simultanément à transmettre cette expertise, à former de nouveaux collaborateurs et à maintenir leur niveau de performance pendant cette période de transition.
Cette tension conduit déjà à reconsidérer la manière dont le travail est réparti. Lorsqu’une compétence devient rare, faut-il continuer à mobiliser un expert sur des tâches répétitives, administratives ou à faible valeur ajoutée ? Ou faut-il au contraire automatiser une partie de ces tâches afin de lui redonner du temps pour ce qui constitue réellement son métier ? La question de l’automatisation ne se résume donc pas à une logique de réduction des effectifs : elle devient aussi une manière de mieux employer une ressource humaine devenue plus précieuse. Automatiser une partie de leurs tâches est une première réponse ; rendre leur savoir accessible à ceux qui prennent le relais en est une autre, tout aussi décisive.
Le sujet est d’autant plus exigeant en France que l’industrie peine déjà à franchir le pas de la robotisation. Selon l’International Federation of Robotics, la France comptait en 2023 186 robots industriels pour 10 000 salariés de l’industrie manufacturière, contre 429 en Allemagne, 419 au Japon, 470 en Chine et 1 012 en Corée du Sud, et se situait sous la moyenne de l’Union européenne, établie à 219 robots pour 10 000 salariés. Exploiter pleinement le potentiel de l’automatisation reste donc un véritable défi pour les industriels français.
Dans le même temps, Clément Niessen observe chez de nombreux industriels un changement de régime économique. Là où la croissance des volumes pouvait jusqu’ici tirer mécaniquement l’activité vers le haut, certaines entreprises doivent aujourd’hui retrouver de la performance sans pouvoir compter sur cette dynamique. Il ne s’agit plus uniquement d’absorber davantage de commandes, mais de rester compétitif, de servir ses clients et de préserver sa rentabilité dans un environnement plus contraint.
Enfin, les industriels évoluent dans un environnement de plus en plus instable. Ils doivent répondre à des attentes clients qui évoluent plus vite qu’auparavant et reconfigurer aussi bien leur organisation internes que leurs chaînes d’approvisionnement en conséquence. Dans ce contexte, l’agilité face au marché et à son écosystème n’est plus un principe abstrait : elle devient une véritable capacité industrielle.
Le Lean n’est pas dépassé, il devient le socle de l’usine augmentée
L’essor de la Data et de l’intelligence artificielle pourrait laisser penser que les modèles traditionnels d’excellence opérationnelle appartiennent déjà au passé. Pour Clément Niessen, c’est tout l’inverse. Le Lean reste un socle parce qu’il répond à une question qui ne change pas : comment créer davantage de valeur pour le client tout en réduisant les ressources mobilisées inutilement ?
Cette exigence est d’autant plus importante que la technologie ne corrige pas spontanément un processus mal conçu. Automatiser une opération inutile revient d’abord à automatiser un gaspillage. Confier à une intelligence artificielle un processus dont les règles changent constamment d’une personne à l’autre ne supprime pas sa complexité. Cela risque simplement de la transférer dans un nouvel outil.
« On n’automatise pas une opération qui est un gaspillage. »
Pour bénéficier des nouveaux leviers technologiques, les industriels doivent donc continuer à faire ce qui constitue le cœur d’une démarche d’excellence opérationnelle : comprendre le processus, supprimer ce qui ne crée pas de valeur, définir des règles de fonctionnement claires et stabiliser les pratiques. La technologie intervient pour amplifier ce système, et non comme un moyen de contournement pour éviter d’avoir à le construire.
Au-delà de la robotisation, d’autres terrains ont été moins explorés par les démarches historiques d’Excellence Opérationnelle, notamment dans les PME et les ETI : développement de produits, traitement des commandes, gestion documentaire, tâches administratives, qualité, facturation, planification ou encore simulation de scénarios. C’est précisément dans ces espaces que la Data et l’intelligence artificielle commencent à ouvrir de nouveaux champs.
La Data et l’IA permettent de changer d’échelle
L’un des apports les plus importants de l’intelligence artificielle est sa capacité à traiter rapidement des volumes d’informations ou des calculs qu’un être humain ne pourrait réaliser dans lun temps raisonnable. Dans l’industrie, cela concerne notamment les analyses de données, la lecture documentaire, la modélisation ou la simulation de scénarios.
Clément Niessen prend l’exemple de la simulation en R&D : modéliser un produit ou un processus pour en mesurer les impacts. Un travail qui pouvait auparavant nécessiter plusieurs jours peut désormais, dans certains cas, être réalisé en quelques minutes. L’enjeu n’est pas seulement de gagner du temps. Il devient possible d’explorer davantage de possibilités avant de prendre une décision, par exemple dans la planification, la conception ou l’évaluation de différentes options industrielles.
Cette évolution pourrait également modifier notre rapport aux outils informatiques eux-mêmes. Pendant longtemps, une entreprise devait soit adapter ses pratiques aux fonctionnalités d’un logiciel, soit engager des développements importants pour construire quelque chose de spécifique. L’IA permet progressivement d’imaginer une autre voie : dialoguer avec des plateformes structurées pour créer plus facilement des outils adaptés aux besoins réels d’un métier ou d’une organisation. Pour les PME et les ETI notamment, cela pourrait rendre accessibles des niveaux de personnalisation jusque-là difficiles ou coûteux à atteindre.
L’usine augmentée ne sera donc pas nécessairement celle qui possédera les outils les plus sophistiqués. Ce sera celle qui saura utiliser ces nouvelles capacités pour mieux analyser, mieux anticiper et mieux décider.
Ne pas partir de la technologie, mais de la valeur
C’est probablement sur ce point que Clément Niessen prend le plus de distance avec une partie du discours actuel sur l’intelligence artificielle. D’un côté, les entreprises sont incitées à aller très vite, avec l’idée qu’un retard de quelques mois suffirait à les condamner. De l’autre, l’IA est parfois présentée comme une technologie presque magique, capable de transformer une organisation en quelques expérimentations. Cette combinaison crée autant d’injonctions que de déceptions.
La question « Où pouvons-nous mettre de l’IA dans notre usine ? » peut être utile si elle déclenche une réflexion, mais elle ne peut pas constituer la finalité d’une démarche. Le véritable point de départ doit rester le besoin de l’entreprise. Où la valeur se crée-t-elle ? Où existe-t-il aujourd’hui des tâches particulièrement chronophages ? Où les équipes passent-elles beaucoup de temps à manipuler des documents ou des données ? À quels endroits la complexité est-elle telle que l’on ne peut tester qu’une petite partie des scénarios possibles ? Où se trouvent, finalement, les enjeux capables d’améliorer réellement la compétitivité de l’entreprise ?
Cette approche permet également d’éviter l’un des écueils classiques des transformations Data : vouloir tout remettre à plat avant de commencer. Une entreprise n’a pas nécessairement besoin de nettoyer, structurer et sécuriser l’intégralité de ses données avant d’engager son premier cas d’usage. Elle doit en revanche comprendre quelles données sont indispensables au problème qu’elle cherche à résoudre et concentrer ses efforts à cet endroit. Autrement dit, le besoin opérationnel doit tirer l’effort sur la donnée, et non l’inverse.
C’est aussi la raison pour laquelle ces transformations doivent avancer progressivement. Il faut commencer par un problème concret, permettre aux équipes de comprendre ce que la technologie sait faire et ce qu’elle ne sait pas faire, expérimenter, obtenir un premier résultat, puis élargir le champ. Cette progression est moins spectaculaire qu’une grande annonce de transformation, mais elle est beaucoup plus susceptible de produire des effets durables.
À l’inverse, une démarche guidée par la technologie mène souvent à ce que Clément Niessen appelle l’« usine sapin de Noël » : des dashboards, des preuves de concept et des outils d’IA dans chaque fonction, mais peu d’impact réel sur la performance. Mieux vaut choisir un sujet important, aller jusqu’au bout, en mesurer l’impact et accepter d’arrêter ce qui n’est pas utilisé.
L’avantage compétitif restera dans le métier
L’intelligence artificielle peut analyser, synthétiser, simuler et proposer des réponses. Elle peut prendre en charge une partie d’un travail qui demandait auparavant plusieurs heures ou plusieurs jours. Pourtant, pour Clément Niessen, elle ne fera pas disparaître ce qui reste au cœur de la performance industrielle : la profondeur du métier.
Un outil d’IA peut produire rapidement une première étude, identifier des informations ou proposer une analyse. Il offre alors une base de travail extrêmement utile. Mais cette capacité n’équivaut pas à l’expertise d’une personne qui maîtrise son métier, connaît le contexte particulier de son entreprise, sait identifier une incohérence et est capable de mobiliser une expérience accumulée au fil des années.
« Ce que l’IA n’effacera pas, c’est la profondeur du métier. »
Cette conviction conduit à renverser une idée largement répandue. L’IA ne donnera pas automatiquement un avantage compétitif à une entreprise simplement parce que celle-ci l’a déployée plus largement que les autres.
« Les entreprises ne gagneront pas d’avantage compétitif avec l’IA. Par contre, elles arriveront à renforcer ceux qu’elles ont déjà. »
C’est une distinction fondamentale. Une entreprise qui possède un savoir-faire industriel singulier, une connaissance particulièrement fine de son marché ou une excellence reconnue dans certaines opérations pourra utiliser l’IA pour amplifier cet avantage. La technologie agit alors comme un multiplicateur de capacités plutôt que comme un substitut au métier.
Une usine où la technologie rendra les équipes plus autonomes
À quoi cette usine augmentée pourrait-elle ressembler concrètement dans quelques années ? Pour Clément Niessen, la transformation ne prendra probablement pas la forme d’une rupture spectaculaire du quotidien des opérateurs. Elle pourrait être beaucoup plus profonde précisément parce qu’elle sera plus discrète.
L’un des premiers changements concernera l’accès au savoir. Un opérateur confronté à un problème sur une machine, à une interrogation concernant un produit ou à une situation inhabituelle pourra s’appuyer sur une interface conversationnelle pour retrouver immédiatement une information aujourd’hui dispersée dans des documents, des procédures ou dans la mémoire de quelques collaborateurs expérimentés.
Cette vision suppose toutefois que l’entreprise ait préalablement accompli un travail essentiel : capitaliser sa connaissance. L’IA ne peut restituer de manière fiable un savoir industriel qui n’a jamais été formalisé. Pour que l’opérateur puisse interroger un outil sur le comportement d’une machine, il faut que les informations nécessaires aient été capturées, documentées et rendues accessibles. La technologie rend donc le savoir plus disponible, mais elle renforce en parallèle l’importance de la transmission des savoir-faire.
Dans des métiers comme la maintenance, la qualité ou la planification, cette assistance pourrait être encore plus importante. Les experts pourront s’appuyer sur plusieurs systèmes ou agents pour réaliser des analyses, explorer des solutions ou automatiser une partie des tâches qui précèdent aujourd’hui leur décision. Leur expertise ne disparaîtra pas : elle se déplacera vers l’interprétation, l’arbitrage et l’orchestration de ces nouvelles capacités.
Le rôle des managers évoluera lui aussi. Là où ils décident aujourd’hui principalement de la manière de répartir le travail entre différents collaborateurs, ils devront progressivement déterminer quelles tâches doivent être confiées à un expert, lesquelles peuvent être accélérées par un outil et comment articuler les deux. Ils auront donc, d’une certaine manière, une force de travail supplémentaire à organiser.
Quant au directeur d’usine, son rôle pourrait devenir plus large et moins siloté. On attendra de lui non seulement qu’il fasse fonctionner son site, mais aussi qu’il interagisse avec les fournisseurs, comprenne les attentes des clients et pilote plus largement son écosystème. Clément Niessen imagine ainsi un directeur d’usine se rapprochant progressivement d’un véritable « patron de PME », responsable à la fois de ses opérations et de leur inscription dans un environnement économique plus large.
C’est là tout le paradoxe : une technologie souvent accusée de déshumaniser le travail peut aussi, si elle est utilisée avec discernement, redonner du temps à des activités profondément humaines. Comprendre un client, résoudre une situation complexe, accompagner une équipe, transmettre une expertise ou construire une relation avec un fournisseur ne sont pas des activités périphériques de l’industrie. Elles en sont une composante essentielle.
Trois principes pour réussir ce virage
Au terme de l’entretien, trois principes se dégagent pour les industriels qui souhaitent engager cette transformation. Le premier est de toujours partir de la valeur : un projet Data ou IA doit être connecté à quelque chose de critique pour la performance de l’entreprise. La technologie ne peut jamais être une finalité en elle-même.
Le deuxième est de fédérer autour de la démarche. Une transformation de cette nature ne peut pas être uniquement le projet d’une DSI, d’une équipe Data ou de quelques passionnés de technologie. Elle soulève des interrogations légitimes sur l’évolution des métiers et doit donc être accompagnée d’explications, de perspectives et d’une véritable dynamique collective.
Enfin, il faut cultiver la curiosité. Les technologies évoluent suffisamment vite pour que des solutions jugées impossibles quelques semaines auparavant deviennent soudain accessibles. L’entreprise doit donc apprendre à observer, tester et remettre régulièrement ses certitudes en question, tout en conservant deux repères : la valeur effectivement créée et la capacité à entraîner les équipes dans le mouvement.
L’usine augmentée sera d’abord une usine qui sait pourquoi elle se transforme
La Data et l’intelligence artificielle ouvrent un nouveau chapitre de l’excellence industrielle. Elles peuvent accélérer l’analyse, rendre le savoir accessible, permettre d’explorer davantage de scénarios, automatiser certaines tâches et donner aux équipes des capacités qui étaient jusqu’ici réservées à des organisations disposant de moyens beaucoup plus importants.
Pour autant, elles ne dispensent pas de comprendre ses processus, de maîtriser son métier, de construire des standards ou d’accompagner les équipes. Elles rendent au contraire ces fondamentaux encore plus déterminants, car une technologie puissante n’amplifie pas uniquement les qualités d’une organisation : elle peut également amplifier ses défauts.
L’enjeu de l’usine de demain ne sera donc pas d’opposer l’humain à la machine, mais de savoir comment les combiner intelligemment. Confier à la technologie ce qu’elle peut analyser, accélérer ou automatiser pour permettre aux femmes et aux hommes de consacrer davantage de temps à ce qui restera décisif : comprendre une situation, exercer leur jugement, transmettre un savoir-faire, arbitrer et créer collectivement de la valeur.
La question que les industriels doivent se poser n’est finalement peut-être pas : « Comment mettre de l’IA dans mon usine ? », mais plutôt : « Comment utiliser ces nouvelles capacités pour renforcer ce que mon entreprise sait déjà faire de mieux ? »
