{"id":503,"date":"2026-07-28T06:27:49","date_gmt":"2026-07-28T06:27:49","guid":{"rendered":"https:\/\/www.supralogic.ch\/uncategorized\/your-factory-has-data-that-does-not-mean-it-is-ready-for-ai\/"},"modified":"2026-07-28T06:27:49","modified_gmt":"2026-07-28T06:27:49","slug":"le-fait-que-votre-usine-dispose-de-donnees-ne-signifie-pas-pour-autant-quelle-soit-prete-pour-lia","status":"publish","type":"post","link":"http:\/\/www.supralogic.ch\/fr\/industrial-tech\/smart-manufacturing\/your-factory-has-data-that-does-not-mean-it-is-ready-for-ai\/","title":{"rendered":"Votre usine dispose de donn\u00e9es. Cela ne signifie pas pour autant qu\u2019elle soit pr\u00eate pour l\u2019IA."},"content":{"rendered":"<figure class=\"wp-block-image size-large\">\n<img decoding=\"async\" width=\"1080\" height=\"608\" src=\"https:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_053224.jpg\" alt=\"\" class=\"wp-image-502\" srcset=\"http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_053224.jpg 1080w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_053224-300x169.jpg 300w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_053224-1024x576.jpg 1024w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_053224-768x432.jpg 768w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_053224-18x10.jpg 18w\" sizes=\"(max-width: 1080px) 100vw, 1080px\" \/>\n<figcaption><em>Photo d'Andres Siimon (@johnmcclane) sur Unsplash<\/em><\/figcaption>\n<\/figure>\n\n\n<style>body.single-post .cm-featured-image { display: none !important; }<\/style>\n\n<p data-start=\"64\" data-end=\"388\" class=\"PDq2pG_selectionAnchorContainer\">Un responsable de production peut g\u00e9n\u00e9ralement se pr\u00e9valoir de plusieurs ann\u00e9es d' <a href=\"https:\/\/www.supralogic.ch\/fr\/ia-dentreprise\/lia-dans-les-operations\/lorsque-les-robots-humanoides-deviendront-rentables\/\">machine<\/a> les registres, les rapports de qualit\u00e9, les dossiers de maintenance et les relev\u00e9s des capteurs, stock\u00e9s un peu partout au sein de l'entreprise. Sur le papier, l'usine semble disposer exactement de ce dont un projet d'IA industrielle a besoin : de grandes quantit\u00e9s de donn\u00e9es op\u00e9rationnelles accumul\u00e9es au cours de la production quotidienne.<span aria-hidden=\"true\" class=\"PDq2pG_selectionAnchor\"><\/span><\/p>\n<p data-start=\"390\" data-end=\"882\">Le premier essai pilote r\u00e9v\u00e8le souvent une r\u00e9alit\u00e9 moins r\u00e9jouissante. Les noms des machines diff\u00e8rent d\u2019un syst\u00e8me \u00e0 l\u2019autre, les horodatages ne concordent pas, les notes de maintenance sont stock\u00e9es sous forme de texte libre, et la base de donn\u00e9es qualit\u00e9 enregistre un d\u00e9faut sans conserver les conditions de processus qui l\u2019ont pr\u00e9c\u00e9d\u00e9. Les ing\u00e9nieurs comprennent la signification de chaque valeur car ils connaissent la ligne de production, le produit et l\u2019historique de l\u2019\u00e9quipement, mais un syst\u00e8me d\u2019IA ne voit que des mesures isol\u00e9es dont la signification n\u2019a jamais \u00e9t\u00e9 explicit\u00e9e.<\/p>\n<p data-start=\"884\" data-end=\"1235\">Les entreprises industrielles sont rarement confront\u00e9es \u00e0 une absence totale de donn\u00e9es. Elles rencontrent des difficult\u00e9s parce que les informations dont elles disposent ont \u00e9t\u00e9 collect\u00e9es \u00e0 des fins de maintenance, de contr\u00f4le, de conformit\u00e9 ou de reporting, plut\u00f4t que pour l'apprentissage automatique, ce qui fait qu'une grande partie de ces donn\u00e9es est fragment\u00e9e, mal \u00e9tiquet\u00e9e et d\u00e9connect\u00e9e du contexte op\u00e9rationnel n\u00e9cessaire \u00e0 la prise de d\u00e9cisions fiables.<\/p>\n<h2 data-section-id=\"1fes70\" data-start=\"1237\" data-end=\"1285\">Une mesure ne constitue pas encore un savoir-faire industriel<\/h2>\n<p data-start=\"1287\" data-end=\"1744\">Une temp\u00e9rature de 82 degr\u00e9s, un pic de vibration ou une augmentation soudaine de la consommation d'\u00e9nergie peuvent sembler significatifs, bien qu'aucune de ces valeurs ne puisse \u00eatre interpr\u00e9t\u00e9e correctement prise isol\u00e9ment. Une m\u00eame temp\u00e9rature peut indiquer un fonctionnement normal lors d\u2019une \u00e9tape de production et l\u2019apparition d\u2019un d\u00e9faut lors d\u2019une autre, tandis qu\u2019un profil de vibrations qui semble inhabituel pour une machine peut s\u2019av\u00e9rer tout \u00e0 fait normal apr\u00e8s un changement d\u2019outil ou lorsque un mat\u00e9riau diff\u00e9rent entre dans le processus.<\/p>\n<p data-start=\"1746\" data-end=\"2147\">Pour qu\u2019un mod\u00e8le d\u2019IA puisse reconna\u00eetre ces distinctions, la mesure doit \u00eatre mise en relation avec la machine qui l\u2019a g\u00e9n\u00e9r\u00e9e, le produit en cours de fabrication, la recette et le mode de fonctionnement, l\u2019outil install\u00e9 \u00e0 ce moment-l\u00e0 et les \u00e9v\u00e9nements qui ont suivi. Il peut \u00e9galement avoir besoin d\u2019informations concernant l\u2019\u00e9quipe de travail, les conditions ambiantes, le lot du fournisseur, l\u2019historique de maintenance et le fait qu\u2019un ing\u00e9nieur ait ou non temporairement modifi\u00e9 un param\u00e8tre.<\/p>\n<p data-start=\"2149\" data-end=\"2398\">Ce sont ces informations contextuelles qui permettent de replacer un signal dans un contexte industriel exploitable. Sans elles, un mod\u00e8le risque de mettre en \u00e9vidence des relations statistiques qui semblent convaincantes, tout en confondant les variations normales de la production avec des signes de d\u00e9faillance ou de mauvaise qualit\u00e9.<\/p>\n<p data-start=\"2400\" data-end=\"2610\">Une usine peut donc collecter des milliards de donn\u00e9es et ne pas pour autant disposer des informations n\u00e9cessaires pour r\u00e9pondre \u00e0 une question relativement simple : dans quelles conditions pr\u00e9cises ce processus commence-t-il \u00e0 g\u00e9n\u00e9rer des d\u00e9fauts ?<\/p>\n<h2 data-section-id=\"1392weh\" data-start=\"2612\" data-end=\"2663\">Les donn\u00e9es d'usine ont \u00e9t\u00e9 con\u00e7ues pour r\u00e9pondre \u00e0 diff\u00e9rents objectifs<\/h2>\n<p data-start=\"2665\" data-end=\"3195\">La difficult\u00e9 r\u00e9side tout d'abord dans l'architecture des op\u00e9rations industrielles. Les automates programmables ont \u00e9t\u00e9 con\u00e7us pour contr\u00f4ler les machines, les historiens pour conserver les signaux de s\u00e9ries chronologiques, les syst\u00e8mes d\u2019ex\u00e9cution de la fabrication pour g\u00e9rer la production et les plateformes d\u2019entreprise pour traiter les commandes, les mat\u00e9riaux et les finances. Les \u00e9quipes charg\u00e9es de la qualit\u00e9, de la maintenance et de l\u2019ing\u00e9nierie ont souvent mis en place des applications suppl\u00e9mentaires en fonction de leurs propres besoins, cr\u00e9ant ainsi un environnement dans lequel chaque syst\u00e8me remplit une fonction l\u00e9gitime, mais d\u00e9crit la m\u00eame usine de mani\u00e8re diff\u00e9rente.<\/p>\n<p data-start=\"3197\" data-end=\"3538\">L'identifiant attribu\u00e9 \u00e0 une machine dans le syst\u00e8me de maintenance peut ne pas correspondre \u00e0 l'\u00e9tiquette utilis\u00e9e dans l'historique. Un produit peut porter un nom en ing\u00e9nierie, un autre en production et un troisi\u00e8me dans le syst\u00e8me commercial, tandis que les modifications apport\u00e9es \u00e0 un composant peuvent \u00eatre consign\u00e9es dans un document sans pour autant \u00eatre refl\u00e9t\u00e9es de mani\u00e8re coh\u00e9rente dans les donn\u00e9es collect\u00e9es sur la ligne de production.<\/p>\n<p data-start=\"3540\" data-end=\"3892\">Cette fragmentation n'emp\u00eache pas toujours les employ\u00e9s de travailler, car les \u00e9quipes exp\u00e9riment\u00e9es apprennent \u00e0 cerner les correspondances entre les syst\u00e8mes. Elles savent que \u201c Ligne 4 \u201d, \u201c L04 \u201d et un num\u00e9ro d'inventaire interne d\u00e9signent le m\u00eame \u00e9quipement, et elles se souviennent qu'un capteur a \u00e9t\u00e9 remplac\u00e9 lors d'un arr\u00eat particulier, m\u00eame si ce changement n'a jamais \u00e9t\u00e9 consign\u00e9 de mani\u00e8re structur\u00e9e.<\/p>\n<p data-start=\"3894\" data-end=\"4177\">L'IA ne peut pas s'appuyer sur ces connaissances informelles \u00e0 moins que l'organisation ne les recense. Le mod\u00e8le a besoin d'identit\u00e9s, de relations et de d\u00e9finitions coh\u00e9rentes qui relient les donn\u00e9es d'un syst\u00e8me \u00e0 l'autre ; sinon, une grande partie du sens de l'usine reste enferm\u00e9e dans l'exp\u00e9rience de chaque salari\u00e9.<\/p>\n<h2 data-section-id=\"zxxp0i\" data-start=\"4179\" data-end=\"4234\">Un plus grand nombre de capteurs ne suffira pas \u00e0 pallier une base de donn\u00e9es insuffisante<\/h2>\n<p data-start=\"4236\" data-end=\"4564\">Lorsqu'un projet d'IA industrielle manque d'informations utiles, la r\u00e9action instinctive consiste souvent \u00e0 installer des capteurs suppl\u00e9mentaires. Dans certains cas, cela s'av\u00e8re n\u00e9cessaire, notamment lorsqu'un param\u00e8tre physique important n'a jamais \u00e9t\u00e9 mesur\u00e9, mais il se peut que l'usine collecte d\u00e9j\u00e0 suffisamment de signaux et qu'elle soit simplement incapable de les interpr\u00e9ter dans leur ensemble.<\/p>\n<p data-start=\"4566\" data-end=\"4891\">L'ajout de nouveaux appareils dans un environnement fragment\u00e9 peut accro\u00eetre le volume de donn\u00e9es sans pour autant am\u00e9liorer la compr\u00e9hension. L'entreprise re\u00e7oit des flux suppl\u00e9mentaires de donn\u00e9es sur les vibrations, la pression et la temp\u00e9rature, mais reste incapable de d\u00e9terminer quel ordre de fabrication \u00e9tait en cours lorsque l'anomalie s'est produite, ni si le composant concern\u00e9 a par la suite \u00e9chou\u00e9 au contr\u00f4le qualit\u00e9.<\/p>\n<p data-start=\"4893\" data-end=\"5310\">Avant d'\u00e9tendre son r\u00e9seau de capteurs, un fabricant doit d\u00e9terminer quelle d\u00e9cision l'application d'IA est cens\u00e9e faciliter et quelles informations seraient n\u00e9cessaires pour prendre cette d\u00e9cision en toute fiabilit\u00e9. La pr\u00e9vision d'une d\u00e9faillance d'un outil n\u00e9cessite des donn\u00e9es diff\u00e9rentes de celles requises pour optimiser la consommation d'\u00e9nergie, tandis que l'identification de la cause d'un d\u00e9faut de surface peut exiger une combinaison de param\u00e8tres de processus, de l'historique des mat\u00e9riaux, de l'\u00e9tat de la machine et de donn\u00e9es d'imagerie.<\/p>\n<p data-start=\"5312\" data-end=\"5567\">En commen\u00e7ant par la question op\u00e9rationnelle, on \u00e9vite que le projet ne se transforme en un simple exercice de collecte aveugle. L'objectif n'est pas de cr\u00e9er le plus grand lac de donn\u00e9es possible, mais de pr\u00e9server les relations qui expliquent ce qui s'est pass\u00e9 en production.<\/p>\n<h2 data-section-id=\"11lb0um\" data-start=\"5569\" data-end=\"5624\">Les archives historiques donnent souvent une image d\u00e9form\u00e9e de la r\u00e9alit\u00e9<\/h2>\n<p data-start=\"5626\" data-end=\"5993\">Les syst\u00e8mes d'IA industriels apprennent \u00e0 partir des exemples dont ils disposent, mais l'historique d'une usine est rarement \u00e9quilibr\u00e9 ni complet. Une machine bien entretenue g\u00e9n\u00e8re des ann\u00e9es de donn\u00e9es d'exploitation normales et relativement peu d'exemples de d\u00e9faillances. Les pannes graves ne surviennent qu'occasionnellement, tandis que les probl\u00e8mes mineurs sont corrig\u00e9s par des techniciens exp\u00e9riment\u00e9s avant m\u00eame de devenir des incidents officiels.<\/p>\n<p data-start=\"5995\" data-end=\"6329\">L'ensemble de donn\u00e9es ainsi obtenu contient une grande quantit\u00e9 de donn\u00e9es de production courantes et seulement un petit nombre d'\u00e9v\u00e9nements que le mod\u00e8le est cens\u00e9 reconna\u00eetre. M\u00eame ces exemples peuvent s'av\u00e9rer peu fiables, car les codes d'erreur ont \u00e9t\u00e9 saisis de mani\u00e8re incoh\u00e9rente, les notes de maintenance manquent de d\u00e9tails ou encore diff\u00e9rents techniciens ont utilis\u00e9 des descriptions diff\u00e9rentes pour un m\u00eame probl\u00e8me.<\/p>\n<p data-start=\"6331\" data-end=\"6646\">Les pratiques op\u00e9rationnelles \u00e9voluent \u00e9galement. Une machine peut \u00eatre \u00e9quip\u00e9e de nouveaux outils, logiciels ou composants, et le mat\u00e9riau fourni aujourd\u2019hui peut se comporter diff\u00e9remment de celui utilis\u00e9 lors de la collecte des donn\u00e9es historiques. Un mod\u00e8le entra\u00een\u00e9 sur des donn\u00e9es pass\u00e9es peut perdre de sa pertinence, m\u00eame si sa pr\u00e9cision technique semblait autrefois solide.<\/p>\n<p data-start=\"6648\" data-end=\"6978\">Cela rend le traitement des donn\u00e9es industrielles plus complexe que la simple suppression des lignes en double dans une base de donn\u00e9es. Les ing\u00e9nieurs et les op\u00e9rateurs doivent d\u00e9terminer si les enregistrements refl\u00e8tent toujours le processus actuel, quels \u00e9v\u00e9nements ont \u00e9t\u00e9 correctement identifi\u00e9s et dans quels cas l'absence d'un incident enregistr\u00e9 traduit simplement le fait qu'une intervention a eu lieu \u00e0 temps.<\/p>\n<p data-start=\"6980\" data-end=\"7154\">L'histoire de l'usine n'est pas un r\u00e9cit neutre de la production. Il s'agit d'un compte rendu subjectif, influenc\u00e9 par les changements d'\u00e9quipement, le jugement humain et les habitudes de reporting des diff\u00e9rentes \u00e9quipes.<\/p>\n<h2 data-section-id=\"own860\" data-start=\"7156\" data-end=\"7222\">Les informations non structur\u00e9es contiennent souvent l'explication qui manque<\/h2>\n<p data-start=\"7224\" data-end=\"7466\">Certaines des connaissances industrielles les plus pr\u00e9cieuses ne se trouvent pas dans une base de donn\u00e9es de capteurs. Elles apparaissent dans les commentaires de maintenance, les registres d'\u00e9quipe, les photos d'inspection, les plans techniques, les rapports des fournisseurs et les \u00e9changes entre op\u00e9rateurs exp\u00e9riment\u00e9s.<\/p>\n<p data-start=\"7468\" data-end=\"7812\">Un enregistrement num\u00e9rique peut indiquer que les vibrations ont augment\u00e9 avant l'arr\u00eat d'une machine, tandis que la note de maintenance explique qu'un roulement de rechange provenant d'un nouveau fournisseur avait \u00e9t\u00e9 install\u00e9 deux semaines plus t\u00f4t. Un syst\u00e8me qualit\u00e9 enregistre un \u00e9cart dimensionnel, mais un rapport d'\u00e9quipe mentionne que le mat\u00e9riau \u00e9tait particuli\u00e8rement difficile \u00e0 usiner ce matin-l\u00e0.<\/p>\n<p data-start=\"7814\" data-end=\"8165\">Ces liens sont pr\u00e9cis\u00e9ment ce dont l'IA a besoin, mais les informations sont souvent stock\u00e9es dans des fichiers PDF, des notes manuscrites ou des applications incompatibles. Le jargon industriel ajoute une complication suppl\u00e9mentaire, car les abr\u00e9viations, la terminologie locale et les surnoms donn\u00e9s aux machines peuvent \u00eatre \u00e9vidents pour le personnel, tout en restant incompr\u00e9hensibles en dehors d'un site donn\u00e9.<\/p>\n<p data-start=\"8167\" data-end=\"8501\">Les grands mod\u00e8les linguistiques peuvent aider \u00e0 extraire et \u00e0 organiser une partie de ces informations, m\u00eame s\u2019ils n\u00e9cessitent encore un vocabulaire contr\u00f4l\u00e9 et des liens vers des donn\u00e9es op\u00e9rationnelles faisant autorit\u00e9. La transformation d\u2019une note de technicien en \u00e9v\u00e9nement structur\u00e9 n\u2019est utile que si l\u2019entreprise est en mesure de l\u2019associer \u00e0 l\u2019actif, au composant, \u00e0 l\u2019heure et \u00e0 l\u2019ordre de fabrication appropri\u00e9s.<\/p>\n<p data-start=\"8503\" data-end=\"8646\">Il ne s'agit pas simplement de num\u00e9riser des documents. Il s'agit de pr\u00e9server le sens qu'ils renferment et de le relier au processus physique qu'ils d\u00e9crivent.<\/p>\n<h2 data-section-id=\"1j3c7mp\" data-start=\"8648\" data-end=\"8706\">La mise en contexte est la t\u00e2che que la plupart des pilotes sous-estiment<\/h2>\n<p data-start=\"8708\" data-end=\"9054\">Les projets d'IA industrielle sont souvent pr\u00e9sent\u00e9s comme des initiatives de d\u00e9veloppement de mod\u00e8les ; les \u00e9quipes consacrent donc beaucoup de temps \u00e0 comparer des algorithmes, tout en consid\u00e9rant la pr\u00e9paration des donn\u00e9es comme une t\u00e2che technique pr\u00e9liminaire. Dans la pratique, le travail le plus exigeant consiste \u00e0 relier les signaux aux actifs, aux produits, aux \u00e9v\u00e9nements et aux conditions de processus sous une forme permettant une utilisation coh\u00e9rente.<\/p>\n<p data-start=\"9056\" data-end=\"9366\">Ce processus est appel\u00e9 \u00ab contextualisation \u00bb. Il permet de situer les donn\u00e9es au sein de l'usine plut\u00f4t que de les consid\u00e9rer comme des valeurs isol\u00e9es ; ainsi, une mesure de pression correspond \u00e0 la pression enregistr\u00e9e \u00e0 une \u00e9tape pr\u00e9cise d'un cycle de production donn\u00e9, sur une machine identifi\u00e9e, lors du traitement d'un lot de mati\u00e8re d\u00e9fini selon une recette enregistr\u00e9e.<\/p>\n<p data-start=\"9368\" data-end=\"9777\">Une fois ces relations \u00e9tablies, une m\u00eame infrastructure peut prendre en charge plusieurs applications. Les ing\u00e9nieurs peuvent analyser les \u00e9carts de qualit\u00e9, les \u00e9quipes de maintenance peuvent comparer le comportement des \u00e9quipements et les responsables \u00e9nerg\u00e9tiques peuvent distinguer la consommation productive du gaspillage. Les jumeaux num\u00e9riques et les agents d'IA peuvent \u00e9galement s'appuyer sur une structure op\u00e9rationnelle commune, plut\u00f4t que de devoir cr\u00e9er une interpr\u00e9tation distincte de l'usine pour chaque projet.<\/p>\n<p data-start=\"9779\" data-end=\"10089\">L'alternative consiste en une s\u00e9rie de projets pilotes isol\u00e9s, dans lesquels chaque \u00e9quipe nettoie et reconnecte les m\u00eames sources pour un cas d'utilisation tr\u00e8s sp\u00e9cifique. La d\u00e9monstration peut aboutir, mais le travail ne peut pas \u00eatre transpos\u00e9 \u00e0 plus grande \u00e9chelle, car les donn\u00e9es sous-jacentes restent fragment\u00e9es et chaque nouvelle application part du m\u00eame point de d\u00e9part difficile.<\/p>\n<p data-start=\"10091\" data-end=\"10400\">Des \u00e9tudes r\u00e9centes men\u00e9es dans le secteur industriel continuent de mettre en \u00e9vidence que le \u00ab big data \u00bb industriel, la collecte h\u00e9t\u00e9rog\u00e8ne de donn\u00e9es et la gestion efficace des donn\u00e9es comptent parmi les principaux obstacles \u00e0 un d\u00e9ploiement fiable de l'IA, en particulier lorsque les syst\u00e8mes doivent fonctionner de mani\u00e8re s\u00fbre et transparente dans des environnements \u00e0 haut risque. <span class=\"\" data-state=\"closed\"><\/span><\/p>\n<h2 data-section-id=\"1c096qa\" data-start=\"10402\" data-end=\"10449\">La qualit\u00e9 des donn\u00e9es doit \u00eatre d\u00e9finie d'un point de vue op\u00e9rationnel<\/h2>\n<p data-start=\"10451\" data-end=\"10657\">Les discussions au sein des entreprises sur la qualit\u00e9 des donn\u00e9es portent souvent sur l'exhaustivit\u00e9, l'exactitude et la coh\u00e9rence. Ces aspects sont importants dans le secteur industriel, mais les donn\u00e9es industrielles doivent \u00e9galement \u00eatre \u00e9valu\u00e9es \u00e0 l'aune du processus physique.<\/p>\n<p data-start=\"10659\" data-end=\"11005\">Un capteur peut fournir des valeurs techniquement valides tout en \u00e9tant mal \u00e9talonn\u00e9. Un horodatage peut \u00eatre enregistr\u00e9 correctement dans un syst\u00e8me, mais s'av\u00e9rer inutile lorsqu'une autre application utilise une horloge diff\u00e9rente. Un \u00e9tat de machine qualifi\u00e9 de \u201c en marche \u201d peut englober la mise en service, les essais et l'exploitation productive, m\u00eame si ces conditions ne devraient pas \u00eatre analys\u00e9es conjointement.<\/p>\n<p data-start=\"11007\" data-end=\"11301\">Les personnes les plus proches de la production sont donc indispensables. Les ing\u00e9nieurs de donn\u00e9es peuvent identifier les lacunes et les incoh\u00e9rences, mais ce sont les op\u00e9rateurs, les sp\u00e9cialistes de la maintenance et les ing\u00e9nieurs de proc\u00e9d\u00e9s qui sont \u00e0 m\u00eame de d\u00e9terminer si un signal est physiquement plausible et si son interpr\u00e9tation varie en fonction de conditions sp\u00e9cifiques.<\/p>\n<p data-start=\"11303\" data-end=\"11604\">Cette collaboration permet \u00e9galement d'\u00e9viter une erreur courante consistant \u00e0 utiliser un ensemble de donn\u00e9es statistiquement \u00ab propre \u00bb qui ne refl\u00e8te pas correctement le processus. Le fait de supprimer une valeur aberrante apparente peut faire dispara\u00eetre le premier signe d'un d\u00e9faut, tandis que le calcul de la moyenne des mesures sur une p\u00e9riode choisie de mani\u00e8re opportuniste peut masquer l'\u00e9v\u00e9nement bref \u00e0 l'origine d'un d\u00e9faut.<\/p>\n<p data-start=\"11606\" data-end=\"11758\">La pr\u00e9paration \u00e0 l'IA ne peut \u00eatre certifi\u00e9e par le seul service informatique. Elle d\u00e9pend de la coh\u00e9rence entre les donn\u00e9es techniques et la r\u00e9alit\u00e9 op\u00e9rationnelle.<\/p>\n<h2 data-section-id=\"1uomy2l\" data-start=\"11760\" data-end=\"11822\">C'est la gouvernance qui d\u00e9termine si l'on pourra se fier \u00e0 ces donn\u00e9es par la suite<\/h2>\n<p data-start=\"11824\" data-end=\"12132\">Un mod\u00e8le d'IA peut partir d'un ensemble de donn\u00e9es soigneusement pr\u00e9par\u00e9, puis perdre progressivement de sa fiabilit\u00e9 \u00e0 mesure que l'usine qui l'entoure \u00e9volue. Les capteurs sont remplac\u00e9s, les recettes sont modifi\u00e9es, les produits \u00e9voluent et les syst\u00e8mes re\u00e7oivent des mises \u00e0 jour logicielles, souvent sans que ces changements ne soient communiqu\u00e9s \u00e0 l'\u00e9quipe en charge du mod\u00e8le.<\/p>\n<p data-start=\"12134\" data-end=\"12426\">Les fabricants doivent donc disposer d'une ma\u00eetrise claire des sources de donn\u00e9es importantes. Quelqu'un doit savoir ce que signifie une variable, comment elle est g\u00e9n\u00e9r\u00e9e et \u00e0 quel moment sa d\u00e9finition change. L'historique des \u00e9talonnages, les p\u00e9riodes manquantes et les corrections manuelles doivent rester visibles et ne pas dispara\u00eetre lors de la pr\u00e9paration.<\/p>\n<p data-start=\"12428\" data-end=\"12777\">La tra\u00e7abilit\u00e9 est \u00e9galement importante. Lorsqu\u2019un syst\u00e8me d\u2019IA recommande une intervention de maintenance ou identifie un risque li\u00e9 \u00e0 la qualit\u00e9, les ing\u00e9nieurs doivent savoir quelles donn\u00e9es ont contribu\u00e9 \u00e0 ce r\u00e9sultat et si ces donn\u00e9es proviennent de sources fiables. Cela rev\u00eat une importance particuli\u00e8re lorsque la recommandation a des implications en mati\u00e8re de s\u00e9curit\u00e9, de conformit\u00e9 ou de d\u00e9cision de production co\u00fbteuse.<\/p>\n<p data-start=\"12779\" data-end=\"13068\">Une base de donn\u00e9es d'usine ne doit pas pr\u00e9senter une version id\u00e9alis\u00e9e de la r\u00e9alit\u00e9, d\u00e9barrass\u00e9e de toute incertitude. Elle doit indiquer les cas o\u00f9 les informations sont incompl\u00e8tes, estim\u00e9es ou affect\u00e9es par un changement d'\u00e9quipement, afin que le mod\u00e8le et ses utilisateurs puissent consid\u00e9rer les r\u00e9sultats avec la prudence qui s'impose.<\/p>\n<h2 data-section-id=\"dgsg1m\" data-start=\"13070\" data-end=\"13116\">Les sites industriels d\u00e9saffect\u00e9s n\u00e9cessitent une approche s\u00e9lective<\/h2>\n<p data-start=\"13118\" data-end=\"13362\">Rares sont les fabricants capables de renouveler l'ensemble de leur infrastructure technologique avant de se lancer dans l'IA, et les usines bien \u00e9tablies disposent souvent de machines issues de plusieurs g\u00e9n\u00e9rations, ainsi que d'interfaces et de syst\u00e8mes propri\u00e9taires qui n'ont jamais \u00e9t\u00e9 con\u00e7us pour \u00e9changer des informations.<\/p>\n<p data-start=\"13364\" data-end=\"13619\">Attendre que la modernisation soit achev\u00e9e reviendrait \u00e0 repousser ind\u00e9finiment la mise en place d'applications utiles. Tenter de tout connecter d'un seul coup peut s'av\u00e9rer tout aussi contre-productif, car le programme se transforme alors en un projet d'infrastructure co\u00fbteux sans retour op\u00e9rationnel clair.<\/p>\n<p data-start=\"13621\" data-end=\"14032\">Une approche plus cr\u00e9dible commence par un probl\u00e8me de production dont la valeur \u00e9conomique est bien comprise. L'entreprise recense les donn\u00e9es n\u00e9cessaires \u00e0 son analyse, identifie les lacunes les plus importantes et \u00e9tablit un contexte commun suffisamment solide pour prendre correctement en charge ce cas d'utilisation. Le travail doit tout de m\u00eame respecter des normes et une architecture pouvant \u00eatre \u00e9tendues ult\u00e9rieurement, mais il n'est pas n\u00e9cessaire de r\u00e9soudre toutes les incoh\u00e9rences historiques au sein de l'usine.<\/p>\n<p data-start=\"14034\" data-end=\"14338\">Par exemple, un fabricant cherchant \u00e0 r\u00e9duire les d\u00e9fauts sur une ligne de production peut, dans un premier temps, \u00e9tablir des liens entre les r\u00e9glages des machines, les r\u00e9sultats qualit\u00e9, les lots de mati\u00e8res premi\u00e8res et certains \u00e9v\u00e9nements de maintenance. Une fois ces relations \u00e9tablies, cette m\u00eame structure peut \u00eatre \u00e9tendue aux lignes adjacentes ou r\u00e9utilis\u00e9e dans le cadre de la maintenance pr\u00e9dictive.<\/p>\n<p data-start=\"14340\" data-end=\"14475\">Cela permet de constituer une base de donn\u00e9es gr\u00e2ce \u00e0 des avanc\u00e9es op\u00e9rationnelles, plut\u00f4t que par le biais d'un programme de pr\u00e9paration de longue haleine dont la valeur reste abstraite.<\/p>\n<h2 data-section-id=\"50qqdb\" data-start=\"14477\" data-end=\"14526\">Un \u00ab data lake \u00bb n'est pas synonyme de donn\u00e9es accessibles<\/h2>\n<p data-start=\"14528\" data-end=\"14767\">De nombreuses entreprises ont d\u00e9j\u00e0 regroup\u00e9 d'importants volumes d'informations industrielles sur des plateformes cloud ou dans des r\u00e9f\u00e9rentiels centraux. Il s'agit l\u00e0 d'une \u00e9tape importante, mais le simple fait de regrouper physiquement ces donn\u00e9es ne les rend pas pour autant automatiquement compr\u00e9hensibles ou exploitables.<\/p>\n<p data-start=\"14769\" data-end=\"15122\">Un \u00ab data lake \u00bb peut contenir des donn\u00e9es provenant de tous les sites tout en conservant les m\u00eames incoh\u00e9rences dans la nomenclature, les relations manquantes et les incertitudes quant \u00e0 la propri\u00e9t\u00e9 des donn\u00e9es qui existaient dans les syst\u00e8mes d'origine. Les \u00e9quipes disposent ainsi d'un espace centralis\u00e9 pour effectuer leurs recherches, mais elles peuvent n\u00e9anmoins passer des semaines \u00e0 d\u00e9terminer quels champs sont pertinents et si les diff\u00e9rentes usines mesurent le m\u00eame processus de mani\u00e8re comparable.<\/p>\n<p data-start=\"15124\" data-end=\"15507\">L'IA ne se contente pas d'un simple espace de stockage. Elle a besoin de donn\u00e9es faciles \u00e0 trouver, accessibles selon les autorisations appropri\u00e9es, interop\u00e9rables entre les syst\u00e8mes et r\u00e9utilisables, accompagn\u00e9es d'une description suffisante pour pr\u00e9server leur sens. Les mod\u00e8les s\u00e9mantiques, les graphes de connaissances et les \u00ab data fabrics \u00bb industriels sont de plus en plus utilis\u00e9s pour repr\u00e9senter ces relations, m\u00eame si la terminologie importe moins que la fonction qu'ils remplissent.<\/p>\n<p data-start=\"15509\" data-end=\"15764\">La couche utile est celle qui permet \u00e0 un mod\u00e8le de comprendre qu'un capteur donn\u00e9 appartient \u00e0 une machine sp\u00e9cifique, que cette machine a effectu\u00e9 une op\u00e9ration sur un produit d\u00e9fini et que le composant ainsi obtenu a ensuite re\u00e7u une note de qualit\u00e9 particuli\u00e8re.<\/p>\n<p data-start=\"15766\" data-end=\"16058\">Siemens, par exemple, d\u00e9crit les \u00ab data fabrics \u00bb industriels comme un moyen de relier des sources fragment\u00e9es et d'apporter le contexte n\u00e9cessaire \u00e0 l'IA, tandis que son architecture d'IA industrielle, plus large, relie la collecte de donn\u00e9es en atelier \u00e0 la contextualisation et \u00e0 l'utilisation inter-domaines. <span class=\"\" data-state=\"closed\"><\/span><\/p>\n<h2 data-section-id=\"2o069v\" data-start=\"16060\" data-end=\"16099\">Les agents IA repoussent encore plus loin la barre<\/h2>\n<p data-start=\"16101\" data-end=\"16283\">Un mod\u00e8le pr\u00e9dictif qui g\u00e9n\u00e8re une alerte de maintenance inexacte peut faire perdre du temps \u00e0 un ing\u00e9nieur. Un agent d'IA qui agit sur la base de donn\u00e9es peu fiables peut entra\u00eener un probl\u00e8me op\u00e9rationnel bien plus grave.<\/p>\n<p data-start=\"16285\" data-end=\"16676\">Les agents sont con\u00e7us pour extraire des informations, raisonner \u00e0 travers diff\u00e9rents syst\u00e8mes et d\u00e9clencher des actions avec un minimum de supervision directe. Dans le secteur industriel, ils peuvent pr\u00e9parer des ordres de fabrication, ajuster les plannings, recommander des modifications de processus ou coordonner une intervention suite \u00e0 un incident sur un \u00e9quipement. Leur utilit\u00e9 d\u00e9pend de leur acc\u00e8s \u00e0 des informations qui ne doivent pas seulement \u00eatre disponibles, mais aussi correctement mises en relation et suffisamment \u00e0 jour.<\/p>\n<p data-start=\"16678\" data-end=\"16989\">Un agent qui constate une alarme sans savoir que la machine est en mode maintenance peut d\u00e9clencher une intervention inutile. Un agent qui consulte une consigne de travail obsol\u00e8te peut recommander une proc\u00e9dure qui n'est plus d'actualit\u00e9, tandis que des identifiants d'actifs incoh\u00e9rents peuvent l'amener \u00e0 consulter l'historique d'une machine erron\u00e9e.<\/p>\n<p data-start=\"16991\" data-end=\"17292\">\u00c0 mesure que l'IA industrielle gagne en autonomie, le co\u00fbt d'un contexte insuffisant augmente. Une personne peut souvent se rendre compte qu'une information semble erron\u00e9e parce qu'elle contredit son exp\u00e9rience ; un agent, quant \u00e0 lui, peut poursuivre son chemin en toute confiance pendant plusieurs \u00e9tapes, \u00e0 moins que les donn\u00e9es de base et les r\u00e8gles de fonctionnement ne mettent en \u00e9vidence cette incoh\u00e9rence.<\/p>\n<p data-start=\"17294\" data-end=\"17558\">C'est pourquoi la pr\u00e9paration des donn\u00e9es industrielles devient une question de confiance plut\u00f4t qu'une simple question d'acc\u00e8s technique. Les syst\u00e8mes agentiques ont besoin d'un contexte fiable, tant au niveau des produits que des op\u00e9rations, pour que les entreprises puissent leur permettre d'agir en toute confiance. <span class=\"\" data-state=\"closed\"><\/span><\/p>\n<h2 data-section-id=\"mogsd8\" data-start=\"17560\" data-end=\"17603\">Commencez par la d\u00e9cision, pas par l'ensemble de donn\u00e9es<\/h2>\n<p data-start=\"17605\" data-end=\"17850\">Une \u00e9valuation pratique de l'\u00e9tat de pr\u00e9paration commence par le choix de la d\u00e9cision que l'entreprise souhaite am\u00e9liorer. L'\u00e9quipe doit pr\u00e9ciser qui prend cette d\u00e9cision aujourd'hui, sur quelles informations cette personne s'appuie, ce qui constitue un r\u00e9sultat correct et quelles sont les cons\u00e9quences d'une mauvaise d\u00e9cision.<\/p>\n<p data-start=\"17852\" data-end=\"18164\">Ce n'est qu'\u00e0 ce moment-l\u00e0 que le fabricant doit v\u00e9rifier si les donn\u00e9es n\u00e9cessaires existent, s'il est possible de les relier entre elles et si les exemples historiques sont repr\u00e9sentatifs. Cela permet de distinguer une v\u00e9ritable lacune dans les donn\u00e9es d'une lacune contextuelle, qui n\u00e9cessite souvent une documentation et une int\u00e9gration plut\u00f4t que l'ajout d'un capteur suppl\u00e9mentaire.<\/p>\n<p data-start=\"18166\" data-end=\"18478\">L'entreprise a \u00e9galement besoin d'une base de r\u00e9f\u00e9rence. Si l'objectif est de r\u00e9duire les temps d'arr\u00eat impr\u00e9vus, elle doit conna\u00eetre les temps d'arr\u00eat actuels, l'effort de maintenance et les taux de fausses alarmes avant de mettre en place le mod\u00e8le. Sans cette comparaison, un projet pilote d'IA pourrait s'av\u00e9rer impressionnant sur le plan technique sans pour autant apporter d'am\u00e9lioration mesurable aux op\u00e9rations.<\/p>\n<p data-start=\"18480\" data-end=\"18774\">Le premier d\u00e9ploiement doit rester suffisamment proche de l'\u00e9quipe de production pour permettre une analyse rapide des erreurs. Les ing\u00e9nieurs et les op\u00e9rateurs doivent pouvoir comprendre comment le mod\u00e8le est parvenu \u00e0 sa conclusion, remettre en question les hypoth\u00e8ses erron\u00e9es et identifier les changements dans le processus que le pipeline de donn\u00e9es n'a pas pris en compte.<\/p>\n<p data-start=\"18776\" data-end=\"18959\">Lorsque le cas d'utilisation s'av\u00e8re utile, l'entreprise peut exploiter ces m\u00eames relations entre les donn\u00e9es plut\u00f4t que de repartir de z\u00e9ro. C'est ainsi que des informations industrielles isol\u00e9es deviennent un atout r\u00e9utilisable.<\/p>\n<h2 data-section-id=\"15l3pb1\" data-start=\"18961\" data-end=\"19005\">La pr\u00e9paration des donn\u00e9es est une capacit\u00e9 op\u00e9rationnelle<\/h2>\n<p data-start=\"19007\" data-end=\"19234\">On conseille souvent aux usines de nettoyer leurs donn\u00e9es avant d'adopter l'IA, comme si la pr\u00e9paration \u00e9tait un projet pouvant \u00eatre men\u00e9 \u00e0 bien et cl\u00f4tur\u00e9. Or, les environnements industriels ne restent pas assez longtemps immuables pour que cette interpr\u00e9tation soit valable.<\/p>\n<p data-start=\"19236\" data-end=\"19533\">De nouvelles machines arrivent, les fournisseurs changent, les produits sont repens\u00e9s et les op\u00e9rateurs d\u00e9couvrent de meilleures fa\u00e7ons de mener \u00e0 bien le processus. Chaque modification alt\u00e8re la signification ou la pertinence de certaines donn\u00e9es, ce qui signifie que la contextualisation, la gouvernance et le contr\u00f4le qualit\u00e9 doivent se poursuivre une fois que le mod\u00e8le est mis en production.<\/p>\n<p data-start=\"19535\" data-end=\"19828\">Les entreprises les mieux plac\u00e9es pour d\u00e9velopper l'IA industrielle ne seront pas n\u00e9cessairement celles qui disposent des bases de donn\u00e9es historiques les plus volumineuses. Ce seront celles qui savent d'o\u00f9 proviennent leurs informations op\u00e9rationnelles, comment celles-ci s'articulent avec le processus physique et qui est responsable lorsque ces relations \u00e9voluent.<\/p>\n<p data-start=\"19830\" data-end=\"20139\" data-is-last-node=\"\" data-is-only-node=\"\">Une usine est pr\u00eate pour l'IA lorsque ses donn\u00e9es permettent de prendre une d\u00e9cision en laquelle les ing\u00e9nieurs ont confiance, et non pas simplement parce qu'un tableau de bord indique que des millions d'enregistrements ont \u00e9t\u00e9 collect\u00e9s. Tant que ces signaux ne sont pas mis en relation avec les machines, les mat\u00e9riaux, les \u00e9v\u00e9nements et les r\u00e9sultats, l'entreprise dispose certes d'une abondance de donn\u00e9es, mais manque cruellement de connaissances.<\/p><br>","protected":false},"excerpt":{"rendered":"<p>Le simple fait de disposer de donn\u00e9es dans votre usine ne signifie pas pour autant que vous \u00eates pr\u00eat pour l'IA. Prenez la mesure de la complexit\u00e9 du sujet et pr\u00e9parez-vous \u00e0 exploiter le potentiel de l'IA dans le secteur industriel.<\/p>","protected":false},"author":2,"featured_media":502,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[15],"tags":[],"class_list":["post-503","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-smart-manufacturing"],"_links":{"self":[{"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/posts\/503","targetHints":{"allow":["GET"]}}],"collection":[{"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/comments?post=503"}],"version-history":[{"count":0,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/posts\/503\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/media\/502"}],"wp:attachment":[{"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/media?parent=503"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/categories?post=503"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/tags?post=503"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}