Un projet sur deux n’atteint jamais l’atelier. C’est le constat le plus gênant que nous tirons de nos échanges avec des industriels de taille moyenne : beaucoup ont déjà tenté quelque chose, un POC de vision, un tableau de bord prédictif, une démonstration d’éditeur, et l’affaire s’est arrêtée entre la salle de réunion et la ligne de production. L’IA dans l’industrie manufacturière ne souffre pas d’un manque de technologies. Elle souffre de projets mal choisis, trop larges ou trop loin des problèmes que le chef d’atelier vit chaque matin. Cet article prend le chemin inverse, en partant de trois douleurs de production, la qualité, les rebuts, l’ordonnancement, et de ce qui fonctionne réellement pour les traiter.
Contrôle qualité par vision, le cas d’usage le plus mûr
Sur une ligne de décolletage, d’injection plastique ou d’assemblage, le contrôle visuel humain plafonne. Un opérateur attentif détecte bien les défauts francs, mais sa vigilance chute en fin de poste et certains défauts, micro-rayures, bavures fines, inserts légèrement décalés, passent au travers. Les systèmes de vision industrielle dopés à l’apprentissage, chez Cognex ou Keyence pour citer les plus répandus, apprennent à partir de quelques centaines d’images de pièces bonnes et mauvaises, puis contrôlent chaque pièce à la cadence de la ligne.
Ce qui a changé ces dernières années, c’est le ticket d’entrée. Une cellule de contrôle caméra se chiffre désormais en dizaines de milliers d’euros, pas en centaines, et l’entraînement du modèle ne réclame plus un docteur en informatique. Attention tout de même à un point que les intégrateurs minimisent : l’éclairage. Une part importante des échecs de projets de vision vient d’une pièce brillante mal éclairée, pas de l’algorithme. Exigez un essai sur vos pièces réelles, dans vos conditions, avant de signer.
Réduire les rebuts en remontant aux causes
Détecter une pièce mauvaise, c’est bien. Ne plus la produire, c’est mieux. Le deuxième étage de l’IA dans l’industrie manufacturière consiste à croiser les défauts constatés avec les paramètres de production, température d’outillage, pression d’injection, lot matière, équipe, hygrométrie, pour identifier les combinaisons qui fabriquent du rebut. Un plasturgiste de 80 personnes avec qui nous avons échangé a découvert de cette manière que l’essentiel de ses non-conformités sur une famille de pièces se concentrait sur les redémarrages du lundi matin, presse froide et matière stockée dans une zone humide le week-end. La correction n’a rien coûté, un préchauffage anticipé et un déplacement de palettes.
La condition, encore et toujours, c’est la donnée. Si vos déclarations de rebut se limitent à une croix sur une feuille en bord de ligne, l’analyse ne verra rien. Un MES léger, ou même une saisie structurée sur tablette avec motif de rebut obligatoire, suffit souvent à créer la matière première de l’analyse. Trois à six mois d’historique bien renseigné valent mieux que cinq ans de données floues. Et ce chantier de collecte a un effet secondaire appréciable, il oblige à standardiser les libellés de défauts entre les équipes, ce qui à lui seul fait parfois émerger des causes que tout le monde nommait différemment.
L’ordonnancement, là où les gains se cachent
Qui construit le planning de production chez vous ? Dans la majorité des PME industrielles, une personne, un tableur, et une expérience irremplaçable mais non documentée. Cette personne jongle avec les délais clients, les temps de changement de série, les absences et les pannes. Elle fait des miracles. Elle fait aussi des choix sous-optimaux invisibles, car personne ne peut comparer son planning aux milliers d’alternatives possibles.
Les outils d’ordonnancement avancé, les APS comme DELMIA Ortems ou des solutions plus récentes pensées pour le mid-market comme Oplit, explorent ces alternatives en quelques secondes. Ils séquencent les ordres de fabrication pour réduire les changements de série et tenir les dates promises, puis recalculent quand un aléa survient, machine arrêtée, matière en retard. Les gains typiques ne sont pas mirobolants sur le papier, quelques points de taux de service, une baisse des heures supplémentaires de fin de mois, mais rapportés à une année, ils dépassent souvent le coût de l’outil. Et surtout, le savoir de l’ordonnanceur cesse de reposer sur une seule tête, un risque que tout dirigeant d’entreprise industrielle connaît.
Un détail technique conditionne l’acceptation de ces outils sur le terrain, le réglage du curseur entre faux rejets et défauts manqués. Une caméra réglée trop sévère écarte des pièces bonnes, et l’atelier perd confiance en quelques jours, on a vu des opérateurs repêcher les pièces rejetées pour les remettre dans le flux. Réglée trop laxiste, elle laisse passer ce qu’elle devait bloquer, et l’on se demande pourquoi on a payé. Ce réglage n’est pas figé une fois pour toutes. Il se revoit à chaque changement de matière, de fournisseur ou de moule, et c’est précisément le nouveau savoir-faire que vos techniciens qualité doivent acquérir. Les former à cela fait partie du projet, au même titre que l’installation.
Trois erreurs qui condamnent un projet
Première erreur, viser l’usine du futur au lieu d’un problème du présent. Un projet qui ne se raccroche pas à un indicateur existant, taux de rebut, TRS, taux de service, ne survivra pas au premier arbitrage budgétaire. Deuxième erreur, écarter les équipes de production. Le régleur qui n’a pas été consulté trouvera toujours une bonne raison de débrancher la caméra qui le surveille, et il n’aura pas complètement tort si personne ne lui a expliqué que l’outil vise les pièces, pas les personnes. Troisième erreur, sous-estimer l’intégration. Faire dialoguer une cellule de vision, un ERP vieillissant et un automate Siemens des années 2000 prend souvent plus de temps que d’entraîner le modèle lui-même. Prévoyez ce budget d’interfaçage dès le départ, il représente couramment un tiers du projet.
Par quel bout prendre le sujet
Notre conseil tient en une phrase : choisissez le problème qui vous coûte le plus et qui se mesure déjà. Si votre taux de rebut est connu et douloureux, commencez par la qualité. Si vos retards de livraison irritent vos clients, commencez par l’ordonnancement. Un premier chantier de l’IA dans l’industrie manufacturière bien ciblé se boucle en trois à six mois et finance moralement et financièrement le suivant. Pour élargir la réflexion aux fonctions support, administration, finance, commerce, notre panorama de l’IA appliquée aux métiers complète utilement cette vue atelier.
MINOBIA accompagne des PME industrielles précisément sur ce travail de ciblage, trouver le premier chantier, cadrer l’essai, éviter les trois erreurs ci-dessus. Un diagnostic court, sur site, sans engagement, permet en général de trancher en quelques semaines.
Questions fréquentes
Mon parc machines est ancien, est-ce rédhibitoire ?
Non. Une cellule de vision ou un APS travaillent en périphérie des machines existantes. L’ancienneté complique l’interfaçage, elle n’interdit rien.
Quel budget pour un premier projet de vision qualité ?
Comptez quelques dizaines de milliers d’euros pour une cellule sur un poste, matériel, logiciel et intégration compris. Les aides à la numérisation industrielle peuvent en couvrir une partie.
Faut-il embaucher un data scientist ?
Pas pour démarrer. Les outils actuels s’entraînent et se paramètrent avec vos équipes méthodes et qualité, appuyées par l’intégrateur. Le besoin de compétences internes vient plus tard, avec l’échelle.
Combien de temps avant un retour sur investissement ?
Sur un chantier ciblé, douze à vingt-quatre mois est un horizon réaliste. Méfiez-vous des promesses de retour en trois mois, elles négligent presque toujours l’intégration et la conduite du changement.
Mes opérateurs craignent pour leur poste, comment répondre ?
En montrant ce que l’outil prend en charge, les contrôles répétitifs, et ce qu’il leur laisse, le réglage, l’analyse, la décision. Les sites qui réussissent affectent le temps libéré à la résolution de problèmes, pas à la réduction d’effectifs.
À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
