Un atelier d’usinage de précision de Bussy-Saint-Georges affichait un taux de rendement de 82 %. Chiffre honorable, présenté chaque mois en réunion, jamais discuté. En reconstituant les temps machine réels sur six semaines, nous sommes tombés sur 61 %. L’écart ne venait d’aucune malhonnêteté : les arrêts de moins de dix minutes n’étaient tout simplement jamais saisis, et ils représentaient l’essentiel des pertes. Un accompagnement IA de la performance opérationnelle en PME commence presque toujours par cette découverte désagréable, et rarement par un algorithme.
Les indicateurs que personne n’ose remettre en cause
Chaque entreprise industrielle possède deux ou trois chiffres sacrés. Ils figurent sur un tableau affiché près de la machine à café, ils rassurent, et ils sont souvent faux.
Le mécanisme est connu. Un indicateur alimenté à la main par ceux-là mêmes qu’il évalue dérive lentement vers ce que l’on souhaite lire. Personne ne triche : on arrondit, on regroupe, on oublie de saisir le micro-arrêt du vendredi soir. Multipliez par deux ans et l’écart entre le tableau et l’atelier devient structurel.
Le premier apport d’une chaîne automatisée de mesure est donc brutal et sain : elle collecte sans intermédiaire. Compteurs machine, automates, badgeuses, temps de cycle relevés directement, déclarations de production croisées avec les mouvements de stock. Le chiffre qui sort déplaît, souvent. Il a le mérite d’exister.
Les écarts valent mieux que les moyennes
Une moyenne masque tout ce qui vous coûte de l’argent. C’est la leçon que nous répétons le plus souvent aux dirigeants industriels.
Dans l’atelier cité, le temps moyen de série sur une pièce de sous-traitance aéronautique tournait autour de quatorze heures. La distribution racontait une autre histoire : neuf heures quand la série était lancée le matin sur la machine à cinq axes récente, vingt-deux heures quand elle passait le soir sur la plus ancienne, avec un opérateur intérimaire. Personne n’avait établi ce lien, parce qu’aucun système ne rapprochait le poste, l’horaire, l’opérateur et le temps réel.
Le modèle, lui, cherche ces corrélations sans idée préconçue. Il signale que les rebuts triplent sur une famille de pièces après une reprise de production consécutive à un arrêt long. Il repère que trois références concentrent 70 % des retouches. Il montre que le goulot déclaré par tout le monde depuis dix ans — la rectifieuse — n’est pas le vrai goulot, lequel se situe au contrôle final, où une seule personne est habilitée. Cette dernière découverte a valu une formation à deux opérateurs et sept jours de délai gagnés sur le carnet.
Rapprocher ensuite ces données d’exploitation des données financières transforme la discussion. Une pièce qui passe systématiquement 60 % au-dessus de son temps devisé n’est pas un problème d’atelier, c’est un problème de tarif, et cela relève du pilotage financier de l’entreprise autant que de la production.
Ordonnancer, replanifier, absorber les aléas
C’est le terrain où les modèles apportent le plus, et celui que les PME abordent en dernier.
Un plan de charge d’atelier se périme en quelques heures. Une machine tombe, un approvisionnement glisse, un client passe une urgence, un opérateur est absent. Le responsable de production refait alors son planning au marqueur, en arbitrant de tête entre douze contraintes. Il s’en sort, généralement bien, et personne ne saura jamais ce qu’aurait donné une autre combinaison.
Un moteur d’ordonnancement propose en quelques secondes trois scénarios chiffrés : celui qui minimise les retards clients, celui qui maximise l’occupation machine, celui qui limite les changements d’outillage. Le responsable choisit. Il conserve la main, et il découvre parfois qu’une option qu’il excluait par habitude tenait parfaitement la route. Nous avons vu des ateliers gagner 8 à 12 % de capacité sans acheter la moindre machine, uniquement en réordonnant leurs séries. Les tableaux de suivi produits par Minoboard permettent ensuite de vérifier que le gain tient dans la durée.
La performance opérationnelle ne s’arrête pas aux portes de l’atelier. Un carnet mieux tenu ne sert à rien si les règlements traînent ; le suivi des encaissements, avec un dispositif comme Relanc’IA, fait partie de la même chaîne de valeur.
Ce qui fait échouer ces projets
Trois causes reviennent, et aucune n’est technologique.
La première est l’usage des données de production comme instrument de surveillance individuelle. Le jour où un opérateur comprend que le système sert à comparer son rendement à celui du collègue, la fiabilité des saisies s’effondre et le projet est mort. Notre règle est de raisonner par poste, par famille de pièces et par créneau, jamais par nom. Elle se dit devant les équipes, au début, pas quand la question surgit.
La deuxième est l’excès d’ambition. Un projet qui prétend instrumenter dix-huit machines, refondre l’ordonnancement et remplacer l’ERP dans le même mouvement occupera deux ans et n’aboutira pas. Trois machines, un indicateur juste, un premier scénario d’ordonnancement : c’est un début crédible, et il donne au bout de deux mois un résultat que l’on peut montrer aux équipes plutôt qu’un calendrier de plus.
La troisième est l’absence de propriétaire. Un chantier de performance sans responsable de production réellement engagé devient un projet informatique, et les projets informatiques ne changent pas les habitudes d’un atelier. La même logique vaut d’ailleurs pour les structures de services, où le sujet se pose sur les temps passés par dossier plutôt que sur les temps machine.
Durée, coût, résultat mesurable
Un chantier sérieux s’étale sur 4 à 6 mois, avec une première remontée de données fiables dès la sixième semaine. L’enveloppe se situe entre 20 000 et 40 000 euros pour une PME industrielle de quarante à cent salariés, capteurs et boîtiers de collecte compris — c’est le chantier le plus lourd de notre catalogue, et le plus rentable quand la mesure de départ était fausse.
Le bon indicateur de réussite n’est pas le taux de rendement affiché. C’est l’écart entre le temps devisé et le temps réel, série après série. Quand cet écart se resserre, la marge suit mécaniquement, et les devis suivants partent sur des bases solides.
L’atelier de Bussy-Saint-Georges affiche aujourd’hui 71 %, chiffre plus bas qu’avant sur le tableau et infiniment plus élevé dans la réalité. Son dirigeant a mis six mois à accepter cette arithmétique. Un accompagnement IA de la performance opérationnelle en PME consiste largement à faire traverser ce moment inconfortable, puis à installer les outils qui empêchent d’y retourner. MINOBIA travaille aux côtés des dirigeants sur ce type de trajectoire, sans promettre de miracle au premier trimestre.
Questions fréquentes
Faut-il équiper toutes les machines de capteurs ?
Non. Commencez par les postes qui portent le chiffre d’affaires ou qui bloquent le flux. Trois machines bien instrumentées apprennent plus que quinze mal suivies.
Mon ERP ne fait-il pas déjà cela ?
Il enregistre ce qu’on lui déclare. La différence tient à la collecte automatique, qui capte ce qu’aucune déclaration humaine ne remonte, à commencer par les micro-arrêts.
Comment présenter le projet aux équipes ?
En expliquant que l’on mesure des postes et des flux, pas des personnes, et en tenant cette promesse dans les restitutions. Une seule entorse suffit à tout compromettre.
Quel gain espérer raisonnablement ?
Sur les ateliers que nous suivons, quelques points de capacité récupérés sans investissement matériel, et surtout des devis plus justes. Méfiez-vous des promesses à deux chiffres annoncées avant toute mesure.
Prêt à concrétiser votre projet IA ?
Parlons de votre projet →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
