- Speaker #0
Bonjour Paul, merci d'être avec nous aujourd'hui sur Voice of Industries. On va parler de données industrielles et des tendances qu'on voit aujourd'hui, des évolutions technologiques et des cas d'usage, chose qui est quand même au final le plus important. On va commencer par une petite présentation, dis-nous qui tu es.
- Speaker #1
Merci Mathieu de me recevoir à nouveau sur ton podcast. Paul Pinault, je suis plutôt un tech globalement qui travaille dans l'industrie depuis une vingtaine d'années, chez un industriel pendant pas mal de temps et puis par la suite dans le monde de l'optimisation des chaînes de production par l'exploitation de la data. Je travaille aussi beaucoup dans le monde de l'Internet des objets de façon plus générale qui, comme on l'a déjà vu ensemble, est une bonne façon de cap... capter de la nouvelle donnée industrielle pour aller enrichir un peu tout ce dataset de données qui va nous permettre de faire des choses vraiment intéressantes, entre autres dans le cadre de l'IT for Green, pour faire encore le lien avec un podcast qu'on a eu précédemment ensemble.
- Speaker #0
Alors pour commencer, avant de parler de cas d'usage, de tendance, si on faisait une photo aujourd'hui de l'industrie, comment tu décrirais aujourd'hui la culture autour de la donnée dans l'industrie ? parce que je sais... L'industrie est une vieille dame quelque part, c'est quelque chose qui rythme nos sociétés depuis maintenant bien deux siècles. Comment tu vois les choses et quelle est un peu la situation aujourd'hui ?
- Speaker #1
Alors moi j'aurais tendance à te dire que j'ai l'impression que la donnée dans l'industrie, alors là je vais en parler de l'industrie au niveau de la production, parce que tu as l'industrie au sens un peu large, tu as tous les parties centrales sur lesquelles tu as de la donnée qui est vraiment valorisée pour la supply chain par exemple, Mikko présenté vraiment au niveau de l'usine, j'ai l'impression que la donnée, c'est surtout du contrôle. Je trouve qu'il y a un petit côté un peu négatif de l'usage de l'honneur, très positif d'un point de vue industriel et d'un point de vue financier, optimisation, ainsi de suite. Mais ramener à l'individu qui est shop floor, j'ai un peu le sentiment que la donnée, c'est un peu l'outil de contrôle qui permet de mesurer si on a bien produit, si on a bien fait ses heures. On est au bon niveau de qualité, ainsi de suite. Et ça, je pense que c'est quelque chose qui est en train de changer. Voilà, tu vois, ces données industrielles, aujourd'hui, c'est la donnée qui est un peu enfouie, elle est aussi cachée. C'est la donnée de la machine de prod, quand je dis contrôle, c'est la donnée aussi qui permet de contrôler le process pour faire en sorte qu'il s'exécute comme prévu. On est sur ce niveau d'utilisation de la donnée qui est, je check, je check, je check. Est-ce qu'on a atteint le KPI ? Est-ce qu'on a la bonne température ? Est-ce qu'on a fait le bon nombre d'heures ? Est-ce que tu vois ? Voilà, on est sur ce niveau-là. et je pense qu'on peut aller beaucoup plus loin en fait. Moi, ça ne me satisfait pas. Tu vois, il y a une révolution à faire dans l'usage de la data au niveau de l'industrie à mon sens.
- Speaker #0
Oui, c'est quelque part, la donnée à l'usage du contrôle et pas à l'usage de l'utilisateur ou du moins de l'opérationnel quelque part.
- Speaker #1
C'est ça, ce n'est pas comment être meilleur grâce à la donnée. Tu vois, c'est pourquoi est-ce que tu es bon ou pourquoi est-ce que tu n'es pas bon, mais ce n'est pas trop comment être meilleur. C'est un peu le radar, tu vois, je pars un peu loin, mais c'est un peu le radar sur la route, tu vois en fait ils il te flash parce que t'es allé trop vite mais en fait toi tu voulais pas spécialement aller trop vite, c'est juste potentiellement t'as pas fait gaffe à ce moment là donc à un moment t'aimerais qu'il t'aide à éviter d'être en infraction plutôt que directement te verbaliser c'est un peu la différence entre le contrôle et la mesure de vitesse que t'as sur le tableau de bord ouais ouais c'est ça alors
- Speaker #0
moi c'est un sujet qui me tient vraiment à coeur parce que venant de l'industrie je pense que démocratiser l'usage de cette donnée et de faire que tout un chacun dans l'usine et les informations pour bien faire son travail, c'est vraiment la base si on veut avoir des organisations qui sont efficientes, comme on dit. Si on mesure pas les choses, on peut pas s'améliorer. Et je dirais, mesurer, c'est une chose, mais dans le process d'amélioration, il y a aussi toute la compréhension, et qui dit compréhension dit information, pour pouvoir agir derrière. Moi, mon impression, alors je sais pas si tu la partages, c'est qu'on est encore très loin de ça, c'est-à-dire que, comme tu dis, on a de la donnée pour contrôler, mais Merci. Cette donnée mise à disposition de chacun des acteurs de l'organisation pour qu'ils puissent agir plus efficacement, il y a quelques entreprises qui ont pris le pas, mais je dirais la majorité est encore à un stade où il y a peut-être de la data un peu partout, mais elle n'est pas utilisée, pas exploitée par tout le monde.
- Speaker #1
Pour moi, tu as mis le doigt sur le thème qui est clé, c'est l'information. En fait, l'ère actuelle, c'est plutôt une ère de la donnée et on doit basculer vers une ère de l'information. Tu vois l'information, derrière, entre les deux, il y a l'analyse. Tu as la donnée brute, comment tu la transformes, ce que tu en fais, comment tu transformes ça sous forme d'une information. Cette information, elle est analysée, mais elle est aussi, comment dire, rendue un peu plus générique. Ça, c'est hyper clé parce que demain, la manipulation de la data, elle va être faite par de l'IA et je pense que... Sur l'usine, l'interaction qu'on peut avoir avec des IA type LLM, elle peut être ultra intéressante. Je ne te parle pas de l'intelligence du LLM, c'est-à-dire comment le LLM interprète la donnée et lui donne du sens. Ce n'est pas son rôle à un LLM. Je pense que c'est intéressant de le rappeler, si on parle un peu IA tout à l'heure, c'est les limites de ces technologies-là. Mais en termes d'interaction entre une personne qui est sur le terrain et l'ensemble des données, cette interface qui peut être vocale, textuelle, hyper intéressante, et Un truc qu'au travers de ces exemples, j'ai vu dans l'industrie, c'est un collègue, ce n'est pas un cas industriel au sens déploiement, c'est plutôt un POC industriel qui a été fait par un collègue qui était assez intéressant, qui était sur des bases d'incidents sur des machines. Et donc, d'être capable d'interagir avec un système en disant pourquoi, qu'est-ce qui s'est passé à cette nuit sur la machine ? 42, tu vois, quand une nouvelle équipe arrive, qu'elle voit qu'il y a des choses qui se sont passées, le transfert n'a pas été complet avec l'équipe d'avant, ils ont besoin d'avoir de l'info, qu'est-ce qui s'est passé ? Et en fait, quand on se dit on va créer cette expérience utilisateur, en fait, on se rend compte que les données sources qu'on a, c'est un peu tout et n'importe quoi. Parce que la machine qui est la 42, pour quelqu'un, elle s'appelle, je ne sais pas, Babette, pour l'autre, c'est la boudineuse de gauche, elle peut avoir des noms différents. On a un vocabulaire qui est très spécifique, qui n'est pas toujours bien compris, et on a une définition de l'incident qui est faite par quelqu'un qui, on va dire, a peut-être 20 ans de métier et va directement à l'objectif. Donc, on a de la donnée texte, ça c'est de la data. Si on veut que ce soit exploitable par un système, il faut le transformer en information. C'est-à-dire qu'il faut être capable de comprendre que ce que je disais, la babette, la machine du fond, la 42, tout ça, c'est la même chose. Donc, il faut qu'on réunisse toutes ces informations-là, qu'on crée un... Un ensemble de données, de savoirs, de connaissances autour de ça, qu'on soit capable d'identifier que la même panne, on peut l'appeler de façon un peu pareille, différente. Donc, on va remettre en forme toutes ces données. Et ensuite, une fois qu'on a cette masse d'informations-là, on est capable de faire de la requête dessus. Et on est capable de dire qu'est-ce qui s'est passé cette nuit. Et là, ce qui s'est passé cette nuit sur cette machine-là, c'est telle et telle chose. Je ne sais pas, un bourrage de la machine à un moment donné, lié à un manque d'huile à tel endroit. peu importe. Mais il y a cette transformation qui, à mon sens, est clé dans ce qui va arriver.
- Speaker #0
Ça me fait plaisir que tu ailles sur ce terrain-là, parce que moi, il y a un aspect qui me tient à cœur et qui est pareil lié à mon expérience industrielle, c'est la notion de contextualisation de la data. C'est-à-dire qu'une data brute d'un capteur de température, comme tu dis, si tu ne sais pas de quelle machine ça vient, ça ne va pas servir à grand-chose. Si tu ne sais pas quel produit on est en train de produire sur cette machine au moment où on a ça, dans quelle phase du cycle de la machine on est ou de l'équipement, en fait il y a tout un tas d'autres données qui sont souvent pas capturées parce que, alors moi je viens plutôt de l'industrie de process et l'industrie de process ça fait très longtemps qu'on monte les données de capteurs et qu'on stocke ça dans des historiennes mais la réalité c'est que tout le contexte en général il est pas disponible et en fait tout ce contexte là, y compris je dirais la connaissance métier process, par exemple les règles de physique ou thermodynamique ou autres qui viennent s'appliquer aux données qu'on a et qui peuvent permettre de construire de l'information, en général, tout ça, c'est complètement, aujourd'hui, oublié, et on essaye, je trouve, et je pense qu'il y a eu, il y a une dizaine d'années, avec l'arrivée de la donnée non structurée, des promesses autour d'approches qui feraient que, par magie, on met toutes ces données-là dans un système, et ça va nous dire ce qu'il faut faire. Et en oubliant, en fait, que ce qui compte, ce que tu disais, là, c'est vraiment... Je sais... Sincère, ça me fait plaisir que tu mettes le doigt sur le sujet de l'information. C'est comment je construis de l'information. Et cette information, ce n'est pas juste la data du capteur, c'est tout un tas d'autres éléments qu'il faut avoir et qui amènent à ça. Je ne sais pas si tu partages déjà cette vision-là.
- Speaker #1
Je partage complètement parce que pour moi, l'enjeu est dans l'IA à ce niveau-là. L'IA, ça peut prendre plein de formes différentes dans l'optimisation des process industriels. Là, on parle globalement d'optimisation de process industriels pour moi. Et par là, tu as aussi le transfert du savoir, du partage de connaissances qui sont aussi liées à ton optimisation industrielle. Et donc, pour arriver à être efficient dans ces domaines-là, c'est l'intelligence artificielle qui va nous aider. L'intelligence artificielle, ça peut être quelque chose un peu comme le LLM qui est plutôt dans l'interface entre l'homme et les machines, mais ça peut être aussi dans des modèles qui... permettent de simuler, d'avoir des numéros numériques, des choses comme ça, sur ton modèle de production, qui là sont des choses plus proches de l'algorithmique que du réseau de neurones. Ce champ est large. Mais pour que tout ça ait du sens, tu l'as dit, c'est du contexte. Et aujourd'hui, c'est ce qui manque dans les datas. C'est vraiment dans le dataset industriel, on n'a pas de contexte, on a très peu de contexte. Le contexte, il est plutôt implicite, très implicite, et il faut qu'on le rende explicite. Alors, il y a des choses, tu disais dans les historiennes, clairement, on manque de contexte, mais tu as quand même un peu de hiérarchie souvent. Tu as quand même un lien, donc déjà, tu as un peu d'explicite là-dessus. Mais ce que tu n'as pas, c'est souvent le lien avec ce qu'on était en train de faire. Parce que ce qu'on était en train de faire, c'est plutôt l'outil de planif. Et donc, il faut finalement enrichir tous ces contextes-là avec ces éléments. Si tu regardais de la console d'énergie, tu n'as pas le prix d'énergie, tu n'as pas le contrat que tu as avec le fournisseur qui fait qu'aujourd'hui, tu as réduit ta prod là-dessus parce que l'énergie était chère et que tu as pris ces décisions. En fait, tout ça, c'est des informations qu'il faut rentrer dans le système si on veut vraiment avoir derrière des algorithmes d'IA qui vont être efficaces. Donc, à mon sens... Si on dit que demain, l'efficacité, elle tient dans les IA, et je pense vraiment que ce soit le cas, aujourd'hui, le rush, il n'est pas forcément à déployer l'IA. Aujourd'hui, le rush, il est à concevoir la base de connaissances qui fait que l'IA va pouvoir apprendre.
- Speaker #0
Si je résumais, en fait, quelque part, c'est qu'aujourd'hui, la data en tant que telle, telle qu'elle est disponible, est déjà difficilement exploitable par les humains parce qu'elle manque de ce contexte. Et quelque part, tant qu'on n'a pas mis le contexte qui la rendrait exploitable par des femmes et des hommes, demain, il ne faut pas espérer que l'IA soit capable de faire quelque chose de cette donnée, c'est ça ?
- Speaker #1
Je suis d'accord avec toi là-dessus. Par contre, je mettrais une petite nuance en disant que aujourd'hui, le contexte, il est très implicite et l'humain, en fait, quand il consulte la donnée, il a déjà en tête un certain contexte. Donc, souvent, on ne s'en sort pas là. La limite de l'humain aujourd'hui, c'est qu'en fait, dans l'usine, tu as tellement de paramètres. Je ne sais pas, une chaîne de production automatisée, ça peut être 10 000 paramètres. Et c'est 10 000 paramètres sur lesquels tu peux faire des réglages, tu peux essayer de comprendre des process et ainsi de suite. Et ce n'est pas accessible au cerveau humain d'avoir 10 000. C'est de la météo, grosso modo. T'as travaillé depuis des années et des années sur le sujet. La météo, elle n'est pas 100% fiable. Il y a trop de paramètres. Et encore, la météo est outillée. Mais la météo, si tu veux la faire par toi-même, les paramètres que tu as, c'est uniquement ce que tu vois. Grosso modo, ou ce que tu mesures localement, ça ne dit absolument pas ce qui se passe à 100 km. Donc, c'est un peu ça, pour moi, la problématique que tu as dans l'usine. C'est trop de paramètres. On a du contexte implicite, donc on arrive encore à peu près à s'en sortir. Et la valeur de l'IA ou la valeur du système IT, c'est globalement d'être capable de gérer 10 000 paramètres. Et lui, ça ne lui pose aucun problème à l'IA d'avoir 10 000 paramètres et de trouver l'aiguille dans la meule de foin. Par contre, lui, il n'a pas le contexte implicite. Et donc, en fait, c'est un peu des deux. C'est-à-dire que l'humain qui a le contexte, il faut lui amener plus de données et l'aider à choisir la donnée. Ça, ça peut se faire rapidement, parce que finalement, il y a plein d'outils qui permettent d'optimiser avec les données brutes et puis de s'en sortir dans le volume de données que tu as. Ça, c'est grosso modo les technologies big data qui existent depuis les années 2000 et sur lesquelles vous êtes, à mon sens, des acteurs.
- Speaker #0
C'est typiquement notre métier, oui. Voilà,
- Speaker #1
exactement. Et puis, tu as deux mains. Et deux mains, finalement, ces algorithmes, mais ils évoluent vers de l'intelligence artificielle. Donc il y a des décisions qui peuvent se prendre toutes seules. Donc là, si elles se prennent toutes seules, on n'a pas l'humain qui est en interaction. Et si on n'a pas l'humain qui est en interaction, il faut que tout le contexte implicite soit devenu explicite dans le système. Complètement explicite. Et donc aujourd'hui, pour moi, le rush, c'est en effet ça. C'est de dire, en fait, mes bases de connaissances, tout ce que je connais, il faut que je le mette dans la machine et il faut que je lui donne du contexte explicite.
- Speaker #0
C'est très clair. Là, on parle de contexte, on parle de data. ce n'est pas des choses auxquelles sont habituées les équipes dans les organisations industrielles. Comment on accompagne ces mutations ? On est en train de tout chambouler. C'est un sujet qu'on a déjà un peu abordé dans d'autres épisodes, mais je pense que si on revient vraiment sur cet usage de la donnée dans l'organisation industrielle, ça bouscule. Donc, comment tu vois les choses ?
- Speaker #1
Je vois les choses par le fait que la conduite du changement est hyper importante. Tu vois, ce que je te disais en intro, je trouve que la data a un côté un peu punitif aujourd'hui, même si en pratique, au quotidien, tu l'as aussi utilisée pour motiver, pour valoriser, et ainsi de suite. Mais il y a un petit côté contrôle derrière, qui fait qu'on la regarde toujours d'un œil, d'une méfiance pour ceux qui sont là depuis longtemps. Donc il y a de la transition à mettre en place, il faut vraiment prendre en compte l'humain dans la mise en place de cette donnée-là. Je pense qu'il faut aussi montrer et démontrer la valeur que ça a. Je pense que, comme dans tout changement, il y a toujours une peur de perdre son job ou en tout cas qu'il évolue dans une direction qui ne nous plaît pas. C'est moi contre la machine. Dans tous les débats qu'on a sur l'IA aujourd'hui, c'est un peu compliqué. Et clairement, ça va transformer les métiers. Et clairement, il y a des gens, s'ils veulent continuer à faire le métier exactement comme ils le font aujourd'hui, leur métier tel qu'il est aujourd'hui va disparaître. Maintenant, va se créer trois métiers différents, outillés grâce à ces nouvelles technologies qui vont permettre à la plupart des gens de ces métiers-là de se transformer et de fonctionner autrement. C'est pareil dans l'usine. Il y a des métiers aujourd'hui qui fonctionnent d'une certaine façon. Ils vont se transformer et ils peuvent être plus qualitatifs. Aujourd'hui, je vais vraiment schématiser parce que c'est pour schématiser, pour passer une image. Je sais que ça se passe un peu différemment quand même sur les sites. Mais aujourd'hui, une chaîne de production qui a plein de problèmes de qualité. de marche, d'arrêt, et ainsi de suite, ça occupe des gens à courir partout autour de la machine. Et leur journée, c'est peut-être, ils ont le sentiment qu'ils sauvent le monde toutes les 5 minutes en faisant les pompiers. Et c'est valorisant pour eux, et leur expertise derrière, et ainsi de suite. Ok, mais l'objectif, c'est pas ça. L'objectif, c'est que la chaîne de prod, elle tourne tout le temps, elle délivre de façon efficace, et si grâce au data, on arrive à stabiliser tout ça, et que les machines tombent plus en panne, les gens vont se dire c'est quoi mon job ? Mon job, c'est de regarder le tournée. Et du coup, je n'ai plus de job. Mais sauf qu'en fait, non. Leur job, il va se transformer. Leur job, ça va être plutôt d'aller faire de l'optimisation. Ça va être d'éviter les problèmes. C'est-à-dire, au lieu de réparer les problèmes, on va plutôt, et là, on rentre dans des questions de maintenance prédictive, ce genre de choses, mais ça va être plutôt de se dire, bon, comme maintenant, tout défile, ce que je veux, c'est surtout pas que ça s'arrête. Et donc, si je peux changer quelque chose en marche courante, voilà. Et puis, si je me rends compte qu'il y a un truc qui dérive, je vais faire des correctifs C'est un métier différent. On peut avoir moins le sentiment d'être un sauveur, mais par contre, si on regarde les gains qu'on peut faire obtenir pour l'entreprise en augmentant la productivité du système, c'est aussi beaucoup plus valorisant.
- Speaker #0
C'est un sujet qui me fait sourire, parce que ce que tu décris, tu as mis l'ingrédient data dedans et je partage complètement. Mais quelque part, quand tu vois une usine où les gens courent autour de la ligne de production, Il y a 20 ans déjà, quand on faisait de l'excellence opérationnelle, du Lean Management et autres, on se disait, bon, là, il y a un problème. Il y a quelque chose qui ne va pas. L'organisation est défaillante. Donc, je te rejoins là-dessus. Mais ça m'amène à un autre sujet. C'est que la data vient chambouler la manière dont travaillent les équipes dans l'entreprise. Mais ça va aussi venir chambouler, j'ai l'impression, toutes les fonctions support. Par exemple, celui qui faisait de l'automatisme, il va aller de plus en plus sur le sujet data. C'est-à-dire qu'il ne fait pas qu'automatiser la ligne. il va chercher à ce que Cet automatisme qui génère la data, les data puissent être exploitées derrière. Je pense à d'autres domaines, alors eux je ne vois pas encore comment ça évolue, mais les consultants, par exemple, tous les consultants qu'on va avoir en excellence opérationnelle, qui vont aider les entreprises à se structurer, à s'organiser, à mieux travailler. La data, ce n'est pas du tout leur dada, quelque part, pour faire des jeux de mots. Et on va avoir toute une transformation nécessaire de l'écosystème, au-delà de la transformation d'entreprise en elle-même.
- Speaker #1
Je suis d'accord avec toi et je pense qu'il y a des questions générationnelles aussi. Tu vois, la data, de façon générale, c'est quelque chose dont on parle fortement depuis 20 ans. C'est maintenant globalement enseigné dans toutes les écoles d'ingé, dans toutes les formations en automatisme et ainsi de suite. C'est quand même devenu quelque chose qui fait partie des formations, mais on va dire depuis une petite dizaine d'années. Donc, en fait, si tu veux, tu as, à mon sens, une nouvelle génération dans à peu près tous les métiers pour qui la data, c'est plus naturel. C'est aussi, quelque part, la génération Z qui arrive ou les milleniums, enfin, ceux qui ont un smartphone depuis toujours dans les mains. Globalement, la data, en fait, manipule ça depuis toujours. Donc, si tu veux, je me dis que tu as de la conduite du changement, mais cette conduite, elle va quand même être poussée par des nouvelles générations qui, elles, sont assez à l'aise avec la data et qui, limite, ne comprennent pas pourquoi on n'exploite pas plus la data. Bien sûr, ça c'est accessible à une partie des personnels. Il y a une autre partie des personnels qui n'a pas appris à manipuler cette data dans sa formation parce que ce n'était pas le sujet et qui est rentrée dans un monde industriel dans lequel la data était très peu présente. Donc, ils travaillent depuis des années sans savoir cet outil-là. Et bien sûr, il faut bien avoir en tête que l'accompagnement dans la transformation vers un usage de la data sur ces personnels-là, il faut y mettre plus d'efforts, elle va être plus longue avec sans doute un peu plus de rejet, ce qui est complètement naturel. Donc ça, c'est un truc à prendre en compte. Moi, je ne suis pas fataliste. Je pense que vraiment, c'est générationnel et que la data rentre dans l'ensemble des technologies et qu'un automaticien peut-être qui était il y a 10 ans dans l'entreprise, c'était un peu un gardien du temple de ne toucher pas à mon process, ne sortir pas ma data et on ne branche rien sur mon automate. Et peut-être qu'aujourd'hui, l'automaticien qui sort de l'école, lui, le premier truc qu'il se dit, c'est moi mon automate, j'ai envie de voir ce qui se passe sur mon smartphone.
- Speaker #0
Je confirme, c'est une transition qu'on voit. Clairement, les interlocuteurs dans les services IT, OT des entreprises industrielles, aujourd'hui, on va dire des positions et des visions qui ont énormément changé ces dix dernières années. Et je pense que tu as raison, l'arrivée de nouvelles générations qui ont été formées un peu différemment change quand même pas mal la donne sur ces sujets.
- Speaker #1
Je pense que tu as un autre aspect, tu as aussi un changement qui est assez drastique dans... dans le monde du travail dans l'usine, au sens où on a des générations passées, enfin passées, plus anciennes pardon, qui sont rentrées à l'usine jeunes dans le but de rester, de faire carrière dans l'usine et qui avaient 10 ans, 20 ans, 30 ans d'expérience, 40 ans dans la même usine, pas forcément sur la même chaîne de prod, mais qui globalement avaient évolué dans ce contexte-là et la data était dans leur tête. C'est en fait la base de données, de connaissances de l'usine. Ces gens-là, on revient un peu à ce que je disais après ce podcast, c'est la valeur. Au début, elle est sur les hommes et puis après, elle devient dans les process. Donc, quand tu as des hommes qui sont très performants et qui sont là pendant des années et des années, en fait, ils sont ta base de données, ils sont ta connaissance et tu peux t'appuyer sur eux.
- Speaker #0
Ou dans des petits carnets, d'ailleurs.
- Speaker #1
Oui, mais qui leur sont personnels, complètement. Et aujourd'hui, on n'est plus dans cette Ausha. Les gens qui, déjà, c'est difficile de leur connaître, recruter dans le monde industriel, mais en plus, quelqu'un qui rentre dans le monde industriel, il rentre dans une usine, s'il y a une autre usine qui lui propose un peu plus, il va aller dans cette autre usine. S'il peut sortir du monde ouvrier, parce que le 3-8, c'est un peu, c'est chiant quand même, c'est difficile, il va aller dans un secteur peut-être plus tertiaire et puis finalement, il va peut-être revenir à l'industrie un peu derrière, parce que finalement, il y a quelque chose qui lui plaisait, l'ambiance était différente, ainsi de suite. Ce que je veux dire, c'est que les parcours de carrière, ils sont beaucoup plus divers. Ça, ça veut dire que tu ne peux pas avoir 30 ans de connaissances dans ta tête parce que tu fais des postes qui sont plus courts. Et au poste, tu vas avoir des gens qui n'ont pas toute cette expérience ou qui, quand ils vont arriver, ne vont pas avoir le passage de relais nécessaire. Parce qu'ils remplacent quelqu'un, ils mettent un trou pendant 15 jours, il n'y a personne, on a fait un passage de relais, mais des choses qui ne sont pas transmises. Et donc, pour ces gens qui prennent le poste, l'accès à la donnée, l'accès à l'information, ça devient un truc qui est hyper clé. Parce que sinon, ils vont avoir du mal à démarrer dans le poste, ils ne vont pas être efficaces, on va avoir des problèmes sur la ligne de prod, et ainsi de suite. Donc, le système de data, la connaissance métier, il faut que tu la stockes dans des systèmes, tu ne veux plus la stocker dans des personnes, tu dois la stocker dans des systèmes, et ces systèmes, ils doivent être rendus accessibles. Et pour rendre accessibles ces éléments-là, à un moment, il faut que tu aies de l'information visuelle qui redescende, il faut que tu aies de l'interaction entre le système et la personne, et ainsi de suite. Tu es obligé de constituer tout ça, Et la personne qui rentre sur le poste, elle est vraiment heureuse de trouver ces éléments-là pour pouvoir se sentir à l'aise, efficace à son poste.
- Speaker #0
Et on reboucle avec ce que tu disais, c'est-à-dire qu'on passe d'une situation où le contexte était implicite, voire dans la tête de l'expert métier, à un contexte qui se doit explicite, de manière à ce que quand on change les équipes, quand il y a du turnover quelque part, ce contexte ne soit pas perdu. et qu'il assure la continuité dans la maîtrise de ce qui est fait.
- Speaker #1
Et tu vas aussi chercher à éliminer tout un tas de tâches qui peuvent être automatisées.
- Speaker #0
C'est clair.
- Speaker #1
Quand tu as de la prise de décision qui est un peu tout le temps la même, à chaque fois qu'il se passe ça, je dois faire telle opération pour résoudre le truc qui était dans la tête de la personne. Soit tu peux en effet faire un guide de procédure qui dit si ça se passe ça, et le mec qui arrive, il a le guide de procédure. Soit tu dis, attends, on fait tout le temps la même chose. On va l'automatiser. Ce n'est pas la peine que cette personne sache cet élément-là. Et tu vas positionner la prise de décision à un niveau qui va demander un peu plus de réflexion, un peu plus d'information et qui est aussi ce que demandent les gens aujourd'hui. Il y a beaucoup de gens qui rentrent dans l'usine, dans les études, ils sont allés relativement loin. On n'est plus à rentrer à l'usine à 14 ans en apprentissage, de moins en moins.
- Speaker #0
Et contrairement à ce qu'on pourrait croire, le fait de jouer au pompier sauveur à longueur de journée, ce n'est pas forcément satisfaisant sur le long terme. Et je vois ces transitions, on a des clients où on les a vus transitionner grâce à la digitalisation, et c'est un atout également pour attirer les nouvelles générations, c'est-à-dire que je pense à un de mes clients dans l'agroalimentaire qui me racontait il y a quelques années que quand il recrutait, qu'il faisait visiter l'usine à des jeunes pour les recruter, il avait des questions du type « mais je ne comprends pas, à la maison j'ai une tablette, pourquoi est-ce que vous êtes encore en train de noter des valeurs sur des feuilles de papier ? » Et ça, on le met en regard. C'est-à-dire qu'on est un peu de la même génération. Moi, il y a 20 ans, quand j'étais dans l'usine, l'usine était en avance par rapport à la maison. C'est-à-dire que les opérateurs découvraient l'informatique et les outils modernes à l'usine, et ensuite, ils les voyaient apparaître à la maison. Là, on est dans une situation où ce qu'on vit chez soi est plus en avance que ce qu'il y a à l'usine. Alors, ce n'est pas vrai dans tous les cas, mais il y a pu y avoir des retards pris par le monde industriel et être capable aussi de fournir ce cadre qui semble performant aux futurs recrues, je pense que c'est aussi un atout pour attirer des gens qui ne sont pas aujourd'hui toujours attirés par l'industrie. Ça devient un élément indispensable.
- Speaker #1
Complètement d'accord avec toi. Ce que tu dis est très juste. L'usine était en avant, même le monde de l'entreprise, de façon générale, était en avance sur ce qu'on avait à la maison et aujourd'hui, il est un peu à la traîne, et en particulier dans les usines. L'attente que je trouve intéressante dans les usines, c'est qu'on saute des générations. Le PC n'est jamais vraiment rentré dans l'usine. Par contre, aujourd'hui, le smartphone rentrent plus fortement dans les usines. Tu vois, les industriels se disent je ne vais pas équiper mes personnels de PC, je vais les équiper de smartphones avec la possibilité de docker les smartphones avec un clavier pour qu'ils puissent accéder aux outils d'entreprise. Et ça, c'est assez intéressant parce que du coup, on peut faire un rattrapage un petit peu rapide parce qu'équiper des personnels avec des flottes de smartphones, c'est quand même assez accessible. Parce qu'en fait, il faut aussi se dire qu'une des limites qu'on avait dans les entreprises pour équiper les personnels, c'est que tu prends un groupe industriel. 80% des personnels sont en usine, 20% à peu près dans les centraux, enfin tu vois ce genre de ratio-là, voire des fois plus en usine. Et quand tu commences à te dire, attends, si je mets des PC à tout le monde, avec les licences qui vont avec, finalement 80% de mes coûts vont être là pour un usage qui au contraire est à 80% dans les centraux et à 20% dans les usines. Donc tu vois, tu as cet effet 80% des coûts, 20% des usages versus le paraît-on un peu classique. Et donc ça, ça a freiné beaucoup. Dans le monde du smartphone, ce qui est intéressant, c'est que tu n'as pas ces notions de licence, sauf produits un peu spécifiques, mais globalement, et puis sauf services, mails et compagnie, où derrière tu rentres quand même là-dedans, mais tu as beaucoup moins cet impact licence que tu as sur le PC. Et puis, tu as aussi des terminaux qui globalement coûtent beaucoup moins cher en entretien, en exploitation et en investissement. Et donc, ça amène des solutions de ce point de vue-là. Et là où ça devient intéressant, c'est qu'en fait, le problème de la data en usine... c'est comment tu la consultes en fait au niveau de terrain c'est bon déjà l'outil du PC c'est pas du tout pratique quand t'es en train de voilà t'as un métier qui est manuel tu déplaces des choses le PC est encombrant donc ça c'est un problématique beaucoup plus que le smartphone que tu peux quand même avoir dans la poche et genre quelque part les opérateurs ont un peu toujours leur smartphone à eux dans la poche donc ils ont l'habitude de ça donc ça ça joue donc t'as ce côté là qui était pas pratique Et je pense que ce qui est en train d'arriver, on parle un peu avec l'IA et les LLM, pour moi, c'est un mode d'interaction différent. Parce qu'en fait, tu as besoin d'avoir les mains libres et tu peux beaucoup plus imaginer du dialogue avec un système que d'être en train de pianoter. Alors, tu as bien sûr les afficheurs avec des écrans un peu grands qui te permettent de visualiser de la data en temps réel, d'avoir des indicateurs, de suivre ton process et tout ça. Ça, c'est top. Mais ça t'oblige à être à un endroit donné précis. Tu vois, quand tu commences à te déplacer, ça peut être chiant. Ton téléphone. lui tu peux l'utiliser localement et voir de la data contextualisée par rapport à l'endroit où t'es, ça c'est hyper intéressant tu scans un QR code, t'es géolocalisé indoor et tu vas pouvoir avoir de la data qui est à l'endroit et qui concerne l'endroit où t'es et puis tu peux imaginer parce que ce périphérique il est vraiment fait pour ça avoir de l'audio et pouvoir discuter avec ton système, je pense que l'opérateur augmenté de demain c'est assez intéressant il pourra dire il est au bout d'un machine, qu'est-ce qui se passe de l'autre côté de ma machine, on en est où je sais pas Mais... Tu as une entrée de matière première avec un niveau qui diminue et dire au système, on en est où de l'entrée de matière première de l'autre côté ? Il en reste 20%. Normalement, il faudrait que tu commences à te diriger vers cet endroit-là dans deux minutes. Ok, rappelle-moi dans deux minutes qu'il faut que j'y aille. Et tu peux faire ça.
- Speaker #0
C'est assez intéressant parce que c'est un domaine, je dirais, où les gens se font pas mal de films sur ce que peuvent faire les LLM, les chat GPT et autres. Mais les gens, au contraire, sous-estiment les impacts que ça peut avoir sur les IHM qui vont arriver, je pense même à très court terme, ce qui m'amène potentiellement un peu vers le mot de la fin. On a parlé un peu de la situation de l'industrie, des évolutions en cours, des transformations, comment ça chamboule les organisations. Comment tu vois les choses pour les années qui viennent ?
- Speaker #1
Alors moi, j'espère en fait que les choses vont bouger très fortement dans les industries. en particulier dans les industries occidentales, parce que c'est vraiment une question de compétitivité et de redonner goût aussi à l'industrie. En fait, globalement, aujourd'hui, nos industries sont parties plutôt dans des pays qui produisent à peu cher. On a perdu beaucoup de souveraineté. On l'a vu en face de Covid. Après le Covid, ça nous a créé quand même pas mal de difficultés. On sait qu'on a des enjeux environnementaux qui sont quand même aussi clés. qui font que ramener des produits, leur faire traverser trois fois la planète entre les matières premières, la modification, l'utilisation, et ainsi de suite, ce n'est pas super bonne idée aujourd'hui. Donc, il faut qu'on refasse des choses localement. Pour faire des choses localement, il faut faire un saut de génération.
- Speaker #0
Tu vois, j'aurais tendance à dire que si on regarde le passé industriel, on avait des usines qui étaient très manutentionnaires globalement en Europe. Il y en a une partie qu'on a automatisée. Donc ça, ça nous a permis de conserver de l'industrie globalement, localement. Puis celles qu'on n'arrivait pas trop à industrialiser, on les a envoyées dans des pays où la manœuvre était moins chère pour continuer à avoir des choses qui sont assez manuelles. Elles se sont ensuite plus ou moins automatisées dans ces pays parce que la manœuvre augmente et ainsi de suite. si on ramène Ces entreprises qui ont été automatisées chez nous, on n'aura pas de gain parce que l'automatisation est déjà là et parce que les salaires des personnels sont plus chers. Donc, ça ne marchera pas. Donc, il faut qu'on passe à une étape supplémentaire. C'est une étape où on a besoin d'encore moins de monde. Donc, on a dépassé l'automatisation. On a de la prise de décision qui peut se faire localement. On a un système qui... permet d'être très green dans son exécution, qui élimine beaucoup d'échets matières, qui fait que globalement, l'impact de produire dans un pays à main d'oeuvre peu cher versus produire chez nous est très faible. Et en tout cas, cet écart-là est compensé par les gains qu'on va faire qui peuvent être environnementaux et qui peuvent être aussi logistiques. Si on arrive à faire ça, on arrive à redévelopper notre industrie locale. On arrive à la conserver déjà. C'est déjà pas mal. On arrive à la redévelopper et on arrive du coup à attirer des gens aussi pour travailler dans cette industrie-là parce que la marge d'entrée pour y être, elle est raisonnable, parce que les conditions de travail elles sont bonnes et parce que on a l'impression de faire un travail qui nous valorise. On amène nous de l'intelligence au-dessus de l'intelligence de la machine. La machine nous aide à démarrer, elle nous amène pas mal d'intelligence et nous on arrive à amener encore de l'intelligence supplémentaire et du coup ça devient quelque chose de valorisant et d'intéressant. Donc je crois beaucoup à ça et je dis que pour ça, il faut investir dans le sujet. Et là, pourquoi je disais c'est un espoir plus qu'une vision, c'est que globalement, les industries, elles ont investi énormément dans leurs centraux, énormément sur la supply chain, énormément sur la finance. Quand je parle côté IT, je ne parle pas outils de production, mais je parle côté IT. Et elles ont, et quelque part, l'industrie, de ce que j'ai pu en voir, c'est quand même beaucoup le parent pauvre de l'investissement IT. Et il faut que ça change, en fait. Donc, à un moment, il faut qu'il y ait ce déclic qui dit, en fait... On a parlé des impacts environnementaux. Si je veux avoir une efficacité sur mes impacts environnementaux, c'est sur l'usine qu'il faut que je travaille. Donc, c'est là qu'il faut que je mette de l'investissement. Comme on l'a dit, il y a un lien entre impacts environnementaux et optimisation financière. Donc, si je veux être plus productif avec de meilleurs résultats, c'est aussi là qu'il faut que je mette de l'argent. Et donc, ces investissements-là, ils sont intéressants. Un petit point que je trouve vraiment intéressant dans l'IT, dans ce domaine-là, qu'on n'a pas abordé. Moi, j'ai bossé pendant 20 ans dans l'IT, beaucoup sur des domaines généraux, plutôt supply, plutôt finance. Ce que je peux dire, c'est que dans ces domaines-là, on a toujours parlé de ROI. On a toujours dit, on va acheter du software, on va le mettre en place, on va économiser de l'argent. Et c'est vrai, on l'a fait. Mais on a toujours eu du mal à le mesurer. Et c'est toujours des retours sur investissement à long terme. Mon expérience, moi, de l'industrie, et c'est ça que je trouve vraiment intéressant, c'est quand on déploie de l'IT dans l'industrie, on peut avoir des retours sur investissement au bout de quelques mois. Parce qu'en fait, aujourd'hui, on a tellement à gagner que du coup... le déploiement des outils, en amélioration de process, en amélioration d'interaction, en meilleure compréhension de ce qu'on fait, en élimination du gâchis, ça a un retour sur investissement qui est très court et ça, c'est vraiment rare. Donc, mon vœu, c'est que les entreprises françaises, européennes en particulier, se prennent de ce sujet, l'investissent, prennent conscience de tous les gains environnementaux, économiques qu'on peut faire. et que ce soit le démarrage d'une réindustrialisation chez nous.
- Speaker #1
Et clairement, c'est une très belle conclusion, mais ce que je voulais rajouter, c'est que quand on voit les industriels qui ont sauté le pas, tous ils ont trouvé des ROI relativement rapidement, et je dirais que ça a changé en profondeur leur manière de travailler sur le terrain, sur les sites industriels, et aujourd'hui, de la même manière que tu invites les gens à explorer ce domaine, j'invite les industriels qui n'ont pas sauté le pas à aller voir ceux qui ont sauté le pas, parce qu'il y a clairement... il n'y a plus de questions à se poser. Même si l'industriel ne sait pas où il va trouver du ROI avant de lancer son projet, ce qui est certain, c'est qu'il va en trouver une fois que le projet est lancé et qu'il n'y a aucune incertitude de ce point de vue-là.
- Speaker #0
Et moi, je rajouterais un truc, c'est que s'il n'en trouve pas, il faut vraiment qu'il se remette en question. Ce que je veux dire, c'est que... Comme toutes les révolutions, si tu les rates, t'es mort en fait.
- Speaker #1
On a vu les dégâts de la robotisation sur laquelle on a plutôt été en retard, voire on a raté un train. Les conséquences aujourd'hui, on les paye cash.
- Speaker #0
Exactement. Et les conséquences dans la data... Tu regardes ce qui s'est passé sur le monde économique en général lié à l'Internet. Tu vois aujourd'hui où sont les très grandes richesses. Tu vois ce qu'on a raté. et on a une certaine tendance à regarder un peu à postériori et à se dire on aurait dû y aller On veut faire maintenant ce que les autres ont fait il y a 10 ans Et la marche il y a 10 ans le ticket d'entrée il était à 1 million et aujourd'hui il est à 1 milliard dans le domaine des data centers c'est ça et je pense que c'est pareil dans les transformations dans l'industrie aujourd'hui la marche pour être devant les autres et gagner en compétitivité et du coup prendre des parts de marché et ainsi de suite à l'époque. pas forcément très haute. Par contre, elle demande beaucoup d'engagement, de conduite du changement, il y a beaucoup d'accompagnement. Mais demain, cette marche-là, elle va être gigantesque. Et là, il y a des gens qui auront les moyens de la prendre, tant mieux pour eux. Il y en a beaucoup qui n'auront pas les moyens de la prendre et ça va être très compliqué.
- Speaker #1
Merci beaucoup pour cet épisode. Paul, au plaisir.
- Speaker #0
Avec grand plaisir, Mathieu.
