Jean-Jacques Pluchart
La transformation numérique de l’industrie implique de mobiliser des techniques innovantes d’Intelligence artificielle. Ces techniques ont recours à l’Internet des objets (IoT), au cloud computing, à l’échange de données, à l’analyse prescriptive, à de nouveaux business models… Elles appliquent des méthodes avancées permettant de gérer les flux de données issus de systèmes hétérogènes. Elles visentla recherche d’une plus grande efficacité énergétique, d’une maintenance plus efficiente, d’une protection contre les pannes ou les intrusions… Elles permettent en principe de meilleures sécurité, productivité, qualité et rentabilité des systèmes industriels. Elles interviennent sur trois plans : celui de la capture des données opérationnelles des fournisseurs et des clients ; celui de la connexion des parties prenantes ; celui de la transformation des données en aides à la décision et en actions valorisables.
L’IA offre des capacités d’analyse en continu dédiées au recueil de données sensorielles, au diagnostic des pannes, à la modélisation des flux et à la prescription de solutions valides. Les recherches actuelles portent notamment sur l’intégration de processus critiques de maintenance, de sûreté, de cybersécurité. Elles s’efforcent d’améliorer les performances des systèmes sans compromettre leur sécurité. Les ingénieurs systèmes doivent choisir les méthodes d’apprentissage, d’optimisation ou de prédiction les plus adaptées aux domaines d’application des machines. C’est notamment le cas dans le secteur de l’énergie électrique.
La gestion numérique des process de génération, de transport, de distribution et de consommation des ressources énergétiques, contribue à réduire l’inertie mécanique du réseau électrique et à mieux assurer l’équilibre de puissance entre production et consommation. L’IA permet de capter, stocker et traiter une masse de plus en plus importante de données afin de rendre « le réseau plus intelligent ». Dans l’industrie nucléaire, l’IA permet d’améliorer la maintenance prédictive (par des capteurs vibratoires, des alertes en temps réel), la détection anticollision et le monitoring de sites sensibles.
Parmi les techniques numériques mises en œuvre dans tous les secteurs industriels, celle des jumeaux numériques (digital twins) s’impose comme un levier majeur d’optimisation opérationnelle. Le jumeau numérique est un système interconnecté, alimenté par des données issues de systèmes IoT, par des plateformes de supervision et des logiciels de simulation. En construisant un modèle virtuel d’objets réels, cette technique offre aux entreprises une visibilité accrue sur leurs process, une meilleure maintenance prédictive et une mise au point plus rapide de nouveaux produits, sans impacter la production. Cependant, elle engendre des problèmes de cybersécurité, car elle dévoile les « secrets de fabrique » et les « avantages comparatifs industriels » des entreprises innovantes. Elle les expose à des manœuvres d’espionnage, de sabotage, de manipulation de paramètres d’optimisation et/ou de destruction de données critiques. La complexité des jumeaux numériques rend difficile leur mise en sécurité, car ils combinent des logiciels hétérogènes, issus de fournisseurs variés, intégrant différents capteurs IoT , couches d’IA, simulateurs physiques, outils d’edge et surtout de cloud computing.
Dans le contexte actuel de softwar entre les Etats industriels avancés, ces actions constituent des menaces majeures sur leurs ressources stratégiques. Ainsi, la numérisation des procédés industriels soulève des questions de souveraineté nationale qui invite les décideurs publics et privés à étendre les directives européennes sur la sécurité informatique, et notamment, et à adapter le règlement de protection des données personnelles (RGDP) à l’environnement industriel 4.0.
En 2016, le club Turgot a chroniqué un des premiers ouvrages consacrés à la naissance de « l’industrie 4.0 ».
Kohler D., Weisz J-D. (2016), Ambition industrie 4.0. Les défis de la transformation numérique du modèle industriel allemand, Eds Eyrolles.
L’industrie allemande a engagé depuis les années 1990 une démarche de « cobotique » ou robotique collaborative conjuguant la robotique, la mécanique, l’électronique et les sciences cognitives pour assister l’opérateur d’une machine. Elle a également initié depuis les années 2000, un process de « globotique » ou globalisation des ressources grâce à l’IA. Cette dernière permet de raccourcir les chaînes de création de valeur et les circuits de prise de décision au sein des organisations et de leurs écosystèmes, mais elle accélère aussi le phénomène de délocalisation des emplois dans des laboratoires, des usines offshore ou centres d’appel. Elle favorise également l’émergence de nouvelles formes d’innovation organisationnelle ouverte (open innovation) basée sur des logiciels libres, de travail partagé (co-working) et de télétravail (distance working), en principe plus agiles et moins coûteuses, qui s’étendent de la recherche-développement (living labs, fablabs…) à la production coopérative (micro-fabrication numérique, do-it-yourself, maker spaces…), et à la consommation collaborative (hébergement peer-to-peer, co-voiturage…).
