La place de la data est – ou devrait être – centrale dans l’industrie. De l’optimisation des flux de production en passant par la maintenance prédictive, jusqu’à la personnalisation, l’exploitation de la donnée est un levier majeur de transformation de l’Industrie. Mais derrière les promesses, la data implique de grandes responsabilités. Explications.
Le secteur industriel est déjà engagé sur la voie d’une production data-driven. Dans l’édition 2020 de son Baromètre de l’industrie 4.0, le cabinet Wavestone révèle ainsi que 86% des répondants déclarent avoir lancé des projets Industrie 4.0. Déploiement de plateformes IoT, refonte de l’architecture IT historique, mouvement vers le Cloud, mise en œuvre de data lake… la donnée est au cœur des enjeux de transformation de l’industrie.
« En 2020, nous commençons à voir de plus en plus de projets autour de la donnée, de l’algorithmie, autour de l’intelligence artificielle, du machine learning ou encore des chatbots, etc. », précise Wavestone.
Tous les secteurs sont impactés par cette transformation. Ainsi, selon les prévisions de Netscribes Market Research, le marché mondial de l’IoT automobile par exemple devrait atteindre 106,32 milliards de dollars à l’horizon 2023. Le moteur de l’adoption de stratégies data-driven dans l’industrie, c’est la nécessité d’une productivité accrue à moindre coût.
Quels sont les challenges data dans l’industrie ?
L’exploitation de la data dans l’industrie est aussi une perspective de répondre à un enjeu clé : celui de la mass-personnalisation de la production. Une réalité qui affecte tout particulièrement le secteur automobile. Chaque consommateur est unique et il entend bien disposer des produits qui lui ressemblent. Mais par essence, l’industrie a fondé ses modes de production sur les volumes et les standards !
La Mass-Personnalisation de la production est, par conséquent, le levier de la révolution data-driven aujourd’hui en marche dans l’industrie. Mais d’autres considérations entrent en ligne de compte. Un outil industriel plus intelligent permet de réduire les coûts et délais de production et de répondre à l’accélération générale du time-to-market. La data contribue également à répondre à des enjeux écologiques en réduisant l’empreinte environnementale de l’outil de production.
Qu’il s’agisse d’intégrer l’IoT, d’utiliser les big data, la business Intelligence, le Machine Learning, ces technologies sont autant d’opportunités de réinventer une industrie nouvelle fondée sur la donnée (capteurs embarqués, machines et produits connectés, internet des objets, virtualisation).
Mais, derrière ces perspectives, les défis sont nombreux. Le premier d’entre eux, c’est le cadre extrêmement rigoureux défini par le RGPD (Règlement Général sur la protection des données) en application en mai 2018. L’omniprésence de la donnée dans le monde industriel n’a pas échappé aux organisations mafieuses et au cybercriminels qui multiplient les assauts sur les infrastructures IT des acteurs de l’industrie depuis 2017 avec le tristement célèbre ransomware Wannacry.
Une attention qui se nourrit d’une autre difficulté du secteur industriel : des environnements IT souvent anciens et conçus comme des mille-feuilles technologiques multipliant les vulnérabilités potentielles. L’hétérogénéité des sources de données est une autre difficulté sensible pour l’industrie. Données marketing, données produits, données logistiques, sont souvent fortement silotées et difficiles à réconcilier en temps réel.
Data & Industrie : des bénéfices bien réels
Si l’on s’en réfère aux chiffres du Baromètre Wavestone, 74% des entreprises interrogées ont enregistré des résultats tangibles sous 2 ans. Près de 7 entreprises sur 10 (69%) soulignent une réduction des coûts, et 68% évoquent une amélioration de la qualité des services, des produits ou du processus.
En moyenne, les programmes de transformations autour des technologies créant ou traitant de la donnée ont permis une optimisation de la performance énergétique de 20 à 30%, une réduction des temps d’indisponibilité grâce à une meilleure surveillance des équipements pouvant atteindre jusqu’à 40% dans certains secteurs).
Augmentation de la traçabilité des opérations et des outillages, supervision en temps réel des conditions de fonctionnement des outils de production, autant d’éléments contribuant à prévenir les erreurs, à optimiser le suivi des produits mais aussi à détecter de nouveaux leviers d’innovation liés à l’analyse de signaux faibles grâce aux solutions d’IA par exemple.
Au cœur de cette transformation du secteur industriel : la nécessité de s’appuyer sur des solutions d’intégration et de gestion de la donnée à la fois puissantes, stables et ergonomiques pour accélérer l’adoption d’une culture data forte.