L'IA et l'apprentissage automatique en forte progression

Des applications pour une industrie manufacturière plus efficace

L'industrie manufacturière continue d'innover et d'investir afin de maximiser le potentiel de la main-d'œuvre qui lui reste,  de minimiser les risques et d'augmenter la qualité fournie de manière durable. L'intelligence artificielle et surtout l'apprentissage automatique jouent un rôle prépondérant à cet égard.

Récemment, Rockwell Automation a publié son Rapport sur la situation de la fabrication intelligente 2024, dans lequel l'entreprise recherche les principaux risques et opportunités. L'IA industrielle s'est révélée être une arme de choix pour contrer les nombreux défis. Si l'IA apparaît encore souvent très vague dans ses promesses, la maintenance prédictive et l'apprentissage automatique (AA) sont déjà des outils concrets pour optimiser la production et compenser les pénuries de main-d'œuvre.

C'est du moins ce qui ressort de l'enquête menée par Rockwell auprès de plus de 1.500 entreprises manufacturières de 17 pays. L'image globale est celle de l'optimisme et de la résilience, les technologies industrielles avancées aidant à relever les nombreux défis d'aujourd'hui.

Quelques résultats cruciaux en un coup d'œil. 94% des personnes interrogées s'attendent à ce que l'adoption des technologies de fabrication intelligente consolide ou augmente leurs effectifs. Pas moins de 95% utilisent ou envisagent fortement d'utiliser ces technologies, contre 84% en 2023. Presque toutes les entreprises (98%) ont mis en place une politique de développement durable ou ESG, dont près de la moitié sont formalisées et s'appliquent à l'ensemble de l'entreprise.

Qu'est-ce que la fabrication intelligente?
La fabrication intelligente est l'organisation et l'optimisation intelligentes et en temps réel des processus d'affaires, tant physiques que numériques, au sein des usines et de l'ensemble de la chaîne de valeur. Les actifs et les processus de production sont automatisés, intégrés, surveillés et évalués en permanence sur base de toutes les informations disponibles, de préférence en temps réel. Les exemples incluent le MES (Manufacturing Execution System), l'ERP (Enterprise Resource Planning), le SCP (Supply Chain Planning) et le CMMS (Computerised Maintenance Management System).

Principaux défis

Risques pour la croissance

L'inflation en particulier inquiète beaucoup d'entreprises. Les répondants la placent en tête des obstacles externes à la croissance des entreprises, ce qui était également le cas en 2023. La hausse des coûts de l'énergie arrive, sans surprise, en deuxième position dans ce classement, la cybersécurité se classant en troisième position. Avec la connectivité entre les infrastructures digitales et physiques, les risques pour les réseaux OT et IT augmentent rapidement.

Bien entendu, la pénurie de personnel techniquement qualifié reste un casse-tête pour les entreprises manufacturières et figure au quatrième rang des risques les plus importants. Les perturbations de la chaîne d'approvisionnement clôturent le top 5, quittant leur deuxième place de 2023.

Parmi les obstacles internes à la croissance, le thème du personnel adéquat revient également, cette fois en première position. Il est clair que les entreprises ont du mal à attirer des employés possédant les bonnes compétences et elles considèrent qu'il s'agit du principal facteur expliquant leur difficulté à rester compétitives.

Le déploiement et l'intégration des nouvelles technologies arrivent en deuxième position. Combiné au besoin en ressources humaines, il est donc clair qu'il ne s'agit pas simplement d'investir dans les dernières technologies, mais surtout d'être capable de les mettre en pratique de manière efficace, encadré par les bonnes personnes.

Les contraintes budgétaires internes et le maintien d'un équilibre entre la qualité et la croissance (au premier rang l'année dernière) sont également considérés comme les principaux facteurs de risque internes. La compréhension et la contextualisation des données en vue d'optimiser l'entreprise et ses processus ferment la marche.

Que cherche-t-on?

D'après l'enquête de cette année, la communication, le travail en équipe et la connaissance des technologies intelligentes et des pratiques de cybersécurité semblent être les principales compétences recherchées par les employeurs (79%). L'esprit d'analyse et les connaissances dans le domaine des STEM arrivent en deuxième position (77%).

Bien que les technologies de fabrication intelligente présentent un potentiel considérable, certains obstacles empêchent leur mise en œuvre. Il s'agit principalement du prix de revient, mais le manque de compétences des employés pour mettre en œuvre et optimiser ces solutions est également un facteur important. Les chefs d'entreprise ressentent également une certaine résistance de la part des employés à l'égard de ces nouvelles technologies, et il s'avère que les infrastructures et systèmes existants ne sont pas toujours facilement remplaçables.

L'enquête montre que la plupart des entreprises espèrent avant tout une amélioration de la qualité de leurs produits lorsqu'elles utilisent les technologies de fabrication intelligente existantes. Elles souhaitent également réduire les coûts et augmenter les bénéfices. Le contrôle de la qualité apparaît également comme le principal moteur de la mise en œuvre de l'IA et de l'AA pour 2024, avec un score de 45%. La cybersécurité arrive en tête des priorités en matière d'IA pour 40% des répondants, suivie par l'optimisation des processus à 39%.

La cybersécurité est en tout cas en forte progression parmi les préoccupations des entreprises par rapport aux années précédentes. Et elles ont raison car 71% des attaques par ransomware contre des organisations industrielles visaient des entreprises manufacturières. Les risques pour les réseaux OT augmentent donc, en particulier lorsque la segmentation est insuffisante. Dans ce cas, les entreprises recherchent une combinaison de compétences humaines et de technologies émergentes pour renforcer leur sécurité.

Attirer et retenir les employés

La question du personnel adéquat a déjà été mentionnée comme un facteur de risque principal pour les entreprises manufacturières. La gestion du changement (34%) et la formation des employés existants pour gérer des processus modifiés (32%) semblent être les deux principaux obstacles à cet égard. Il s'avère également difficile de maintenir l'engagement des employés et de leur donner un sentiment d'utilité et de satisfaction (31%). L'augmentation du coût de la main-d'œuvre (31%) et le maintien d'un personnel adéquat (28%) sont également des préoccupations pour les entreprises.

Solutions innovantes

Investissement technologique

Comment les entreprises font-elles face à tous ces défis? L'intensification des investissements technologiques semble être une stratégie de premier plan. Ainsi, en moyenne, ces investissements ont augmenté de 30%, passant de 23% du budget d'exploitation à 30%. L'adoption de la technologie est considérée comme le meilleur moyen de contrer les risques internes et externes.

On mise principalement sur l'adoption et l'utilisation de l'intelligence artificielle, la numérisation des processus par le biais de la technologie de fabrication intelligente et de l'automatisation, et l'embauche de nouveaux talents ou de personnel avec différentes compétences. L'amélioration des compétences des employés existants constitue également une arme de choix.

Lorsqu'on interroge sur le ROI maximum des investissements technologiques au cours des douze derniers mois, l'IA et l'AA semblent particulièrement bien se porter, mieux que toutes les autres formes de fabrication intelligente. Les solutions cloud et SaaS arrivent en première position, tandis que l'IA générative (GenAI ) et l'IA causale sont en deuxième position. Plus précisément, l'IA et l'AA occupent la quatrième place. L'analyse avancée à l'aide de l'IA et l'AA arrive en sixième position. Surtout, la prépondérance des solutions de fabrication intelligente parmi les investissements technologiques est remarquable. Quoi qu'il en soit, les entreprises considèrent l'IA et l'AA comme le principal moteur de croissance de la fabrication intelligente.

Cela se reflète également dans les résultats des investissements prévus en 2024. L'IA générative et l'IA causale arrivent en tête, suivies par les cobots et les AMR/AGV. L'IA et l'AA arrivent en sixième position. Pas moins de 85% ont déjà investi dans l'IA/AA cette année ou prévoient de le faire. Les entreprises poursuivent donc sur la voie dans laquelle elles se sont engagées et souhaitent s'appuyer sur les nouvelles technologies.

Ressources humaines et données

Les personnes interrogées prévoient d'utiliser les technologies nouvelles et émergentes pour renforcer leur main-d'œuvre et la rendre plus efficace, ainsi que pour garantir la qualité de leur production, malgré le départ régulier de travailleurs expérimentés. Grâce à l'utilisation accrue des technologies de fabrication intelligente, 94% prévoient d'engager plus de personnel ou de réorienter des personnes vers des rôles nouveaux ou différents.  

L'IA en particulier devrait s'attaquer aux problèmes liés à la main-d'œuvre. Il s'agit principalement de l'IA générative ou de l'IA causale, mais l'analyse avancée (à l'aide de l'IA et de l'AA) et, plus généralement, l'IA et l'AA sont également considérées comme des stratégies cruciales. L'automatisation et la numérisation sont également des approches prometteuses.

On estime que les entreprises leaders de l'industrie manufacturière utilisent massivement les données pour alimenter l'IA et l'AA et optimiser les processus. Parallèlement, les personnes interrogées pensent que seulement 44% de leurs propres données sont utilisées de manière efficace. Les entreprises croient donc au potentiel de l'IA et veulent mieux utiliser la grande quantité de données à cette fin.

Le développement durable avant tout

La quasi-totalité des entreprises interrogées (98%) disposent d'une forme de politique de développement durable ou de politique ESG, 86% d'entre elles disposants de politiques formelles (contre 78% en 2023). Près de la moitié d'entre elles (48%) appliquent une politique formelle à l'échelle de l'entreprise.

En termes de durabilité, la gestion énergétique est en tête des priorités, suivie de la qualité et de la sécurité des produits, ainsi que de la sécurité des conditions de travail. En quatrième position, on trouve la réduction des déchets de fabrication et, en cinquième position, l'engagement en faveur des processus respectueux de l'environnement. En outre, le recyclage et la neutralité carbone figurent également sur la liste des priorités.

La fabrication intelligente est considérée comme une stratégie cruciale pour atteindre ces objectifs de durabilité. Les principales motivations pour se concentrer sur la durabilité sont l'augmentation de l'efficacité, la différenciation par rapport à la concurrence et l'anticipation des problèmes écologiques potentiels. Le respect des réglementations n'arrive qu'en cinquième position et la satisfaction des demandes des fournisseurs et des clients en neuvième position.

Automatisation 

L'automatisation est clairement considérée comme un élément crucial de la réussite des entreprises manufacturières. On tente donc de remédier à la pénurie de main-d'oeuvre par une augmentation de l'automatisation (42%) et une introduction des technologies IA/AA (37%). La mise à profit du télétravail pour accéder à un vivier de talents plus large (34%), l'introduction d'horaires flexibles (34%) et l'utilisation de la technologie pour créer des emplois plus attrayants (33%) complètent le top cinq.

Les entreprises cherchent de plus en plus à se concentrer sur l'automatisation mais les technologies de fabrication intelligente et l'IA/AA jouent également un rôle prépondérant. L'investissement dans la formation des employés et le développement de programmes destinés aux employés pour accélérer l'adoption et l'optimisation réussies de la technologie sont également considérés comme des stratégies importantes.

Comment les personnes interrogées envisagent-elles désormais de dynamiser leur activité au cours des cinq prochaines années? Là encore, l'automatisation est la réponse la plus fréquente (43%). L'adoption de technologies de fabrication intelligentes suit de près avec 42%. L'IA et l'AA obtiennent à nouveau 41%, et 37 % des répondants veulent une meilleure utilisation des données en temps réel pour prendre des décisions. 36 % des entreprises souhaitent un renforcement de la formation et des programmes destinés aux employés. 

Implémentation de la fabrication intelligente

Les technologies de fabrication intelligente sont principalement adoptées dans les processus de production. L'accent est mis ici sur l'amélioration de la qualité, la réduction des coûts et l'augmentation de l'efficacité globale des équipements (OEE).

En ce qui concerne le matériel et les appareils intelligents, l'accent est mis sur la modernisation de l'infrastructure réseau (84%) et l'investissement dans des équipements davantage connectés (82%). Les entreprises manufacturières misent également beaucoup sur les capteurs et les instruments de mesure (79%), les PC industriels (79%) et les automates programmables (73%). Elles veulent donc collecter, envoyer et analyser davantage de données, afin de mieux utiliser les logiciels et d'optimiser tous les processus.

En ce qui concerne les logiciels, les répondants misent principalement sur le contrôle de la production (82%), les systèmes de gestion de la qualité (80%), la planification de la chaîne logistique (78%), la gestion énergétique (78%) et la planification des ressources d'entreprises (76%). Les entreprises bénéficient de solutions modulaires et évolutives qui peuvent être déployées rapidement et à un coût inférieur à celui des systèmes existants plus complexes et plus rigides.  Ces applications pratiques nécessitent moins de ressources, sont plus faciles à intégrer et offrent un retour sur investissement plus rapide.

Les données sont évidemment essentielles pour déployer efficacement des solutions de fabrication intelligente. L'enquête montre que parmi les entreprises dont le chiffre d'affaires annuel est inférieur à 500 millions de dollars, seules 38% estiment qu'elles utilisent leurs données de manière efficace. Parmi les entreprises réalisant plus de 30 milliards de chiffre d'affaires, ce pourcentage s'élève à 51%. Il existe donc encore un fort potentiel de croissance pour l'optimisation, partout, mais surtout dans les entreprises relativement petites.

Au cours des trois prochaines années, l'IA sera principalement utilisée pour améliorer la qualité (39%) et réduire les risques, deux objectifs traditionnels de l'industrie manufacturière. En ce qui concerne la réduction des risques, il s'agira principalement de la menace croissante de la cybercriminalité (37%). L'IA aura également le plus d'impact sur la robotique (36%), l'optimisation des procédés (35%) et la gestion de la chaîne logistique (31%).

Conclusion

Les entreprises manufacturières sont donc confrontées à de nombreux défis, mais la fabrication intelligente offre également de nombreuses solutions. On dit parfois que chaque problème est une opportunité cachée. C'est ce qui ressort déjà de l'enquête: 83 % des personnes interrogées déclarent que les nombreux obstacles accélèrent en réalité leur transformation numérique. En dehors de l'Europe et de l'Amérique du Nord, ce chiffre atteint même 90%.

Compte tenu des fréquentes perturbations de la chaîne d'approvisionnement survenues ces dernières années, il n'est pas surprenant que le secteur 'entrepôt et exécution de commandes', en particulier, connaisse la plus forte accélération numérique, suivi par les énergies renouvelables et le secteur de la chimie.

62% des entreprises ont investi dans les nouvelles technologies parce qu'elles auraient un impact majeur sur leurs activités dans un avenir proche, tandis que 57% sont principalement motivées par des objectifs et des résultats commerciaux de haut niveau. Enfin, 31% des entreprises investissent principalement en raison de pannes et d'un besoin soudain de technologie de remplacement. La plupart des entreprises investissent donc en pensant à l'avenir, en espérant que cela renforcera leur avantage concurrentiel et leur apportera une plus grande résilience.

Quoi qu'il en soit, il semble que les technologies de fabrication intelligente ne disparaîtront pas immédiatement. Au contraire, elles pourraient s'avérer des stratégies cruciales pour relever les nombreux défis. On s'attend à ce que d'ici 2026, plus de 80% des entreprises utilisent l'IA générative, contre moins de 5% aujourd'hui.

L'équilibre entre les employés, la technologie et les pratiques ESG sera la clé du leadership au sein de l'industrie. Parmi les défis pour la gestion de l'entreprise , tant l'adéquation de la technologie et des talents aux besoins de l'entreprise que la gestion efficace des employés et des ressources obtiennent un score de 31%. Il ne s'agit donc pas de choisir l'un ou l'autre: les deux approches doivent être envisagées et combinées pour réussir.

Glossaire
Intelligence artificielle: application de techniques d'analyse et de logique avancées (telles que l'apprentissage automatique) pour interpréter des événements, soutenir et automatiser des décisions et prendre des mesures.
IA causale: identifie et utilise les relations de cause à effet pour aller au-delà des modèles prédictifs basés sur la corrélation et évoluer vers des systèmes d'IA capables de mieux prédire les actions et d'agir de manière plus autonome.
Apprentissage profond: variante des algorithmes d'apprentissage automatique qui utilise plusieurs couches pour résoudre les problèmes en extrayant les connaissances des données brutes et en les transformant à chaque niveau. Ces couches extraient des caractéristiques de plus en plus sophistiquées des données, ce qui permet de résoudre des systèmes plus complexes avec une plus grande précision et moins d'intervention humaine.
IA industrielle: application de l'IA dans un cadre industriel, axée sur l'exploitation de données en temps réel pour alimenter des processus d'apprentissage capables de prédire, d'automatiser et d'interpréter des actions à partir d'ensembles de données vastes et complexes.
IA générative: techniques d'IA qui apprennent des représentations ou des artefacts à partir de données et les utilisent ensuite pour générer des artefacts nouveaux et uniques qui ressemblent aux données d'origine sans les répliquer. L'IA générative peut créer un contenu entièrement nouveau (texte, images, vidéo, audio...), mais elle inclut également le code informatique, les données synthétiques, les flux de travail et les modèles d'objets physiques.
Apprentissage automatique: algorithmes composés de technologies multiples (telles que l'apprentissage profond, les réseaux neuronaux et le traitement du langage naturel), qui sont utilisés dans l'apprentissage (non) supervisé et fonctionnent sur la base de leçons tirées d'informations existantes.

Lire le rapport complet ici.