Alors que plus de 75 % des projets pilotes d’intelligence artificielle industrielle peinent à passer à l’échelle, un rapport d’Everest Group, intitulé Operationalizing Adaptive AI Across the Manufacturing Shopfloor, pointe une faiblesse centrale: des architectures de données et de décision insuffisamment adaptées. Pour le Maroc, où les ambitions de l’industrie 4.0 doivent composer avec un important parc industriel existant, ce constat sonne comme un avertissement, mais aussi comme une feuille de route pour réussir le passage de l’expérimentation à la transformation industrielle.
La majorité des projets d’intelligence artificielle industrielle ne franchissent pas le stade du pilote. Plus de 75% n’atteignent jamais une phase de déploiement à grande échelle et plus de 80 % des fabricants rencontrent des difficultés pour étendre l’IA au-delà de cas d’usage isolés. Le constat est au cœur du rapport Operationalizing Adaptive AI Across the Manufacturing Shopfloor, publié par Everest Group en partenariat avec Capgemini Engineering. Sa conclusion est directe : le principal problème n’est pas l’absence de technologies ou d’algorithmes performants, mais l’incapacité des architectures industrielles à faire circuler les données et les décisions entre les différents systèmes.
Pour le Maroc, cette analyse intervient à un moment où le tissu manufacturier cherche à monter en gamme tout en composant avec des réalités contrastées. Les ambitions d’industrie 4.0 coexistent avec des usines brownfield, des équipements parfois anciens, des systèmes IT et OT encore cloisonnés et un besoin croissant de compétences hybrides.
Lire aussi | Nvidia rachète la plateforme IA Hugging Face pour 12,9 milliards de dollars
« Dans le paysage manufacturier actuel, l’ambition numérique n’est pas une contrainte, c’est l’exécution qui l’est », résume Nicolas Rousseau, responsable des technologies d’ingénierie chez Capgemini Engineering. Le rapport place ainsi l’exécution au centre du débat. Elle repose sur trois éléments : une architecture de données unifiée, un traitement des informations en temps réel piloté par les événements et des agents d’IA intégrés directement aux processus industriels.
Le problème : des systèmes qui ne communiquent pas
La difficulté est d’abord structurelle. Dans de nombreuses usines, les systèmes informatiques et les systèmes opérationnels continuent de fonctionner séparément. D’un côté, les systèmes IT regroupent notamment les ERP et les PLM. De l’autre, les environnements OT comprennent les MES, les SCADA, les automates et les équipements de production. Entre les deux, les données circulent mal ou arrivent trop tard pour permettre une prise de décision automatisée. Le résultat est connu : les données existent, mais elles sont dispersées. Elles ne sont pas toujours contextualisées et restent difficilement exploitables en temps réel.
Lire aussi | Quand l’IA commet une cyberattaque toute seule, qui est responsable légalement?
Les décisions continuent alors de dépendre d’interventions humaines ou de règles prédéfinies. Le rapport identifie quatre freins principaux : la rigidité des processus, l’héritage technologique, la fragmentation des données et le manque de compétences interfonctionnelles. Ces difficultés concernent particulièrement les environnements industriels développés progressivement. Au Maroc, de nombreuses unités de production ont été modernisées par étapes, avec l’ajout de nouvelles machines et de nouveaux logiciels sans toujours repenser l’ensemble de l’architecture.
Pour le Maroc, commencer par les données
La principale recommandation du rapport est de ne pas commencer par les algorithmes. Avant de déployer des modèles prédictifs ou des agents autonomes, les industriels doivent disposer d’une architecture capable de connecter les équipements, de structurer les données et de les rendre accessibles au bon moment. Everest Group et Capgemini Engineering recommandent notamment la mise en place d’un socle de données unifié et événementiel. Cela peut passer par un Unified Namespace (UNS), l’utilisation du protocole MQTT pour la connectivité locale et, dans certains cas, des plateformes de streaming telles que Kafka.
Lire aussi | L’intelligence artificielle sera-t-elle à l’origine de la prochaine crise financière ? [Par Charaf Louhmadi*]
L’approche présente un avantage pour les industriels marocains : elle peut être progressive. Une entreprise n’a pas nécessairement besoin de transformer l’ensemble de son usine. Elle peut commencer par une ligne de production, connecter ses automates et ses capteurs via OPC-UA, organiser les données dans un modèle cohérent, puis étendre progressivement l’architecture. Le rapport défend ainsi une logique inverse de celle souvent observée dans les projets d’IA : construire d’abord l’infrastructure, puis développer les applications.
L’edge computing, une solution adaptée aux usines existantes
L’architecture hybride edge-cloud constitue un autre élément central. L’edge computing permet de traiter une partie des données directement à proximité des équipements industriels. Cette approche réduit la latence et limite la nécessité d’envoyer l’ensemble des informations vers des infrastructures cloud. Pour les industriels marocains, cette architecture peut présenter plusieurs intérêts.
Lire aussi | Google lance deux nouvelles puces pour s’adapter à l’ère des agents IA
Elle permet notamment de traiter les données critiques localement et de réduire la dépendance à une connectivité permanente avec le cloud. Le rapport évoque également le recours aux conteneurs et aux microservices. Ces technologies permettent de déployer et de mettre à jour des applications à distance sans multiplier les interventions physiques dans chaque usine. Des solutions telles qu’Azure IoT Operations ou AWS Industrial Data Fabric sont citées comme exemples de plateformes capables de s’intégrer aux environnements industriels existants.
Ce qui ne fonctionnera pas : vouloir tout automatiser immédiatement
Le rapport met également en garde contre une erreur fréquente : chercher à reproduire immédiatement le modèle d’une usine entièrement autonome. Près de 50 % des fabricants rencontrent encore des difficultés pour intégrer leurs systèmes informatiques et opérationnels. Dans ces conditions, déployer des agents autonomes sur des infrastructures vieillissantes peut créer davantage de complexité.
La maintenance prédictive, la planification automatisée ou les agents d’IA ne peuvent fonctionner durablement si les équipements ne communiquent pas correctement entre eux. La dette technique constitue également un obstacle important. Anciens formats de données, protocoles propriétaires, logiciels obsolètes et absence de documentation compliquent la modernisation des usines.
Lire aussi | Alerte aux humains ! Quelque 700 agents IA se sont coordonnés lors de la cyberattaque de juillet
Le rapport souligne ainsi que la transformation industrielle ne peut pas être réduite à l’achat d’une nouvelle solution technologique. L’exemple de Siemens à Erlangen illustre cette différence. L’usine s’appuie sur une continuité numérique entre les différentes étapes de la production, du PLM au MES. Cette cohérence permet ensuite l’intégration de jumeaux numériques et de modèles d’IA.
La cybersécurité devient une condition industrielle
La modernisation des architectures pose également la question de la sécurité. L’ouverture progressive des systèmes opérationnels vers le cloud, les plateformes de données et les applications d’IA augmente les points d’entrée potentiels pour les cyberattaques. Le rapport considère donc l’observabilité, la cybersécurité et la conformité comme des éléments constitutifs de l’architecture. Pour les industriels marocains, la cybersécurité ne peut plus être traitée séparément du projet de transformation numérique. La question de la souveraineté des données prend également de l’importance.
Lire aussi | Professeur Edward E. Barbey: «IA, c’est l’avenir civilisationnel qui est en jeu»
Le rapport évoque le développement de solutions d’« IA souveraine » proposées par les grands fournisseurs de cloud. Cet enjeu pourrait devenir déterminant pour les entreprises qui travaillent avec des donneurs d’ordre internationaux tout en manipulant des données industrielles sensibles. Par ailleurs le rapport insiste enfin sur le rôle de l’écosystème. Aucun fournisseur ne maîtrise seul l’ensemble de la chaîne technologique. Les plateformes industrielles telles que Siemens, les fournisseurs de cloud comme AWS, Azure et Google Cloud et les acteurs spécialisés dans l’infrastructure d’IA comme NVIDIA occupent des positions complémentaires.
