IA et industrie : sortir des fantasmes pour créer de la valeur

Que peut vraiment apporter l’intelligence artificielle (IA) en matière de performance, de qualité, de support aux équipes, d’aide à la décision ? Quelles sont ses limites et, par conséquent, les conditions pour en tirer de la valeur ? Le point avec Luc Julia, expert technologique international, et Matthieu Jolens, spécialiste de l’accompagnement des transformations industrielles.

L’IA s’est imposée dans le débat industriel comme une promesse de performance, d’optimisation et d’aide à la décision. mais derrière l’effet d’annonce, la réalité est plus nuancée. « Les IA existent depuis 1956, rappelle Luc Julia, directeur scientifique chez Renault et expert reconnu du sujet. Pourtant, une étude récente du MIT^* montre que 95 % des PoC (proof of concept) conçus avec une IA générative n’ont pas généré de retour sur investissement. Cela signifie qu’il n’y a qu’envion 5 % de cas d’usage réellement intéressants. » Un chiffre qui invite à remettre les choses en perspective. Pour Luc Julia, l’erreur consiste souvent à attendre de l’IA ce qu’elle ne peut pas offrir. « Les IA génératives ne font pas gagner du temps directement. Elles apportent surtout un gain de qualité, ce qui est déjà une forme de productivité. »

Leviers de valeur dans la production

Un propos mis en exemple par Matthieu Jolens, associé et directeur client chez Quaternaire, qui observe que les premiers leviers de valeur se situent du côté de la production et des opérations. « Détection d’anomalies, optimisation des réglages process, réduction des écarts-types, analyse des dérives de performance : ce sont des cas d’usage sur lesquels nous avons des preuves concrètes de retour sur investissement. » Ces technologies ne sont d’ailleurs pas nouvelles. « Sur les lignes de production, les IA sont déployées depuis longtemps et fonctionnent très bien, confirme Luc Julia. Moins de pièces défectueuses, moins de défauts. Les IA génératives, plus récentes, sont plus pertinentes dans la conception, le design, la relation client. »

L’IA n’est pas le sujet. L’organisation l’est.

Pour Matthieu Jolens, la principale limite n’est pas technologique. « La vraie question, c’est la capacité des entreprises à intégrer l’IA intelligemment. Cela suppose une gouvernance claire, l’implication de la DSI, du risk assessment, de la cybersécurité, et surtout un discours clair : l’IA n’arbitre pas, elle ne décide pas à la place des humains.« Un point sur lequel Luc Julia est catégorique. « Les IA génératives n’inventent rien et ne prennent pas de décision. Pourtant, chez certains dirigeants industriels, il existe encore le fantasme d’une IA stratège et décisionnaire. C’est une illusion. »

Sur le terrain, les niveaux de maturité sont contrastés. « Nous rencontrons d’un côté des entreprises qui veulent avancer mais restent bloquées par des flous organisationnels ou des réticences internes, explique Matthieu Jolens. Et de l’autre, des organisations plus avancées, qui ont libéré certains usages et cherchent maintenant à structurer la gouvernance, l’éthique, la qualité des données et la montée en compétences. »

En ce sens, le shadow IA — des usages individuels non encadrés — tend à reculer. « Les collaborateurs sont de mieux en mieux formés, notamment sur les enjeux de confidentialité et d’éthique », observe Luc Julia, au moment même où une réglementation internationale commence à émerger.

Des cas concrets… et mesurables !

Lorsque les usages sont bien ciblés, les résultats sont au rendez-vous. Matthieu Jolens cite l’exemple d’une usine ayant recours à l’analyse vidéo lors de changements de série. « Les gains observés vont de -20 à -40 % sur le temps d’analyse par rapport à une approche SMED^** classique. l’IA met en évidence des temps sans valeur ajoutée que l’humain n’aurait pas repérés seul. Résultat : 3 points de TRS gagnés en deux mois.«

Luc Julia partage quant à lui un cas dans l’automobile : « Pour détecter des anomalies en sortie de chaîne, il est d’usage qu’un opérateur roule une heure avec un véhicule pris au hasard. Il relève les anomalies puis les consignes de mémoire à son retour d’atelier. Or, environ 20 % des défauts sont oubliés. Aujourd’hui, une IA embarquée enregistre les commentaires de l’opérateur et transmet automatiquement les anomalies au système. Le gain est double : en temps et en fiabilité.«

L’IA n’est ni magique ni stratégique par essence. Mais elle devient un levier puissant lorsqu’elle est bien choisie, bien gouvernée et intégrée dans un système de décision piloté par l’humain.

Notes

* Institut de technologie du Massachusetts

** Le SMED est une méthode de gestion de la production qui vise à réduire le temps de changement de série.

Découvrez l’interview complète en podcast audio

Luc Julia

Luc Julia est un ingénieur et informaticien français, spécialiste des interfaces homme-machine et de l’intelligence augmentée. Il a participé aux travaux à l’origine de l’assistant vocal Siri, avant de rejoindre Apple pour accompagner son développement.

Après avoir été Vice-Président en charge de l’innovation chez Samsung Electronics, il rejoint en 2021 Renault Group en tant que Chief Scientific Officier.

Auteur engagé dans le débat sur l’IA, il a publié en 2025 IA génératives, pas créatives, l’intelligence artificielle n’existe (toujours) pas aux éditions Le Cherche-Midi, où il propose une lecture critique et pragmatique des technologies d’intelligence artificielle.

Auteur