L'industrie manufacturière est constituée d'un travail qui se laisse difficilement résumer en un seul type de tâche. Il y a le travail de planification : planifier les commandes, ajuster les flux de matériaux, répartir la capacité entre machines et équipes. Il y a le travail de qualité : inspecter, mesurer, évaluer les écarts et les documenter. Il y a le travail de maintenance : diagnostiquer les pannes, commander des pièces, planifier le travail préventif. Et il y a le travail administratif autour de tout cela : certificats, calcul des coûts réels, rapports aux clients et aux organismes de contrôle.
Ces types de travail diffèrent fortement dans leur degré de prévisibilité. Une tâche de planification avec des règles fixes et des données historiques se prête différemment à l'automatisation que l'évaluation d'une soudure qui sort juste de la norme mais qui est probablement quand même bonne. Cette dernière évaluation dépend de l'expérience, d'un contexte qui n'est pas dans un système, et d'une responsabilité que quelqu'un doit pouvoir assumer. Cette différence détermine en grande partie quelle ambition est réaliste pour quelle partie du travail.
Partout dans l'industrie manufacturière, la même triple division traverse le travail. Une partie peut être reprise par l'IA : contrôles répétitifs sur la base de données de capteurs, l'assemblage de rapports standard, la reconnaissance de schémas de panne connus. Une partie se fait partiellement, avec une personne qui approuve ou rejette : les évaluations de qualité où un algorithme fait une proposition et un opérateur ou un collaborateur qualité confirme ou corrige la décision, avec motivation. Et une partie reste un travail humain : résoudre une panne que personne n'a jamais vue de cette façon, négocier avec un fournisseur au sujet d'une livraison non conforme, assumer la responsabilité en cas d'incident de sécurité.
Ce qui relève aujourd'hui déjà de la première catégorie dans une usine se trouve encore entièrement dans la troisième dans une autre. Cette différence est rarement due à la technique elle-même. Elle tient à la question de savoir si les données sont disponibles, si les capteurs mesurent les bonnes choses, si les collaborateurs font suffisamment confiance au système pour lui confier une partie du travail, et s'il y a quelqu'un qui peut approuver le résultat sans que le processus ne s'arrête en attendant une signature.
Une direction qui affirme « nous voulons un contrôle qualité piloté par l'IA » dit par là même quelque chose sur l'organisation qui doit pouvoir porter cela. Il doit y avoir quelqu'un qui évalue les signalements d'erreur du système, pas seulement en théorie mais dans le service de garde quotidien. Il doit y avoir une clarté sur qui peut annuler un rejet du système et sur quelle base. Et il doit y avoir de la capacité disponible pour mettre en place et entretenir le système, une capacité qui est souvent déjà entièrement affectée au travail en cours.
C'est là que beaucoup d'ambitions dans l'industrie manufacturière s'enlisent : pas sur la question de savoir si la technique le permet, mais sur la question de savoir si l'organisation a déjà défini le rôle qui l'entoure. Qui décide quand le système hésite ? Qui est responsable si un client se plaint d'un produit qui a passé une inspection pilotée par l'IA ? Ces questions touchent à des responsabilités au sein du personnel, et les décisions qui en découlent sont soumises à des exigences légales propres ; cette évaluation ne relève pas de ce document.
Deux usines aux machines comparables et aux produits comparables peuvent différer fortement dans ce que l'IA reprend réellement de leur travail. L'une a collecté et structuré des données de capteurs pendant des années, l'autre dispose des mêmes capteurs mais les données disparaissent dans des journaux que personne n'a jamais nettoyés. L'une dispose d'une équipe qualité qui a chaque semaine le temps d'évaluer les écarts et d'ajuster le système, l'autre a cette équipe entièrement occupée par la production en cours. Aucune des deux n'a tort, mais cela détermine quelle part de l'ambition est réalisable cette année et quelle part l'année suivante.
Ces différences ne sont pas propres à l'industrie manufacturière. La même tension entre ambition et disponibilité se retrouve dans le secteur du transport, où la planification et le choix des itinéraires soulèvent des questions comparables, et dans les services aux entreprises, où le contrôle des résultats de conseil joue un rôle comparable au contrôle qualité sur le terrain. La question de savoir comment diviser une ambition en morceaux qu'une organisation peut réellement absorber en un an revient également dans chaque secteur, et est traitée séparément dans un éclairage sur le phasage d'une ambition trop grande pour une seule année.
La question qui sous-tend tous ces exemples n'est pas de savoir si l'IA peut reprendre ce type de travail en général. C'est de savoir quelle partie spécifique du travail, dans cette entreprise spécifique, peut réellement être reprise, compte tenu des données, des systèmes et des personnes actuellement présentes. Cette question reçoit une réponse par tâche grâce au scan de travail de FTE TO AI, indépendamment de l'image que la direction s'en fait elle-même.
Une ambition ne devient utilisable qu'une fois découpée en ce que l'organisation doit savoir faire, et confrontée à ce qu'elle sait déjà faire. La rapidité avec laquelle une organisation peut réellement changer sur ce type de points est une question distincte de l'ambition elle-même et est traitée séparément dans une réflexion sur le véritable rythme de changement des organisations.
Comme première étape, il existe un contrôle de préparation gratuit : huit questions courtes, une par dimension, qui donnent une image des points où votre organisation est la plus avancée et de ceux où elle l'est le moins. Le test d'ambition complet, avec les quatre niveaux allant de la vision à l'état cible et leur traduction en rôles et en droits de décision, est en cours d'élaboration.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.