Management intermédiaire : un levier essentiel pour tirer parti de l'IA dans l'industrie manufacturière

Le sommet de l'IA à Paris a marqué un tournant décisif tant pour les entreprises que pour la société.

Le sommet de l’IA à Paris a marqué un tournant décisif, mettant l’accent sur les investissements massifs, la gestion maîtrisée des risques et la course à l’innovation pour maximiser les bénéfices de l’IA, tant pour les entreprises que pour la société. Un signal fort qui devrait inciter les dirigeants du secteur de la fabrication à affiner leur stratégie d’investissement en matière d’IA, malgré les défis économiques, l’instabilité de la demande et les tensions géopolitiques. 

L’initiative « EU AI Champions » lancée lors du sommet, bénéficie du soutien de plusieurs entreprises et d’un engagement financier de 150 milliards d’euros, et 50 milliards d’euros de la part de l’UE pour le développement de l’IA en Europe. En parallèle, la France prévoit d’ investir 109 milliards d’euros pour renforcer son écosystème IA, tandis que le Royaume-Uni dévoile un nouveau plan de croissance de l’IA, avec 14 milliards de livres d’investissements et la création de plus de 13 000 emplois par les entreprises technologiques, en plus des 25 milliards de livres déjà annoncés. 

Le défi des données pour l’industrie

La présidente de la Commission européenne, Ursula von der Leyen, a déclaré : « L’IA en Europe se concentre sur son adoption dans des applications complexes, en s’appuyant sur  nos données industrielles et notre savoir-faire unique ». En effet, les cas d’usage dans les secteurs de la pharmacie, l’automobile ou l'agroalimentaire exigent des solutions d’IA plus avancées, telles que le deep learning et les logiciels de numérisation 3D, pour pouvoir les gérer. 

Cependant, ces ambitions reposent avant tout sur l’accès à des données de haute qualité et à forte valeur ajoutée, essentielles dans de nombreux processus industriels. « Les industries pourront collaborer et partager leurs données. Nous créons donc un environnement sécurisé, car l’IA a besoin à la fois de concurrence et de collaboration. », a ajouté Ursula von der Leyen. Par ailleurs, une lettre signée par des fondateurs et PDG d’entreprises plaide pour la mise à disposition de données publiques à forte valeur dans un cadre sécurisé et respectueux de la confidentialité. Ces initiatives soulignent un défi majeur pour l’industrie manufacturière : comment exploiter efficacement les données au sein même des entreprises ?. Selon une étude récente, près de 20% des experts en vision artificielle du secteur automobile en Allemagne et au Royaume-Uni estiment que leurs systèmes d’IA pourraient être plus performants. Pour maximiser le potentiel de l’IA, la gestion des données est un enjeu central. 

Les données générées en périphérie des opérations (edge computing) peuvent être transformées pour créer de la valeur. Elles servent à entraîner et tester des modèles d’IA ou à fournir un retour d’information permettant d’optimiser les processus de fabrication et de contrôle qualité. Une fois intégrées, l’IA et les données intégrées facilitent l’automatisation des processus grâce aux caméras intelligentes, capteurs et robots guidés par la vision. Cela permet aux dirigeants de redéployer leurs équipes terrain sur des tâches à plus forte valeur stratégique. 

Toutefois, les usines fonctionnent souvent en silos, avec peu ou partage de données, même entre les sites utilisant des processus similaires. La diversité des expériences et de disponibilité des équipes compliquent davantage l’obtention de données exploitables, un défi accentué par la difficulté à recruter des talents possédant les compétences et l’expertise nécessaires. 

Les données doivent être stockées, annotées et exploitées de manière cohérente pour l’apprentissage des modèles, tout en étant complétées par d’autres ensembles de données pour les phases de test. Garder ces données isolées entrave l'optimisation des performances de l’IA et réduit son efficacité.  

Des solutions accessibles pour une IA plus performante

L’IA offre des solutions déjà éprouvées pour optimiser les performances du secteur industriel, quel que soit le cas d’usage. Aujourd’hui il existe des logiciels, caméras et capteurs spécialisés, qui permettent d’optimiser notamment :  l’inspection des batteries électriques, le tri des produits alimentaires frais, la conformité et  la qualité des emballages, la lecture des numéros de série et caractères ou encore la détection de défauts sur les pièces automobiles et les produits finis. 

Pour que l’IA soit plus performante, il est essentiel de mesurer son impact avec des indicateurs précis, notamment en termes de retour sur investissement et de qualité de données. Outre la transformation de la gestion des données, l’automatisation intelligente nécessite une mise en œuvre adaptée, une formation des équipes et des ajustements opérationnels. Certaines  solutions d’IA adoptent quant à elles une approche low-code ou no-code, prête à l’emploi, permettant ainsi un retour sur investissement plus rapide. 

L’atout stratégique du management intermédiaire

Une étude récente de McKinsey révèle que les millennials âgés de 35 à 44 ans occupent de plus en plus des postes de managers et de chefs d’équipes dans leurs entreprises. Ils sont en première ligne, au contact des équipes sur le terrain, tout en assurant le lien avec la direction.  Ces managers intermédiaires se distinguent par leur expérience et leur enthousiasme vis-à-vis de l’IA. D’ailleurs, 62 % des employés de cette tranche d’âge déclarent avoir une expertise avancée en la matière, faisant d’eux des acteurs clés de la transformation numérique.

Par ailleurs, une autre étude montre que seuls 30 % des dirigeants d’entreprises (PDG, présidents, cadres exécutifs, vice-présidents…) augmentent les ressources allouées aux initiatives de croissance dans l’ensemble des secteurs. Et seuls 29% ont indiqué y consacrer plus de 30 %. 

Le management intermédiaire représente un vivier de talents clé que les dirigeants doivent exploiter pour répondre à des enjeux stratégiques : comment l’IA notamment la vision industrielle basé sur le deep learning peut-elle accélérer la transformation dans un marché complexe, stimuler la croissance à long terme, accroître la productivité, automatiser les processus et améliorer la qualité ? En période d’incertitude, où l’instinct pousse à freiner les projets d’investissement, il pourrait être judicieux de repenser leur rôle et de les mobiliser pour accélérer l’intégration de l’IA et de la vision industrielle.

Le moment est venu d’adopter une approche plus audacieuse et de miser sur les leaders intermédiaires pour faire de l’IA un levier de croissance et de compétitivité.