Big Data & Innovation Industrielle (Revue Paristech Telecom)

By Benoit Gourdon on Oct. 16, 2017

Big Data & Smart Data: un nouvel eldorado ?

On a appelé Big Data l’afflux de données grandissant et foisonnant en provenance de multiples sources, principalement interconnectées par Internet. En perpétuelle expansion, ces grands volumes de données ont rapidement été considérés comme un gisement d’information riche. Ce faisant, ces données pléthoriques se révèlent hétérogènes et ne sont pas systématiquement pertinentes.

L’idée consiste donc à forer ce minerai de données pour en récupérer l’utile : le chercheur d’or à la recherche des pépites, ou plus exactement le raffineur qui va séparer la matière noble de sa gangue. Ainsi est né le Smart Data : il fait appel à de puissants algorithmes explorant sans cesse toutes ces informations pour en tirer la substantifique moelle. Le monde industriel, à travers la démarche Industrie du Futur ou Industrie 4.0, s’interroge désormais sur ce qu’il pourrait tirer de ces évolutions technologiques.

Réflexion sur l’apprentissage
Pour bien situer les enjeux, il faut comprendre les ressorts du Smart Data.

En informatique traditionnelle, quelle que soit sa sophistication, les actions des programmes se déduisent de modèles préétablis, avec une succession de règles et conditions définies au préalable. Dans le cas du Big Data, nous entrons dans un monde statistique d’inférences : les résultats observés induisent les modèles. Pour imager, une pomme tombe et nous déduisons sa trajectoire par la théorie de la gravitation. Mais Newton induit la théorie à partir de l’observation de la pomme qui tombe. Les innombrables séquences d’événements numériques qui nous entourent forment des mondes aux lois particulières très difficiles à programmer à priori. Pour autant le Machine Learning se révèle être une technologie très puissante permettant de faire émerger des modèles statistiques de comportements fiables. Pourquoi ne pas appliquer ces principes à une chaîne de production avec ses états, ses signaux, ses enchaînements, sa performance et parfois ses défaillances?

Smart Data dans l’industrie L’introduction rapide de la technologie Smart Data dépend beaucoup de la maturité numérique de l’industrie en question. Historiquement, dans l’industrie, le déterminisme était de règle, dans des environnements relativement cloisonnés, stables et prédictifs. Aujourd’hui s’impose l’Industrie 4.0, flexible, connectée, smart. Des algorithmes gèrent seuls certains processus, l’Intelligence Artificielle (IA) permet de prendre des micro-décisions locales, les machines sont connectées à l’aide de capteurs, les réseaux transmettent l’information et amènent des consignes en tout point et à tout moment. C’est une industrie qui cherche en permanence à coller aux besoins et à l’environnement industriels (maintenance prédictive, optimisation de processus, gestion intelligente des ressources, facility management,...). Dans ce type d’entreprises, et toutes le deviennent plus ou moins rapidement, il y a suffisamment d’événements numériques pour commencer à alimenter une démarche Smart Data, car les émetteurs de ces signaux sont les machines de production et des acteurs humains mobilisés sur les processus de l’entreprise. Mais attention, les entreprises ne sont plus si cloisonnées et les relations au travail changent.

Le précurseur : la maintenance prédictive
Assez vite, un axe d’amélioration est arrivé par l’étude du processus de maintenance. Pourquoi s’en tenir à des plannings rigides d’interventions préventives alors que les capteurs remontent en permanence des données pertinentes pour anticiper la panne ou le dysfonctionnement. Autant adapter les interventions au plus près de l’état des machines et ainsi diminuer les coûts de maintenance tout en augmentant la fiabilité et la disponibilité des machines. Coupler ces données primaires avec d’autres données exogènes plus environnementales permet d’affiner les contraintes que subissent les machines. La connaissance du passé de chaque élément et événement donne aussi des informations pour le contrôle de niveau de prise de risque. Si le même type de machines existe dans plusieurs endroits d’un site, ou sur plusieurs sites, la consolidation permettra d’obtenir des résultats encore plus fiables. Si c’est le fabricant qui collecte les données de toutes ses machines à travers le monde, ses prédictions seront statistiquement encore plus précises et plus robustes.

Un domaine de prédilection : le suivi des processus de production
La mesure, et au-delà tout un pan de l’assurance qualité, bénéficie des mêmes opportunités en touchant cette fois moyens, produits et processus. Le Smart Data apporte une autre amélioration fondamentale : s’affranchir de biais ou de mesures aberrantes. Comme tout le monde le sait, aucune mesure n’est juste en soi et on constate parfois des rebuts corrects. L’identification des mesures aberrantes permet de réaliser une mine d’économies.

Dans certaines industries, les processus sont entièrement dépendants de mesures fines, et elles entrevoient déjà un pilotage plus intégré de leurs procédés de fabrication grâce au Smart Data en ligne. D’autant qu’apparaît alors une autre dimension : la rétroaction immédiate à partir de l’observation des produits, parfois juste après la sortie d’usine.

L’IA et l’analyse prédictive permettent d’optimiser les processus de production en identifiant un produit défectueux ou comportant une anomalie dès les premières étapes du processus. L’opérateur est ainsi en mesure de « sortir » un produit au plus tôt de la chaine de production, pour éviter des coûts inutiles. De cette façon, celui-ci pourra réaménager l’ordre des étapes de production pour optimiser le processus.

Les entreprises ne sont plus des boîtes noires
Nous associons habituellement le Big Data au marketing et ses applications commerciales. Cependant, la gestion de l’énergie, la logistique et les approvisionnements profitent aisément du Big Data. L’interconnexion des clients et des partenaires au coeur de l’entreprise permet de raccourcir d’innombrables délais et supprimer de nombreux essais inutiles. Cependant, cela suppose de traiter un paradoxe : les données doivent devenir sémantiques, interprétables partout et par tous, et dans le même temps, les données des personnes morales et physiques doivent être protégées. Ce sujet mobilise les experts, car sans sa résolution, pas de confiance, des échanges bridés et donc des gains de performance limités. L’idée qui émerge, ce sont des chaînes de valeur des données qui vont fédérer les acteurs. L’angle de vue change, et la donnée devient une valeur pivot.

L’homme, victime ou bénéficiaire ?
Dans la vie privée, le Big Data inquiète, mais il apporte des bénéfices qui le rendent, sinon désirable, du moins acceptable.
Dans l’entreprise, il peut également faire peur. Et pourtant, le traitement intelligent de toutes ces données est au service des collaborateurs. Les décideurs bénéficient évidemment de corrélations puissantes, les managers de tableaux de bords précis et pertinents. Quant aux salariés, ils voient leur tâche monter en niveau, avec des consignes les amenant à intervenir à bon escient pour des actions utiles. Leurs remontées seront exploitées, donnant peut-être lieu à des débats et décisions collectives dans des groupes de travail numériques. De simple exécutant, l’employé devient acteur d’émergence de solutions issues du terrain, membre d’une intelligence collective. Au point que dans les services de conception, le Big Data devient de plus en plus l’anti « fil à couper le beurre ».

Pourquoi passer à l’Industrie 4.0 et au Smart Data ? Pour améliorer la performance bien sûr ! Le vrai défi de l’entreprise 4.0 sera de distinguer entre la propriété essentielle et un océan de données utiles auquel il vaut mieux avoir accès pour augmenter sa performance. Son enjeu sera de savoir faire adhérer ses collaborateurs à cette révolution inéluctable.
Un autre élément essentiel : comment les récentes innovations intervernant dans la 4e révolution industrielles ont-elles été comprises et acceptées par les différents acteurs concernés?

Comme pour toute innovation, il est difficile de déterminer comment celle-ci sera acceptée par le marché. L’industrie 4.0 amène son lot d’innovations (IoT, Big Data, Cloud, Edge Computing…) et la restructuration des processus liée à ces innovations posera éventuellement quelques problèmes au démarrage.
Mais ce qui est sûr, c’est que plus vite ces innovations seront adoptées dans les processus industriels, plus vite on trouvera des solutions pour créer de l’emploi. Certains « experts » à l’époque prédisaient un effondrement du marché de l’emploi avec l’arrivée d’Internet. Nous savons aujourd’hui que la création d’emplois liée aux métiers de l’Internet est considérable.

L’Industrie 4.0 ne fait pas forcément peur à tout le monde. J’ai personnellement remarqué une sincère volonté d’avancer sur ces sujets aux niveaux des directions générales de différents groupes industriels. En effet ces derniers doivent faire face à la croissance exponentielle des données de transaction, de comportement, des objets connectés (IoT), et fournir à leurs équipes la capacité à traiter ce volume de données. L’Intelligence Artificielle et le Machine Learning interviennent ainsi comme des solutions extrêmement efficaces pour assister les experts métier et automatiser les tâches liées à la collecte, à la sélection et au traitement des données. Mais surtout, l’intérêt l’IA est de pouvoir donner du sens à cet amas de données et aider les entreprises dans leur prise de décision.
La transformation digitale est donc devenue incontournable, non seulement au niveau du marketing, de la vente ou des RH, mais également au coeur même d’une entreprise industrielle, et de ses outils de production. Amener de l’agilité dans des processus complexes, réduire la pénibilité de certaines tâches manuelles, améliorer la qualité et la vitesse de transit des informations, assurer la continuité des opérations sont quelques-unes des nombreuses problématiques industrielles actuelles.

Il est indispensable, afin de soutenir cet effort d’évangélisation, de mettre l’accent sur l’accompagnement des entreprises dans la digitalisation de leurs outils de production. Elles doivent pouvoir en comprendre les bénéfices, être accompagnées tout au long du processus de digitalisation avec une concrétisation par phases. La peur de l’échec ne doit pas être un frein. Il faut avancer pas à pas autour d’un projet bien identifié sans se mettre de pression sur les résultats à court terme.

Si le syndrome bien français de la peur de l’échec et de la réticence à l’acceptation de nouveaux modèles est connu de tous, force est de constater que nous sommes en train de « repenser » notre manière de penser. C’est ainsi que nous allons rattraper notre retard face à nos homologues allemands et britanniques.