Projet IA dans l'industrie : partir de la décision, pas de la donnée
Beaucoup de projets d'IA industriels commencent par une question de données : qu'est-ce qu'on pourrait faire de tout ce qu'on a ? Ceux qui aboutissent partent presque toujours d'ailleurs : d'une décision précise, prise chaque semaine, qu'on veut prendre plus vite et mieux. Voici la méthode, et deux exemples où l'IA est arrivée en dernier.

En bref : Un projet d’IA dans l’industrie réussit quand il part d’une décision précise et régulière (que commander et quand, quelles informations publier sur chaque canal) plutôt que du stock de données disponible. La méthode tient en quatre étapes : nommer la décision, vérifier les données nécessaires, les réunir dans une base qui vous appartient, puis ajouter l’IA en dernier.
Quand un dirigeant industriel me parle d’intelligence artificielle, la conversation commence souvent par ses données : des années d’historique dans l’ERP, des tableurs de production, des fiches qualité. L’idée est d’en tirer quelque chose. Je propose presque toujours de prendre le problème dans l’autre sens et de partir d’une question plus simple : quelle décision, prise régulièrement dans l’entreprise, voulez-vous prendre mieux ou plus vite ?
Pourquoi partir de la décision
Une décision a un responsable, une fréquence et des conséquences mesurables. « Que commander, et quand, pour ne pas tomber en rupture ? » est une décision. « Quelles informations publier sur chaque canal de vente ? » en est une autre. Partir de là donne au projet un objectif que chacun comprend, et permet de savoir à la fin si l’outil a servi.
Partir des données, à l’inverse, mène souvent à des tableaux de bord que personne ne consulte, ou à des tests d’IA impressionnants en démonstration et abandonnés en production, faute d’avoir changé une décision réelle.
Les quatre étapes, dans l’ordre
- Nommer la décision : qui la prend, à quel rythme, avec quelles informations aujourd’hui, et ce qu’elle coûte quand elle est mal prise.
- Vérifier les données nécessaires : existent-elles, où sont-elles, et sont-elles fiables ? Une prévision d’achats calculée sur des stocks faux reste fausse, même très bien présentée.
- Réunir ces données dans une base qui vous appartient, reliée à vos outils existants, pour que l’information soit juste à un seul endroit.
- Ajouter l’IA en dernier, là où elle fait gagner du temps sur une décision déjà outillée : répondre à une question, préparer une proposition, repérer un écart.
Dans beaucoup de projets, les trois premières étapes produisent déjà l’essentiel du résultat. L’IA vient ensuite, sur un terrain propre.
Ciacam : anticiper les achats avant de parler d’IA
Ciacam, négociant en légumineuses en forte croissance, pilotait ses stocks avec de multiples fichiers Excel et des fiches imprimées. La décision qui comptait était claire : anticiper les approvisionnements pour éviter les ruptures, alors que l’activité grandissait chaque année.
L’entreprise avait étudié les logiciels du marché. Il fallait adapter ses processus à l’outil choisi, avec un projet long et un budget d’intégration important. Wesmart a construit en 3 mois un outil sur mesure : une base de données centralisée, des mises à jour automatiques entre les services et des tableaux de bord. Les achats, les ventes, l’usine, l’expédition et la qualité travaillent désormais sur la même information, et la direction dispose d’une vision prospective des stocks pour anticiper ses achats.
Aucune IA dans ce premier temps. C’est pourtant ce travail qui la rend possible demain : une base de stocks et de flux fiable est le préalable à toute prévision automatique.
Gaston Mille : l’IA au dernier étage
Gaston Mille fabrique des chaussures de sécurité et des équipements de protection individuelle. Son catalogue est technique : des centaines de références, des normes à citer précisément, deux langues, un site de vente en ligne et des places de marché. L’information produit était dispersée entre plusieurs outils, les stocks gérés canal par canal, et les fiches techniques refaites à la main à chaque évolution.
Wesmart a construit un PIM sur mesure, la source unique du catalogue. Chaque information produit y entre une fois et en repart vers tous les canaux. Des règles distinctes calculent la disponibilité pour le site et pour les places de marché à partir d’un stock physique unique, et les fiches techniques en français et en anglais sont générées automatiquement à partir des mêmes données.
Ce n’est qu’au dernier étage que l’IA est arrivée : les données du catalogue alimentent des agents que les équipes interrogent en langage naturel, pour produire des contenus fidèles aux caractéristiques réelles des produits. Ces agents sont utiles parce qu’ils s’appuient sur une information vérifiée, et non sur une recherche dans des fichiers dispersés.
Les questions à poser avant de lancer un projet d’IA
- Quelle décision voulons-nous améliorer, et qui la prend ?
- Comment saurons-nous, dans six mois, que l’outil a servi ?
- Les données nécessaires sont-elles réunies, à jour et fiables ?
- Où sont hébergées ces données, et qui peut y accéder ?
- Les équipes qui prennent cette décision ont-elles participé à la conception ?
Si plusieurs réponses manquent, commencez par l’outil et les données : l’IA viendra ensuite, sur un terrain prêt à la recevoir.
Questions fréquentes
Par où commencer l’IA dans une PME industrielle ?
Par une seule décision, celle qui vous coûte le plus aujourd’hui quand elle est mal prise. On vérifie ensuite que les données nécessaires existent et sont fiables, avant de choisir où l’IA fait gagner du temps.
L’IA peut-elle aider à mieux gérer les stocks ?
Oui, pour prévoir les besoins et repérer les écarts, à condition de s’appuyer sur une base de stocks et de flux fiable. Chez Ciacam, c’est ce socle qui a été construit en premier.
Par où commencer
Le bon point de départ est une seule décision, celle qui vous coûte le plus aujourd’hui. Nous commençons par un échange sur votre organisation ; si le besoin le justifie, la mission de conception décrit l’outil, vérifie les données disponibles et chiffre la réalisation par lots, avant tout engagement. Vous trouverez sur notre page industrie ce que nous construisons pour les industriels.
Parlons de la décision que vous voulez outiller, en 45 minutes.
Nicolas Mattei