Industrie
La ligne anticipe au lieu de subir.
Concrètement
La dérive est vue le matin. La série démarre corrigée.
Un cas, sur ce terrain
La ligne prévient au lieu de subir
Les signaux sont lus en continu. Les dérives remontent tôt. Les arrêts se préparent. L'outil explique, l’équipe décide.
- Maintenance
- Qualité
- Anticipation
Accompagnements
Une mission, trois temps.
01
Cadrage
Deux à quatre semaines pour savoir quoi construire — et surtout ce qu'il ne faut pas construire.
- Vos données, vos outils et vos usages lus dans le système, pas en atelier
- Les cas d'usage classés par valeur réelle et par faisabilité technique
- Une feuille de route courte, chiffrée, avec ce qu'on abandonne
02
Mise en production
J'écris le code dans vos systèmes, sur vos dossiers réels. Pas une démonstration.
- Architecture, RAG, agents, connecteurs à votre système d'information
- Évaluation continue et journalisation, conformes aux exigences de l'AI Act
- Mise en service, mesure d'impact, ajustement jusqu'à l'usage quotidien
03
Formation et transmission
Vos équipes tiennent l'outil sans moi. Elles le démontrent avant que je parte.
- Formation menée sur vos propres dossiers, pas sur des cas d'école
- Une méthode écrite, réutilisable telle quelle par un autre que moi
- Des référents internes formés, puis suivis après la fin de la mission
L'IA embarquée dans un produit relève d'un autre calendrier
C'est la spécificité de l'industrie, et elle est mal connue. Un système d'IA intégré à une machine ou à un produit déjà soumis à une réglementation de sécurité relève de l'annexe I du règlement européen, dont les obligations deviennent exigibles le 2 août 2028 — et non le 2 décembre 2027 comme pour les systèmes autonomes.
La conséquence pratique : un même industriel peut relever des deux échéances selon qu'il s'agit d'un outil interne de maintenance prédictive ou d'une fonction embarquée dans la machine qu'il vend. Le registre doit donc distinguer les deux, sans quoi le calendrier de mise en conformité est faux.
Les données de production ne ressemblent à aucune autre
Un corpus industriel est fait de séries temporelles, de fiches de non-conformité rédigées à la main, de plans au format propriétaire et de gammes qui datent parfois de plusieurs décennies. Les modèles de langage n'y sont utiles que sur la partie documentaire : gammes, procédures, rapports d'incident, documentation fournisseur.
La détection de dérive sur les séries relève, elle, de méthodes classiques qui existaient bien avant l'IA générative et qui restent supérieures. Mélanger les deux dans un même projet est la première cause d'enlisement que j'observe dans ce secteur.
Le cas d'usage qui marche presque toujours
L'accès à la documentation technique en atelier. Un opérateur cherche une procédure dans un classeur ou un intranet mal indexé ; la réponse existe, elle est simplement introuvable en un temps raisonnable.
Le gain est immédiat et mesurable, le risque est faible, et la vérification est naturelle puisque l'opérateur reconnaît la bonne procédure. C'est le point d'entrée que je recommande avant tout projet plus ambitieux.
Industrie : parlons de votre cas.
Quinze minutes suffisent pour savoir si le sujet tient. Vous repartez avec une lecture de votre situation, un premier cas prioritaire et les deux étapes qui suivent.