L’IA dans une PME industrielle peut aider à traiter certaines informations ou à proposer des estimations. Mais perdre du temps, subir des erreurs ou manquer de visibilité ne signifie pas, à lui seul, qu’un modèle d’IA est la bonne réponse. Il faut identifier l’origine du problème et comparer les solutions possibles.
C-Koya Tech aborde ce sujet comme un repère de compréhension pour les dirigeants industriels. Notre activité est le développement de logiciels métiers, l’échange de données avec l’ERP et le suivi de production. Lorsqu’un usage d’IA paraît pertinent, nous pouvons l’étudier dans ce parcours et déterminer s’il doit être intégré au logiciel, traité par une solution spécialisée ou remplacé par une automatisation plus simple.
Les usages possibles, à étudier selon le contexte
- Texte et documents : préparer une synthèse ou proposer une extraction d’informations, avec une vérification adaptée au résultat attendu.
- Images : étudier la reconnaissance de certains défauts observables, dans un projet de vision industrielle spécialisé.
- Historiques : rechercher des tendances ou tester des estimations lorsque les données et les événements sont suffisamment représentatifs.
Ces pistes demandent une évaluation concrète avant tout engagement de résultat. Leur pertinence dépend du besoin, des données disponibles et des conditions d’exploitation. Une démonstration sur quelques exemples peut être insuffisante pour un usage quotidien.
Les besoins que l’on peut traiter autrement
Si des OF sont recopiés de l’ERP vers un tableur, le premier sujet est souvent l’échange de données. Si les contrôles qualité restent sur papier, il peut être utile de structurer les saisies et les documents. Si le responsable ne connaît pas l’avancement des opérations, il faut d’abord définir comment les informations sont remontées.
Ces chantiers peuvent relever d’un MES sur mesure, d’un dossier de production numérique ou d’une interface ERP, sans modèle d’apprentissage.
Décrire le besoin avant la technologie
- Nommer une tâche et les personnes concernées.
- Décrire les entrées, les sorties et les étapes de validation.
- Vérifier la disponibilité et la qualité des données.
- Lister les exceptions et les conséquences d’une erreur.
- Comparer les fonctions déjà présentes dans les outils existants avec les compléments nécessaires.
Exemple illustratif : retrouver les informations d’un OF
Un opérateur cherche le bon plan et le résultat du dernier contrôle. Si les documents portent une référence fiable et si les droits d’accès sont clairs, un écran qui regroupe les informations de l’OF peut répondre au besoin. Un assistant conversationnel n’est pas indispensable pour donner accès à un dossier correctement organisé.
Mesurer le résultat utile pour l’entreprise
Choisissez des mesures liées au problème : temps de recherche, nombre de recopies, dossiers incomplets, corrections nécessaires ou délai de traitement. Comparez le fonctionnement actuel et le fonctionnement testé, en comptant aussi le temps de vérification et de maintenance. Le nombre de réponses produites par un outil ne suffit pas à démontrer sa valeur.
Questions fréquentes
Toute erreur ou perte de temps justifie-t-elle de l’IA ?
Non. Le problème peut venir des données, d’une double saisie, d’un document mal organisé ou d’une règle non définie. Une solution métier classique peut être plus adaptée.
Comment comparer les solutions ?
Définissez la tâche, les données, les erreurs acceptables et les mesures utiles. Comparez ensuite les résultats obtenus, le coût total et les contraintes d’exploitation.
Peut-on parler à C-Koya Tech d’un projet comportant de l’IA ?
Oui. Nous partons du besoin industriel pour déterminer si l’IA est pertinente et comment elle peut s’intégrer au logiciel métier, aux données et aux processus existants. Selon le sujet, nous développons la partie logicielle et associons les solutions ou expertises spécialisées nécessaires.