Arkema, Lesaffre et Technip Energies misent sur la donnée pour dompter l'IA industrielle 

C'est à trois industriels aux métiers très éloignés, un chimiste de spécialité, un spécialiste mondial de la levure et un ingénieriste de l'énergie, qu'AVEVA a confié le soin de clore sa journée Aveva France 2026, le 1er octobre, par une table ronde consacrée à leur rapport à l'intelligence artificielle (IA). Laure-Hélène Duchêne, directrice des solutions techniques et d'innovation IT d'Arkema, François Pineau, leader du programme 4.0 du groupe Lesaffre, et Frédéric Gobin, à la tête du département Project Information and Tools de Technip Energies, y ont confronté leurs expériences. Tous trois ont défendu la même conviction, à savoir que l'IA ne tiendra ses promesses dans l'industrie que si elle repose sur une donnée structurée, fiable et comprise, et si les équipes sont accompagnées pour l'adopter dans un cadre maîtrisé. 

Chez Arkema, comme chez Lesaffre, la donnée industrielle a longtemps vécu site par site, contextualisée pour les seuls besoins locaux et difficile à faire circuler à l'échelle du groupe. Le chimiste, qui exploite 155 sites, a engagé un important mouvement vers le cloud pour la consolider et l'homogénéiser, tandis que Lesaffre a entrepris de déployer AVEVA PI System sur une trentaine d'usines en apprenant à parler la langue technique de chacune. “Expliquer à une usine ou à une région qui fait un certain type de calcul d'une certaine manière depuis longtemps, c'est plus que de l'organisation, c'est de l'humain”, a souligné François Pineau, pour qui l'enjeu dépasse la seule collecte, car “ce n'est pas juste la data en soi, c'est la data, et qu'elle soit comprise.” 

Une donnée longtemps restée prisonnière des usines 

Chez Technip Energies, qui conçoit pour BP, Shell ou TotalEnergies, des usines de gaz naturel liquéfié dépassant souvent le milliard de dollars, la guerre au Moyen-Orient a rebattu les cartes et obligé une trentaine de centres opérationnels, chacun doté de ses propres méthodes et de ses propres logiciels, à travailler de concert, alors même que la donnée est devenue un livrable à part entière que les clients analysent scrupuleusement. “On est payés aux plans et aux documents et au démarrage de l'usine, mais on est aussi payés à la livraison de la donnée”, a rappelé Frédéric Gobin, qui a chiffré à plusieurs millions de dollars, parfois “5 millions au moins”, le coût de bases de données non livrées dans des usines pourtant parfaitement fonctionnelles. 

Aucun des trois groupes n'a attendu l'IA générative pour mettre les algorithmes au service de la production, qu'il s'agisse de l'application de Lesaffre, qui analyse des milliers de fermentations pour améliorer les prochains lots, ou de la solution de prédiction de formulation d'Arkema, qui réduit le nombre d'expérimentations en R&D. Les grands modèles de langage ont en revanche fait leur entrée sous haute surveillance, à l'image de Technip Energies où l'IA s'est, pour l'heure, limitée à Copilot dans un environnement “extrêmement bordé”, alors que certains services permettent déjà de développer une application fonctionnelle en quatre heures. De quoi bousculer tous les cycles de développement de l'entreprise. 

Arkema a, de son côté, fait le choix clair de cantonner l'IA à la détection de signaux faibles et aux scénarios de type what if, sans jamais lui confier les commandes. “Pour l'instant, on garde l'IA en termes de recommandations et pas en termes d'automatisation. Et la décision finale reste au niveau de l'humain”, a expliqué Laure-Hélène Duchêne. François Pineau a vu dans cette prudence une exigence durable car, selon lui, “l'IA ne va plus être discriminante d'ici quelques années. La question va plutôt être de savoir si on est sûr que ce que ça nous sort, c'est bon”, ce qui suppose “une donnée super clean et super fiable.” 

L'humain, le coût et la réglementation freinent la diffusion 

Les obstacles évoqués se sont révélés rarement technologiques, et Frédéric Gobin a reconnu évoluer dans une industrie pétrolière et gazière notoirement conservatrice, où un chef de projet pilotant un chantier à 10 milliards de dollars peut opposer un “tu ne viens pas sur mon projet, je ne veux pas te voir” à l'outil le plus éprouvé. Ses équipes ont donc appris à trouver des alliés pour mener des tests en douceur et démontrer la valeur d'une solution avant de la généraliser, tout en levant la crainte de voir certains métiers évoluer. “Il ne faut pas bloquer les gens, il faut les accompagner, le métier évolue”, a-t-il insisté, en plaidant pour des plans de formation et un dialogue constant avec les décideurs.

La question s'est posée avec plus d'acuité encore pour les jeunes ingénieurs, qui arrivent convaincus qu'un agent fera le travail mieux qu'eux alors que seuls des experts aguerris savent aujourd'hui repérer une mauvaise réponse de l'IA, et Frédéric Gobin a avoué ne pas savoir “comment ils vont faire pour monter en compétences, prendre du recul et maîtriser l'IA”. François Pineau a ajouté deux freins plus prosaïques, le coût d'une technologie qui restera selon lui “une denrée chère” et l'AI Act européen, une nécessité dont les contraintes administratives peuvent ralentir certains développements. 

Les méthodes avant les outils 

En guise de conseils à leurs pairs, les trois intervenants ont dessiné une feuille de route commune, qui tient davantage de la discipline que de la course technologique. Frédéric Gobin a plaidé pour une expérimentation encadrée, qui consiste à “donner la possibilité aux gens de développer leurs idées, leur donner un cadre, les accompagner”, tandis que Laure-Hélène Duchêne a mis en garde contre le “syndrome de l'objet brillant” qui pousse à courir après chaque annonce, avant de lancer à la salle “investissez dans vos données, investissez dans vos équipes”. 

François Pineau a résumé l'esprit de la table ronde en appelant à investir “dans vos méthodos avant les outils, parce que l'outil, finalement, ce n'est pas le plus important”, et en rappelant qu'au milieu de bouleversements qui rendent toute projection hasardeuse, une certitude demeure. “Dans cinq ans, je ne sais pas ce que je ferai, parce que les métiers qu'on faisait il y a deux ans ont fondamentalement changé, mais c'est certain, on continuera à traiter de la donnée”, a-t-il conclu.