ENTREPRENEURIA |  ANALYSE

Robotique, jumeaux numériques, analyse prédictive et transmission des savoir-faire : ce que les premières interviews EntrepreneurIA nous apprennent sur la création de valeur dans l’industrie.

Depuis l’arrivée de ChatGPT, les assistants conversationnels et les outils de génération de contenus occupent une grande partie du débat sur l’intelligence artificielle. Dans les entreprises, cette attention est compréhensible : ces applications sont accessibles et leurs effets sont immédiatement visibles. Mais elles ne résument pas les transformations en cours, notamment dans l’industrie.

Dans une usine, un équipement technique ou une infrastructure, l’IA peut analyser des images, interpréter les données de capteurs, prévoir une défaillance ou ajuster une opération. Elle intervient alors dans des environnements où une erreur peut compromettre la qualité, perturber la production ou affecter la sécurité. L’enjeu n’est pas de produire une réponse convaincante, mais de contribuer à une décision ou à une action fiable.

Mes entretiens pour EntrepreneurIA m’ont conduite à explorer ces usages dans des secteurs très différents. Inbolt, Akila, XXII, Bioceanor et Les Ateliers de France apportent cinq éclairages complémentaires. Les projets n’ont ni la même maturité ni les mêmes objectifs. Ils permettent pourtant de poser une question commune : à quelles conditions l’intelligence artificielle devient-elle utile au travail industriel ?

Inbolt : adapter le robot à la réalité de la production

Dans mon entretien avec Rudy Cohen, cofondateur d’Inbolt, nous avons abordé une limite bien connue de l’automatisation industrielle : la difficulté de faire évoluer des robots programmés pour répéter des trajectoires précises. Lorsque la position des pièces varie, une nouvelle configuration peut être nécessaire. Cette rigidité complique l’automatisation des opérations où les conditions changent.

Inbolt développe une solution qui associe vision 3D et algorithmes pour guider les robots à partir de ce qu’ils observent. Les images sont interprétées afin d’adapter les mouvements à la position réelle des pièces. L’objectif est de rendre certaines opérations plus flexibles tout en respectant les contraintes de cadence et de précision. En 2026, l’entreprise a annoncé une nouvelle levée de fonds, confirmant la poursuite de son développement.

Le passage à l’échelle reste un sujet distinct de la démonstration technique. Une ligne de production ne peut pas interrompre ses opérations à chaque changement de modèle ou de paramètre. Les équipes doivent pouvoir diagnostiquer un défaut, reprendre la main et comprendre pourquoi un système propose une correction. Pour un dirigeant, la question porte autant sur l’organisation du déploiement que sur la performance de la technologie.

Ce cas rappelle que l’IA ne fait pas disparaître les exigences de l’environnement industriel. Temps de réponse, fiabilité des mesures, sécurité des mouvements et intégration aux équipements existants restent déterminants. Un robot qui sait reconnaître une situation ne constitue un progrès que si cette capacité se traduit par une amélioration mesurable de l’exploitation.

Akila et XXII : des données pour mieux exploiter une infrastructure

La gare de Monaco–Monte-Carlo constitue un autre terrain d’observation. Lors de mon entretien avec Fabrice Morenon, dirigeant de SNCF Hubs & Connexions, nous avons examiné les usages de la vision par ordinateur dans l’analyse des flux de voyageurs. Les solutions de XXII permettent d’exploiter des informations issues des images pour mieux comprendre la fréquentation et organiser certains aspects de l’exploitation.

Le projet de jumeau numérique mené avec Akila s’inscrit dans une logique complémentaire. Il rassemble une représentation de l’infrastructure et des données liées aux équipements, à la maintenance ou à l’énergie. Sa valeur ne réside pas dans la seule visualisation tridimensionnelle : elle tient à la possibilité de rapprocher des informations jusque-là séparées et d’aider les équipes à interpréter ce qui se passe sur le terrain.

Dans un retour d’expérience publié en octobre 2026, SNCF Hub & Connexionx rapporte des bénéfices opérationnels et des économies d’énergie annoncées de 6 à 7 %. Ces résultats sont ceux présentés par les partenaires et non une mesure indépendante. Ils montrent néanmoins le type de bénéfice qu’un exploitant cherche à établir : mieux connaître un bâtiment, ajuster les réglages et améliorer les décisions. Là encore, des capteurs et des modèles ne suffisent pas. Il faut des données fiables et des équipes en mesure de les utiliser.

Bioceanor : prévoir l’évolution de l’eau en aquaculture

Avec Samuel Dupont, cofondateur de Bioceanor, nous avons abordé l’intelligence artificielle dans un environnement où les variations physiques et biologiques peuvent avoir des conséquences immédiates. L’entreprise associe des capteurs et des modèles prédictifs pour suivre la qualité de l’eau dans les élevages aquacoles. Les paramètres surveillés comprennent notamment l’oxygène dissous, la température, le pH ou la turbidité.

L’intérêt ne consiste pas seulement à afficher une mesure. Il s’agit d’anticiper son évolution assez tôt pour permettre à l’éleveur d’agir. Samuel Dupont m’a décrit un épisode au Chili au cours duquel une baisse de l’oxygène aurait été anticipée quarante-huit heures à l’avance. Cet exemple est issu de son témoignage et ne doit pas être présenté comme un résultat audité indépendamment.

Depuis cet entretien, Bioceanor poursuit ses activités et présente notamment des offres de mesure, de prévision et d’analyse de données. Le cas est intéressant pour une raison simple : le choix de l’IA découle d’un problème opérationnel. La qualité des capteurs, les connaissances biologiques et la capacité de réaction de l’exploitant comptent autant que les performances du modèle.

Les Ateliers de France : l’industrie repose aussi sur les savoir-faire

L’entretien avec Sébastien Cossin, dirigeant au sein du Groupe Ateliers de France, conduit sur un terrain très différent : la restauration du patrimoine et les métiers d’art. Ces chantiers font intervenir de nombreuses spécialités, avec des contraintes de coordination et de traçabilité importantes. L’IA peut contribuer à analyser les comptes rendus, rapprocher les informations et repérer certains écarts dans le suivi des interventions.

Mais notre échange a surtout soulevé la question de la transmission. Certains gestes se maîtrisent après des années de pratique. Leur apprentissage passe par l’observation, les matériaux et l’expérience, autant d’éléments difficiles à restituer dans une procédure. Les Ateliers de France documentent des techniques à l’aide de vidéos, de photographies et de supports écrits. Des usages de l’IA pour faciliter l’accès à cette mémoire professionnelle sont envisagés ; il s’agit d’une perspective de développement et non d’un dispositif déjà généralisé.

Cette réflexion concerne aussi les entreprises industrielles confrontées au départ de salariés expérimentés et à la rareté de certaines qualifications. L’IA ne remplace pas le savoir-faire d’un professionnel. Elle peut, sous certaines conditions, aider à organiser les connaissances et à accompagner leur transmission. C’est une question de compétences autant que de technologie.

De la capacité technique à la valeur industrielle

Ces exemples ne démontrent pas que toutes les entreprises industrielles tirent déjà des gains importants de l’IA. Ils montrent plutôt la diversité des problèmes auxquels elle peut être appliquée : flexibilité d’un robot, exploitation d’une gare, surveillance d’un élevage ou coordination d’un chantier. Leur comparaison fait apparaître plusieurs conditions communes.

La première est la définition du besoin. Une technologie n’a de valeur que si l’entreprise sait préciser ce qu’elle cherche à améliorer. La deuxième tient aux données : dans l’industrie, celles-ci proviennent souvent d’équipements anciens, de capteurs, de logiciels métiers et de documents hétérogènes. Leur qualité et leur contexte d’utilisation influencent directement les résultats.

La troisième condition est organisationnelle. Entre un pilote convaincant et un déploiement durable, il faut traiter la maintenance des modèles, la cybersécurité, la sécurité des opérations, les responsabilités et l’appropriation par les équipes. Les coûts d’intégration peuvent peser davantage que ceux de l’algorithme. Il faut également mesurer les bénéfices sans les attribuer automatiquement à l’IA lorsque plusieurs changements ont eu lieu simultanément.

Le bilan économique mérite d’être abordé sans raccourci. Une réduction de consommation énergétique peut être liée à une évolution des réglages, à une maintenance améliorée ou à un changement des volumes d’activité. La mesure doit donc définir un point de comparaison et expliquer ce qui a été pris en compte. Les fournisseurs ont intérêt à documenter leurs performances ; les entreprises clientes doivent pouvoir en discuter les hypothèses et les limites.

Pour les PME et ETI françaises, cette lecture est particulièrement utile. Elle invite à partir d’un problème industriel circonscrit, à définir des indicateurs, puis à tester les solutions dans des conditions représentatives. Les grands groupes, les startups et les fournisseurs peuvent contribuer à ces projets, mais les contraintes du client industriel doivent rester au centre.

Une idée traverse mes entretiens : l’intelligence artificielle crée une capacité. Les organisations créent la valeur. Dans l’industrie, cette distinction est essentielle. Une prédiction n’a d’intérêt que si elle permet une action ; un robot plus adaptable doit améliorer une opération ; un système de données doit faciliter une décision. Les projets abandonnés, réorientés ou restés au stade pilote méritent d’ailleurs d’être examinés avec autant de sérieux que les réussites.

EntrepreneurIA  – Industrial AI: poursuivre l’enquête auprès des industriels

Ces premiers entretiens m’ont donné envie d’approfondir la manière dont l’intelligence artificielle transforme les activités industrielles. Après la publication de L’EntrepreneurIA : Conseils d’entrepreneurs,  je lance une nouvelle série d’interviews, EntrepreneurIA Industrial AI, avec une priorité donnée aux entreprises françaises.

Je souhaite rencontrer des dirigeants industriels qui utilisent l’IA dans leurs opérations, mais aussi des entrepreneurs qui développent les technologies mises en œuvre. Lorsque cela sera possible, leurs témoignages permettront de confronter la vision du fournisseur aux résultats observés chez son client. L’enquête s’intéressera aux gains, aux difficultés, aux compétences et aux choix d’organisation, sans présumer de ses conclusions.

Les dirigeants qui souhaitent partager leur expérience, ainsi que les personnes pouvant recommander une startup, une PME ou un partenaire industriel, peuvent me contacter. L’objectif est de rendre visibles des initiatives concrètes et de transmettre des enseignements utiles à d’autres entrepreneurs. L’IA industrielle ne se limite pas aux chatbots : elle mérite d’être étudiée là où elle agit sur la production, les équipements et le travail humain.

Pascale Caron | AI Strategy Advisor | International Keynote Speaker | Co-author of EntrepreneurIA