Pella et Hexion testent l’IA sans garantie de ROI

Adoption industrielle La majorité des fabricants américains ont expérimenté l’intelligence artificielle ou l’automatisation. Pourtant, beaucoup n’obtiennent pas encore un retour sur investissement mesurable. Jared Pfeiffer, ancien responsable d’usine et conseiller principal chez Augury, décrit une évolution vers l’accès partagé à l’expertise. Les outils peuvent rapprocher les données des capteurs, les conditions d’exploitation, l’historique de maintenance, les procédures et les manuels. Cette combinaison doit aider les salariés moins expérimentés à comprendre une situation et à choisir une intervention. Pfeiffer associe cette approche à des arrêts plus courts, un dépannage plus rapide et une meilleure continuité entre les équipes. Lire l’article original

Pella organise les équipes Pella Corp. fabrique ses produits sur 20 sites et mène plusieurs chantiers simultanément. Dustin Katje, responsable d’usine, explique que des équipes transversales permanentes développent de nouvelles applications, analysent les données et déploient les solutions validées. L’objectif consiste à transférer une solution dans le réseau industriel sans la reconstruire à chaque fois. Les équipes commencent par des difficultés immédiates. Elles examinent les pertes de temps, les sources de complexité et les informations nécessaires pour mieux servir les clients. Katje présente l’IA comme un soutien aux salariés. Selon lui, elle réduit les tâches répétitives et libère du temps pour résoudre des problèmes et conduire des améliorations.

Pella relie l’IA aux problèmes opérationnels

Des indicateurs pour arbitrer Jared Pfeiffer recommande de relier les projets d’IA aux mesures déjà suivies dans les usines. Il cite les arrêts, le débit, le rendement, les rebuts, les coûts de maintenance, l’utilisation du travail, la qualité et la consommation énergétique. Les cas les plus solides ciblent des problèmes opérationnels précis. Pfeiffer propose aussi d’identifier les pertes de production les plus importantes et les difficultés qui mobilisent régulièrement les meilleurs spécialistes. Les entreprises peuvent ensuite examiner le temps passé à chercher une information. Elles peuvent également mesurer le coût des défaillances et des écarts de processus. Cette méthode vise à tester une amélioration d’un résultat défini, plutôt qu’à déployer l’IA sans problème prioritaire.

Sécurité et conformité Audra Kirkland, vice-présidente de la fabrication et des technologies de l’information chez Hexion, alerte sur les exigences propres à l’industrie. Cette entreprise chimique de l’Ohio considère que des processus d’IA ou d’automatisation mal conçus peuvent créer des risques de sécurité. Ciarán O’Mara, cofondateur et responsable produit et technologie de Protex AI, décrit aussi une pression nouvelle sur les responsables d’usine. Certains doivent désormais parler de modèles de langage et de déploiement d’agents après vingt ou trente ans de gestion des lignes. O’Mara recommande de moderniser les systèmes existants plutôt que de tout reconstruire. Il souligne que les outils doivent fonctionner avec les installations déjà en place.

Les projets pilotes cherchent encore leur rendement

Données et responsabilités Selon O’Mara, la plupart des industriels restent au stade des projets pilotes. Il cite un rapport du MIT publié en 2025, selon lequel 95 % des programmes pilotes d’IA pour entreprises n’ont produit aucun impact mesurable. Il affirme aussi que près de 90 % des projets d’IA ne dépassent pas leur première année. D’après lui, l’échec vient souvent de l’intégration dans le fonctionnement réel de l’usine, plutôt que de la technologie elle-même. Les entreprises réorientent donc une partie de leurs budgets vers les compétences humaines. Ces dépenses couvrent le nettoyage et la documentation des données cloisonnées, la définition des responsabilités, les règles d’utilisation et le suivi des résultats produits. Consulter le rapport du MIT