L’IA ne crée pas un problème de données. Elle en révèle un.

L’intelligence artificielle est rapidement devenue l’un des sujets stratégiques les plus discutés dans tous les secteurs. Dans les industries de la chaussure et de la maroquinerie, nos clients nous interrogent fréquemment sur la manière dont l’IA peut accélérer le développement produit, optimiser la consommation de matières, automatiser la documentation, améliorer les prévisions et accompagner la prise de décision tout au long du cycle de vie produit.

Les opportunités sont réelles et considérables. Mais de nombreuses entreprises découvrent que le principal obstacle à l’adoption de l’IA n’est pas la technologie elle-même.

C’est la qualité de leurs données.

La vraie question à se poser

La plupart des discussions autour de l’IA portent sur ses capacités :

• Peut-elle générer de nouveaux concepts produits ?

• Peut-elle aider à élaborer des nomenclatures ?

• Peut-elle optimiser le placement et réduire les pertes de matière ?

• Peut-elle anticiper les goulots d’étranglement en production ?
  

Ces questions sont légitimes. Mais avant de se demander ce que l’IA peut faire, il est essentiel d’en poser une autre, beaucoup plus fondamentale :

---

Pouvons-nous faire confiance aux données qui l’alimentent ?

L’IA apprend à partir de l’information existante. Si cette information est incomplète, incohérente, dupliquée ou obsolète, les résultats en seront le reflet. La qualité de ce que produit l’IA est directement liée à la qualité de ce qu’on lui fournit.

La réalité des données produit dans la chaussure et la maroquinerie

Quiconque travaille dans le développement de la chaussure ou de la maroquinerie sait combien il peut être difficile de maintenir des données produit cohérentes et fiables.

L’information est généralement dispersée entre des systèmes CAO, des plateformes ERP et PLM, des bases de données fournisseurs, des tableurs, des e-mails et des fichiers individuels.

Prenons l’exemple d’une matière. Son prix, son rendu visuel, les informations relatives au fournisseur et son statut actuel peuvent être stockés dans différents systèmes, gérés par différents services et mis à jour à des moments différents, lorsqu’ils le sont.

Les conséquences sont bien connues :

• Un même cuir existe sous plusieurs références selon les systèmes.

• Une même matière est décrite différemment par les équipes design, développement et achats.

• Une spécification technique est mise à jour dans une application mais reste inchangée ailleurs.
  

Pris séparément, ces écarts peuvent sembler anodins. Ensemble, elles créent un état d’incertitude dans ses données sources, une incertitude face à laquelle l’IA n’est pas bien armée pour lutter.

L’IA ne corrigera pas les mauvaises données. Elle les amplifiera.

Une idée reçue courante veut que l’IA puisse compenser des informations fragmentées ou peu fiables. En réalité, l’IA ne corrige pas les mauvaises données, elle en démultiplie les effets.

Un outil capable de générer automatiquement une nomenclature ne sera fiable que si sa base de données produit l’est également. Un agent IA chargé d’estimer des coûts fournira des résultats discutables si un même cuir apparaît sous trois références différentes avec trois historiques d’achat distincts. De même, un système de recommandation de matières sera moins performant si chaque département utilise une terminologie différente pour désigner la même chose.

Dans ces cas, le problème n’est pas l’IA mais plutôt les données sur lesquelles elle repose.

---

Garbage in, garbage out, mais plus vite.

Les données, c’est aussi du savoir-faire

Dans la chaussure et la maroquinerie, les données produit vont bien au-delà des matériaux, des composants et des spécifications. Elles englobent aussi quelque chose de plus difficile à capturer : l’expertise technique.

Les modélistes, développeurs produits, responsables techniques et spécialistes de la production accumulent au fil des années un savoir-faire considérable. Ils savent quelles constructions sont les plus fiables, comment réagissent les matières sous contraintes ou quels enjeux de fabrication doivent être pris en compte, alors même qu’elles ne figurent dans aucun document formel.

Trop souvent, cette expertise vit dans des e-mails, des notes personnelles, des fichiers Excel ou simplement dans la tête des collaborateurs.

Lorsqu’un collaborateur expérimenté quitte l’entreprise, une partie de ce savoir risque de disparaître avec lui.

L’IA peut aider à préserver, partager et valoriser cette expertise. Mais encore faut-il qu’elle soit capturée, structurée et accessible.

Être prêt pour l’IA : par où commencer ?

Pour les entreprises de la chaussure et de la maroquinerie, être prêt pour l’IA commence bien avant le déploiement d’une solution IA.

Elle repose avant tout sur des fondations numériques solides :

• Des bibliothèques de matières et de composants standardisées et bien structurées

• Des références et variantes uniques et maîtrisées

• Une terminologie commune, partagée entre tous les services 

• Une information produit structurée à chaque étape 

• Des nomenclatures fiables et à jour

• Des processus connectés, du design à la production 

• Un savoir-faire technique documenté et facilement accessible
  

En résumé : une source unique et fiable de vérité sur l’ensemble du cycle de vie du produit.

Un véritable avantage concurrentiel

Les entreprises qui qui bénéficieront le plus de l’IA ne seront peut-être pas celles qui dépensent le plus en plateformes IA.

Ce seront probablement celles qui auront le plus investi dans la qualité, la cohérence et l’accessibilité de leurs données.

Les données de qualité et l’IA performante ne s’opposent pas : elles se complètent. Mais les données doivent toujours venir en premier.

---

L’IA ne vaut que par les données auxquelles elle peut se fier.

Avant que l’intelligence artificielle puisse transformer les modes de fonctionnement des entreprises de la chaussure et de la maroquinerie, celles-ci doivent lui fournir des informations fiables, cohérentes et structurées.

Dans un secteur où cela a longtemps représenté un défi, la maîtrise des données est en train de devenir l’un des atouts stratégiques les plus précieux pour les années à venir.

— Romans CAD