Une entreprise manufacturière se compose de couches qui suivent rarement la même horloge. Sur le terrain, tout tourne autour de la planification, du contrôle qualité, de la maintenance et de la logistique au sein du site. Au-dessus se trouve l'ingénierie : conception, spécifications, rapports d'essais. Encore au-dessus se trouvent les achats, le traitement des commandes et la gestion administrative des fournisseurs et des clients. Chaque couche a son propre rapport entre travail routinier et travail exigeant du jugement, et ce rapport déterminant à quel point une couche est sensible au déplacement dès que l'IA peut reprendre une partie du travail.
Ce qui distingue ce secteur, c'est qu'une grande partie de ce travail est liée à des machines physiques, des exigences de certification et des règles de sécurité. Cela ne ralentit pas la reprise des tâches administratives ou analytiques, mais cela délimite où l'automatisation s'arrête et où le contrôle humain reste obligatoire. Un modèle de planification peut optimiser un planning ; que ce planning soit effectivement exécuté dépend de la disponibilité des machines, de l'approvisionnement en matériaux et des personnes sur le terrain qui prennent la décision finale.
Dans certaines parties de la chaîne administrative et analytique, le déplacement est déjà visible. Le traitement des commandes, l'analyse des stocks, les rapports sur les données de qualité et la rédaction de premières versions de documentation technique : ce sont des tâches où une part croissante est entièrement réalisée par l'IA ou où un collaborateur se contente principalement d'approuver ou de rejeter, avec justification. Ce n'est pas une image d'avenir. Dans les entreprises qui ont leurs données en ordre et leurs processus documentés, cela fonctionne déjà ainsi aujourd'hui.
Dans les entreprises où les données sont dispersées sur des systèmes distincts, où la documentation des processus est obsolète ou où le contrôle qualité repose largement sur l'expérience de collaborateurs individuels, ce même déplacement se produit plus lentement ou n'a pas lieu. Non pas parce que la technologie y est moins capable, mais parce que les conditions préalables à son application font défaut. Cette différence entre entreprises est la première chose qu'une direction devrait pouvoir situer avant de tirer des conclusions sur ce que l'IA fait ou ne fait pas dans son secteur.
Une stratégie repose sur des hypothèses concernant l'endroit où se trouve la capacité, où les coûts pèsent lourd et où les concurrents sont plus rapides ou plus lents. Si une hypothèse affirme que le contrôle qualité coûte un nombre fixe d'équivalents temps plein, et qu'une partie de ce contrôle est désormais soutenue ou reprise par un système qui détecte les anomalies, alors cette hypothèse n'est plus vraie sans que personne ne l'ait constaté. La stratégie sur papier est encore correcte. La réalité sous-jacente s'est déplacée.
C'est précisément pourquoi ce déplacement se remarque rarement au sommet. Une direction pilote sur la base des marges, des délais d'exécution et de la position sur le marché. La question de savoir quelles tâches sont désormais partiellement ou entièrement réalisées par l'IA se situe un niveau plus bas, dans les heures de l'ingénierie, de la planification et de l'administration. Ce n'est que lorsque le déplacement cumulé dans ces couches devient suffisamment important qu'il refait surface dans les chiffres sur lesquels la direction pilote, et généralement alors comme une surprise.
Cette dynamique n'est pas propre à l'industrie manufacturière. Dans le secteur du transport, la pression se déplace de manière comparable via la planification et la détermination des itinéraires, comme on peut le voir dans comment l'IA modifie la pression stratégique dans le transport et la logistique. Dans les services aux entreprises, le point de gravité se situe justement au niveau de l'analyse et des rapports, décrit dans le déplacement de la pression stratégique dans les services aux entreprises. Ce que ces secteurs ont en commun avec l'industrie manufacturière, ce n'est pas la tâche elle-même, mais le schéma : des tâches qui, sur papier, appartiennent aux personnes, se déplacent déjà en partie vers des systèmes dans la pratique, à un rythme variable selon l'entreprise.
La question de savoir quel travail, dans une entreprise spécifique, peut réellement être repris par l'IA n'est pas une question à laquelle on peut répondre au niveau sectoriel. Elle exige un regard sur sa propre répartition des équivalents temps plein, sa propre qualité de données et ses propres processus. Qui, au sein de la direction, devrait mettre cette question à l'ordre du jour et avec qui, dépend de la manière dont l'organisation est structurée ; un aperçu de qui doit participer à une revue stratégique en donne un point de départ. Pour les entreprises qui ne veulent pas attendre le rapport annuel pour voir si leur stratégie correspond encore à la réalité, il existe aussi une méthode pour le vérifier en cours d'année, comme décrit dans comment mesurer si une stratégie fonctionne encore sans attendre le cycle annuel.
Ceci ne concerne délibérément pas la question de ce qu'une entreprise fait de la capacité libérée. Le fait que les heures libérées mènent à une réaffectation, à un élargissement des tâches ou à autre chose est une décision de l'employeur, avec ses propres exigences légales lorsque cela concerne des conséquences pour le personnel. Ce qui est en jeu ici est la question qui précède : quel travail est déjà aujourd'hui partiellement ou entièrement réalisé par l'IA, et quelle hypothèse de la stratégie a ainsi cessé d'être valable sans que personne ne l'ait remarqué.
Le scan de travail de FTE TO AI répond à la question de savoir quel travail, au sein d'une entreprise, tâche par tâche, peut être repris par l'IA, partiellement avec contrôle humain ou non. Pour une direction qui souhaite d'abord savoir si ses hypothèses stratégiques sont encore correctes, il existe la vérification d'hypothèses gratuite : un court parcours dans lequel vous identifiez vos principales hypothèses et voyez, pour chacune, quand elle a été confirmée pour la dernière fois. L'épreuve de pression complète, avec des données sectorielles, un auto-positionnement de l'équipe de direction et une liste d'hypothèses continue, est en cours de construction.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.