Entre la proposition et le geste, l'IA agentique entre à l'usine

Entre le 19 et le 22 octobre, Siemens, Rockwell Automation et Schneider Electric ont chacun présenté des agents d’IA conçus pour travailler au contact direct de la production. À Erlangen, en Bavière, Siemens confie à un agent la construction des scénarios de planning de son usine électronique, puis les fait tourner dans le jumeau numérique du site avant de toucher à quoi que ce soit ; Rockwell prépare une plateforme qui enchaîne programmation, émulation et supervision des automates à partir d’une demande écrite en langage courant ; Schneider Electric, avec NVIDIA et HPE, installe dans les usines de procédé des agents qui surveillent les équipements, cherchent l’origine d’une anomalie et peuvent, si l’exploitant les y autorise, lancer eux-mêmes la correction.

Les trois annonces en sont à des stades différents : Siemens montre des applications qui tournent déjà sur son propre site, Rockwell vise une commercialisation au premier trimestre 2027 et Schneider Electric décrit une architecture dont les agents restent à déployer. Mises côte à côte, elles montrent pourtant que l’IA est en train de passer des outils de bureau aux logiciels et aux équipements qui pilotent réellement la production.

Le calendrier a de quoi surprendre, car beaucoup d’entreprises en sont encore à rédiger leur charte d’usage de l’IA générative, à lister les données que leurs salariés ont le droit d’y coller ou à la tester sur des comptes rendus de réunion, alors que leurs fournisseurs d’automatismes l’intègrent déjà dans les logiciels d’ingénierie et de conduite. Le niveau de risque change du même coup : un courriel mal tourné se reprend en deux minutes, alors qu’un programme d’automate mal conçu ou une consigne mal réglée peut arrêter une ligne, abîmer un équipement ou mettre quelqu’un en danger.

Au bout de la chaîne, il y a toujours quelqu’un qui doit dire oui ou non : planificateur, automaticien, chef de quart, responsable d’exploitation. Ces professionnels voient rarement les démonstrations de salon, mais ils connaissent leurs installations dans le détail, y compris les défauts qui ne figurent nulle part et dont il faut tenir compte au démarrage d’une série ou quand une alarme sonne à trois heures du matin. C’est en se mettant à leur place que les trois annonces deviennent vraiment intéressantes, parce qu’elles touchent toutes, d’une manière ou d’une autre, à la part de jugement humain qui reste dans la décision.

Erlangen, ou la simulation comme passage obligé

Le 19 octobre, Siemens a ouvert les portes de son usine électronique d’Erlangen pour présenter deux applications développées avec NVIDIA en moins de dix mois. Le site, créé en 1971, emploie environ mille personnes et sert depuis plus de dix ans de terrain d’essai aux technologies numériques du groupe : une centaine d’algorithmes d’IA y tournent déjà, de la production à la logistique en passant par le contrôle qualité et la maintenance, et Siemens prévoit d’y investir 500 millions d’euros d’ici 2030.

La première application règle un problème que tous les fabricants électroniques connaissent. Quand une nouvelle carte arrive, il faut préparer les machines qui vérifieront sa conformité, et pour entraîner les systèmes de vision et régler l’inspection, il fallait jusqu’ici attendre les premiers prototypes, ce qui prenait plusieurs semaines. Siemens génère désormais des images photoréalistes à partir du jumeau numérique de la carte, si bien que l’inspection est prête avant que le premier prototype sorte de la ligne ; le groupe annonce jusqu’à 85 % d’effort d’ingénierie en moins sur cette préparation et jusqu’à 40 % de délai gagné sur la mise sur le marché. Ces chiffres valent pour Erlangen, une usine où Siemens maîtrise à la fois les logiciels et les machines, et il serait imprudent de les transposer tels quels à un atelier plus ancien, équipé de machines de plusieurs générations et de plusieurs marques.

La seconde application, consacrée à la planification, en dit davantage sur ce qui va changer dans le travail de tous les jours. Un planificateur passe ses journées à recoller des informations qui bougent sans arrêt : une commande arrive, une matière première prend du retard, une machine tombe en panne, un client avance sa date de livraison, et les équipes ne sont jamais parfaitement interchangeables. Le logiciel de gestion lui fournit les chiffres, mais c’est son expérience qui lui permet de bâtir un planning tenable et de le refaire quand plus rien ne tient.

À Erlangen, chaque nouvelle commande déclenche désormais un agent qui construit plusieurs scénarios et chiffre leur effet sur les indicateurs de production, puis les propositions passent dans le jumeau numérique de l’usine, qui simule leurs conséquences avant que quoi que ce soit change dans l’atelier. Siemens estime que cette planification par agents peut dégager jusqu’à 20 % d’économies.

Pour le planificateur, la journée change d’allure : au lieu de passer deux heures à refaire un planning parce que le carnet de commandes a bougé, il compare des options déjà construites, regarde ce que chacune implique et choisit. Il garde pour lui ce que le modèle connaît mal, la machine qui s’arrête de plus en plus souvent depuis un mois, le régleur qui part en congé la semaine suivante, l’intervention de maintenance dont personne ne sait vraiment combien de temps elle durera. Le jumeau numérique ne vaut d’ailleurs que par les données qui l’alimentent et les hypothèses qu’il contient, et le planificateur doit pouvoir comprendre pourquoi l’agent recommande telle option pour repérer le moment où la recommandation devient fragile ; la qualité de la simulation, et la capacité des équipes à en voir les limites, comptent alors autant que l’intelligence de l’agent qui a proposé le scénario.

Rockwell, ou l’automaticien face à une nouvelle façon de travailler

Le 21 octobre, Rockwell Automation a présenté FactoryTalk Conductor, une plateforme qui coordonne plusieurs agents d’IA et les logiciels habituels d’un projet d’automatisme. L’ingénieur écrit sa demande en langage courant, et la plateforme fait appel aux outils nécessaires : Studio 5000 Logix Designer pour programmer l’automate, Logix Echo pour l’émuler, Emulate3D pour simuler la machine, FactoryTalk Optix pour les écrans de supervision. Rockwell la distingue des copilotes, qui aident sur une tâche à la fois, en mettant en avant sa capacité à enchaîner les étapes d’un projet, de la préparation du programme jusqu’aux essais et aux interfaces.

Ceux qui ont déjà vécu une mise en service savent ce que cela représente. Entre un programme qui marche sur le papier et une installation qui produit dans les conditions prévues, il y a des séquences à écrire, des échanges entre équipements à vérifier, des comportements imprévus à corriger, des écrans opérateur à préparer et des essais à refaire après chaque modification ; la moindre évolution oblige à reprendre plusieurs morceaux du projet, avec le risque permanent que le code de l’automate, la supervision et la documentation finissent par ne plus raconter la même chose. C’est précisément ce va-et-vient que Rockwell veut accélérer, en laissant un agent préparer une modification, la passer dans l’émulateur, puis mettre à jour les écrans qui vont avec.

Rockwell laisse aussi le choix du modèle d’IA, entre ses propres services hébergés, des modèles externes ou des modèles ouverts installés en local, ce qui compte pour les industriels qui veulent garder leurs données d’ingénierie chez eux. Le produit n’existe pour l’instant qu’en démonstration, présenté en avant-première à l’Automation Fair de Boston et attendu sur le marché au premier trimestre 2027 ; il faudra attendre les premiers chantiers pour savoir ce qu’il apporte vraiment, en particulier sur des projets où les équipements, les standards et les habitudes d’ingénierie changent d’un client à l’autre.

Pour les automaticiens, l’arrivée de ce type d’outil est plutôt une bonne nouvelle dans un métier où les profils expérimentés manquent partout : moins de temps passé à écrire et à tester du code, davantage pour l’architecture, l’analyse fonctionnelle et les problèmes vraiment difficiles. Elle soulève aussi une question que les démonstrations commerciales évitent en général, celle de la transmission.

Un automaticien chevronné sait souvent pourquoi une séquence est écrite comme elle l’est, parce qu’il se souvient de l’incident qui a obligé à la modifier, du comportement bizarre observé pendant une mise en service ou de la contrainte d’exploitation découverte trois ans après la livraison. Une partie de ce savoir figure dans les commentaires du programme ou dans un compte rendu, le reste vit dans la tête des équipes. Les jeunes apprennent le métier en passant par ces mêmes épreuves, les erreurs de programmation, les essais qui ratent, les discussions avec la maintenance, les soirées passées à comprendre pourquoi une vanne refuse de se fermer ; si les agents prennent en charge une bonne part de ce travail, les entreprises devront trouver une autre façon de former ceux qui vérifieront demain ce que les agents auront produit. Le risque grandit si les gains de productivité servent à réduire les équipes, puisque l’entreprise produirait alors plus de code, plus vite, en dépendant d’un nombre toujours plus restreint de personnes capables de le comprendre.

Schneider Electric, ou l’agent au plus près du procédé

À Berlin, pendant la conférence GTC de NVIDIA, Schneider Electric a présenté avec NVIDIA et HPE une architecture destinée à faire entrer des agents d’IA dans les industries de procédé ; le communiqué a été publié le 21 octobre et diffusé à l’international le lendemain. Le terrain diffère beaucoup de celui de Siemens ou de Rockwell : dans une usine chimique, une centrale ou une papeterie, le procédé tourne parfois des semaines sans s’arrêter, les automates et le contrôle-commande conduisent l’installation, et les opérateurs surveillent les paramètres, interprètent les alarmes et interviennent quand quelque chose dérive.

Les agents tournent sur place, sur l’infrastructure HPE Private Cloud AI conçue avec NVIDIA, avec les modèles ouverts Nemotron et le système de surveillance OT de Schneider, et se gèrent depuis EcoStruxure Industrial Insights. Le choix du local répond à des contraintes que tout industriel connaît : certaines données de production n’ont pas le droit de sortir du site, le contrôle-commande doit rester à l’abri des intrusions, et faire tourner un modèle en continu dans le cloud finit par coûter cher.

Le communiqué décrit trois familles d’agents. Ceux de surveillance croisent les mesures, les alarmes, les configurations, l’historique de maintenance et la topologie du procédé pour repérer une anomalie, en chercher la cause probable, proposer une correction ou l’engager, puis vérifier l’effet obtenu. Ceux de cybersécurité rapprochent le trafic réseau du comportement du contrôle-commande pour détecter une activité suspecte, puis recommandent ou exécutent une riposte. Ceux d’optimisation énergétique cherchent où réduire les consommations, recommandent ou appliquent des réglages et mesurent le résultat.

La formule « recommander ou exécuter » revient ainsi à chaque ligne, et il vaut la peine de s’y arrêter. Un système qui explique à un opérateur pourquoi il faudrait baisser une consigne laisse l’opérateur juger avec son expérience et ce qu’il voit de l’installation ; un système qui baisse lui-même la consigne oblige à traduire une partie de ce jugement en règles d’autorisation, en plages de fonctionnement et en contrôles capables de protéger l’installation contre une mauvaise décision. La différence se mesure surtout pendant une avalanche d’alarmes, quand l’équipe en salle de contrôle doit comprendre ce qui se passe, trier ce qui compte vraiment et éviter le geste précipité qui aggrave tout : un agent capable de remonter l’historique et de proposer un diagnostic cohérent peut alors rendre un service énorme, à condition de rester dans le cadre des protections et des procédures du site.

Schneider s’appuie sur une référence réelle, le papetier chilien CMPC, qui utilise depuis trois ans son système de surveillance OTMS. Cette expérience concerne le socle de surveillance ; la mise en exploitation des agents eux-mêmes reste à venir et devra être validée installation par installation. Matías Jory, responsable digital et procédés chez CMPC, résume l’attente du terrain : aider les spécialistes à passer plus vite du diagnostic à l’intervention, en gardant la main sur les décisions critiques. Reste à fixer, équipement par équipement, ce que l’agent aura le droit de faire seul.

Trois étages de l’usine, une même évolution

Les trois annonces portent sur des métiers différents et en sont à des stades très inégaux : Siemens travaille sur un site qu’il connaît par cœur et qui dispose d’un environnement numérique très avancé, Rockwell attend ses premiers clients pour prouver ce que vaut sa plateforme, Schneider Electric construit sur un outil de surveillance éprouvé une génération d’agents qui reste à déployer. Lues ensemble, elles disent pourtant quelque chose de la direction prise par les logiciels industriels.

Pendant des décennies, l’informatique a surtout servi à enregistrer, organiser et afficher des données, pendant que les automates exécutaient les séquences écrites par les ingénieurs ; sont venus ensuite les outils d’analyse et de simulation, pour prévoir les pannes, réduire les consommations ou préparer les opérations. Les agents relient désormais ces briques entre elles et enchaînent les tâches à partir d’un objectif : une commande débouche sur plusieurs plannings possibles, une demande d’ingénierie sur un programme écrit puis vérifié, une anomalie sur un diagnostic accompagné d’une proposition d’intervention. Ce qui demandait plusieurs logiciels et beaucoup d’allers-retours humains devient une seule chaîne.

Les choses se compliquent quand cette chaîne aboutit à une action sur un équipement réel. L’industrie sait depuis longtemps maîtriser les risques de ses automatismes, avec les analyses fonctionnelles, les systèmes instrumentés de sécurité, les procédures d’essai, les contrôles d’accès et les consignes de conduite, mais tout cela a été pensé pour des programmes qui exécutent une logique définie et testée à l’avance. Un modèle d’IA peut donner des réponses différentes selon les informations dont il dispose et la façon dont il lit la situation, et cette variabilité doit être prise en compte dès que ses propositions deviennent des commandes.

La simulation et l’émulation offrent un premier filet, à condition que les modèles soient fidèles, tenus à jour et capables de reproduire les situations qui posent vraiment problème. Il faut aussi limiter les droits des agents, contrôler les paramètres qu’ils proposent et garder des protections qui fonctionnent indépendamment d’eux : certaines actions pourront passer automatiquement à l’intérieur de limites précises, d’autres resteront à la décision d’un opérateur ou d’un responsable technique parce que leurs conséquences possibles l’exigent. Ces arbitrages relèvent autant de l’organisation que de l’informatique, puisqu’il faut décider qui autorise une action, comment elle est contrôlée, quelle trace en est conservée pour pouvoir l’expliquer et qui intervient quand l’agent fait quelque chose d’inattendu.

La place de celui qui signe

Ces annonces d’octobre donnent une idée assez concrète de ce qui attend les métiers industriels, puisqu’une part croissante de la préparation, de la programmation, de la recherche de causes et de l’analyse pourrait passer par des agents, avec des gains de temps importants pour les équipes qui sauront les intégrer à leurs méthodes. Le planificateur passera davantage de temps à comparer des solutions et à anticiper leurs effets, l’automaticien relira des programmes dont il n’aura pas écrit chaque ligne et devra en comprendre les hypothèses, l’opérateur disposera d’analyses plus poussées pour lire une situation compliquée tout en restant responsable des décisions qui touchent à la sécurité et à la continuité de son installation.

C’est la façon dont les compétences se construisent qui risque de changer le plus. Les entreprises ont toujours formé leurs spécialistes en leur confiant peu à peu des tâches de conception, de programmation et d’exploitation, sous l’œil de collègues plus anciens, et ce sont les difficultés rencontrées en chemin qui leur ont appris à décider seuls le jour où la procédure ne suffit plus. Un jeune automaticien qui reçoit d’emblée un programme généré et testé ira sans doute plus vite, mais sa capacité à repérer une erreur subtile dépendra toujours de sa compréhension des machines et de la physique du procédé ; il en ira de même pour les planificateurs et les exploitants, dont l’expérience se forge précisément dans les difficultés que ces outils cherchent à leur épargner. Les entreprises qui laisseront ce savoir se concentrer entre les mains de quelques spécialistes auront du mal à maîtriser durablement les solutions qu’elles déploient.

Il faudra aussi s’entendre sur ce que veut dire valider le travail d’un agent. Quand celui-ci aura bâti un planning, préparé un programme ou proposé de modifier un réglage, la personne qui donne son accord devra avoir sous les yeux de quoi en comprendre les conséquences, et la vitesse à laquelle les agents produisent pourrait vite dépasser la capacité des équipes à relire. Nous connaissons déjà cette tension en ingénierie, chaque fois qu’un projet doit être livré vite alors que les essais, les vérifications et les analyses de risques prennent du temps, et l’IA risque de l’accentuer en multipliant les propositions et en raccourcissant certaines étapes.

Au bout de la chaîne, quelqu’un devra toujours accepter de lancer une production, de charger un programme dans un automate ou de modifier la marche d’une installation, et cette personne devra comprendre ce qu’elle autorise, même quand l’essentiel du travail aura été préparé par une machine. Les progrès de l’IA industrielle se mesureront à la vitesse à laquelle les agents apprendront à travailler avec les logiciels et les équipements ; leur réussite dépendra aussi de ce que les entreprises auront fait pour garder les compétences de ceux qui, au moment de décider, continueront de signer.

Make The Human Shift

Hiver 2026 : l’Europe entre deux fournisseurs de dernier recours