Pour son second rendez-vous, le Club des Explorateurs du Futur d’Ylios s’est penché sur l’impact de l’Intelligence Artificielle et de la Data analytics sur les nouveaux modèles mis en oeuvre dans l’industrie pour atteindre de nouvelles performances. Cette session a permis de croiser le point de vue de Didier Kayat, dirigeant industriel dans l’aéronautique et de Jérémy Harroch, fondateur d’une société de conseil en analyse de données.

1. IA & data-analytics pour l’industrie :
Nouveaux modèles,
nouvelles performances
8 février 2018

2. IA & data-analytics pour l’industrie :
Nouveaux modèles,
nouvelles performances
Didier Kayat est diplômé de l’Ecole Supérieure de Commerce de
Paris, il a commencé sa carrière au sein de sociétés multinationales.
En 1993, il devient Associé chez Ylios, cabinet de conseil en stratégie
et en organisation, qui compte alors DAHER parmi ses clients. En
2007, il rejoint le Groupe DAHER en qualité de Directeur Marketing et
Développement, puis de Directeur de la Stratégie et du M&A. En
2012, il est nommé Directeur Général Adjoint du Groupe ainsi que
Président des pôles Nucléaire & Energie et Biens d’Equipement. En
janvier 2015, il devient Directeur Général Délégué et enfin en 2016
Directeur Général de cet acteur majeur de l’aéronautique.
Jérémy Harroch est mathématicien et statisticien, promotion X03 de
l’Ecole Polytechnique et diplômé de la New York University.
Il a commencé sa carrière dans la finance de marché. Formé dans des
fonds de trading tels que Lehman Brothers et Knight Capital Group, il
s’est notamment spécialisé en arbitrage statistique et en trading
algorithmique de très haute fréquence.
En 2010, il revient en France pour créer Quantmetry, convaincu que
le déploiement de l’innovation statistique dans les entreprises
françaises représente un enjeu industriel décisif aujourd’hui.
Toujours avec cet âme d’entrepreneur, Jéremy a eu l’idée d’organiser
DataJob, un salon de rencontre pour les métiers de la data, puis de
développer Anova, un incubateur de start-ups dans l’IA en co-
création avec de grandes entreprises.
#YliosExplo
Pour son second rendez-vous, le Club des Explorateurs du Futur d’Ylios s’est
penché sur l’impact de l’Intelligence Artificielle et de la Data analytics sur les
nouveaux modèles mis en œuvre dans l’industrie pour atteindre de nouvelles
performances. Cette session a permis de croiser le point de vue de Didier Kayat,
dirigeant industriel dans l’aéronautique et de Jérémy Harroch, fondateur d’une
société de conseil en analyse de données.
Le compte-rendu est complété du support des présentations
2

3. Introduction : Quels sont les enjeux
de l’industrie du futur ?
Karim Hatem
1. L’industrie 4.0, enjeu de compétitivité : des initiatives fortes sont
actuellement menées dans la plupart des pays européens
➢ Il s’agit d’un objet de politique volontariste dans de nombreux pays développés, à l’instar
du projet « Industrie du Futur » qui sert de nouvelle matrice de la stratégie industrielle
dans la seconde phase de la Nouvelle France Industrielle (NFI). Ce projet vise à moderniser
l'outil industriel et à transformer son modèle économique par le numérique
2. Les 5 technologies qui se dégagent dans l’industrie 4.0 sont :
➢ Le cobot
➢ La fabrication additive
➢ La réalité augmentée
➢ L’intelligence artificielle
➢ La simulation numérique
3. Quels sont les impacts sur les compétences liés au niveau croissant
d’interactions entre les hommes et les robots ?
➢ Îlot robotisé « standard » : sans interaction prévue entre l’opérateur et le robot
➢ Îlot robotisé « flexible » : solution avec apport de solutions techniques en matière de
sécurité
➢ Îlot robotisé collaboratif : solution mettant en œuvre une collaboration entre l’opérateur
et le robot
➢ Robot mobile : solution introduisant la mobilité du robot
➢ Cobot : équipement robotisé permettant d’assister un opérateur dans ses tâches
4. Vers de nouveaux modèles opérationnels de référence
3

4. « Le digital n’est pas une
option pour l’industrie »
Didier Kayat
Que faut-il savoir sur le groupe DAHER ?
Daher est un groupe familial fondé en 1863 présent aujourd’hui dans trois domaines d’activités
principaux. Constructeur d’avions, l’entreprise se hisse au 4ème rang des avionneurs français, ce qui
permet à Daher d’avoir une vision globale de tous les métiers de son industrie. Un équipementier
aéronautique faisant appel à sa triple expertise en composite, en métallique et en assemblage. Enfin,
Daher a également investi le champ de la logistique et de la supply chain en offrant des prestations
opérationnelles dans le secteur du transport, de l’approvisionnement et des services industriels.
Cette triple activité permet à Daher d’atteindre un chiffre d’affaires d’1,2 milliard en 2018, réparti
également entre activités de services et activités industrielles. Aujourd’hui Daher est unique sur le
marché en raison du triptyque : entreprise familiale permettant au groupe d’avoir une vision à long
terme ; activité d’avionneur offrant expertise et savoir-faire ; et un business model cumulant à la fois
industrie et services.
Quelle est la stratégie d’innovation de DAHER ?
Comme beaucoup d’acteurs du secteur, Daher a commencé par créer un centre de recherche et de
technologies. Centré sur des développements longs, la sortie de produits industriels dans ce cadre ne
s’effectuait que 10 ans après le go, avec des niveaux de maturités technologiques (TRL) très faibles
au départ, et une montée en compétences progressive.
Ce cycle d’innovation étant beaucoup trop long pour un modèle intégrant industrie et services, qui
plus est dans un secteur aussi dynamique que celui de l’aéronautique, Daher a entrepris de changer
de modèle d’innovation en créant il y a quatre ans le « Daher Lab ». Basé sur une logique de
« cherry-picking » visant à tester un grand nombre d’innovations, quitte à n’en commercialiser que
quelques-unes, le Daher Lab a permis à l’entreprise de développer une trentaine de « proof of
concept » très rapidement. Cette stratégie gagnante a ainsi contribué à l’obtention du premier label
« Vitrine Technologique de l’Industrie du Futur » décerné en France, à notre usine de Nantes.
L’idée que « ce ne sont pas les plus grands qui mangeront les plus petits mais les plus rapides qui
mangeront les plus lents » a été à la base de la création du Daher Lab et explique l’intégration
réussie du digital chez le plus vieil avionneur au monde encore en activité. Très vite le digital a en
effet été perçu comme une obligation et non comme une option pour le groupe. C’est dans cette
optique que Daher a fait réaliser un diagnostic digital en 2017 (mis à jour chaque année) permettant
à l’entreprise à l’ADN entrepreneurial d’effectuer sa transformation technologique et culturelle.
Concernant l’avenir digital du groupe, à la question de savoir si le secteur de l’aéronautique
connaîtra une rupture à la Uber, Didier Kayat a répondu par la négative, au moins pour les 5 années
à venir : « Quand vous fabriquez une pièce dans l’aéronautique, elle n’est déclarée utilisable que si
elle est validée par les autorités. Il y a encore une barrière administrative qui nous protège. Par
exemple, une pièce aujourd’hui fabriquée en 3D pour un avion n’est pas certifiée car il n’y a pas la
traçabilité de la poudre ». Néanmoins, conscient que cette barrière administrative ne tiendra plus
longtemps, Didier Kayat souhaite faire de Daher un groupe « sur-digitalisé pour pouvoir surfer sur la
vague au lieu de la prendre en pleine figure ».
4

5. « Le digital n’est pas une
option pour l’industrie »
Didier Kayat
A cette fin, le groupe s’est engagé sur plusieurs voies :
• Gagner en compétitivité en digitalisant tout ce qui peut l’être, de la machine au process, « même
si 70% des investissements réalisés se feront probablement sur des choses inutiles à terme ».
• Recueillir le maximum de données possibles, y compris auprès des clients et de leurs usages :
« Si ça a de la valeur demain, il faut savoir la traiter aujourd’hui ».
• Transformer les équipes et les former aux outils de demain. L’usine de Nantes est à ce titre un
bon exemple : « les compagnons qui tordaient les pièces hier ont été formés pour pouvoir piloter
les ordinateurs qui aujourd’hui fabriquent ces mêmes pièces ».
Cette triple orientation vers le digital se retrouve aujourd’hui dans plusieurs initiatives mises en
avant par le groupe qui témoignent de sa maturité numérique :
• L’initiative « Armstrong » a permis d’installer à San Francisco une équipe Daher pour trois ans
afin de se connecter à l’écosystème d’innovation et d’y trouver les bonnes idées de demain.
• Le développement de softwares dans le domaine de la supply chain. Ne trouvant pas les logiciels
nécessaires pour offrir les bonnes prestations logistiques à ses clients, Daher a décidé de les
développer par lui-même. Le diagnostic digital effectué en 2017 a fait prendre conscience que ces
logiciels développés en interne avaient de la valeur dans un marché manquant incontestablement
de solutions dans ce domaine. Ainsi, Daher a annoncé début 2018 le lancement d’une filiale visant
à commercialiser en externe ces softwares.
• La création de « Daher Analytics » permet de recueillir et de penser les usages de la donnée.
Ainsi, Daher a lancé une application, « Me & My TBM » pour recueillir les données des pilotes
d’avions commercialisés par Daher dans un objectif de maintenance prédictive et d’analyse de
conduite des pilotes. Comme pour le software, l’objectif à terme sera pour Daher de proposer ses
services à d’autres avionneurs sur le marché.
5

6. « IA & data-analytics
pour l’industrie :
Par quoi commencer ? »
Jérémy Harroch
Que faut-il savoir sur QUANTMETRY ?
Quantmetry propose de créer des solutions de valorisation de la donnée reposant sur l’IA et les
technologies Big Data afin de répondre aux enjeux métier de ses clients. Créé il y a 7 ans,
Quantmetry réunit plus de 50 Data Scientists, Data Engineers et Data consultants dont 20% de temps
est consacré à la R&D. Cet investissement en R&D est à la fois le moyen d’attirer des talents tout en
étant un moyen de tester des innovations clés. Via son pôle R&D, Quantmetry a ainsi développé des
applications d’IA dans des domaines aussi variés que la médecine connectée (ex lymphomètre en
partenariat avec les Hôpitaux de Strasbourg) ou le domaine artistique (ex application qui permet la
reconnaissance d’un tableau, de son style et des personnages représentés à partir d’une photo).
Récompensé 5 fois, Quantmetry organise également un forum de recrutement afin de faire
rencontrer les talents et les professionnels, le DataJob.
Quel est le regard sur l’IA de QUANTMETRY ?
Si l’IA est aujourd’hui un métier logiciel et impalpable, elle est amenée à devenir davantage
concrète à l’avenir et à s’immiscer dans l’industrie et la vie quotidienne. Au CES de Las Vegas déjà,
des premiers signes de l’IA sont apparus à l’instar des voitures autonomes de demain, dotées de
tableaux de bords connectés, de portes et de sièges intelligents.
Quantmetry intervient essentiellement dans 5 domaines où l’IA est forte :
1. Le marketing, et plus particulièrement le eCommerce. Optimiser le parcours client, la conversion
et le panier clients sont aujourd’hui des indispensables d’une politique de eCommerce efficace.
Désormais, toute marque a vocation à se doter d’une identité digitale et à la promouvoir
2. La détection de la fraude, cad. la capacité à détecter une anomalie
3. La santé et en particulier la gestion de dispositifs médicaux connectés (ex bracelets connectés
pour mesurer la podométrie) tout en prenant en compte les enjeux particuliers en termes de
sécurisation de données sensibles
4. La maintenance prédictive
5. La supply chain
6

7. « IA & data-analytics
pour l’industrie :
Par quoi commencer ? »
Jérémy Harroch
Quels usages de l’IA dans l’industrie ?
Quatre usages à haute valeur ajoutée de l’IA dans l’industrie:
1. La maintenance prédictive
2. Le contrôle qualité
3. L’optimisation des tâches & Les gains de productivité
4. L’optimisation de la supply chain
En matière de maintenance prédictive, on distingue cinq
grandes familles d’utilisation de l’Intelligence Artificielle :
1. L’anticipation des défaillances. Si la maintenance est majoritairement programmée, elle
demeure peu optimale puisque la défaillance dépend de l’utilisation de l’objet en question. Il
convient donc d’analyser les données d’utilisation.
2. La maintenance selon l’usage. L’accent est mis sur la manière dont l’objet est utilisé pour
anticiper la panne. Prenons l’exemple des portes d’un même métro : les portes n’ont pas la
même fréquence de maintenance dans la mesure où celles situées face aux bouches de métro
ou aux extrémités, du fait de l’affluence, ont davantage tendance à tomber en panne.
3. La détection de tendances et de régimes. Par exemple, un moteur de bateau peut être en
surrégime de façon involontaire ou anormale lors de fortes houles. Il s’agit d’être capable de
savoir si le moteur consomme de façon volontaire ou anormale par l’analyse des vibrations
émises par le moteur.
4. L’identification de zones à risques. L’identification est davantage liée à l’environnement de
l’objet qu’à l’objet lui-même.
5. Diagnostic automatique / Recherche de causes. Il s’agit de l’identification des causes réalisée de
façon rétrospective grâce à l’IA.
Pour ce qui est du contrôle qualité et de la gestion des rebuts, ce qui est connecté n’est pas le
produit de vente in fine mais le matériel de production dans l’usine. Le contrôle et la gestion des
rebuts s’effectuent en 4 étapes :
1. Mesure des performances en continu grâce à des indicateurs chiffrés
2. Levée d’une alerte si la performance est inférieure à la cible
3. Identification des causes de la baisse de qualité en cas d’alerte
4. Mise en place de mesures correctives
7

8. « IA & data-analytics
pour l’industrie :
Par quoi commencer ? »
Jérémy Harroch
L’objectif est d’être capable de prédire la probabilité de défaillance des produits manufacturés bien
avant la dernière étape de production afin de pouvoir mettre en place des mesures correctives le
plus rapidement possible.
A propos de l’optimisation des tâches et des gains de productivité, l’IA peut être un moyen efficace
d’avoir une communication fluide entre l’opérateur et sa propre société. Si l’on s’attarde sur l’agent
conversationnel (le chatbot), il est capable d’identifier la meilleure réponse aux questions des
employés et peut l’apporter de façon simultanée à plusieurs opérateurs. Il peut également recentrer
les collaborateurs sur les tâches nécessaires et à forte valeur ajoutée, donc d’ optimiser les gains de
productivité de la société.
Quant à l’optimisation de la supply chain, l’IA permet d’améliorer les prédictions de vente et de
réduire les coûts d’immobilisation des stocks. Dans ce domaine, Quantmetry a développé un outil
qui anticipe la réattribution des transports de marchandises en cas de fermeture d’un point (travaux,
inondations, neige, etc.). L’opérateur peut ainsi directement cliquer sur l’endroit en cours de
fermeture, observer le problème et proposer des itinéraires alternatifs. L’IA permet donc de
proposer des solutions de correction dans l’urgence afin de respecter une qualité de services.
Comment positionner les équipes Data au sein d’une organisation ?
Trois grandes typologies de choix stratégiques sur le plan organisationnel sont possibles :
1. Des équipes data centralisées. L’avantage de ces entités rattachées aux DG est la capacité
d’innovation et les fortes compétences data au sein du centre d’excellence. En revanche, ces
compétences sont peu mobilisables pour des projets spécifiques à une entité métier.
2. Des équipes data locales. Ces équipes ont l’avantage d’être proches des équipes métiers et
peuvent ainsi mener des projets spécifiques et adaptés. Le risque de cette configuration est le
manque de cohérence dans l’approche data globale de la société.
3. Des équipes data locales liées à des équipes centralisées. Ce système hybride est certainement
le plus mature. Les relations entre les équipes locales et centralisées peuvent varier : les équipes
centralisées peuvent être prépondérantes dans les décisions de projets IA ou inversement être
minoritaires et s’occuper de l’animation et la transmission.
8

9. « IA & data-analytics
pour l’industrie :
Par quoi commencer ? »
Jérémy Harroch
L’IA : rêve ou réalité ?
La notion d’IA est trop souvent galvaudée, il y a beaucoup de « fausses annonces » et tout ceci
suscite beaucoup de fantasmes néfastes pour la communauté de chercheurs et de professionnels.
Ainsi le robot Sophia a fait grand bruit comme étant une prouesse de l’IA mais ce robot est
finalement assez éloigné de l’IA et on peut regretter sa récupération à des fins politiques.
Contrairement à ce qui a pu être dit, aucun cerveau n’a pu être reconstitué de façon artificielle.
Il n’en reste pas moins que l’IA est un sujet de première importance dans la guerre technologique
actuelle et poste la question de la souveraineté nationale. La question a par exemple été soulevée
lorsque la DGSE a fait le choix d’utiliser un outil technologique développé dans une société dans
laquelle la National Security Agency avait investi. Le danger est celui de la dépendance
algorithmique et de la perte de souveraineté digitale. Par ces choix technologiques, une Nation
décide de faire grandir des sociétés étrangères dans ce domaine tout en se faisant déposséder d’un
savoir-faire. Ainsi selon Jérémy Harroch, « le plus grand danger de l’IA c’est de ne pas en faire ».
Il convient de mettre en garde sur un certain nombre de risques relatifs à l’essor des IA. On notera
notamment le développement des fake news facilité par les technologies d’IA ou le fait que des
micro IA sont présentes dans notre environnement sans que nous le sachions (ex des couleurs
utilisées dans le jeu Candy Crush qui varient selon la durée de jeu et la façon de jouer).
9

10. Les points clé du débat
Data et Intelligence Artificielle : quelle politique RH pour les compétences et la formation ?
Face la montée en force des nouvelles technologies de la Data et de l’IA, la question des compétences
et de la formation est un enjeu fondamental. Pour Didier Kayat, cette question concerne avant tout
les « anciens compagnons ». En effet, pour les jeunes générations qui ont grandi dans un univers
digital, les faire évoluer vers des environnements de travail numériques ne constitue pas une grande
difficulté. En revanche, l’enjeu concerne avant tout les cohortes comprises entre 40 et 50 ans, ayant
encore devant elles une vingtaine d’années de travail. Pour relever ce défi, Daher s’appuie beaucoup
sur la GPEC (Gestion Prévisionnelle des Emplois et des Compétences) pour aider ses compagnons à se
former. Ainsi, l’an dernier ce sont pas moins de 5 000 compagnons qui ont été formés soit 50% des
salariés.
À propos des compétences stratégiques, la question de l’arbitrage entre ressources internes et
ressources externes dans le pilotage de l’innovation se pose. Face à cet enjeu, Daher adopte une
politique pragmatique : si la compétence n’existe pas en interne, l’avionneur n’hésite pas à aller la
chercher en dehors de l’entreprise, soit en la recrutant, soit en faisant appel aux compétences de ses
prestataires. Le choix d’une politique RH pragmatique est d’autant plus justifié pour Daher que
certaines compétences ne sont nécessaires que ponctuellement et qu’un pilotage uniquement interne
de l’innovation serait économiquement non-rentable.
De son côté, Jérémy Harroch considère que le marché est actuellement extrêmement tendu. Avec
des ressources rares et des individus changeant très facilement de société marquée par des attitudes
parfois « mercenaires », le problème n’est en réalité aujourd’hui pas résolu. Les grands groupes,
comme les prestataires, sont ainsi plus souvent spectateurs qu’acteurs de leur politique RH et
doivent apprendre à constamment jongler avec des compétences instables.
Intelligence Artificielle et PME : un mariage impossible ?
Si les grands groupes ont largement intégré aujourd’hui le digital à leur activité, quid des PME ?
S’emparent-elles du sujet et mettent-elles en place des projets qui valorisent l’IA ? Didier Kayat
considère que ces sujets commencent à se diffuser aujourd’hui en dehors des grands groupes. Cette
intégration du digital passe avant tout au travers des centres de compétitivité et des Instituts de
Recherche Technologiques (IRT). En effet, dans une logique collaborative et participative, les
avancées technologiques profitent à l’ensemble de l’écosystème. C’est le cas de l’IRT Jules Verne
dont Daher est partenaire et qui permet au tissu de PME locales de profiter des innovations.
Jérémy Harroch considère que les PME sont « maudites » : n’ayant pas la volumétrie nécessaire, elles
s’interdisent d’investir le champ de la recherche en IA, le ROI n’était presque jamais atteignable pour
elles. Elles sont ainsi condamnées à ne pouvoir bénéficier que des « observations » déjà réussies
dans les grands groupes.
#YliosExplo
10

11. Les points clé du débat
Vers une industrialisation de la maintenance prédictive ?
Face à la prolifération des POC, l’industrie se dirige-t-elle vers l’abandon de la maintenance préventive
au profit de la généralisation de la maintenance prédictive ? Pour Jérémy Harroch, on a fait croire
qu’en investissant et en obtenant des résultats théoriques rapides, l’objectif d’une industrialisation
totale pourrait être atteint. Or on court le risque d’une boucle infinie de POC qui ne délivrera jamais la
promesse d’une industrialisation totale. Le POC devrait être envisagé, selon lui, uniquement comme
une étape de pré-industrialisation et non pas comme une fin en soi.
En phase avec cette conception, Didier Kayat a rappelé que chez Daher, les premiers POC ont été
lancés il y a 4 ans et que très vite l’entreprise s’est heurtée au problème de leur généralisation et de
leur industrialisation. Face à cela, Daher a ainsi décidé d’intégrer dès le départ l’objectif
d’industrialisation.
#YliosExplo
11

12. Les points clé du débat
Un pilotage agile du portefeuille de projets innovation
Didier Kayat a également montré que face à une structuration qui aurait pu être rigide, Daher a fait le
choix d’un pilotage agile de son portefeuille innovation. Se pensant encore comme une PME,
l’avionneur et équipementier aéronautique a souhaité mettre en place un pilotage souple offrant la
possibilité d’investir rapidement dans un projet et de pouvoir l’abandonner avec la même rapidité.
Cette double casquette lui permet par ailleurs de tester directement ses innovations sur ses propres
avions avant de les transférer vers les appareils de ses commanditaires. Ainsi, Daher a pu tester
depuis 5 ans les avantages et les inconvénients des pièces en impression 3D sur ses avions TBM.
Les risques de l’IA : vers la fin de l’innovation et la perte de contrôle des objets industriels ?
Enfin, à rebours du discours célébrant l’IA et ses avancées, les débats se sont également concentrés
autour des risques que peut représenter l’IA pour l’industrie. A la question de savoir si, reposant
principalement sur l’analyse prédictive basée sur l’exploitation du passé, l’IA ne constituait pas
paradoxalement un frein à l’innovation, Didier Kayat et Jérémy Harroch ont répondu par la négative.
Considérant que l’innovation se trouve également dans d’autres secteurs étrangers à l’IA (impression
3D, réalité augmentée…), celle-ci ne freine en aucun cas l’innovation.
Sur les risques de perte de contrôle d’objets gérés par de l’IA, Jérémy Harroch a montré que beaucoup
de discours alarmistes sont en réalité des postures marketing, à l’instar d’un Elon Musk en quête de
financement. Le vrai danger pour l’industrie serait de s’interdire d’avoir recours à l’IA.
#YliosExplo
12

13. Rendez-vous au prochain événement
du Club des explorateurs du futur
Vendredi 8 juin 2018
Softwarisation & Algorithmisation
de nos économies
YLIOS
29 rue Vernet – Paris VIII
01 80 40 03 00
www.ylios.com
@YliosConsultingYlios