Industrie 4.0 : Comment développer des solutions sur mesure ? Avec Thierry Caye, CTO chez Lectra

Bonjour Philippe.

Alors ça va pas être un petit saut, je te propose un très grand saut dans le passé. Je donnerai pas mon âge mais ça situe au milieu des années 80. On va dire j'avais une petite douzaine d'années. Avec deux potes, on passait des journées, je venais d'avoir mon premier Oric Atmos. Donc pour ceux de ma génération ça va leur parler. On passait des journées à recopier du code sur des magazines logiciels. Donc c'était très très sympa et on en a profité pour finalement apprendre et développer. On avait développé un casse-briques. Donc premier travail, premier projet et premier travail en équipe à trois. Donc voilà, super souvenir.

C'est un PC Commodore. Donc le début, branché sur la télé. Donc voilà, c'était du BASIC. Donc premier langage qui était utilisé, on recopiait des lignes et voilà, super sympa. Et on a détourné petit à petit donc la passion que j'avais sur l'informatique tout gamin, voilà, ça a commencé par là.

Alors très très rapidement, je pense que tu l'as compris, je suis passionné par la tech donc je suis un peu tombé dedans. Donc en tant que CTO, je pilote la recherche et développement chez Lectra, c'est-à-dire tout le design des solutions que l'on propose à nos clients. Donc c'est un large éventail, on aura l'occasion d'en parler notamment via l'industrie 4.0, mais c'est à la fois des solutions software et des équipements et des services connectés. Donc avec pas mal de compétences et d'ingénieurs dans mon équipe. Donc ça en quelques mots. Plus côté perso, au-delà d'être passionné même à mes heures perdues sur la partie tech, je suis un passionné de voyage. J'ai eu la chance de voyager dans plus de 40 pays depuis quelques décennies, rencontrer des gens, des cultures et cetera. Et je suis également passionné, je suis localisé dans le sud-ouest, par le Bassin d'Arcachon et toutes les belles activités que l'on a, que ça soit de l'aquaculture, de la navigation ou de la pêche.

Alors on peut nous définir, nous sommes un acteur et un partenaire stratégique pour nos clients dans trois domaines sur lesquels on propose des solutions innovantes : le domaine de la mode, le domaine de l'automobile et le domaine de l'ameublement. On propose une solution unique, une proposition de valeur vraiment unique qui est assez transverse je dirais de bout en bout, avec une combinaison de logiciels, d'équipements connectés, on aura l'occasion d'en parler largement tout à l'heure, d'analyse de données et de services associés. C'est-à-dire que voilà, on vend vraiment du service. Depuis création en 73, donc on a fêté nos 50 ans l'année dernière, on est une entreprise avec un ADN technologique très fort. Donc on est une entreprise de tech, également d'innovation et on propose des solutions je dirais toujours en avance sur le marché, assez disruptives pour encore une fois les trois marchés. Le marché principal est le marché de la mode, un peu plus de 50% du chiffre d'affaires, l'automobile et l'ameublement. On est pour te situer environ 3000 collaborateurs partout dans le monde. Environ, on va pas rentrer dans le détail des chiffres, mais 500 millions d'euros de chiffre d'affaires. Donc côté à la Bourse de Paris. On est assez équilibré en terme de vente. Donc la France c'est vraiment tout petit, moins de 5% du chiffre d'affaires. On est présent sur la... alors on est réparti comme beaucoup de sociétés internationales, trois zones : la partie Amérique, donc Nord et Sud, avec notamment tous les marchés de l'automobile par exemple sur le Mexique et ce point-là, mais bien sûr États-Unis, Canada et toute l'Amérique latine. Donc l'Europe, jusqu'à toute l'Afrique, Afrique du Nord et l'Afrique, et la partie Asie-Pacifique. Sur ces points-là assez réparti.

Et encore une fois la France c'est vraiment vraiment peanuts. On est 600 collaborateurs sur la R&D. Donc sur 3000 ça montre vraiment l'investissement fort. On est une entreprise de tech, plus de environ 11% du chiffre d'affaires, donc plus de 50 millions d'euros est dédié à la R&D, donc à mes équipes. Et on est réparti sur la R&D au fil de également de croissance organique mais croissance externe sur plusieurs pays. Principalement la France, c'est la moitié des équipes qui est localisée ici près de Bordeaux, mais une grosse présence aux États-Unis, en Italie, en Roumanie, en Belgique, en Espagne, en Chine et en Inde. Voilà, sont les pays principaux.

Je dis pas de bêtises.

C'est assez rare dans le domaine de la tech c'est ça, et qui est une ETI.

Alors industrie 4.0, quand on parle de ce terme-là, on parle de révolution industrielle. Donc pareil pour les trois premières. Donc une révolution industrielle c'est qu'il y a eu un élément déclencheur qui est à chaque fois sur les quatre évolutions une technologie ou des technologies qui ont émergé. Donc on va démarrer sur l'industrie 4.0. Le terme a été la première fois donné lors de la foire d'Hannover en Allemagne en 2011 sur l'industrie 4.0. Donc c'est vraiment comment rendre la production toujours plus flexible et adaptée en continu à la demande dans notre économie grâce à l'essor du numérique. Donc l'industrie 4.0 c'est vraiment l'essor du numérique. Je reviendrai après sur les piliers et les technologies qui sont derrière. Donc ça va bien au-delà, l'industrie 4.0 ça permet de, je dirais, c'est pas uniquement digitaliser les activités industrielles mais c'est ça permet de favoriser aussi l'auto-ajustement. On est vraiment aussi dans la partie process. Donc voilà, donc très très récent malgré tout, de 2011 sur cette partie-là. Donc pour te répondre sur les premières, les trois premières évolutions se sont étalées entre la fin du 18e et la fin du 20e siècle. Donc là la 4, on est au 21e siècle sur la 4e. La techno et je dirais le fait marquant de la première c'est le charbon, l'apparition du charbon à la fin du 18e. Donc c'est très clair pour comprendre, les machines à vapeur qui ont permis d'aller beaucoup plus loin dans la productivité et notamment dans l'industrie qui est la nôtre, qui est l'industrie du textile. Donc les machines à vapeur ont permis d'améliorer sur des métiers à tisser ou ce genre de choses mais l'ensemble des industries. Donc fin du 18e, début 19e. La deuxième est liée à deux technologies : l'électricité qui a quand même révolutionné et le pétrole. Donc qui ont été combinés mais je pense que la partie électricité, le pétrole petit à petit remplacé la partie charbon, machine à vapeur. En tout cas l'électricité est vraiment le fait marquant de la 2e à la fin du 19e siècle. Ce qui a permis de constituer des machines notamment dans l'automobile pour produire. On parle bien d'industrie, donc pour produire beaucoup plus facilement sur ce point-là. Et la 3e, on va être au milieu, on va dire vers les années 70, c'est je dirais l'avènement de l'électronique et de l'informatique. Je vais pas te dire de l'Oric Atmos parler mais malgré tout voilà, je suis dans ces années-là. Et ce qui a permis d'aller, et donc la robotisation qui est arrivée dans la mécanisation. Donc voilà, c'est vraiment l'informatique, l'électronique dans les années 70. Et donc pour rappel, le 4.0 c'est toute la partie numérique pour aller beaucoup plus loin dans les années 2010.

Exactement, exactement. Donc au départ j'ai parlé de technologie mais c'est plutôt voilà des faits marquants. Le charbon, c'est malgré tout de la technologie, exploiter une matière première, savoir transformer avec l'électricité. Mais tu as tout à fait raison, c'est de la haute technologie appliquée à l'industrie pour pouvoir toujours amener via des transformations majeures des nouvelles méthodes de production pour être beaucoup plus efficient. De la productivité, on parle d'industrie, on parle de productivité. On a tous en tête les usines Ford dans l'automobile. Donc voilà, et on est maintenant en train de créer des usines qui sont intelligentes et interconnectées.

Alors je vais bien sûr te prendre un exemple Lectra. Donc attends, dans le domaine de la mode qui est notre marché phare et préféré, voilà, tout le monde peut le comprendre.

Exactement, exactement. Donc pour illustrer, on parle bien sûr d'interconnexion de processus et à la fois de logiciel et d'équipement. C'est le positionnement depuis 50 ans de Lectra, c'est cette combinaison. Faut bien voir que l'on vend pas, on conçoit pas, donc dans mes équipes on ne vend pas du hardware, c'est-à-dire un élément qui est voilà comme un stylo que tu vas utiliser. On vend des services, on vend des équipements qui sont connectés avec des services associés qui sont des services de maintenance autour de ce point-là. Donc si je reviens à ta question sur la partie exemple, dès 2000, on a lancé en 2017 notre programme industrie 4.0. Donc dès 2018 on a lancé une solution qui s'appelle Fashion On Demand pour répondre au besoin croissant d'agilité des marques qui veulent pouvoir lancer en petite quantité. Là je suis pas sur la masse de production, on a des solutions aussi pour de la production de masse mais sur la production plutôt agile. On le voit, on parle de deux collections par an maintenant, il y a plus, on parle plus vraiment de ça, il faut lancer très rapidement. Donc on propose aux marques et à leurs sous-traitants des solutions qui permettent d'aller beaucoup plus vite. Donc Fashion On Demand, je vais essayer d'être très clair. Tu as des processus, tu imagines un ERP, je pense pas que j'ai besoin de le définir. On reçoit un ordre de commande, bah de ton sweat, il faut en produire. Donc un ordre de commande, il faut en produire 10000, il en faut une certaine quantité en XS, en XL, L et cetera. Donc tout ça arrive sur un ERP. Donc on vient connecter ces ordres qui arrivent de l'ERP et on va transformer ça dans des ordres de coupe, cutting orders, pour qu'on soit capable de couper. Donc on va processer automatiquement cette partie-là. Donc c'est capter de la donnée. On va avoir bien sûr des modélistes qui auront designé ton sweat. Donc on a aussi cette donnée qui arrive là avec ce qu'on appelle de la gradation, c'est-à-dire de pouvoir mettre la taille. Et ensuite on vient automatiquement placer. C'est-à-dire, faut bien voir que tu as un rouleau de tissu qui va arriver et on va venir placer les pièces. C'est une sorte de puzzle. On va venir placer en fonction des tailles. En fait ton sweat est composé d'une manche gauche, droite, d'un col, de face avant, face arrière qui vont être découpés pour après être cousus ensemble pour le faire. Donc nous on va gérer toute cette partie-là. Donc on a lancé cette solution qui permet de connecter l'ERP, de capter le patron, on appelle ça un patron, d'optimiser la partie placement. Et on a lancé en même temps un équipement qui est un équipement connecté qui s'appelle Virgaud, donc une machine qu'on appelle simple pli qui reçoit le tissu et qui va être complètement connectée au Cloud pour pouvoir découper de manière agile l'ensemble des pièces qui après iront sur la chaîne aval. Donc on a proposé Fashion On Demand pour des marques qui peuvent faire des plans de collection petite série pour aller vite, agile, avec des choses assez complexes qu'on a développé notamment si le tissu est uni c'est assez simple mais si le tissu a des motifs tu vas pas coudre les rayures dans un sens manche gauche ou manche droite. Donc voilà, ça illustre un peu le process de connexion de données et ensuite toutes les données qui arrivent de la machine de coupe sont également exploitées.

Alors en effet là quand tu cites ces points-là, peut-être remettre en perspective, tout à l'heure je parlais de charbon, d'électricité. Juste l'industrie 4.0 s'appuie en effet sur quatre technologies : l'IoT, le cloud computing, la partie, on en parlera aussi après, Big Data et l'analyse des données, et l'intelligence artificielle. Donc si on fait un focus sur la partie en effet IoT, Edge computing et cloud. IoT pas besoin de le définir mais en fait là tu parlais tout à l'heure, l'industrie c'est pas super clair pour toi. L'IoT les gens le connaissent, ben finalement ils ont la montre connectée, ils ont la petite caméra connectée de plus en plus, très utilisation domestique. Là il faut bien comprendre que on a des machines outils, des équipements qui sont également connectés. C'est pour ça qu'on parle d'IoT. Depuis 2007, Lectra a sorti ces machines qui sont connectées avec le plan 2017 de l'industrie 4.0. Donc on a mis en place du Edge computing. Donc la machine, l'équipement, l'Edge computing, tout ça ça se situe dans la salle de coupe, dans l'usine de nos clients. Et ensuite on imagine le réseau, l'Internet et le Cloud. Donc ce sont ces trois éléments. Le Edge computing c'est ramener de la puissance de calcul, de l'intelligence à proximité de l'équipement qui va être connecté. C'est-à-dire pour des questions, il y a plein de challenges autour de ce point-là. On vient capter les flux et donc on a développé en interne une appliance qui vient se mettre dans le système IT de notre client, donc dans l'usine, qui vient capter tous les flux, du HTTP, des flux de données et cetera pour être un peu une passerelle avant la partie cloud qui va traiter et sur laquelle on va voir toutes nos solutions web. Il faut voir qu'on est dans deux sens. Quand je t'ai donné l'exemple de Fashion On Demand, on a l'alimentation de la partie ERP qui va vers le Cloud qui donne les ordres de coupe, les ordres de fabrication on va dire plutôt, on vient l'envoyer et c'est le Edge qui va transformer ça en ordres de coupe et qui va alimenter les machines. Ça c'est dans un sens. Mais on a les données de production et les données des capteurs qui vont remonter dans l'autre sens. Donc c'est un élément central. On peut avoir trois, quatre machines dans l'usine, on a un seul composant Edge qui faut bien sûr avec une très haute disponibilité. Et donc ensuite on a la partie Cloud.

C'est exactement ça.

Exactement, exactement. Une sorte de buffer.

Tout à fait, tout à fait.

C'est exactement ça. On a parlé de l'industrie de la mode, on est dans une usine, on imagine c'est de la productivité. Un temps d'arrêt de la machine parce qu'elle est plus alimentée par des ordres de coupe, c'est du temps perdu et de l'argent perdu. Si tu prends l'automobile, on est sur 38, elle fonctionne 24/7. Donc un arrêt de machine, ça veut dire que quand on met en place cette partie-là, il faut gérer. Tu as donné les points essentiels, la latence, voire même des ruptures de réseau. Faut voir qu'on est positionné partout dans le monde, on est également en Chine, on est où on a des endroits où les usines sont pas forcément les endroits où il y a le meilleur internet avec la fibre qu'on peut connaître. Donc tu as des ruptures et donc on doit resynchroniser. Donc le Edge nous permet aussi de faire ça, de capter et de finalement même une coupure franche d'Internet on peut continuer à processer pendant un certain temps. Voilà, et une capacité aussi de compute, on pourra en reparler un peu aussi avec l'IA. On a beaucoup de données qui remontent, des données d'événements, de capteurs mais également, on a des caméras donc des vidéos, tu vois la taille que ça peut faire, on va pas remonter ça sur le Cloud. Donc on peut préprocesser sur le Cloud pour amener je dirais de l'interactivité temps réel sur ce point-là. Donc c'est un composant qui est essentiel dans le cadre de l'industrie 4.0 et de l'industrie tout court.

Alors on a regardé ce qui existe sur le marché. Tu as des bonnes, je citerai pas des noms, mais des grosses sociétés qui peuvent proposer sur étagère ce type de solution. On avait regardé mais finalement avec la particularité que l'on a dans le monde de la mode, de notre activité, on a décidé d'investir et de développer nous-même cette partie-là. Donc on a à la fois fait des évaluations sur le matériel, donc il y a une partie hardware sur cette partie-là et une partie software. Donc on a sélectionné, à un moment le vulgaire PC bah ne va pas par rapport à de l'industriel, il va chauffer, ça marche toujours, il faut pouvoir le racker et cetera, il faut une double alimentation, tous ces points-là. Donc là on a fait les sélections qui vont bien. Et on a une stack en fait qui est sur une base Linux, qui est sur une base complètement durcie. C'est-à-dire que il y a des aspects aussi, le composant Edge permet de relever des challenges, on a parlé sur la latence mais également de sécurité. Donc cet élément de cybersécurité, cet élément on a je dirais épuré, utilisé déjà une stack Linux très épurée et en plus on a supprimé tous les services qui ne sont pas utiles. Donc on a développé une technologie sur cette partie-là. Notre dernière version, c'était pas le cas sur les toutes premières, on parle de 2018 qu'on a lancé, maintenant on est capable à distance de pouvoir changer complètement le code, un peu le firmware que l'on a. Parce que tu imagines après des centaines, des milliers qui sont dans la nature. Alors on a des techniciens terrain partout, Lectra c'est dépanner partout dans le monde en 24h nos clients. Mais bon en terme de, il faut passer en version point 4.2, il faut demander quelqu'un. Donc un peu voilà, le reboot automatique du firmware que certains connaissent sur les smartphones ou autres. Donc voilà, une technologie Linux et un développement propriétaire.

Alors je vais pour te répondre déjà, cette brique assure un élément important de sécurité. Pourquoi c'est essentiel ? C'est que là on avait des usines complètement déconnectées avant l'industrie 4.0, un bon vieux PC dedans. Bon le risque avec la clé, tant qu'il y avait de l'électricité ça marchait, tu le PC tout allait bien. Et on avait le Cloud séparé. Là maintenant on réunit les demandes via le Edge, donc compris communication dans les deux sens. Donc le risque, le RSSI doit commencer à valaliser un peu. Ah ben on a musclé les équipes, on a une équipe très très costaud au niveau cyber. Donc tu imagines de la propagation de virus, de hacking via le Cloud qui peut rentrer dans l'usine. Donc ça c'est moche, c'est quand même très très très compliqué. Ou le contraire, l'usine qui est je dirais très peu sécurisée, je mets l'automobile un peu à part mais tu imagines salle de coupe et cetera, et de remonter et de venir infecter toutes nos solutions sur le Cloud. Donc c'est pour ça que ce point-là est très très important. Donc déjà il y a des bonnes pratiques, ben aucun flux ne passe en dehors de l'appliance. Donc tous les flux soit sur du HTTP ou autre, c'est un point d'entrée unique. Donc on n'a pas de flux, ça permet de capter tout ce point-là. On a également, et c'est vrai pour toutes nos solutions, on a une approche où on vient réaliser des Pen tests, donc des tests de vulnérabilité sur toutes nos solutions y compris sur cette solution-là. Donc on a je dirais fait auditer notre solution Edge mais également la solution qu'on met dans la salle de coupe et la solution Cloud. On a notamment tout un système de PKI, de clés et cetera parce que là on a une identité par machine sur ce point-là pour pas venir se substituer, quelqu'un vient avec un PC et dit c'est une machine Lectra et se fait passer pour. Donc on a une complexité autour de ça. Donc des Pen tests mais on a été beaucoup plus loin et on a une vraie belle maturité sur du développement DevSecOps. C'est-à-dire qu'on a intégré la partie sécurité au cœur de notre développement DevOps classique avec du delivery continu sur le Cloud. On a une DevSecOps factory où on vient scanner l'ensemble de notre code en temps réel. Donc à partir du moment on prend, on vient scanner le Git et on a intégré en temps réel tous les frameworks qui vont bien de l'OWASP. On vient scanner les conteneurs, on vient donc avant le delivery pour détecter toutes les failles. On sait qu'une grosse partie des failles sont introduites par les développeurs. C'est pas volontaire, on les forme, on fait plein de choses, ça reste toujours compliqué. Donc voilà, donc un gros investissement sur cette partie-là.

Alors sur le volume de data, on traite là, on est sur un focus vraiment industrie 4.0, on a aussi les solutions software. Donc on a aujourd'hui dans le monde plusieurs milliers d'équipements qui sont connectés, qui processent quotidiennement des ordres de coupe qui amènent, on a différents types de données. On a des données qui sont issues des capteurs, on a une centaine environ de capteurs. Donc ça peut être des capteurs de vibration, de température, de points, donc très hardware sur des composants. Et on a également tous les événements ou toutes les données qui proviennent de l'activité, donc de la production. Donc on est à plusieurs milliers d'équipements et on est à aussi un bon millier voire plus de données quotidiennement. Donc on processe des dizaines de millions d'événements ou de données on va dire au sens large.

Alors on a dès 2017 une stratégie data que j'ai revu en 2023 avec notamment des nouvelles technologies qui permettent, je dirais, de traiter certaines contentions qu'on peut voir de données. Je pense que tu parles de base de données, le gros problème qu'on a tous depuis longtemps c'est de pouvoir injecter et consulter en même temps, d'avoir des workloads complètement différents. Donc comme on est 24/7, on peut pas dire, il y a pas réellement de samedi, il y a une petite fenêtre avec les time zones, mais en tout cas ça tourne tout le temps. Donc via le 4.0, on propose des services temps réel pour contrôler, donc ça injecte et ça permet de consulter clairement la donnée. On a eu deux approches dans ce plan data, qui est en place, c'est mettre en place un Data Hub qui permet de fédérer l'ensemble des données, des données de production d'industrie 4.0, mais j'ai poussé également, même si je gère pas l'IT en tant que DSI directement, mais un plan data complet sur l'entreprise, c'est-à-dire même les données internes, ce qu'on appelle les Master Data, équipement, donc là on déclare, c'est une table qui donne les équipements, nos clients qui viennent du CRM, qui viennent de notre propre ERP. On a combiné tout ça dans une solution data pour fédérer les données et d'être en capacité de les croiser et de les partager, enfin déjà de les traiter, il y a toute une phase de Data Quality, donc de pouvoir les nettoyer, les mettre propre avant de les présenter sur ce verrou de solutions pour nos clients. Donc toute une stack technique Data Hub qui a été mise en place, complètement nouvelle et qui permet d'aller beaucoup plus loin. Et comme on parle de beaucoup de données, la mise en place d'une gouvernance de la donnée, donc data governance, avec la mise en place d'un Data Catalogue, c'est un point vraiment essentiel qui permet de matérialiser le Data Catalogue, c'est un peu la carte, c'est un peu la cartographie des données. Elle contient pas les données, c'est Data Hub, mais elle dit où elles sont et ça permet de donner, il y a deux aspects dans le Data Catalogue et ça fait partie de nos choix, c'est utilisé par la tech donc mes équipes, mais aussi et surtout utilisé par les métiers et donc de se dire la donnée elle est à tel endroit, elle est captée par API, elle finit ici dans telle table et elle est utilisée par telle solution ou telle solution. Mais côté métier ça veut dire quoi ? C'est une donnée qui parle de la matière, qui parle de quels sont ses attributs et là on a une sémantique métier qui est autour de ça. Donc le plan data consistait vraiment à remplacer, on avait un Data Lake qui était fourni par le provider de Cloud qu'on avait mis en place en 2017-2018 et on a migré sur une autre solution qui nous permet de proposer un Data Hub et une solution de Data Catalogue.

Donc alors c'est voilà, c'est vraiment essentiel.

Oui, tout à fait. On a un partenariat, je sais pas si on peut le citer, mais avec AWS, Microsoft, Azure.

Donc quand on parle de cher, c'est par rapport à un service, il faut toujours voir quelle est la valeur que cela apporte. Exactement. Donc après tu as raison et ça fait partie, on est très pragmatique chez Lectra dans la sélection des technologies, c'est vraiment de sélectionner la meilleure technologie à date qui nous permet, comme je l'indiquais, de distinguer les workloads sur ces points-là, de proposer aussi de la data as a service parce que j'ai plusieurs équipes qui travaillent sur la data, ça faisait partie du plan, et voilà, qui puissent travailler chacun dans leur data warehouse propre sur la même stack technique mais avec une gouvernance qui permet de piloter ce point-là. Donc nous on a transformé, je dirais, nos choix technologiques et à chaque fois on a mesuré les coûts. Donc tout ça sont des solutions SaaS du marché avec des crédits, avec en fonction du compute et cetera, donc ça peut vite s'envoler. Donc on a fait attention là-dessus. On peut le citer, Snowflake par exemple, tu fais une requête ça coûte une blinde.

Oui, mais il faut être capable de le piloter. Donc on a réussi à baisser les coûts avec l'utilisation de Snowflake sur des bases de données très classiques comme de l'Azure SQL et cetera. Il faut vraiment piloter ça parce qu'on pouvait se retrouver à ce que l'équipe de développement, donc nos environnements dev, coûtaient plus que les environnements de prod. Donc voilà, c'est ce type de technologie qui est vraiment innovante et avec une maîtrise des coûts. Et donc à chaque fois on vient pas dire, bah tiens, on vient mettre les données dans sa FA, quel est l'usage, qu'est-ce qu'on va processer et cetera. Donc une vraie analyse en terme de cas d'usage.

Alors on l'utilise. Je distinguerai l'IA traditionnelle qui date des années 50 et toutes les technologies de machine learning, deep learning, sont pas nouvelles. C'est encore une fois un peu comme R, mais si tu dis ça aujourd'hui tu passes pour un vieux con. C'est la réalité. Et donc c'est un peu comme la Révolution, les différentes industries 1, 2, 3, 4, 4.0, c'est je dirais la puissance machine qui est arrivée et la partie internet avec l'explosion des données et le compute qui a permis en fin du 20e siècle d'exploiter les modèles et tout ce qui avait été inventé au niveau des années 50. Donc la partie IA traditionnelle, on l'utilise déjà depuis une dizaine d'années, tu l'as compris, on a 50 ans, on est une entreprise tech. Et la hype, l'IA générative qui est apparue en 2014 de manière assez confidentielle mais très connue avec le ChatGPT fin 2022 et ça s'est démocratisé. Donc pour revenir à nous, on est très concret sur ce point-là et dans les cas d'usage, c'est là où je pense qu'il y a le plus de disruption, c'est utiliser les données que l'on maîtrise, qui sont uniques, avec l'expertise que l'on a pour entraîner nos propres modèles. Donc dans les exemples concrets, on a déjà un premier niveau, on est en train d'améliorer encore ces modèles sur la maintenance prédictive. L'industrie 4.0 permet de capter beaucoup d'éléments des capteurs, comment on corrèle ses données pour dire, tiens, il y a une montée en température, une vibration, on se dit, tiens, le moteur va casser ou il faut anticiper. Donc on a des maintenances au bout de X heures de fonctionnement, donc on peut améliorer des modèles et proposer et affiner, soit modifier certaines pièces dans nos équipements, soit proposer finalement un remplacement au bon moment, pas trop tôt, pas trop tard. Donc là c'est de l'entraînement avec de l'IA traditionnelle, du machine learning, supervised learning sur ces points-là que l'on met également en place. Je citerai en deuxième exemple, c'est que on a digitalisé dans l'industrie 4.0, j'en ai parlé mais je redonne, c'est qu'on vient digitaliser la salle de coupe, on va parler de jumeau numérique où en fait l'idée c'est de se dire, voilà, telle machine a telle capacité, telle productivité, elle peut couper tel type de tissu et cetera, on digitalise tout ça et en fait on est capable avant de produire de simuler et donc de simuler comment on va pouvoir produire. Et donc l'idée, on est sur une première étape, on va aller beaucoup plus loin en amélioration continue sur l'IA, mais de se dire avant de produire et donc de se rendre compte que c'est pas le plus efficient, on va voir quelle est, et là c'est pas de l'algorithmique traditionnel, c'est vraiment de la simulation et quels sont les meilleurs paramètres pour être plus productif.

Tout à fait. Donc une grosse équipe de data engineering et data science qui travaille sur ce point-là. Et j'ai également fin d'année dernière lancé un plan notamment sur l'IA générative. Donc on est aussi à la fois de l'expérimentation et des cas d'usage appliqués avec des technologies telles que le RAG, toute la partie pour pouvoir profiter de toute la partie connaissance sur ces points-là.

Oui, alors rapidement. Donc je parlais d'IA traditionnelle, avec l'IA générative on parle de GPT, pour pas le citer, c'est pre-trained, donc pré-entraîné. Donc des modèles pré-entraînés, comment il a été entraîné ? Il a été entraîné en venant capter tout l'Internet, toutes les infos de l'Internet, il a appris à parler, à comprendre et cetera. Donc c'est une petite révolution via une techno qui s'appelle les Transformers, c'est le thé de transformer, qui permet d'aller plus loin. Là on est content, on a un ChatGPT ou ChatGPT Lite, on lui pose des questions, mais on peut lui dire, quand auront lieu les prochaines élections aux États-Unis, on peut lui demander tout ça. Mais si on lui demande, que faire quand j'ai un tel type d'incident sur mon Vector, qui est le nom de notre machine de coupe chez Lectra, il le sait pas parce que la documentation est pas, voilà, c'est privé. Donc le RAG, qui veut dire Retrieval Augmented Generation, c'est-à-dire il va capter, il utilise ce qu'il a appris pour parler, mais en tout cas la donnée, il va utiliser de la base de connaissance interne et donc la base de connaissance Lectra. Donc on va lui donner les fautes, le troubleshooting, la documentation Vector et on va être capable de chatter, dire, j'ai tel type d'erreur, qu'est-ce qui se passe ? Il va dire, tiens, c'est le moteur qui est cassé, il faut que tu fasses ça, ça. Et donc c'est ça globalement le RAG qui permet d'utiliser la base de connaissance et c'est vraiment une petite révolution.

Ouais, je suis en phase, je suis en phase. Et ouais, on avance.

Alors je pense tu as bien planté le décor parce que dans la partie RSE il y a quand même les deux points. Les gens retiennent souvent que la partie environnementale, le E, mais il y a la partie sociétale, sociale, conditions de travail. Donc sur ce premier point, oui, le numérique permet, je dirais, d'améliorer, on parle d'amélioration de productivité, d'automatisation dans l'industrie 4.0. Donc on peut automatiser notamment les tâches répétitives, certaines tâches répétitives, et c'était le cas. Si on reprend l'histoire, même si je suis pas un spécialiste des premières révolutions industrielles, mais globalement tu l'as dit, à un moment c'était compliqué, c'est utiliser le mot sale, enfin voilà, c'était des conditions très très compliquées. Donc là le numérique maintenant on est au 21e siècle, sur les tâches répétitives qui peuvent amener une fatigue, le numérique et l'industrie 4.0 et aussi augmenté par de l'IA permettre d'aller beaucoup plus loin et de pouvoir orienter les opérateurs, donc les humains, vers des tâches à plus forte valeur ajoutée. Ça c'est sur la partie conditions de travail. L'autre point c'est aussi la sécurité, on parlait tout à l'heure de cybersécurité, mais il y a la sécurité physique des personnes grâce au numérique. Donc on est sur un podcast, vous pouvez vous visualisez pas forcément la machine de découpe, mais bon c'est une énorme table, elle fait plusieurs mètres de long, une dizaine de mètres sur 3 mètres de large on va dire pour faire simple. C'est presque une ligne. Et tu as une tête de coupe, ou pour illustrer, c'est soit une scie sauteuse qui tourne, soit une pizza wheel, donc pour découper les pizzas, qui permet de découper, ça dépend, je rentre pas dans le détail mais voilà, donc tout ça coupe. Donc il faut faire attention, si la personne vient mettre, alors on a toutes les sécurité physique, mais le numérique on intègre des radars de détection de présence, des caméras et des radars qui permettent de ralentir la machine automatiquement si tu te rapproches et si tu vas un peu plus loin ça la stoppe, au-delà du bouton rouge qu'il y a dans toutes les machines côté industriel. Donc le numérique apporte quand même des vraies avancées en terme de sécurité au travail et de bien-être globalement.

Et ben c'est exactement ça, moins spectaculaire mais c'est ce que le numérique permet de faire et c'est ce qu'on a mis en œuvre côté Lectra sur la partie sécurité. Donc le deuxième volet qui est l'environnement, est-ce que c'est une boucherie sur ces points-là ? Alors côté Lectra on est vraiment très impliqué sur cette partie RSE et le 4.0. Alors on n'a pas défini une stratégie RSE parce que c'est le moment, voilà, c'est buzzword, quand tu es en bourse il faut le faire et rentrer dans du greenwashing et ce genre de choses. Donc en fait typiquement notre positionnement depuis longtemps c'est d'avoir les meilleures machines, d'un positionnement premium, donc de qualité sur nos découpeurs et donc d'avoir la meilleure efficience en terme de découpe. J'ai expliqué tout à l'heure le Tetris qui permet, donc si on revient sur l'environnement, clairement l'industrie de la mode c'est la première ou deuxième, entre le pétrole, en terme polluante pour la planète. Donc faut pas se le cacher, la chimie doit pas être loin non plus dans le top 3. C'est pétrole ou industrie de la mode avec le textile, avec tout ce qui se passe. Donc clairement c'est la production du textile, donc toute économie de matière qui est vraiment notre credo. Les meilleures machines qui permettent avec nos processus 4.0 d'optimiser la matière. Donc moins il y a de déchets de matière, on est spécialisé en découpe de matériau souple pour faire très simple, le tissu et le cuir pour l'ameublement, les sièges de voiture et les vêtements. Donc nos algorithmes et le numérique, la simulation numérique, le 4.0 nous permettent d'adapter nos solutions pour couper avec le moins possible de chute de matière. Donc tout pourcentage gagné c'est un pourcentage très important d'impact CO2, on parle de mètres linéaires gagnés de rouleaux de tissu si on est sur ce point-là, c'est aussi en nombre de peaux de cuir. Donc on a vraiment ce positionnement qui est très important, tous nos efforts vont être des gains en terme de profit et de marché pour nos clients mais aussi ça va dans le même sens, il y a pas l'intérêt économique qui va contre comme parfois dans certaines activités. Je citerai aussi nos découpeurs qui sont de haute précision, qui s'appellent iX6 ou iX9, qui permettent de découper en zéro buffer, c'est-à-dire que je citais tout à l'heure ton sweat avec la manche gauche, manche droite, des machines de nos concurrents ou des machines plus bas de gamme ne permettent pas de couper proprement une pièce et que ça soit le milieu, ça coupe deux pièces en deux qui soient utilisées, il y a toujours un buffer, c'est-à-dire 1 ou 2 cm au milieu pour être propre sur la coupe. Là nos machines nous permettent de placer les pièces de tissu contre, donc tu fais en une seule coupe tu as gauche droite et donc zéro perte. Donc on est sur du zéro buffer, donc on contribue fortement sur cette partie-là. Et voilà, le plus gros impact il est lié à ce point-là. On a intégré également de l'écoconception dans nos équipements avec la matière. Alors c'est bien la majorité, c'est le châssis qui est en acier, donc est hautement recyclable sur ce point-là. Mais je reviens, le plus important c'est l'économie de matière parce que le plus polluant et le plus impactant en terme de CO2 c'est bien la consommation de matière. Quand vous avez fait votre bilan carbone, la matière c'est vraiment là où vous avez le plus gros impact, exactement, et de très loin.

Alors déjà le 4.0, on a dit 2011, c'est encore très récent malgré tout. C'est lié clairement à des ruptures technologiques, IoT, data, cloud, et donc ça c'est clairement identifié comme les autres on identifiait le charbon et l'électricité. Donc c'est encore très récent, suivant les industries ça a été plus ou moins avancé, rapide. On a des industries et notamment l'industrie de la mode, on est encore au début et on est précurseur, dès 2017 on a proposé, on a lancé le 10 octobre un lancement mondial de Valia Fashion qui est pour aller voir sur les réseaux, un bel événement sur l'industrie 4.0. Donc on est encore au début sur cette partie-là. Le 5.0 est apparu il y a quelques années, je dirais 2020 sur ce point-là. Moi je le vois plus comme un prolongement du 4.0 qui est pas encore complètement abouti, avec pas réellement une rupture technologique ou un événement marquant qui est identifié. Il est défini, enfin si on regarde un peu les papiers, c'est plutôt la symbiose entre l'homme et la machine, remettre l'homme au centre. Donc je pense que c'est plutôt l'aboutissement du 4.0, notamment avec l'IA et la partie robotisation, les cobots qui permettent de collaborer avec la machine. Donc c'est vraiment ce point-là qui est décrit dans le 5.0. Donc pour moi c'est du 4.0 plus, plutôt qu'un vrai 5.0. On peut pas clairement définir la technologie, c'est vraiment recentrer l'homme au cœur des choses, et donc c'est très RSE aussi. Donc je pense que c'est intéressant dans le concept mais le définir comme 5.0, voilà, nous on reste, on souhaite être un leader du marché de l'industrie 4.0 à 2030 dans nos marchés, notamment la mode. Donc on voit que voilà, on estime que d'ici 5, 6 ans il y aura une maturité dans le monde du textile, l'habillement et de la mode. Donc le 5.0, voilà, on y est pas encore.

Alors moi je suis passionné tech, tu l'as compris, et passionné sur l'IA. Donc je pense que voilà, la vraie transformation globalement, lien de l'industrie 4.0 mais globalement sur les manières de travailler, sur l'industrie 4.0 on va parler d'autoadaptation, c'est-à-dire des machines qui pourront automatiquement mettre les paramètres qui vont bien pour la coupe. Donc là je suis sur ce modèle. Donc moi j'investis beaucoup de temps pro et très personnel, avec aussi des formations, j'ai l'occasion d'aller aussi sur Berkeley pour voir un peu, voilà, avoir une certification là ce qui se trame. Donc la combinaison, donc ça c'est vraiment le sujet et on est encore, je pense, il va y avoir beaucoup de choses. On parle d'intelligence mais on est encore très basique, c'est très spécialisé. Donc je pense tout ce qui émerge avec du multi-agent, avec ce qu'on dit, l'IA traditionnelle avec les bons modèles, l'expertise telle qu'on l'a, on peut aller beaucoup plus loin sur ces points-là. Je vois une combinaison en fait entre l'IA traditionnelle et l'IA générative, notamment avec des petits modèles, ça revient sur le RSE, pas prendre le canon pour écraser une mouche. Donc des petits modèles adaptés, donc le fine-tuning de LLM, donc combiner l'IA traditionnelle avec la partie LLM. Donc pour moi il y a encore une accélération, on est encore dans la rampe, même si Gartner indique qu'on est dans la pente descendante et c'est vrai il y aura beaucoup de déception, mais bon quand on est bien au cœur de tout ça. Donc moi j'ai une passion autour de ce point-là, à la fois professionnel mais à la fois sur ce que ça peut changer dans nos vies.

Alors bonne question, c'est pas facile. Une bonne technologie, je donnerai plusieurs critères : doit être innovante, elle doit résoudre des problèmes réels, elle doit être aussi suffisamment aboutie parce que sinon je la définirai pas comme bonne, elle est peut-être prometteuse. Donc suffisamment aboutie ou mature pour être intégrée dans l'écosystème existant. Donc on n'est pas dans des choses très lointaines, tout ça dans un délai acceptable. Donc voilà, innovante, aboutie, mature et qui servent à quelque chose et qu'on puisse implémenter dans un délai raisonnable. Alors tout ça peut être quelques semaines par mois.

C'est exactement ça. Donc résoudre des problèmes réels, ça sert à quelque chose. On peut se faire plaisir, la tech pour la tech c'est pas trop mon truc. J'aime bien lire des papiers, regarder, c'est toujours sympa, c'est rien quand on est entre techniciens c'est intéressant, bon ça fait de faire des blagues.

Alors je pense qu'on l'a parcouru tout au long de notre échange, l'industrie c'est vraiment de la haute technologie maintenant, quelle qu'elle soit. Et donc dans toutes les industries, on pourrait même parler de l'industrie sur l'agroalimentaire, sur de la pharmacie et cetera. Donc l'industrie c'est vraiment de la haute technologie. Après en terme de conseil, soit à un jeune, soit même à des entreprises qui se montent, je pense on a vu les technologies qui étaient sur l'industrie 4.0, celle qui est clé c'est la partie data et donc la compréhension de la data. On a vu des technologies émergentes, des nouvelles solutions comme Snowflake ou autre, la data c'est vraiment clé et donc la maîtrise de cette technologie autour de la data et investir sur ce point-là me semble essentiel. Parce que quel que soit, c'est vrai chez Lectra mais c'est vrai ailleurs, on a des couches, on a parlé de la couche cloud, mais au-dessus tu as une stack, une software factory, enfin tout ça c'est de la technique, mais la couche data c'est le lien entre la tech et le métier. Je parlais tout à l'heure d'Atac, tu découvriras un peu, mais c'est le lien entre le métier. Donc pour moi l'investissement sur la data, on en a parlé beaucoup, c'est un peu effacé avec l'IA, mais bon tout le monde dit, classique, pas d'IA sans data, ce qui est archivrai. Plus data de mauvaise qualité égale modèle de mauvaise qualité, sortie de mauvaise qualité, garbage in, garbage out. Donc la partie données, la partie data avec tous les éléments, un plan data, une entreprise ou une start-up ou plus mature, et d'investir je pense avec la compréhension de cette partie-là. Je pense que les générations sont plutôt bien habillées et bien équipées pour la suite.

Avec plaisir.