L’IA dans la production : trois processus qui gardent le savoir dans l’entreprise

Situation de départ : la stratégie manque, le savoir part à la retraite

Seuls 17 % des PME disposent d’une stratégie numérique définie, contre près de 50 % des grandes entreprises. C’est ce que montre l’enquête de Swissmem sur l’industrie 4.0 de 2020, à laquelle ont participé 267 entreprises de Suisse alémanique et 54 de Suisse romande.¹ Pour l’intelligence artificielle, l’écart entre l’annonce et l’atelier est plus grand encore. En 2024, l’EPF de Zurich a interrogé à ce sujet, avec Swissmem et Next Industries, plus de 200 entreprises technologiques suisses. La moitié n’a pas encore envisagé l’IA proche de la production, et 10 % mènent des projets pilotes.²

Cette réserve a de bonnes raisons. Swissmem cite comme obstacles les risques de sécurité et les questions de protection des données, les exigences réglementaires ainsi que la structure et la qualité des données.⁴ Confier ses données de conception à un cloud étranger, c’est se créer un problème qu’aucun gain d’efficacité ne compense. Et quiconque dispose d’une archive constituée sur trente ans sait que la qualité des données ne surgit pas sur simple pression d’un bouton. La réponse utile n’est pas d’attendre, mais de commencer petit et sous contrôle.

Car une horloge tourne, et elle est accrochée au bureau du personnel. La perte de savoir lors du départ de spécialistes expérimentés est considérée comme un problème majeur de l’industrie suisse. Swissmem présente à ce sujet le projet de recherche Digitaler Wissenserhalt im Unternehmen mené par la HES-SO Valais-Wallis : il recueille le savoir d’expérience des collaborateurs de longue date et le rend utilisable pour la formation des nouveaux venus.³ C’est exactement ce que votre atelier vit chaque semaine : la réponse figure dans un document que plus personne ne retrouve, et le collègue qui la connaît par cœur a encore deux ans avant la retraite. Un modèle de langage, c’est-à-dire un programme qui lit du texte et en rédige lui-même, peut rendre de tels documents de nouveau trouvables.

Dans la production alimentaire s’ajoute une voie légale. L’autocontrôle selon les principes HACCP est une obligation de l’entreprise.⁵ Les lignes directrices sectorielles pour les bonnes pratiques procédurales sont approuvées par l’Office fédéral de la sécurité alimentaire et des affaires vétérinaires (OSAV) ; elles constituent une aide reconnue, mais le droit alimentaire en vigueur prime sur elles. La base en est l’article 80 de l’ordonnance sur les denrées alimentaires et les objets usuels.⁶ L’obligation reste à l’entreprise. Le travail de rédaction qui l’entoure, non.

Cas d’usage 1 : le savoir d’expérience reste dans l’entreprise

Une installation de 2011 est à l’arrêt chez le client. Le technicien de service cherche la cause et il est certain que la même panne s’est déjà produite, sauf que cela figure dans un rapport de service que plus personne ne retrouve. Deux portes plus loin, le constructeur demande pourquoi une variante avait été réalisée à l’époque avec ce montage de paliers. Le même collaborateur peut répondre aux deux questions, et il part à la retraite dans deux ans.

Les rapports de service, les procès-verbaux d’essai, les notes sur les nomenclatures et les demandes de modification entrent dans la base de connaissances tels quels : en PDF, en scan, dans une arborescence de dossiers accumulée au fil du temps. Les questions se posent en langage courant, comme vous les poseriez à un collègue, et non avec des commandes de recherche : quelle panne est déjà apparue sur quelle série, pourquoi ce montage de paliers a été choisi, ce que disait le procès-verbal de réception. La réponse arrive avec le renvoi au document dont elle provient. Vous vérifiez ainsi en quelques secondes au lieu de devoir croire sur parole.

Les droits descendent jusqu’à chaque outil : qui n’a pas le droit de voir le calcul de prix de revient ne le voit pas non plus via l’IA. Chaque accès figure dans le journal d’audit, un registre qui retient qui a ouvert quel document et quand. Commencez par un type de machine ou par une série et vérifiez les premières réponses sur des cas que vous connaissez par cœur. La qualité des réponses croît avec la qualité de l’archivage, et l’entreprise constate sur son propre exemple ce que vaudra désormais un classement soigné.

Cas d’usage 2 : passer le cahier des charges au crible avant l’offre

Un cahier des charges client arrive avec 140 pages. Le délai de remise est dans dix jours, et le seul à pouvoir le lire est le senior, déjà surchargé de toute façon. Le document entre dans le collègue IA, et il en ressort une liste structurée d’exigences : ce qui est demandé, dans quel chapitre cela figure, quelle norme est citée et quelle tolérance est indiquée.

Dans un deuxième temps, cette liste est confrontée à vos propres spécifications, à vos listes de normes et à vos offres antérieures issues de la base de connaissances. Ce que votre portefeuille couvre apparaît comme couvert, avec un renvoi à votre propre spécification. Ce qu’il ne couvre pas est signalé. Ce qui est formulé de manière floue atterrit sur la liste des questions à poser au client, avec la référence exacte dans le cahier des charges. Le senior lit ainsi de manière ciblée les passages signalés au lieu des 140 pages, et la décision de soumettre une offre repose sur une base plutôt que sur une impression.

Ce qui, délibérément, ne se produit pas : le collègue IA ne donne aucun engagement et ne remplace aucune clarification technique. Il livre un projet avec la source, et un modèle de langage peut passer à côté d’une exigence ou la classer à tort. C’est pourquoi la liste appartient au service spécialisé, qui juge de ce qui est réalisable. Le gain tient à ce que l’examen commence le premier jour et non le septième.

Cas d’usage 3 : assurance qualité et audit dans la production alimentaire

L’audit selon IFS Food ou BRCGS est prévu en mars. Le catalogue de questions est mis en regard de votre propre manuel HACCP et qualité, et il en ressort une liste de lacunes : quelle question trouve réponse dans le manuel, où il n’y a qu’un renvoi, où il n’y a rien. L’assurance qualité traite cette liste au lieu de relire trois fois le manuel depuis le début.

La deuxième pile, ce sont les documents des fournisseurs : spécifications, certificats, certificats d’analyse. Le collègue IA les résume, signale les dates de péremption et nomme ce qui manque. Le troisième cas, ce sont les projets d’étiquetage et de déclaration multilingues ainsi que les notices d’utilisation. Ils naissent avec votre glossaire d’entreprise, c’est-à-dire avec votre propre liste de termes, et emploient les mêmes termes dans toutes les langues. L’ordre des ingrédients et la mise en évidence des allergènes figurent alors comme points de contrôle sur la liste de l’assurance qualité, et non comme résultat de la machine.

La limite est ici tracée nettement, et c’est heureux. L’autocontrôle est une obligation légale de l’entreprise.⁵ Le collègue IA rédige des projets et trouve les lacunes ; la validation doit venir de l’assurance qualité. Pour les étiquettes et les notices d’utilisation s’ajoute la responsabilité du fait des produits : la validation technique appartient expressément à une personne, et un texte écrit par une machine ne satisfait à lui seul aucune exigence légale. Cet article ne remplace pas un conseil juridique.

Connecteurs : ce qui peut être relié à vos systèmes

Un collègue IA est aussi utile que ce qu’il a le droit d’atteindre. MCP est un standard ouvert qui permet à un programme d’IA de solliciter un autre programme. Il faut pour cela une interface documentée, c’est-à-dire un point de raccordement publié par lequel deux programmes échangent des données. Chaque outil est libéré séparément, et chaque appel est consigné. Selon une analyse Profondia de 2023 portant sur les quelque 13 500 plus grandes entreprises suisses, l’ERP le plus utilisé en Suisse est Abacus avec 17 %, devant SAP avec 16 % et Microsoft Dynamics avec 8 %.⁷ Le tableau montre jusqu’où va aujourd’hui le raccordement de l’IA aux logiciels répandus dans la fabrication et la production alimentaire, vérifié en août 2026. La colonne du milieu donne les noms techniques de ces interfaces ; celle qui compte pour vous est la colonne de droite.

Votre logiciel manque à la liste ? Les trois processus ci-dessus travaillent avec des documents et n’ont besoin d’aucun raccordement de système. Pour commencer, un export depuis le MES, c’est-à-dire depuis la conduite de production, ou depuis le système de gestion des moyens de contrôle suffit. Le fonctionnement de principe d’un raccordement via MCP et la liste des systèmes préparés figurent sur la page Intégrations.

Secret d’affaires : vos données de conception restent entre vos mains

Dans cette branche, le levier ne s’appelle pas d’abord loi sur la protection des données, mais secret de fabrication et secret d’affaires. L’article 162 du Code pénal punit la violation de tels secrets lorsqu’une obligation légale ou contractuelle de garder le secret existe ; l’infraction n’est poursuivie que sur plainte.⁸ Ce sont exactement ces secrets que contiennent vos données de conception, vos calculs de prix de revient et vos spécifications clients, souvent protégés en plus par un accord de confidentialité. Qui fournit la medtech, la pharma ou l’aéronautique porte de surcroît les exigences contractuelles de ses clients contre toute fuite de données vers des clouds étrangers. Cet article ne remplace pas un conseil juridique.

D’où la phrase clé : vos données de conception restent dans votre propre instance. Une instance est l’installation qui tourne pour votre seule entreprise, avec des droits par outil et un journal pour chaque accès. Elle est exploitée dans des centres de données certifiés ISO 27001 de Green à Lupfig (Suisse) ou sur votre propre serveur. Sont proposés les modèles actuels d’OpenAI (ChatGPT) et d’Anthropic (Claude) ; ils sont exécutés dans le centre de données AWS de Francfort. AWS est une entreprise américaine, le US CLOUD Act s’applique donc même avec des serveurs à Francfort, et nous le disons ouvertement. Pour les clients aux exigences élevées en matière de protection des données, des modèles ouverts de premier plan comme GLM, Kimi et DeepSeek sont disponibles, exploités par des entreprises européennes sur des serveurs en Europe ; le CLOUD Act ne s’y applique pas. Les données des clients n’entraînent aucun modèle. La télémétrie, c’est-à-dire la remontée de données d’utilisation, est désactivée par défaut. Qui, en raison d’exigences de ses clients, ne peut rien transmettre à l’extérieur exploite l’instance dans son propre centre de données. La base LibreChat est consultable sous licence MIT ; le dépôt contenant nos propres extensions suivra prochainement.

Pour les données du personnel s’applique en outre la loi révisée sur la protection des données. L’entreprise reste responsable, même lorsqu’un outil d’IA traite les données. Si un prestataire intervient, cela requiert un contrat de sous-traitance, un contrat qui fixe ce que ce prestataire a le droit de faire des données. Le contrat de sous-traitance et la liste des sous-traitants ultérieurs sont publiés ouvertement sur le site, les mesures techniques dans le Trust Center.

Questions fréquentes de la fabrication et de la production alimentaire

Sources

Tous les chiffres et toutes les indications juridiques de cet article proviennent des sources suivantes, vérifiées pour la dernière fois en août 2026.

1. Swissmem, enquête sur l’industrie 4.0 dans la branche MEM (enquête 2020, publiée le 16 novembre 2020 ; 267 entreprises de Suisse alémanique, 54 de Suisse romande), stratégie numérique dans les PME et les grandes entreprises : swissmem.ch
2. Étude de l’EPF de Zurich avec Swissmem et Next Industries auprès de plus de 200 entreprises technologiques suisses sur l’état de l’IA (enquête 2024), rapportée par MaschinenMarkt Schweiz le 14 novembre 2024 : maschinenmarkt.ch
3. Swissmem, projet de recherche Digitaler Wissenserhalt im Unternehmen mené par la HES-SO Valais-Wallis, recueil du savoir d’expérience, présenté à la conférence Swissmem sur l’industrie 4.0 en janvier 2024 : swissmem.ch
4. Swissmem, intelligence artificielle : applications actuelles et défis dans l’industrie suisse : swissmem.ch
5. OSAV (BLV), Office fédéral de la sécurité alimentaire et des affaires vétérinaires, lignes directrices pour les bonnes pratiques procédurales dans les entreprises du secteur alimentaire et autocontrôle selon HACCP : blv.admin.ch
6. Article 80 de l’ordonnance sur les denrées alimentaires et les objets usuels (ODAlOUs), lignes directrices sectorielles et leur approbation par l’OSAV : fedlex.admin.ch
7. Analyse de Profondia sur l’utilisation des ERP parmi les quelque 13 500 plus grandes entreprises suisses, rapportée par Swiss IT Magazine en juillet 2023 : itmagazine.ch
8. Article 162 du Code pénal suisse (CP), violation du secret de fabrication ou du secret commercial, infraction poursuivie sur plainte : fedlex.admin.ch