Agile, flexible, saturée : voilà les trois qualités attendues de l'usine de 2030, selon une enquête menée par Accenture auprès de plus de 500 directeurs d'usine. Lors du Tech For Industry Show 2026 à Paris Expo Porte de Versailles, une table ronde animée par [Accenture — intervenant à confirmer] a réuni quatre industriels majeurs — Frederic Vetil (Safran), Youssef Benzakour (Forvia), Max Blanchet (Accenture), et Eric Marchiol (Renault Group) — pour confronter leurs stratégies vers l'usine autonome : IA physique, robots humanoïdes, métaverse industriel, smart automation et transformation des compétences.

L'enquête Accenture dégage trois exigences. D'abord l'agilité : industrialiser des produits beaucoup plus vite, en écho à la réduction des temps de développement imposée par la concurrence chinoise. Ensuite la flexibilité : se reconfigurer de façon quasi dynamique face à l'hypersegmentation de la demande, aux ruptures d'approvisionnement et à la « permacrise ». Enfin, un taux d'utilisation des actifs maximal : un actif saturé, capable de produire différents types de produits, impacte directement le ROI et permet de conserver un outil industriel sur un territoire comme la France.

Trois leviers rendent cette usine possible : l'hyperautomatisation : avec l'avènement de l'IA physique et des humanoïdes ; l'orchestration, c'est-à-dire l'autonomie des processus (détecter un problème, proposer une solution, la mettre en œuvre avec peu d'interaction humaine, ce qui n'est pas la simple automatisation) ; et la transformation des talents, car l'usine entièrement « noire » restera l'exception, réservée aux très gros volumes standardisés.

Le contexte de Safran donne la mesure du défi : 11 entreprises, plus de 220 usines dans 70 pays, plus de 200 programmes, des produits fabriqués pendant près de 50 ans, et des gammes nécessitant jusqu'à 75 opérations dont la moitié en procédés spéciaux, chacun représentant environ 2,5 millions d'euros d'investissement.

Depuis 5 ans, Safran a investi massivement dans la continuité numérique, PLM, ERP nouvelle génération, MES généralisés, pour garantir automatiquement traçabilité et conformité, les deux impératifs de l'aéronautique. Autre chantier structurant : la mise sous contrôle de la supply chain (5 000 fournisseurs, plus de 900 lignes de production dont 540 lignes d'assemblage) via des control towers et la détection de signaux faibles (early signal detection).

Le constat du benchmark est sans appel : la digitalisation seule ne rapporte que 5 à 10 % de productivité. Pour viser 30 à 40 % de gains dans les 70 usines françaises, Safran déploie du smart automation : cellules de chargement/déchargement (IOCI), AGV pour la transitique, car en flux discontinu, les pièces attendent 95 % du temps et une « troisième main » pour l'opérateur : computer vision, instructions de travail vocales, outils connectés.

Entre clé connectée, computer vision, MES et géolocalisation des pièces, un opérateur peut se retrouver face à cinq écrans : la charge cognitive risque de dégrader ce que l'on a gagné en charge physique. Safran vise donc un single screen, un environnement numérique unique pour ses 60 000 frontliners et considère l'UX/UI comme un métier désormais fondamental dans l'industrie.

Chez Safran, le POC est désormais « strictly forbidden ». La méthode de passage à l'échelle repose sur des standards groupe (deux MES, deux PLM, contrats-cadres, dossiers d'architecture, cybersécurité maîtrisée) et des archétypes de production : lignes d'assemblage final (FAL), lignes à tact time d'une heure, lignes très haute cadence en full automation, et job shops optimisés par algorithmie.

Équipementier automobile de rang 1, Forvia gère jusqu'à 35 catégories de technologies sur ses lignes, un défi majeur de standardisation.

La vision Forvia de l'usine 2030 repose d'abord sur le lean : excellence system pour les opérations, lean industrial design pour atteindre le « just need » de CAPEX, et lean pour l'excellence des lancements de programmes : « la meilleure manière de perdre de l'argent dans l'automobile, c'est de rater un lancement ».

Sur ces fondations, quatre briques : le contrôle digital des opérations (un MES déployé sur 200 usines en 5 ans, en cours de modernisation vers le cloud pour permettre aux usines de développer leurs propres solutions) ; l'IA et la GenAI en agents d'appui managérial et d'expertise ; le digital twin et le PLM pour la continuité engineering-opérations ; et l'IA de contrôle des process, en priorité l'inspection qualité automatisée par la vision et le son.

Ces outils permettent de fonctionner autrement : centralisation de l'ordonnancement (tous les métiers « planning » regroupés régionalement avec une vision transverse de la chaîne de valeur) et centralisation de l'expertise les meilleurs experts entraînent les IA qui traiteront 80 % des problèmes courants, et n'interviennent plus que sur les cas critiques.

Renault a engagé dès 2016 le chantier de la donnée industrielle, « craqué » en 2019. Résultat : plus de 20 000 équipements connectés sur 22 usines, avec un modèle de données standard quel que soit l'équipement, la condition d'un déploiement à l'échelle.

Tous les projets de la transformation digitale Renault affichent un ROI inférieur à un an, avec des gains « à deux chiffres » sur la qualité et la consommation d'énergie. Le parti pris : ne pas "scrapper" le patrimoine industriel français, mais faire basculer des usines anciennes (brownfield) au meilleur niveau de performance, en mariant lean et digital.

La différence entre jumeau numérique classique et métaverse industriel ? La boucle de rétroaction en temps réel : détecter une dérive de paramètres et agir directement sur la chaîne : supply, qualité, maintenance. Au quotidien, cela change le management : au QRQC du matin, les données complètes d'un incident sont sur la table à T+15 minutes. Et l'analogie du cockpit s'impose : pas de dashboards figés dans les applications, mais des données exposées que chaque manager assemble lui-même dans ses outils de pilotage.

Trois chantiers d'accélération : des orchestrateurs IA déjà déployés sur la maintenance et la supervision d'énergie ; l'application des modèles VLA (Vision Language Action) au parc existant de plus de 11 000 robots, pour les rendre capables de percevoir leur environnement ; et le déploiement de 300 à 350 robots humanoïdes dès 2027, non pour des démonstrations de dextérité, mais pour des manipulations simples, pénibles et robustes. Objectif complémentaire : passer de 300 à 1 000 contrôles par computer vision par usine. Le tout adossé à un programme transversal de résilience des infrastructures et des procédés.

Trois convergences ressortent du débat. Côté profils : moins de data scientists « en attente d'algorithmes », plus de data engineers pour structurer la donnée (standards type UNS — Unified Namespace) et de spécialistes du hardware et de la vision — « hardware is hard », l'algorithmie devenant une commodité. Côté métiers : le master scheduler passe de « générer un planning » à « piloter une IA qui pilote l'outil ». Côté conduite du changement : suggérer un défaut par algorithme à un inspecteur aéronautique de niveau 3, à qui l'on répète depuis 50 ans que les avions volent grâce à lui, relève de la transformation culturelle — et le plant manager doit en être le premier sponsor.

Trois accélérateurs font consensus : intégrer le digital dans le système lean plutôt que d'en faire une voie parallèle ; proposer des plateformes où 80 % du chemin est fait, le dernier kilomètre étant réalisé par les usines elles-mêmes (citizen development, GenAI) ; et bannir les POC au profit de standards et d'archétypes. La GenAI change déjà la donne : Renault constate 30 à 50 % de gain de temps de développement — certains chantiers estimés à 6 ou 8 mois ont été réalisés en une demi-journée.

Quelle est la différence entre automatisation et autonomie ? L'automatisation exécute une tâche programmée. L'autonomie est la capacité d'un système à détecter un problème, proposer une solution et la mettre en œuvre avec peu ou pas d'interaction humaine — c'est le cœur de l'usine autonome de 2030.

Les robots humanoïdes sont-ils déjà une réalité industrielle ? Oui : Renault Group annonce le déploiement de 300 à 350 robots humanoïdes dès 2027 dans ses usines, sur des manipulations simples, pénibles et robustes.

Quel ROI attendre de la transformation digitale d'une usine ? Renault affiche des ROI inférieurs à un an sur l'ensemble de ses projets ; Safran estime que la digitalisation seule apporte 5 à 10 % de productivité, et vise 30 à 40 % en y ajoutant le smart automation.

L'usine de 2030 sera-t-elle une usine sans humains ? Non, selon les trois industriels : les usines « noires » resteront limitées aux très gros volumes standardisés. Plus on est proche du client, plus l'humain — augmenté par le numérique — reste central.

Cette table ronde a été enregistrée lors du Tech For Industry Show 2026, le salon B2B de la transformation industrielle (Smart Manufacturing, IA, Supply Chain) à Paris Expo Porte de Versailles. Retrouvez l'intégralité des échanges en vidéo ci-dessus, et rendez-vous les 19 et 20 mai 2027, Hall 7, pour la prochaine édition.