IA embarquée dans l'industrie : la stratégie d'IFS pour l'ERP et la supply chain
Face à la multiplication des initiatives autour de l'intelligence artificielle industrielle, les entreprises industrielles oscillent souvent entre deux extrêmes : l'attentisme, en attendant "la bonne solution", ou la dispersion, en lançant trop de projets IA en parallèle sans retour sur investissement mesurable. Lors du Tech For Industry Show, Sébastien Delauré (IFS) a présenté sa position : intégrer pleinement l'IA embarquée dans les processus métier plutôt que d'en faire un sujet séparé.
IFS, un éditeur ERP européen spécialisé dans l'industrie
IFS se présente comme un leader européen de l'édition logicielle, d'origine suédoise, présent dans plus de 90 pays avec plus de 7 000 collaborateurs, pour un chiffre d'affaires de 1,023 milliard en 2024. L'éditeur adresse un nombre volontairement limité de secteurs pour proposer des fonctionnalités prêtes à l'emploi : aéronautique et défense, construction, ingénierie, services, gestion des ressources et de l'énergie, industrie manufacturière, transport et télécommunications.
Une plateforme unique : IFS Cloud, enrichie par IFS.IA
Le portefeuille IFS repose sur une plateforme unique, IFS Cloud, qui couvre notamment le Field Service Management, l'ERP et l'Asset Management. Cette base est enrichie par IFS.IA, la couche qui embarque l'intelligence artificielle dans ces processus, et par un écosystème de solutions partenaires : IFS Assist (ticketing), Copperleaf (gestion des investissements sur les actifs), POCA (digitalisation des modes opératoires en atelier), Seven Bridges (IA appliquée à la gestion du transport) et SOFON (gestion avancée d'entrepôt).
Trois piliers d'IA industrielle, du plus simple au plus avancé
Pilier 1 : des cas d'usage natifs prêts à l'emploi
IFS propose environ 60 cas d'usage d'IA intégrés nativement dans l'ERP, le Field Service Management et l'Asset Management, organisés autour de six axes : génération de contenu, recommandation (via un copilote intégré qui s'appuie sur les données propres du client, contrairement à un copilote généraliste externe), connaissance contextuelle, prévision et simulation, optimisation sous contrainte (planification de production et interventions techniciens, en tenant compte de la proximité géographique, des SLA, des compétences et des horaires clients) et détection d'anomalie côté maintenance, pour améliorer la disponibilité des actifs.
Pilier 2 : l'IA agentique, ou les « collaborateurs numériques »
Le deuxième niveau concerne les agents IA autonomes, appelés « collaborateurs numériques », déployés via la plateforme IFS Loops. Leur rôle : automatiser des flux de travail complexes et répétitifs, en s'interfaçant avec l'écosystème applicatif existant (Teams, Slack, Jira, outils Microsoft, SAP) via des connecteurs standards. Ces agents fonctionnent en continu, mais restent intégrés dans une boucle de décision où le responsable humain garde le dernier mot — par exemple pour valider la relance d'un fournisseur.
IFS propose des collaborateurs numériques préconfigurés, principalement autour de la supply chain : gestion des commandes clients (Customer Order Manager), réapprovisionnement de matières et de stocks (Material/Inventory Replenisher), réconciliation des commandes fournisseurs (Supply Order Manager) et rapprochement de facturation. Des agents plus récents couvrent désormais le Field Service (planification, dispatch, base de connaissance).
D'après IFS, les entreprises ayant déployé ce type d'agents constatent en moyenne un gain de l'ordre de 70 % sur les processus concernés, ce gain variant selon le point de départ et le processus métier. Le traitement des commandes clients non digitalisées, par exemple, représenterait selon des études de cabinets externes environ 40 % du temps passé à réconcilier ces commandes avec l'ERP.
Pilier 3 : le sur-mesure, co-construit avec le client
Le troisième pilier concerne les cas d'usage spécifiques, construits conjointement avec le client « en mode start-up », en s'appuyant sur les meilleurs outils du marché et pas uniquement sur la technologie IFS. La définition du cas d'usage peut prendre quelques heures, les premiers résultats sont généralement disponibles sous 2 à 3 semaines, et les premiers bénéfices mesurables sous 3 à 12 semaines, avant un éventuel déploiement à plus grande échelle.
Pour accélérer ces projets, IFS propose plusieurs accélérateurs préconfigurés : Nexus Resolve (diagnostic assisté par IA pour les techniciens terrain, via scan et photo d'un équipement), sa déclinaison prédictive et Field Service, Master Data (nettoyage et consolidation des référentiels de données), Nexus Comply (conformité réglementaire pour l'aéronautique, notamment le suivi des bulletins constructeurs) et un module d'optimisation pour le manufacturing.
Trois recommandations pour démarrer un projet d'IA industrielle
IFS formule trois conseils pratiques pour les entreprises souhaitant se lancer :
- Cibler un processus concret, répétitif et à fort volume, avec un objectif réaliste plutôt qu'ambitieux.
- Mesurer un gain tangible sur un panel d'utilisateurs cible, plutôt que de mener un POC porté uniquement par l'IT sans indicateur de retour sur investissement clair.
- Déployer à plus grande échelle, site par site pour les groupes multinationaux, une fois le cas d'usage validé et industrialisé.
Explicabilité et gouvernance : les conditions de confiance
Un point revient à plusieurs reprises dans la présentation : une IA, aussi performante soit-elle, devient risquée si elle n'est pas capable de justifier ses actions. IFS met donc en avant la capacité de sa plateforme à tracer, auditer et mesurer l'ensemble des actions réalisées par les agents numériques, avec des garde-fous et un maintien systématique de l'interaction humaine pour valider ou infirmer les décisions prises.
Ce qu'il faut retenir
La démarche présentée par IFS illustre une tendance de fond dans l'IA industrielle : plutôt que de multiplier les initiatives isolées, l'enjeu est d'intégrer l'IA directement dans les processus métier existants — ERP, supply chain, maintenance — avec une approche progressive (cas d'usage natifs, agents autonomes, puis sur-mesure) et un cadre de gouvernance clair, garantissant traçabilité et explicabilité.
Retrouvez l'intégralité de cette conférence, ainsi que les autres replays du Tech For Industry Show, sur notre page dédiée.