Longtemps considéré comme le « parent pauvre » de la transformation digitale face à l'ERP, le PLM (Product Lifecycle Management) s'impose comme le socle de la donnée produit — et le prérequis de toute IA fiable en R&D. Au Tech For Industry Show, cinq expertes et experts ont croisé leurs retours d'expérience : Emily Lara Rosales, Global R&D PMO & PLM Director (Pernod Ricard), Laure Burtin, DDAI Strategic Office Director Data, Digital & AI (Danone), Sarah Stocco, Principal PLM Solution Consultant (Infor), Hélène Boileau, Senior CPG PLM Consultant (Accenture) et Frédéric Russo, SVP, General Manager Central & Southern Europe (Infor).

Tout projet digital promet un meilleur time to market — ce n'est donc plus un critère différenciant pour lancer un programme PLM. Les critères engageants : faire juste du premier coup (right first time) et sécuriser sa license to operate, avec à la clé du cost avoidance significatif et de l'efficacité entre équipes. Second enjeu : la donnée, accélérateur potentiel de l'IA — c'est là que la vraie accélération se joue.

Deuxième acteur mondial des vins et spiritueux, Pernod Ricard gère un grand écart permanent : des spiritueux maturés dont le développement peut prendre des dizaines d'années, et des produits formulés non maturés au time to market de quelques mois. Avec un marché qui se recompose — barrières à l'entrée en baisse, frontières floues entre spiritueux, soft drinks et food — ceux qui s'en sortiront sont ceux qui partiront du consommateur, de ses besoins et de ses occasions, au-delà de la vue industrielle classique.

Le PLM centralise l'ensemble des informations et processus liés au produit, de la conception au retrait des rayons : recettes, formulations, packaging, nomenclatures, spécifications. Il ne remplace pas l'ERP — il fiabilise l'exécution dans l'ERP. Sarah Stocco (Infor) pousse l'image plus loin : le PLM n'est pas le petit frère de l'ERP mais « le père ou la mère de famille de la donnée produit ». Si l'amont n'est pas fiable, l'aval ne fait qu'hériter du manque de fiabilité — et intégrer tôt le design to cost et le design to sustainability transforme une contrainte subie en levier de conception.

Au-delà de la source de données unique, fiable et centralisée, un levier souvent oublié : le levier RH. Quand la donnée est fragmentée entre systèmes R&D, qualité, SharePoint, Excel et ERP, les équipes s'épuisent à contrôler, rechercher, ressaisir — jusqu'à la frustration, voire au départ. Le PLM libère du temps pour le cœur de métier : développer des produits. S'ajoutent l'évitement des reworks et des erreurs coûteuses (étiquetages nutritionnels erronés) pour des lancements sereins, dans les temps et conformes — sans négliger, dans le business case, la valeur non chiffrée.

Identifié depuis 4-5 ans et remonté par le terrain, le besoin a trouvé ses déclencheurs : la globalisation de la fonction R&D — d'une vingtaine d'équipes à géométrie variable vers une fonction globale qui partage connaissance, projets et données validées, ouvrant le reuse et le platforming ; l'enjeu d'agilité face aux coûts des matières premières et de l'énergie, aux tarifs américains et à une réglementation devenue levier de guerre économique — avec des spécifications structurées permettant de passer d'un site à l'autre ; et la transformation ERP/master data en cours, qui exige une donnée d'input structurée en amont.

Trois ans après le lancement, trois facteurs clés : un sponsorship au plus haut niveau (« sinon on ne démarre pas ») ; l'engagement des fonctions — ce n'est pas un projet de la R&D dans son coin, et rien n'engage mieux que de démontrer vite la valeur sur deux points d'intégration ; et le positionnement du PLM comme pièce maîtresse du design to delivery, jusque dans le storytelling. L'anecdote : chez Danone, le projet s'appelle Cybèle — équivalent de Rhéa, déesse de la création, membre des douze Titans — assise à la table de Thémis… le nom de l'ERP maison. « On ne descendra pas plus bas dans la hiérarchie. » Dernier conseil : couper l'éléphant — l'intégration des nomenclatures a démarré sur une usine, puis dix, avant d'envisager les 200.

Chez Pernod Ricard — « créateurs de convivialité », groupe construit par acquisitions successives où chaque entité a développé sa propre culture — la transformation PLM est d'abord une transformation de processus, accompagnée d'une solution digitale, et non l'inverse. Face à des populations R&D à faible turnover, travaillant parfois dans leur langue natale et sur Excel, l'annonce d'un outil mondial avec IA peut générer de l'anxiété : il faut co-construire le bénéfice avec elles, pas l'imposer top-down. Et le leader de programme doit être patient et résilient — des années peuvent s'écouler avant le déclenchement, et ce n'est que le début.

Les facteurs clés de réussite côté conduite du changement : cartographier les parties prenantes au plus tôt (les résistances ne sont pas toujours où on les attend, et le meilleur sponsor n'est pas forcément le plus haut placé — mais celui qui croit vraiment au projet) ; construire un réseau d'ambassadeurs — des relais de confiance sur le terrain, pas de simples formateurs ; et créer le collectif : un projet PLM est cross-fonctionnel (R&D, marketing, qualité, supply chain, regulatory), idéalement porté par un plateau projet physique ou virtuel où business et IT parlent le même langage. Jusqu'au choix collectif du nom de projet — premier pas de l'appropriation.

Mettre en place un PLM, c'est « remettre l'église au milieu du village » : poser les sources of truth, l'accountability de la donnée — et pour une fonction, être maître de sa donnée, « c'est exister dans l'entreprise ». Bonne nouvelle : grâce à l'IA, les opérationnels ont compris l'intérêt de maintenir la donnée — il y a dix ans, « pourquoi je le ferais ? ». Reste à les aider à franchir le cap : supprimer la saisie manuelle des spécifications ingrédients et packaging, via portail fournisseurs ou semi-automatisation.

L'IA d'abord pour soulager des tâches à faible valeur ajoutée — rechercher une information, synthétiser un document, extraire de la donnée — car ces frictions frustrent au quotidien. Puis l'IA agentique : dialoguer avec des agents et déléguer — identifier pourquoi un workflow est bloqué et proposer des actions, ou pré-simuler un changement d'ingrédient et son impact sur la formule et le produit fini. Et le process mining appliqué au NPDI : analyser où le temps se perd et où les boucles se créent — un écart au standard n'étant pas toujours une erreur, parfois une pratique terrain à intégrer au catalogue de processus. Le renversement de fond, selon Sarah Stocco : « pendant longtemps, on a demandé aux utilisateurs de s'adapter à la solution ; maintenant, c'est la solution qui doit s'adapter aux utilisateurs » — parler le langage de l'industrie, et désormais celui des utilisateurs. Avec un garde-fou partagé par toutes : si la donnée amont est fragile, l'IA ne fait qu'amplifier cette fragilité — et donne une dangereuse fausse impression de maîtrise.

La data d'abord (où est-elle, qui en est responsable, à quoi sert-elle), les process ensuite, l'outil seulement après — et les people en transversal, du début à la fin. Le PLM comme levier de différenciation, quand toutes les entreprises ont déjà un ERP. Une opportunité pour que les fonctions se parlent et progressent ensemble. Et pour ceux qui démarrent : cartographier où la complexité génère de la valeur — et où elle n'en génère pas. C'est là que se trouvent les vrais pain points, point de départ propre à chaque entreprise.

Retrouvez l'intégralité de cette table ronde, ainsi que les autres replays du Tech For Industry Show, sur notre page dédiée.