Industrie : usines, qualité, maintenance

À Lyon, une TPE de chaudronnerie a entraîné un outil d’IA sur son historique de production pour estimer phases, temps, matière, marge et prix à partir des fichiers 3D des pièces.

Au train à bandes du site ArcelorMittal de Fos-sur-Mer, le dispositif « Final check » — deux lasers, sept caméras et de l’IA — identifie les bobines et signale les défauts pour que les opérateurs interviennent plus vite.

Danone a automatisé la planification de la demande dans 38 pays avec SAP IBP et des modèles de machine learning : les prévisions, qui demandaient 160 heures, sont obtenues entre 20 minutes et 4 heures, pour plus de 230 prévisionnistes.

Guerbet utilise Azure, Document Intelligence et AI Vision pour des solutions d’IA au service de l’intégrité des données et du contrôle qualité, afin d’améliorer la précision et la conformité de sa documentation de production.

Lucille Roger, responsable MOA IT à la Compagnie Nationale du Rhône, a fait passer un agent IA d’un POC 2025 à une mise en production en mars 2026 : face à un défaut sur un alternateur, l’exploitant interroge notices, schémas et rapports de maintenance industrielle.

Gaëtan Goguet, responsable maintenance chez Saga Décor (groupe Verallia, 45 personnes, décor de bouteilles en verre), exporte la GMAO en CSV et demande à Copilot Premium le Pareto des pannes : une « grosse étude » sort en moins de dix minutes.

Paul F. Minssieux, DSI de Clauger (ETI industrielle, 3 000 salariés, froid et traitement d’air), oppose un projet à 80 000 € à un assistant créé en une heure qui fait gagner 5 minutes par jour ; 200 « makers » ont déjà alimenté une bibliothèque de plus de 250 assistants, dont une cinquantaine utilisés au quotidien.

Frédéric Minssieux, président de Clauger, a travaillé avec les juristes de l’ETI industrielle sur un agent capable d’améliorer les contrats fournisseurs en listant des points de vigilance dans les documents existants — impulsion donnée en même temps que les 300 licences Copilot.

Chez Laitik (Lait’sprit d’Éthique, Trémorel, 15 salariés), industriel du lait et de la crème, le service qualité se sert de ChatGPT pour rédiger les process — stérilisation du lait, port d’EPI — puis les décliner en instructions, un travail qui représentait des heures ; l’équipe technique relit pour la cohérence, en vue de la certification IFS.

Setic Pourtier, PME de Roanne (85 personnes) qui fabrique des machines pour l’industrie du câble, a d’abord bâti une IA de maintenance prédictive, puis l’a réorientée vers le suivi de la qualité des câbles produits, plus attendu par ses clients.

Aldes, industriel des solutions de qualité de l’air, a co-développé avec la start-up Catalog un outil qui classe et qualifie les e-mails de prospects et de clients, puis pré-rédige les devis.

Air Liquide a mis en ligne, comme premier produit de son Hub LLM, un chatbot multilingue qui répond aux questions des collaborateurs de ses services financiers partagés sur leurs processus et procédures.

Suez a bâti « GenAI Core », une plateforme centrale qui encadre ses quelque 50 projets d’IA générative et affiche pour chacun la consommation, le coût et une estimation des émissions de CO2 par requête.

Alstom a mis en production des agents d’IA aux achats et à la finance : gestion des commandes de composants à faible coût, assistance au centre de services financiers et contrôle de conformité entre demande d’achat et bon de commande.

Babynov, entreprise du groupe Materne qui fabrique des céréales infantiles à Courmelles (Aisne), a automatisé l’inspection de ses boîtes métalliques avec un système de vision industrielle doté d’apprentissage automatique, relié à un éjecteur.

Veolia a relié des modèles de Mistral AI à ses données et à sa base de connaissances pour aider ses équipes à piloter les installations par la conversation.

STADLER, entreprise familiale qui conçoit des installations automatisées de tri des déchets, a équipé ses 650 salariés d’un assistant d’IA et compte plus de 125 GPT personnalisés, surtout pour la traduction et les e-mails.

TotalEnergies a déployé MARGE, un agent qui analyse et classe les rapports d’intervention de maintenance, une tâche auparavant faite à la main.

Chez TotalEnergies, l’agent BuyerCompanion aide les salariés sur les achats n’excédant pas 50 000 euros, de la rédaction du besoin à l’identification du fournisseur, en respectant les règles de conformité.

Danone utilise un agent qui analyse les commandes clients, quel qu’en soit le format, et recoupe les prix avec ses systèmes internes pour corriger les écarts avant la facturation.

Valeo a développé avec Gemini Enterprise ses premiers agents d’ingénierie : création de cas de test dès la conception, revue continue dans la chaîne d’intégration, aide à la rédaction des spécifications système.

Sepalumic, industriel de l’aluminium, a relancé grâce à l’IA un projet bloqué depuis six ans : identifier en quelques secondes parmi environ 3 500 références similaires le profilé qui entre en laquage.

Romain Méridoux présente l’« usine à score », plateforme de scoring client avec interface conseillers : filtrer les prospects et générer des argumentaires de vente. Le Datalab industrialise aussi des campagnes marketing avec des argumentaires sur mesure par IA générative.

Fouad Maach, responsable architecture, ingénierie et expertise à la DSI groupe de Veolia, indique que les agents sont largement exploités dans le support et jusqu’aux services commerciaux, par exemple pour rechercher des propositions techniques dans le catalogue interne. 250 agents sont en production.

Fouad Maach, DSI architecture groupe de Veolia, décrit une faculté no-code ouverte à toutes les équipes internes : concevoir un agent seul ou un agent qui en orchestre d’autres. « Un agent est rarement isolé ; il va appeler et consommer d’autres agents. » 250 agents sont en production, adoption large.