Avant de parler d’IA, il faut parler des données !
En effet, pour qu’un modèle d’IA produise des résultats cohérents et exploitables, il doit s’appuyer sur des données :
Sans cette préparation, aucun modèle d’IA, quel qu’il soit ne peut fonctionner correctement.
Les spécialistes s’accordent d’ailleurs sur un point depuis de nombreuses années : 70 à 80 % du travail en IA consiste à collecter, nettoyer et préparer les données. C’est la partie la plus longue, la plus complexe, et souvent la plus sous‑estimée.
Avant d’investir des sommes importantes dans des solutions d’IA proposées par des acteurs généralistes souvent orientées “gestion” ou “générative”.
Il faut comprendre que l’informatique industrielle a des besoins très différents :
Un assistant métier technique n’a pas vocation à écrire un poème ou générer une image : il doit anticiper, optimiser, corriger, automatiser.
Le piège du “il suffit de mettre les données dans une base SQL”
Pour les néophytes issus du terrain industriel, la tentation est grande de croire qu’il suffit de stocker les données dans une base SQL pour faire de l’IA.
La réalité est tout autre : des données brutes, non qualifiées, non contextualisées sont quasi inexploitables pour une IA.
Si la vision stratégique de l’IA est essentielle au niveau de l’entreprise, il ne faut pas oublier les exploitants sur le terrain, qui ont des besoins cruciaux pour exercer leur métier et répondre aux réglementations énergétiques (ISO 50001, CEE) environnementales (ISO 14001, et autres performance industrielles (LEAN TRS NE‑60‑182).
Ce n’est certainement pas l’IA qui remplacera ou annulera ces obligations.
Imaginer que l’IA puisse se substituer à un MES, un ERP ou aux programmes machines qui respectent des règles métiers fortes depuis des décennies, par uniquement de l’IA. Autant dire : bon courage !
©MIV SOFT 2026 Tous droits réservés