Dans l'industrie manufacturière, le travail se concentre en grande partie sur trois flux : le processus en amont du calcul et du devis, la planification et le pilotage de la production sur le terrain, et le contrôle qualité qui détermine si une commande est suffisamment bonne pour être expédiée. À cela s'ajoute le travail lié aux machines et aux matériaux eux-mêmes : l'entretien, l'achat de matières premières, et l'administration liée à la certification et à la traçabilité. Le flux qui absorbe le plus d'heures diffère selon l'entreprise et le type de produit, mais l'issue d'une affaire est rarement déterminée par le flux comportant le moins d'heures.
Les circonstances qui déterminent l'issue sont en partie techniques et en partie humaines. Un devis doit correspondre au délai d'exécution réel, et non à une marge fixe qui, par hasard, tombe généralement juste. Un délai de livraison vaut ce que vaut la planification qui le fournit, et cette planification vaut ce que valent les données sur lesquelles elle repose. Et dans l'industrie manufacturière, la qualité n'est pas évaluée sur une moyenne, mais sur les valeurs extrêmes : ce lot unique présentant un écart est celui dont le client se souviendra.
La question n'est pas de savoir si l'IA reprend du travail dans l'industrie manufacturière, cela se produit déjà en partie. La question est de savoir ce que cela fait à la dimension sur laquelle un client choisit entre fournisseurs. Tant que le délai de livraison dépend de l'occupation d'un planificateur, c'est l'acteur disposant des personnes les plus expérimentées sur le terrain qui gagne. Dès que la planification est en grande partie réalisée par un logiciel qui calcule des scénarios et ne fait valider par un humain qu'en cas d'écart, le délai de livraison passe d'une question de capacité à une question de données : c'est celui qui dispose des meilleures données d'entrée qui gagne, pas celui qui a le plus de planificateurs.
Il en va de même pour le calcul. Un devis qui prenait autrefois des jours parce qu'il fallait qu'une personne calcule des plans peut désormais être élaboré en partie automatiquement, un ingénieur évaluant ensuite le résultat pour repérer les écarts illogiques. Est-ce alors l'acteur qui établit le devis le plus rapidement qui gagne, ou celui qui l'établit le plus précisément ? La réponse n'est pas la même partout, et c'est précisément pour cela que la comparaison entre fournisseurs change : la dimension sur laquelle on gagnait auparavant continue d'exister, mais ce qui la remplit n'est plus ce que c'était.
Le contrôle qualité est le troisième exemple. L'inspection visuelle reprise par l'IA ne change pas la question de savoir si un client demande de la qualité, mais elle change bien ce que signifie « mieux scorer sur la qualité ». Une entreprise qui effectue encore l'inspection entièrement avec des personnes ne rivalise alors plus sur la constance de l'œil, mais sur autre chose : la rapidité de correction, la transparence sur les écarts, ou les délais de garantie. Qui ne le perçoit pas continue de se défendre sur une dimension qui ne compte plus comme elle comptait.
Cette différence entre entreprises ne tient pas à l'ambition mais à ce qu'il était possible d'automatiser compte tenu de leur mix produits et de leurs données. Une entreprise manufacturière avec beaucoup de travail en série et des plans standardisés dispose plus facilement d'une base permettant de faire reprendre le calcul que celle qui livre principalement du sur-mesure où chaque commande constitue une nouvelle exception. Une entreprise disposant de nombreuses années de données de capteurs sur ses machines peut rendre la maintenance prédictive ; une entreprise sans ces données doit d'abord investir avant que l'IA puisse y reprendre quoi que ce soit. Ce basculement ne touche donc pas chaque entreprise dans le même ordre, ce qui signifie qu'à un moment donné, le groupe de référence compte à la fois des entreprises qui scorent déjà sur la nouvelle dimension et des entreprises qui se défendent encore sur l'ancienne.
La question de savoir si les gains de capacité liés à l'IA se traduisent aussi par une réduction du nombre d'équivalents temps plein relève d'une décision de l'employeur, soumise à ses propres obligations légales ; il s'agit ici uniquement de déterminer quelle dimension décide d'une affaire et qui, à l'heure actuelle, y obtient les meilleurs résultats.
Ce basculement ne se joue pas uniquement dans l'industrie manufacturière. Ce que signifie le délai de livraison lorsque la planification reprend le travail des planificateurs de transport révèle un schéma comparable, tout comme la question de savoir sur quoi les cabinets de conseil se distinguent lorsque la recherche et le reporting sont en grande partie automatisés. Si vous reconnaissez une dimension sur laquelle vous pensez gagner, la question suivante est de savoir ce que vous ferez s'il s'avère qu'un concurrent y est désormais en avance : comment agir face à un retard sur une dimension qui décide de l'affaire propose une démarche à cet effet.
La question sous-jacente de savoir quel travail, au sein de votre entreprise, est réellement susceptible d'être repris par l'IA, trouve sa réponse tâche par tâche grâce au scan de travail de FTE TO AI.
Avant de vous défendre sur une dimension, mieux vaut savoir si cette dimension est encore ce qu'elle était, et si votre affirmation à ce sujet tient la route. Une affirmation telle que « nous sommes plus rapides » ou « nous sommes plus précis » n'a de valeur que si elle peut être étayée ; la manière de procéder est décrite dans comment étayer une affirmation sur votre propre qualité. Avec le contrôle de dimension gratuit, vous identifiez sur quoi vous pensez gagner et vous voyez laquelle de ces affirmations peut être défendue avec des preuves. Le benchmark complet, avec votre position et celle de votre groupe de référence sur chaque dimension, est en cours de construction.