« Notre Metaverse industriel nous place loin devant les autres constructeurs », lance Eric Marchiol, directeur Metaverse industrie et qualité du groupe Renault

Renault a lancé Re-Industry, un plan de transformation profonde de son système industriel. Quel en est l'enjeu principal ?

L'industrie fait face à un besoin de transformation très rapide imposé par les défis environnementaux, sociologiques et concurrentiels. Renault doit bouger très vite. Nous bougeons très vite. Mais nous avons deux caractéristiques qui sont autant de contraintes. D'abord, nous ne sommes pas entièrement « digital », nous fabriquons des objets matériels dans des usines. Ensuite, nous ne partons pas d'une page blanche avec de nouvelles usines, mais d'une base déjà installée. Le challenge, c'est de transformer notre écosystème industriel pour le faire entrer dans l'ère nouvelle et le rendre compétitif face aux titans chinois, qui s'appuient sur des usines quasiment neuves.

Votre Metaverse industriel est au cœur de Re-Industry. Que signifie ce terme ?

Il marque la spécificité de notre approche, qui vise à réaliser, à travers la transformation digitale de nos usines, un jumeau numérique de notre écosystème industriel qui soit temps réel et permette une rétroaction sur cet écosystème. Notre Metaverse a quatre dimensions. La première, c'est la connectivité : tous nos ateliers sont intégralement connectés en Wi-Fi ou 5G et quelque 15 000 équipements majeurs remontent plus de 3 milliards de sets de données chaque jour. Deuxième dimension : le jumeau numérique « traditionnel » des ateliers, équipements et flux, grâce auquel nous faisons déjà des simulations, des formations en réalité virtuelle… La connexion étendue à l'extérieur - chaîne d'approvisionnement, de livraison et retour des voitures - constitue la troisième dimension. Il y a enfin une dimension technologique, avec des éléments transverses, comme la cybersécurité et des briques telle notre plateforme Self-Service Big Data, permettant à chacun de faire des modèles prédictifs de maintenance, de consommation d'énergie… 2 400 utilisateurs s'en sont déjà emparés, bien au-delà de mon équipe de 300 data-scientists qui a lancé le mouvement.

Quels gains ce Metaverse a-t-il permis ?

Depuis que nous avons démarré, en 2019, plus de 300 projets ont été mis en place dans le groupe, de la qualité à la supply chain, en passant par la maintenance et l'énergie. Ils ont totalisé plus de 700 millions d'euros de gains.

Et la suite doit nous permettre de dégager 300 à 400 millions d'euros supplémentaires. Notre Metaverse est un succès.

Quelle est la clé de ce succès ?

Le premier mètre de la donnée est essentiel. Il ne s'agit pas juste de connecter, mais de capturer des données standardisées. C'est pour cela que nous avons décidé dès 2016-2018 de nous attaquer à la connexion de nos équipements par nous-mêmes. À l'époque, un grand nombre de start-up - et même des grands groupes - proposaient de connecter l'un tel robot, l'autre les armoires électriques afin de superviser l'énergie, ou d'équiper une presse de capteurs vibratoires… On se retrouvait avec un ensemble hétéroclite de connexions à nos équipements et des données que l'on ne pouvait pas mélanger. Nous avons arrêté tout ça et créé en interne une équipe « data capteurs » avec nos automaticiens et nos informaticiens pour construire une solution de captage de données maison, dont nous avons la propriété intellectuelle.

Nous avons construit un langage unique pour chaque type d'équipement, robot, pompe ou four.

Comment fonctionne votre solution de captage de données ?

Elle utilise le protocole de connexion OPC-UA, qui a l'avantage d'être interopérable, mais aussi et surtout nos modèles de données standardisés. Car chaque fournisseur a le sien : Comau va parler en degrés, Fanuc en radians, tel axe d'un robot sera appelé axe X ou axe 2, suivant son fabricant… Nous, nous avons construit un langage unique pour chaque type d'équipement, robot, pompe ou four. Nous disposons ainsi de grandes masses de données que nos datascientists peuvent analyser et traiter, presque comme Amazon, qui fait des prévisions de vente à partir de celles de 50 millions de clients.

C'est aussi grâce à ces langages uniques que, si l'un de mes collègues brésiliens à Curitiba a fait un modèle de maintenance prédictive qui fonctionne sur l'une de ses pompes, je peux le mettre en œuvre à Sandouville en moins d'une heure. Les modèles les plus complexes sont toujours développés par les datascientists. Mais avec les outils no-code de Google sur notre plateforme Self-Service Big Data, un technicien ou un chef d'atelier peut réaliser lui-même des analyses en cas d'incident ou construire un modèle prédictif. Nous utilisons en outre pour cette plateforme des modèles open source, qui sont du meilleur niveau.

Comment vous comparez-vous à vos concurrents en matière de transformation numérique ?

Nous sommes les seuls à avoir effectué cette transformation à l'échelle, sur tous nos sites et équipements, et nous en sommes très fiers. Cela nous donne un avantage concurrentiel énorme et nous place loin devant les autres constructeurs. Les Japonais ne l'ont pas fait, les Américains non plus, les Allemands y travaillent, mais sont largement derrière. Nous sommes en avance, y compris par rapport aux autres secteurs industriels, à part peut-être les fondeurs de puces. Même les Chinois, avec leurs usines neuves, n'y sont pas. S'ils ont souvent connecté les machines, ils n'ont pas construit ces modèles de données standardisés et se retrouvent avec un magma informe de data qui nécessite une armée de datascientists pour en tirer du sens.

Nous avons maintenu le cap de la standardisation en ne laissant pas chaque site, voire chaque chef d'atelier, conserver ses protocoles et langages.

Qu'est-ce qui vous a permis de vous démarquer ainsi ?

C'est d'abord dû à une conviction forte sur le sujet dès le départ, mais c'est aussi une question de gouvernance. Nous avons maintenu le cap de la standardisation en ne laissant pas chaque site, voire chaque chef d'atelier, conserver ses protocoles et langages. Ma hiérarchie était très engagée et, avec mes trente ans dans le manufacturing, j'avais de quoi dire sa vérité à un directeur d'usine. Si, comme chez les Allemands, vous avez des usines ultrapuissantes avec des directeurs qui sont des « plant kings » [des barons d'usine, ndlr], ou si votre management est très structuré par business units, il est bien plus difficile de standardiser. Et vous ne passez pas votre transformation numérique à l'échelle.

C'est ce qui se produit chez énormément de sous-traitants, englués dans ce que j'appelle le purgatoire des POC [preuves de concept, ndlr]. Il est facile de réaliser un POC dans un atelier, une usine, avec un ou deux cadres très motivés qui sont moteurs. Et puis l'effort retombe ou les gens partent, vous n'avez pas mis en place d'infrastructure pérenne. Le POC s'arrête et vous ne savez pas le dupliquer.

Reste à maintenir cette gouvernance dans la durée…

Il faut en réalité un mélange entre le local et le global, car l'essentiel des bonnes idées vient du local. Nous avons mis en place une infrastructure de type marguerite : le cœur est géré par le corporate et formé des standards de communication et de données. Les pétales tout autour - les applications - sont tous reliés au centre, mais ne se touchent pas entre eux. S'ils doivent échanger des données, il faut qu'ils passent par le cœur. Sinon, quand l'un change, l'autre ne fonctionne plus. Renault ne l'a pas inventé, c'est le principe d'Apple avec ses apps. Vous libérez l'initiative de l'écosystème qui peut faire des add-on [extensions logicielles, ndlr] ou des applications locales, mais en utilisant toujours le cœur de l'infrastructure.

Dans l'industrie, souvent, on n'a pas suffisamment de données représentatives de ce que l'on cherche, comme les défaillances. Qu'en est-il pour Renault ?

Outre la standardisation des données, c'est une question de périmètre et de durée d'acquisition. Nous avons une large base industrielle et nous avons démarré en 2019, donc notre base de données commence à être assez riche en termes de défaillances, ce qui nous permet d'aller chasser des pannes plus rares. Par exemple, les grosses casses de presses d'emboutissage. Il nous a fallu presque huit ans pour obtenir une réduction significative de leur occurrence. Un sujet comme celui-là, c'est 15 millions d'euros de gains par an ! Mais nous avons pu traiter plus rapidement des problèmes plus faciles.

Nous avons aussi découvert des opportunités. Ainsi, en surveillant les robots de soudure pour prédire la casse de réducteurs, nous avons observé des « spikes » [pics du signal, ndlr] sur l'axe 7. Nous les avons analysés et il s'est avéré qu'ils étaient corrélés à un défaut de soudure. La pince colle à la pièce et le robot doit forcer pour la décoller, d'où le spike. En affinant notre monitoring, nous en avons fait un outil de surveillance de la qualité de nos points de soudure. C'est d'ailleurs pour la qualité que les applications - et les gains - se sont révélées les plus importantes.

Qu'en est-il des coûts, des retours surinvestissements (ROI) ?

Là aussi, la gouvernance est spécifique. François Lavernos, le patron de l'informatique industrielle de Renault, et moi-même gérons l'ensemble du budget digital de l'année, voire jusqu'à trois ans, et en contrepartie nous nous engageons sur un gain opérationnel global annuel. Ce fonctionnement nous permet, à côté d'actions à ROI rapide - six mois sur l'assemblage, par exemple -, d'investir dans des sujets de fond, comme une plateforme de services, qui ne rapportent rien quand vous les lancez mais qui finiront par générer des économies dix ou trente fois plus élevées que leur coût. Les gains dans une usine nous servent aussi à financer des investissements dans une autre. Nous avons un suivi mensuel des gains opérationnels et, globalement, le Metaverse rapporte chaque année deux ou trois fois plus que ce qui y est investi.

Quelles sont les prochaines étapes de votre Metaverse industriel ?

L'étape suivante sera le passage à un jumeau numérique permettant une rétroaction directe et en temps réel sur notre écosystème industriel, sur nos lignes de production. Cela suppose de moderniser les systèmes de pilotage, les MES [Manufacturing execution systems, ndlr]. C'est-à-dire de toucher à la colonne vertébrale des usines. À la moindre bêtise, on peut perdre une voiture par minute, cela peut aller très vite. Pas question de big bang, et c'est tout le problème des constructeurs historiques.

Nous mettons en œuvre une solution technologique - une pépite ! - qui nous permet de moderniser tous nos systèmes de pilotage fonction par fonction.

Nous mettons en œuvre une solution technologique - une pépite! - qui nous permet de moderniser tous nos systèmes de pilotage fonction par fonction. Elle repose sur la mise en place de la fonction actualisée en miroir de celle qui est active. Et quand tout est prêt et validé, on débranche l'ancienne fonction. La nouvelle opère à sa place au sein du même système. Nous avons lancé cette modernisation progressive il y a dix-huit mois et nous la poursuivrons jusqu'en 2026. C'est cela qui donnera le Metaverse industriel que nous visons.

Quels autres développements sont prévus, notamment en matière d'IA ?

Nous allons finir de passer à l'échelle notre plateforme Self-Service Big Data. Dans la même veine, nous avons mis en service cette année la plateforme Self-Service d'intelligence artificielle pour tout ce qui est vision. L'idée est d'exploiter pleinement les possibilités des caméras grâce à notre démarche de connectivité standardisée et à leur intégration dans notre Metaverse. Nous sommes en train de déployer les mêmes solutions pour l'acoustique. Nous travaillons aussi sur l'usage de l'IA générative pour exploiter nos données non tabulaires - essentiellement les informations textuelles des comptes rendus, les diagnostics de maintenance, les synthèses… Enfin, nous commençons à travailler sur les robots humanoïdes, nous allons faire des essais très rapidement.