C’est peut-être le centre de karting où travaillait son père, ou les années passées à regarder la Formule 1 à la télévision. Thomas Vigier, étudiant ingénieur généraliste en deuxième année au Cesi de Nanterre (Hauts-de-Seine), n’est pas arrivé par hasard chez Valeo, où il effectue son alternance.
L’équipementier automobile l’a accueilli comme apprenti, alors qu’il venait de se rendre compte que son premier choix – rejoindre l’Institut supérieur de l’automobile et des transports à Nevers (Nièvre) – ne répondait pas à ses aspirations. Passé au Cesi, il reste fidèle à lui-même, créant une écurie de monoplaces pour concourir au Formula Student.
Mais aussi à Valeo, où il rejoint les équipes d’ingénierie de la logistique, ainsi que le groupe de recherche en ingénierie de l’obsolescence. Sous le tutorat de Kevin Boissie, dont c’est la spécialité au sein de Valeo, il développe un outil de décision stratégique utilisant le big data et l’IA pour passer de l’évaluation à la prédiction sur les différents types d’obsolescence et pour synchroniser les cycles de vie d’un produit.
La cartographie du produit ainsi définie permet d’alimenter un réseau bayésien, outil support à la prédiction et à la propagation de l’obsolescence. Dans l’auto, où les cycles de vie d’un composant sont très longs, anticiper ces risques est crucial. Au-delà de Valeo, "tout le monde y gagne : les clients, l’utilisateur final, la planète...", plaide Thomas Vigier, convaincu de la pertinence du modèle prédictif pour de nombreux secteurs de l’industrie.
