Pourquoi l’IA en développement de produits nécessite une base PLM connectée

L’AI peut aider les organisations à accélérer le développement de produits, à améliorer la productivité et à renforcer la prise de décision, mais seulement lorsqu’elle est intégrée à l’ensemble du cycle de vie du produit.
S'abonner
4 min de lecture
Nicholas Ismail
Nicholas Ismail
Chef mondial du journalisme de marque, HCLTech
4 min de lecture
microphone microphone Listen à article
30s Backward
0:00 0:00
30s Forward
Pourquoi l'IA dans le développement de produits a besoin d'une base PLM connectée

passe rapidement de la phase d’expérimentation à l’exécution, mais les environnements de développement de produits démontrent pourquoi demeure difficile.

Ces environnements sont intentionnellement complexes. Le développement de produits dépend de la collaboration entre les exigences, les données d’ingénierie, la , l’exécution manufacturière, la qualité, la rétroaction du service et les contrôles de conformité. L’introduction de l’IA dans une partie de ce cycle peut améliorer une tâche précise, mais ne transformera pas l’entreprise si l’ensemble du processus demeure fragmenté.

Le rapport de HCLTech a révélé que les répondants s’attendent à ce que 43 % des grands projets d’IA lancés au cours des 24 prochains mois échouent. Dans le développement de produits complexes, ce risque est lié à la performance du modèle et à la capacité de l’IA à fonctionner dans la réalité des processus, des données et de la gouvernance de l’entreprise.

Sudhir Kumar Singh, chef de la pratique DDMS, ERS chez HCLTech, le constate clairement dans ses discussions avec les clients.

« Les gens sont en phase de test en ce moment », dit-il. « Les gens veulent des solutions d’IA partout. »

La pression est compréhensible. Les clients demandent aux équipes de transformation de condenser des échéanciers qui prenaient auparavant 12 mois en 6 ou 7 mois. On s’attend à ce que l’IA, la GenAI et l’automatisation permettent d’atteindre cette accélération. Mais dans les industries réglementées et axées sur l’ingénierie, la vitesse ne peut se faire au détriment de la discipline des processus.

« Personne ne veut compromettre les processus. Personne ne veut compromettre les aspects de conformité, de qualité ou de sécurité. Tout cela est non négociable », affirme Singh.

C’est pourquoi l’IA dans le développement de produits doit être considérée comme plus qu’une simple couche de productivité. Elle doit faire partie d’un modèle de cycle de vie connecté.

Le problème des cas d’utilisation de l’IA isolés

De nombreuses organisations abordent encore l’IA par des cas d’utilisation isolés. Une équipe peut appliquer l’IA pour raccourcir le cycle des exigences. Une autre peut l’utiliser pour améliorer la transition de l’ingénierie vers la fabrication. Une équipe de fabrication peut introduire une solution d’IA distincte pour améliorer l’exécution de la production.

Chaque cas d’utilisation peut apporter une certaine valeur, mais la véritable opportunité survient lorsque l’IA peut soutenir l’ensemble du cycle de vie du produit.

Le rapport HCLTech a révélé que 40 % des répondants considèrent la coordination interfonctionnelle comme un défi limitant l’adoption de l’IA, tandis que 39 % mentionnent l’alignement avec la stratégie d’affaires. Dans le développement de produits, ces défis sont particulièrement visibles parce qu’aucune fonction unique ne détient l’ensemble du cycle de vie.

Un ingénieur de R&D peut comprendre la conception conceptuelle, mais pas l’exécution manufacturière. Une équipe de fabrication peut comprendre les contraintes de production, mais pas l’intention initiale de conception. Une organisation de service peut comprendre les défaillances sur le terrain, mais ces informations ne sont pas toujours retransmises au développement futur du produit.

Pour Singh, la PLM est importante parce qu’elle peut aider à créer un système à boucle fermée.

« Nous appelons cela un système à boucle fermée », dit-il. « L’ensemble du système doit fonctionner de façon homogène aujourd’hui si l’on veut améliorer la productivité ou réduire le délai de mise en marché. »

Ce système doit connecter la gestion du cycle de vie des applications, la PLM, l’exécution manufacturière et l’ensemble du paysage applicatif qui les entoure. Si l’IA n’est introduite que dans une seule phase, l’entreprise peut améliorer un processus local sans pour autant optimiser le cycle de vie complet.

La PLM comme couche d’intelligence du cycle de vie

La PLM peut aider à déplacer l’IA des cas d’utilisation isolés vers des flux de travail connectés, car elle se situe au centre des données, du processus et de la traçabilité des produits.

Dans un cycle de vie connecté, les exigences sont recensées, les concepts de produits sont conçus, les données d’ingénierie sont gérées, les données de fabrication sont créées, les produits sont lancés et la performance sur le terrain est intégrée aux décisions de conception futures. Les données devraient circuler en boucle, et non en ligne droite.

Cela est important puisque l’IA dépend de données fiables. Le rapport HCLTech a constaté que seulement 21 % des répondants jugent leur patrimoine de données modernisé et opérationnel. Il révèle également que la majorité mentionne des problèmes de visibilité des données, d’automatisation de l’orchestration des données, de gestion intelligente des données, de consolidation des plateformes et de création de produits de données utilisables.

Ces enjeux affectent directement l’IA dans la PLM. Si les données produits sont dupliquées, incohérentes ou déconnectées dans différents systèmes, l’IA aura du mal à en déterminer la véritable source. Au lieu d’accélérer la prise de décision, elle peut engendrer de nouvelles incertitudes.

Singh estime que c’est là où la prochaine phase de la PLM alimentée par l’IA doit se concentrer.

« L’IA doit assurer qu’il existe une seule source de vérité », dit-il. « Il n’y a aucune duplication de données, aucune déviation, aucune corruption des données. »

Cela est d’autant plus important à mesure que le développement de produits devient plus intelligent. L’IA peut aider à réduire les cycles d’ingénierie, automatiser le soutien à la décision, améliorer la préparation à la fabrication et relier la rétroaction du marché au développement de nouveaux produits. Mais ces avantages reposent sur un flux de données propre, exact et contextuel à travers le cycle de vie.

La valeur d’affaires dépend des résultats du cycle de vie

Le dossier d’affaires pour l’IA dans la PLM ne doit pas se limiter à l’amélioration d’outils individuels. Les indicateurs les plus solides sont les résultats du cycle de vie : un délai de mise en marché plus court, une productivité accrue, moins d’écarts de données, une meilleure qualité, une meilleure préparation à la fabrication et une rétroaction plus efficace du service.

Pour y parvenir, les organisations ont besoin d’une gouvernance transversale. Les équipes TI peuvent implanter des plateformes PLM, mais les utilisateurs d’affaires déterminent comment elles seront utilisées. Les équipes d’ingénierie, de fabrication, de qualité et de service apportent toutes des perspectives différentes sur les zones où l’IA peut créer de la valeur. Si un seul groupe établit le programme de l’IA, le résultat risque d’être incomplet.

Singh souligne que les organisations de service peuvent jouer un rôle clé, car elles interviennent à plusieurs étapes du cycle de vie et dans plusieurs environnements clients. Leur perspective plus large aide les organisations à comprendre où l’IA doit être intégrée, comment les systèmes doivent être connectés et où la gouvernance des données est la plus critique.

L’avenir de la PLM reposera sur cette intégration. L’IA ne sera pas adjacente à la PLM comme capacité distincte. Elle sera de plus en plus intégrée à l’intelligence produit, à la prise de décision durant le cycle de vie et à la transformation organisationnelle.

« Toutes les solutions d’IA sont pilotées par les données », affirme Singh. « Il est crucial que nous disposions du bon ensemble de données pour mettre à l’échelle les solutions d’IA. »

Pour les organisations orientées produit, l’implication est claire. L’IA peut accélérer certaines étapes du cycle de vie, mais elle ne peut transformer l’ensemble du processus que si les fondations sont connectées.

Les organisations qui réussiront seront celles qui intègrent l’IA à un environnement de données produit propre, intégré et bien gouverné, où les exigences, l’ingénierie, la fabrication, le service et les analyses du terrain s’enrichissent mutuellement.

C’est ainsi que l’IA peut passer de gains de productivité isolés à une intelligence produit à l’échelle de l’entreprise.

Partager
ERS Ingénierie Article Pourquoi l’IA en développement de produits nécessite une base PLM connectée