IA et Lean : deux mondes aux logiques différentes
Soyons clairs : l’IA ne remplacera jamais la culture Lean, ni le terrain, ni le management.
Le Lean, c’est avant tout de l’humain. Dans le Lean, beaucoup ne comprennent pas que la culture est l’élément le plus important.
Le relationnel, ce n’est pas une IA. Écouter les gens, comprendre leurs réalités, créer de la confiance… ce n’est pas une IA.
J’ai vu des démarches échouer non pas à cause de la technique, mais parce que le patron ne faisait pas son tour de terrain ou imposait des solutions sans concertation. Les équipes se sont senties délaissées, incomprises. Et ça, aucune technologie ne peut le rattraper.
Dans le Lean, la solution doit être participative pour être appropriée
Au Bénin, dans une usine logistique, j’ai travaillé avec les opérateurs sur la cartographie des flux.
En 30 minutes, nous avions dessiné tous les flux… et 1 heure plus tard, nous avions identifié les solutions.
Pourquoi si vite ? Parce que « dessiner c’est gagner » et les flux étaient déjà quelque part dans leur tête.
Avec une IA, il aurait fallu :
-
- Équiper tous les engins de puces,
- Enregistrer des semaines de données,
- Et ensuite l’IA aurait traité et analysé les données pour en sortir les solutions…
Résultat : des semaines de travail au lieu d’une heure
Et surtout : la solution venait d’eux. 2 ans plus tôt, leur nouvelle directrice logistique avait proposé la même solution… mais ils l’avaient rejetée. Pourquoi ? Parce qu’elle avait été apportée sans échange, sans sueur, sans compromis, sans fierté de tester sa propre solution.
En Lean, pour qu’une solution soit appropriée, il faut qu’elle soit participative.
La solution compte, oui… mais la manière d’arriver à la solution est encore plus importante.
Les biais de l’Intelligence Artificielle dans à ne pas ignorer
L’IA travaille sur les données qu’on lui donne. Elle peut alors tomber dans :
-
- Le surapprentissage : agir sur des détails insignifiants (comme un pilote automatique qui freine sans raison),
- Le sous-apprentissage : oublier de collecter une donnée pourtant essentielle et ne pas comprendre l’impact des vraies causes,
- Les corrélations loufoques : par exemple, la fausse corrélation entre le nombre naissances en alsace et le nombre de cigognes nichant dans cette région,
- Le biais d’autorité : croire que, parce que la machine le dit, c’est forcément vrai.
Là où l’IA brille : pour le Six Sigma et la maîtrise des procédés
Le Six Sigma et la maîtrise statistique des procédés (MSP)
Si l’IA a ses limites dans le Lean, elle excelle en revanche dans le Six Sigma et la maîtrise statistique des procédés (MSP).
Elle est capable d’analyser la variabilité d’une machine, de calculer ses capabilités (Cp, Pp, Ppk) et de recommander des réglages optimisés..
Elle peut également :
-
- Modéliser le comportement d’un processus et le mettre en équation,
- Déterminer la fréquence et la taille d’échantillons optimales en fonction de l’historique,
- Intégrer des modèles complexes avec des fonctions de seuil ou plus simplement avec des logiques tout-ou-rien (les réseaux de neurones excellent dans ce cas),
- Alimenter la maintenance prédictive avec des indicateurs comme le MTBF (Mean Time Between Failure) ou l’analyse automatique des paramètres de Weibull.
L’exemple d’Ellistat illustre parfaitement ce potentiel. Ce logiciel utilise l’Intelligence Artificielle pour apprendre le comportement et la variabilité de chaque machine-outil, chaque pièce, chaque côte, puis propose les meilleurs réglages pour maximiser la performance. Mieux encore, il suggère des optimisations sur la prise d’échantillons (taille et fréquence) et aide à réduire les écarts de production grâce à une exploitation intelligente des données. C’est là que l’IA devient un véritable copilote technique, capable d’améliorer la précision et l’efficacité des processus industriels.
Réseaux neuronaux : simplifier le complexe
Les réseaux neuronaux permettent de remplacer de nombreuses logiques conditionnelles if… then… complexes ou quand les modèles linéaires montrent leurs limites.
Avec un réseau neuronal bien conçu, il est possible de traiter des scénarios extrêmement complexes avec une architecture étonnamment simple.
Cela ouvre la voie à des optimisations fines, par exemple :
-
- Gestion dynamique de la vitesse d’une ventilation en fonction de la température, de l’hygrométrie et de seuils spécifiques.
- Adaptation automatique de réglages machines en fonction de multiples paramètres interdépendants.
En clair, là où un système classique nécessiterait une programmation lourde et complexe, le réseau neuronal apprend de la réalité, prend en compte tous les paramètres influents et s’adapte en continu.
Ma conclusion : l’Intelligence Artificielle est un outil, pas une solution miracle
L’IA peut aider à fiabiliser les procédés et accélérer certaines analyses. Mais dans le Lean, la clé reste l’appropriation par les équipes et la culture d’entreprise.
La technologie, aussi puissante soit-elle, ne remplacera jamais le fait d’aller sur le terrain, d’écouter, d’impliquer et de faire grandir les équipes.
En Lean, le succès, ce n’est pas la solution. C’est que la solution soit la leur.
Vous voulez en discuter ? Contactez-moi par email ou réservez directement un échange téléphonique de 30 minutes sur mon agenda pour en parler en ici.