A l’heure de procéder à l’industrialisation des solutions à base d’objets connectés, des retards peuvent s’accumuler. La mise en oeuvre de solutions IoT peut s’avérer complexe si on n’anticipe pas certains risques.
De nombreuses entreprises profitent des opportunités technologiques apportées par l’internet des objets pour mettre en place de nouveaux cas d’usages et ainsi diminuer leurs coûts ou trouver de nouvelles opportunités de revenus.
Mais industrialiser un projet IoT, c’est-à-dire passer de la ‘preuve de concept’ (POC) à l’intégration d’une solution innovante au sein des processus industriels d’une entreprise, peut s’avérer plus compliqué qu’il n’y parait…
En effet, même en ayant clairement identifié les cas d’usages adressés et en ayant une vision claire du projet, les entreprises se heurtent au mur de l’industrialisation : de nombreuses expérimentations se lancent mais ne se déploient pas aussi facilement à l’échelle industrielle.
Découvrez ici 8 contraintes qui constituent le mur de l’industrialisation IoT auquel sont confrontées toutes les entreprises qui tentent d’exploiter les atouts d’objets connectés dans un contexte B2B.
//fr.slideshare.net/sylvaingeoffray/iot-8-causes-de-retards-dans-lindustrialisation-des-projets
Incertitudes de modèle éco.
1- Le Business Model
Pour définir le retour sur investissement d’un projet IoT, il convient de bien en délimiter le périmètre. Or il n’est pas toujours facile de se mettre à la bonne échelle pour définir l’équation économique adéquate. Si on englobe une multitude de cas d’usage dans un projet IoT (exemple : maintenance prédictive d’une machine incluant relevé de sa consommation électrique, du niveau de réservoir…), ce dernier peut être trop complexe à mettre en œuvre.
A contrario, si l’entreprise centre le périmètre du projet IoT sur un cas d’usage très particulier (par exemple, le relevé de la consommation électrique d’un moteur dans une machine particulière), les revenus perçus dans l’équation économique paraissent trop faibles. Cette difficulté de positionnement du périmètre projet IoT conduit à une équation économique peu claire, trop peu rentable ou trop complexe à mettre en oeuvre.
Par manque de visibilité, les directions tardent ainsi à supporter les expérimentations et à décider de transformer les POC (Proof of concept) en projets industriels.
Difficultés de mise à l’échelle
2- Mise à l’échelle du hardware
Les contraintes de production des capteurs sont plus importantes lorsque l’on souhaite produire ce capteur de manière industrialisée, en une multitude d’exemplaires. Or ces contraintes ne sont pas toujours bien anticipées lors des expérimentations.
Durant ces dernières, l’objectif de l’entreprise est de tester la faisabilité technologique et de valider les bénéfices métiers du projet IoT, le respect des contraintes techniques d’industrialisation n’étant quant à lui pas toujours validé. En conséquence, les partenaires choisis lors des expérimentations n’ont pas toujours la capacité d’industrialiser leurs projets et de produire des capteurs en une multitude d’exemplaires.
La confrontation à l’industrialisation se traduit alors par une perte de temps, des acquis de l’expérimentation devant être revisités pour l’industrialisation.
3- Fiabilité du service développé
Tout comme pour le hardware, il n’est pas toujours évident de mettre à l’échelle un service basé sur des objets connectés. Déployer une multitude de capteurs nécessite de gérer une multitude de sources d’entrée générant des données qui doivent être combinées.
Par exemple, les données des capteurs de température dans une pièce de l’usine ne remonteront pas forcément en même temps que les données de temps d’utilisation des machines. Or si le cas d’usage consiste à adapter le fonctionnement des moteurs selon leur temps passé en marche et la température de la pièce, l’algorithme aura besoin des deux types de données combinées.
A cause de configurations de capteurs ou des caractéristiques des réseaux LPWA, les données ne remonteront pas forcément simultanément dans la plateforme. Le passage à l’industrialisation nécessite de prendre en compte l’ensemble des contraintes d’une gestion multi-devices, ce qui n’apparaît pas lors des expérimentations mono-devices.
4- Intégration des contraintes métiers
Lors d’une expérimentation, l’objectif du chef de projet est de démontrer la faisabilité technologique du cas d’usage et de rassurer sur ses bénéfices.
Pourtant, pour que le projet puisse être mis à l’échelle, avec des capteurs produits en masse et intégrés dans les processus métiers, il est souvent nécessaire de respecter un certain nombre de contraintes légales ou normatives.
Par exemple, un objet placé sur un employé (gilet de protection) doit respecter les contraintes sanitaires. Certains cas d’usage, comme la détection d’incendie, doivent également répondre à des contraintes d’homologation et de qualité de service.
Si elles sont seulement prises en compte en phase de pré-industrialisation, ces contraintes peuvent entraîner des retards ou des coûts non prévus.
5- L’architecture SI
Industrialisation rime avec intégration dans les processus et outils métiers. En conséquence, elle fait apparaître de nouvelles contraintes qui peuvent ralentir les projets IoT. Lors des expérimentations, les chefs de projets IoT se basent sur des solutions agiles pour calibrer les choix technologiques et développer le cas d’usage le plus profitable.
Mais le passage en phase d’industrialisation nécessite souvent de s’adapter aux outils de l’entreprise, ce qui peut nécessiter un développement supplémentaire.
6- La sécurité de bout-en-bout
Le passage en phase industrielle impose des contraintes de sécurité de bout en bout (capteur, connectivité, plateforme…) plus importantes.
De plus, les solutions IoT étant bien souvent modulaires (un type de capteur associé à un type de protocole de connectivité, associé à un type de plateforme…), il est nécessaire de savoir gérer la sécurité de chaque brique tout autant que la sécurité de l’interconnexion entre les différentes briques.
Problématiques de déploiement
7- La phase de déploiement
Après l’expérimentation, le passage en phase industrielle nécessite une phase de déploiement des capteurs et de configuration du software qui peut faire prendre du retard au projet. Le déploiement nécessite en effet des ressources humaines et matérielles.
Les ressources humaines qui déploient les projets IoT doivent de plus être formées afin de s’assurer d’un déploiement qui répond aux contraintes de l’industrialisation. Enfin, il convient pour le chef de projet IoT de s’assurer d’une bonne trajectoire de déploiement, en séquençant et priorisant le déploiement.
[fullWidthImage id= »40091″]
Transformation des métiers
8- Le changement
Enfin, peut-être l’une des composantes les plus imposantes du mur de l’industrialisation : les enjeux de transformation des métiers. Via les cas d’usage adressés, les technologies de l’internet des objets introduisent des changements profonds dans les métiers et les processus de l’entreprise. Lors du passage de l’expérimentation à l’industrialisation se posent ces problématiques de changement et d’acceptation métier.
Là où les technologies créent des emplois et introduisent des améliorations phénoménales dans la qualité de travail de chacun, elles peuvent également introduire des changements (temporaires/permanents) dans la manière de travailler ou mettre en danger certains emplois.
Le passage en phase d’industrialisation doit donc être pédagogique et doit savoir proposer des solutions alternatives pour les inquiétudes que pourraient avoir certains employés face à ce mur de l’industrialisation.
Quelles solutions ?
Prendre en considération l’ensemble de ces contraintes en amont de l’expérimentation permet de faciliter le passage en phase industrielle. IBM a par exemple déployé une méthode, Scale, permettant de prendre en compte l’anticipation de ces critères.
Elle fournit un accompagnement lors des expérimentations dans un studio projets.
Dans un entretien, Christian Comtat, directeur du développement de l’IoT à IBM France, nous explique le principe de l’offre d’industrialisation accélérée d’IBM :
L’offre « Scale d’IBM » s’adresse aux entreprises afin de surmonter ce « mur de l’industrialisation ». Il ne s’agit pas de renoncer à l’innovation, bien au contraire, mais de permettre à ces innovations de devenir industrielles pour les entreprises. En associant les capacités d’IBM de créer des écosystèmes avec partenaires et starts-ups avec les capacités à mettre en oeuvre des solutions complexes pour les entreprises, intégrant toutes les caractéristiques pour les rendre réelles et performantes, nous pouvons être le partenaire pour industrialiser les innovations. Nous mettons nos compétences, nos assets et nos investissements au service de « l’innovation industrielle » des entreprises. L’offre « scale d’IBM » c’est finalement l’ADN d’IBM au service de la transformation digitale des entreprises.
Au-delà de la prise en compte de ces critères, le référencement et la structuration à l’échelle de l’entreprise des cas d’usage standardisés permet également d’accélérer la démocratisation de l’internet des objets en s’affranchissant des contraintes technologiques.
image : shutterstock
