Dans un atelier de découpe CNC, chaque job produit déjà toute l’information nécessaire pour chiffrer une soumission. Le problème, c’est qu’elle est enfermée dans un rapport de nesting que seule la personne qui programme les machines sait interpréter. Voici comment on a sorti cette information de là, et ce que les chiffres mesurés disent honnêtement.
Le goulot n’était pas le calcul
Chez 3D Coupe, un fabricant de la région de Québec qui découpe du plastique et d’autres matériaux sur un parc CNC actif, chaque demande de prix repassait par le programmeur. Même les plus simples. Le rapport de nesting contient tout : les pièces, la matière, les longueurs de coupe, les feuilles utilisées, les retailles. Mais c’est un PDF dense, pensé pour une personne qui connaît les machines, pas pour un vendeur.
Le vendeur ne pouvait donc pas produire une soumission seul. Et comme l’estimation des temps reposait sur l’expérience plutôt que sur une méthode écrite, deux personnes qui chiffraient la même pièce pouvaient arriver à deux nombres différents. Personne n’avait tort, il n’y avait simplement pas de règle commune.
Vingt-deux pistes, une seule pour commencer
On n’a pas commencé par construire. On a d’abord cartographié le flux réel, de la réception du dessin du client jusqu’à l’envoi du programme à la machine. Puis on a évalué vingt-deux pistes d’automatisation, une par une, avec pour chacune sa difficulté, son coût et son délai d’intégration.
L’estimation est sortie en premier, et pas parce qu’elle était la plus spectaculaire. Elle revenait souvent, elle bloquait les ventes, et surtout l’information nécessaire existait déjà, complète et fiable. Les pistes écartées n’ont pas été jetées : elles forment le plan des phases suivantes, avec pour chacune la donnée qu’il faut accumuler d’abord.
C’est la partie du mandat dont on parle le moins et qui compte le plus. La direction a choisi son point de départ sur une comparaison, pas sur une intuition ni sur ce qui avait l’air impressionnant dans une démo.
Cinq agents, chacun avec une seule tâche
Le système qu’on a bâti est une chaîne de cinq agents spécialisés, construits sur l’API d’OpenAI. Un rapport de nesting est déposé dans un dossier surveillé et la chaîne démarre seule.
- Extraction. Elle lit le PDF et en sort les blocs de données bruts.
- Normalisation. Elle transforme ces blocs en un tableau de pièces propre, comparable d’un projet à l’autre.
- Association d’outil. Elle rattache chaque pièce à son outil de coupe grâce à la charte d’outils de l’atelier.
- Chiffrage. Elle calcule les passes, les temps de coupe et de setup, et la matière consommée.
- Rapport. Elle assemble le tout dans un document de soumission, envoyé par courriel à la personne responsable.
Le découpage n’est pas un détail d’architecture. Quand un chiffre est faux, on sait quel maillon corriger, et on le corrige sans toucher aux autres. Une seule grosse requête qui ferait tout serait impossible à déboguer dans un atelier où personne n’a envie de lire des journaux de modèle.
Le cœur du système, c’est la formule
On aurait pu demander à un modèle d’estimer un temps d’usinage. On ne l’a pas fait. Le calcul repose sur une méthode écrite : nombre de passes selon l’épaisseur, longueur de coupe réelle, vitesse d’avance par outil, temps de setup dégressif selon le nombre de pièces par feuille, surface consommée nette des retailles.
Les agents appliquent cette méthode, ils ne l’inventent pas. Résultat : le calcul est reproductible, et un estimateur peut le vérifier à la main, ligne par ligne. Pour que ça marche, il a fallu nettoyer la charte d’outils et mettre sur papier des règles qui vivaient jusque-là dans la tête de quelques personnes. Ce travail-là n’a rien d’élégant, mais c’est lui qui rend le reste crédible.
Tester sur le réel, corriger les instructions
Une dizaine de cas réels ont servi de test : des clients, des matériaux, des épaisseurs et des quantités variés. Chaque fois que le système s’éloignait du résultat attendu, on a corrigé les instructions de l’agent fautif plutôt que d’excuser l’écart. Rien n’a été branché sur les machines. La chaîne travaille sur des rapports déjà produits, donc aucun risque pour la production pendant la mise en place.
Ce que les chiffres disent, et ce qu’ils ne disent pas
Sur les tests, l’estimation d’une pièce 2D est passée en moyenne de 58,4 minutes à 14,5 minutes. Au rythme actuel de l’atelier, soit six soumissions par semaine d’environ cinq pièces chacune, ça représente une trentaine de pièces à chiffrer chaque semaine. À 43,9 minutes récupérées par pièce, on parle de près de 22 heures par semaine, donc plus de 1 100 heures par année.
Maintenant, les nuances, parce qu’elles comptent. Ces chiffres viennent d’une dizaine de tests sur des projets réels, pas d’un an d’exploitation. Le vendeur doit encore ajouter le prix de la matière et vérifier le rapport avant de l’envoyer : rien ne part sans cette étape. Et la précision de ± 5 % sur le temps d’usinage est une cible, pas un résultat qu’on affiche comme acquis. Ce qu’on peut dire sans rien exagérer, c’est que la tâche la plus répétitive du processus de vente est devenue une vérification plutôt qu’un calcul.
Le gain qu’on voit moins
Le gain le plus durable n’est pas dans la colonne des minutes. La méthode de calcul est maintenant écrite. Deux personnes qui chiffrent le même projet arrivent au même nombre, et un nouvel employé part de la bonne base au lieu de réapprendre par essais. Chaque projet traité laisse aussi derrière lui des temps réels, qui serviront à affiner les estimations et à ouvrir les phases suivantes : validation des dessins à l’entrée, suivi des retailles, lien avec le système de gestion.
« Dans un atelier, une solution qui demande de la saisie ne survit pas trois semaines. Celle-là ne demande rien : elle lit ce qui existe déjà et applique une formule qu’on peut vérifier à la main. »
Ce que ça veut dire pour votre atelier
Si vous êtes manufacturier, la question utile n’est pas « est-ce qu’on peut mettre de l’IA dans l’estimation ». C’est : quelle information mon atelier produit-il déjà, sous une forme que personne d’autre que deux ou trois personnes ne sait lire ? C’est presque toujours là que se cache le premier projet rentable. Il se démarre sans toucher aux machines, sans ajouter une minute de saisie, et il se mesure : une minute avant, une minute après.
Le détail complet du mandat, avec la feuille de route des phases suivantes, se trouve dans l’étude de cas 3D Coupe →
Le projet a aussi fait l’objet d’un article du STIQ : L’intelligence artificielle transforme l’industrie du plastique ↗
Ce que cet article avance, on l'a mis en production chez un client. Le cas raconte ce qui a été bâti, comment, et ce que ça a changé.
