Données ERP : le ménage à faire avant un projet d’IA en usine

Pourquoi tant de projets d’IA s’arrêtent en chemin

Gartner prévoit que d’ici la fin de 2026, les organisations abandonneront 60 % des projets d’IA qui ne reposent pas sur des données prêtes pour l’IA. Dans le même sondage, 63 % des organisations disaient ne pas avoir les bonnes pratiques, ou ne pas savoir si elles les avaient.

En usine, des données prêtes pour l’IA ont un visage très concret : vos codes de matières et d’outils, vos unités, vos descriptions. Tout ce que les estimateurs, les programmeurs et les acheteurs tapent depuis des années, chacun à sa façon.

Ce qu’on trouve dans presque tous les ERP

Rien de tout ça ne bloque le travail de tous les jours, parce que les gens compensent avec leur mémoire. L’IA, elle, ne peut pas deviner.

• La même matière sous trois noms. « PEHD noir 1/2 po », « HDPE BLK .5 » et « HD noir 0,5 » : pour l’estimateur, c’est la même feuille. Pour un système, ce sont trois produits et trois prix.
• Des unités mélangées. Des pouces et des millimètres, des feuilles et des livres, parfois dans la même famille de produits.
• Tout écrit dans le nom. L’épaisseur, la couleur et le grade sont dans la description au lieu d’être dans des champs qu’on peut trier.
• Des outils sans paramètres. Le code existe, mais le diamètre et la matière compatible sont dans la tête du programmeur.
• Des fiches mortes. Des produits qu’on ne commande plus depuis des années et qui polluent chaque recherche.

3D Coupe : avant de planifier, on a fait le ménage

3D Coupe soumissionne déjà 4 fois plus vite avec l’IA. L’estimation d’une pièce est passée de 58 à 15 minutes, et l’équipe retrouve près de 7 mois de travail par année. Le résultat a mené à un deuxième mandat, plus large.

Planifier la production avec l’IA veut dire lire l’ERP. Avant d’écrire une seule ligne de planification, on a donc extrait les 2 902 fiches du référentiel et passé au crible les 496 fiches de matières et d’outils, une à une. Résultat : 410 défauts documentés. L’équipe a reçu deux guides de nomenclature, un pour les matières et un pour les outils, avec la liste des corrections fiche par fiche.

Le renommage se fait en une seule journée, après une sauvegarde complète, avec un seul message à l’équipe. C’est seulement ensuite que la planification se branche sur l’ERP. Tout le détail est dans l’étude de cas sur la phase 2.

La méthode en cinq étapes

• 1. Tout extraire. Le référentiel complet, pas un échantillon. Les problèmes se cachent dans les familles qu’on ne regarde jamais.
• 2. Mesurer avant de corriger. Combien de fiches ont un défaut, de quel type, dans quelles familles. Ce chiffre de départ sert à prioriser, et il servira de point de comparaison.
• 3. Écrire la règle avec ceux qui utilisent les codes. La convention se décide avec le programmeur, l’acheteur et l’estimateur. Une règle que le plancher ne comprend pas sera contournée en trois mois.
• 4. Corriger d’un coup. Sauvegarde vérifiée, corrections préparées d’avance, renommage dans une même journée. On évite la période où l’ancien et le nouveau code cohabitent.
• 5. Protéger la suite. Des champs obligatoires, des listes de choix au lieu du texte libre, et une vérification de chaque nouvelle fiche. Sinon, le ménage est à refaire dans deux ans.

L’IA aide déjà pendant le ménage

Pas besoin d’attendre des données parfaites pour s’en servir. L’IA est très bonne pour le travail ingrat : repérer les doublons probables, proposer un nom propre à partir d’une description libre, signaler une unité qui n’a pas de sens pour la famille de produits. Ce qui aurait pris des mois à la main se fait en quelques jours.

Les choix restent à votre équipe : quelle convention adopter, quel code garder quand deux se contredisent. C’est très bien comme ça, puisque ce sont eux qui vont vivre avec.

Ce que des données propres vous donnent

• Des soumissions au vrai coût. Le prix de la matière vient de l’ERP, plus d’une liste Excel à part.
• Un plan de production qui tient. Le plan sait quelles feuilles sont en stock, en quelle épaisseur, et quels outils sont prêts.
• Des retailles qui servent. Pour réutiliser un reste de feuille, il faut savoir exactement ce qu’il est et où il se trouve.
• Des prévisions possibles. Prévoir vos besoins de matière demande un historique où les codes ne changent pas de nom en cours de route. On en parle dans notre article sur les modèles prédictifs.

Sauter cette étape, c’est s’exposer à un système qui produit un plan faux avec beaucoup d’assurance. Les gens arrêtent vite de lui faire confiance, et ils ont raison.

Par où commencer

Demandez un export de vos matières et ouvrez-le avec la personne qui fait vos soumissions. Cherchez une matière que vous achetez souvent, et comptez sous combien de noms elle existe. Ce petit exercice vous dit déjà si votre premier chantier d’IA est un modèle de planification ou un ménage de nomenclature. C’est souvent par là que commence un bon diagnostic.