Selon une récente étude l'institut McKinsey Global (The Internet of things : mapping the value beyond the hype - juin 2015), les retombées économiques annuelles de l'optimisation des opérations et des équipements grâce à l'IoT devraient représenter entre 1 200 et 3 700 milliards de dollars en 2025. Le développement d'usines intelligentes est garant de nombreux avantages qui permettront aux entreprises de franchir un nouveau palier opérationnel : identification des incidents avant qu'ils ne surviennent, gains d'efficacité et de productivité, optimisation de la chaine logistique, amélioration de la santé et de la sécurité.

Mais pour en bénéficier, les entreprises devront notamment revoir la façon dont elles utilisent les données qu'elles produisent et comment elles peuvent les échanger entre des services traditionnellement organisés en silos. Aussi nombreux que soient les bénéficies, il s'agit là d'un territoire inconnu pour les industriels où de nombreux défis les attendent.

Apprendre à travailler ensemble

Avant que les objets ne deviennent intelligents et connectés, les données étaient principalement générées en interne et par transaction tout au long de la chaîne. La responsabilité de les définir et les analyser tendait alors à être décentralisée entre différentes fonctions cloisonnées en silos. Même si les données étaient partagées, elles l'étaient de façon limitée et épisodique. Avec le temps, en compilant ces données, les entreprises ont pu obtenir de précieuses informations sur leurs clients, la demande et les coûts mais beaucoup moins sur le fonctionnement des produits.

L'émergence des objets connectés permet désormais d'enrichir les informations traditionnelles grâce à une source de données, sans commune mesure en termes de diversité et de volume : le produit lui-même. Mais si ces données ont une valeur propre dans le cycle de production, leur bénéfice croit considérablement lorsqu'elles sont intégrées avec d'autres (historique des services, localisation des stocks prix des matières premières...). Le partage occasionnel de données entre les services comme autrefois ne suffit plus. Il est vital de mettre en place une vraie stratégie de coordination soutenue et constante et de rompre avec les sempiternels silos. La capacité d'une entreprise à extraire toute la valeur des données et transformer de grandes quantités de données non structurées en analyses fiables et puissantes est un véritable avantage concurrentiel aujourd'hui dont il ne faudrait pas se priver.

Un data lake unifié

Un problème vient cependant à se poser : les données des objets connectées ne sont pas structurées au même titre que les données internes et externes associées peuvent se présenter sous des formes plus diverses. Les outils classiques d'agrégation et d'analyse, tels que les tableurs et les bases de données sont alors peu ou pas adaptés à la gestion d'une si grande quantité de données et de formats. Dans ce contexte de changements voire de bouleversements, il est facile de comprendre pourquoi un nombre croissant d'entreprises voient dans les data lakes l'un des principaux moyens de mettre pleinement à profit les bénéfices d'une Industrie 4.0. Ils permettent en effet de stocker des volumes considérables de données non structurées dans l'optique de pouvoir les analyser et les croiser.

Ainsi regroupées, les données seront plus facilement exploitables et les entreprises pourront bénéficier de toute leur puissance afin d'en tirer les enseignements nécessaires. Il est également essentiel d'y associer des descriptions détaillées et précises afin de leur donner le niveau de contexte approprié. In fine, le Data Lake et l'analyse des données afférentes permet aux entreprises d'avoir une meilleure visibilité sur le suivi des actifs, les opérations de fabrication, les ressources, les produits et les grandes tendances des clients.

Dans le futur, il est des nouveaux types de données internes et externes que les fabricants devront traiter (les avis des clients sur les réseaux sociaux par exemple) et dont il sera crucial de comprendre la pertinence au moment de tirer parti des nouveaux outils analytiques. L'importance de se doter d'un data lake en devenant alors plus que jamais pertinente.

Flexibilité et standardisation

Lorsqu'elles articulent leur infrastructure informatique autour d'un data lake, les entreprises doivent garder en tête que la croissance des volumes de données est difficile à prévoir à l'avance. En conséquence, une architecture évolutive et capable de fournir des services à tous les métiers de l'entreprise est nécessaire pour permettre de gérer une charge supérieure par extension progressive.

La montée en capacité des data lake va nécessiter une standardisation commune entre les différents acteurs du marché. Le stockage par bloc constituant aujourd'hui la meilleure solution pour gérer les données produites en temps réel. Bien évidemment, l'infrastructure technologique nécessaire aux entreprises variant en fonction des objectifs recherchés, une approche unique sera inopérante dans le cas de l'Industrie 4.0. Par conséquent, les fabricants doivent consacrer du temps à l'élaboration d'une stratégie sur laquelle bâtir leurs capacités. Une fois en place, la marche à suivre sur le plan technologique pour réaliser le potentiel de l'Industrie 4.0 ira de soi.

Benjamin Coutière, sales manager Isilon France chez Dell EMC