Peut-être est-ce dû au souvenir persistant de la pandémie et à l’isolement forcé des amis et de la famille, mais le public ne semble guère enthousiaste à l’égard de la réalité virtuelle tant vantée par les grandes entreprises technologiques. Peu importe que Facebook ait été tellement séduit par cette technologie qu’il s’est rebaptisé Meta. Les consommateurs ordinaires ne semblent tout simplement pas vouloir passer beaucoup de temps à porter des casques encombrants pour habiter un autre monde. C’est plutôt l’IA qui a captivé l’imagination, tout en suscitant, il est vrai, de nombreuses inquiétudes quant à la sécurité, à l’avenir du travail et, en fait, à la société elle-même.
Cependant, une étude récemment publiée par le cabinet de conseil en gestion Arthur D Little suggère que les entreprises seraient mal avisées d’écarter d’emblée les métavers au profit d’une focalisation sur l’IA. Dans une certaine mesure, elle se fait l’écho de certains de ses rivaux, qui défendent depuis un certain temps les opportunités offertes par la technologie. Mais le rapport du Blue Shift Institute du cabinet sur les métavers industriels fournit une description assez convaincante de la manière dont « une convergence de technologies clés » conduit à un changement radical des capacités de simulation.
Le rapport résumé dans le dernier numéro du magazine Prism du cabinet sous le titre « Simulating Strategy – The Real Potential of the Industrial Metaverse » souligne que certains des « blocs technologiques » qui font partie de la « quatrième révolution industrielle », ou ce que l’on appelle depuis 2015 l’industrie 4.0, existent depuis un certain temps. Il s’agit notamment de la blockchain, du lieu de travail virtuel, des modèles virtuels, des simulations, des jumeaux numériques et, oui, de l’IA. Alors que la formation virtuelle – par exemple, dans l’industrie du transport aérien – est devenue monnaie courante et que les outils de conception numérique et d’autres techniques existent depuis un certain temps, la mise en œuvre de l’industrie 4.0 n’est toujours pas aussi répandue que ce qui était prévu il y a dix ans, indique le rapport. Parmi les obstacles qui contribuent à cette situation figurent les coûts d’investissement initiaux élevés, les difficultés à coordonner la transformation interfonctionnelle requise, les défis en matière de sécurité et de gestion des données, le manque de compétences disponibles et les problèmes liés aux systèmes informatiques hérités.
C’est là qu’intervient la convergence des technologies clés identifiées par Arthur D Little. Par exemple, les jumeaux numériques, essentiellement un programme informatique qui utilise des données du monde réel pour créer des simulations qui peuvent prédire comment un produit ou un processus fonctionnera, ont, selon les auteurs du rapport, Albert Meige et Rick Eagar, été jusqu’à présent principalement limités à des produits discrets, des composants, des usines ou des fabriques. Mais l’évolution des systèmes complexes, de la visualisation des données et de l’intelligence artificielle, combinée à l’amélioration des technologies de connectivité et de collaboration et à l’augmentation de la puissance des ordinateurs, élargit considérablement le champ d’application. Au lieu de se limiter à des améliorations opérationnelles et à des aides à la conception, le concept de jumeau numérique est en passe de devenir un outil clé pour la prise de décisions stratégiques. Le rapport montre comment, par exemple, l’iFactory du constructeur automobile BMW permet une stratégie de production complète basée sur l’utilisation de jumeaux numériques pour tous les sites de production.
En fait, Meige et Eagar placent les jumeaux numériques au cœur de leur idée de métavers industriel. En fin de compte, écrivent-ils, il « pourrait représenter un système industriel complet de bout en bout, comprenant non seulement les actifs physiques, mais aussi les processus, les fonctions, les ressources et l’organisation ». Mais pour cela, quatre fonctions clés sont nécessaires. Il s’agit de
Connexion – Le jumeau numérique doit être connecté en permanence au monde réel par l’intermédiaire de l’internet des objets pour les données actuelles « chaudes » et par les systèmes ERP pour les données stockées « froides ».
Calculer – La capacité de traiter de très grands volumes de données provenant du système réel, y compris l’analyse, la modélisation du système, la reconnaissance des formes et la simulation, afin de permettre la planification de scénarios futurs.
Concevoir – Visualiser des données physiques et non physiques. Il s’agit d’interpréter et de présenter des données complexes de différentes manières, non seulement pour simuler la réalité, mais aussi pour faciliter la compréhension et illustrer des scénarios.
Collaborer – Fonctionnalité permettant une série d’interactions entre le personnel interne et les clients externes, les partenaires et le reste.
Bien que les consultants d’Arthur D Little estiment qu’il faudra environ cinq ans avant que toutes les pièces du puzzle soient en place pour rendre le concept pleinement opérationnel, ils invitent les chefs d’entreprise à le prendre au sérieux dès à présent. Il y a trois raisons principales à cela : la prise de décision stratégique conventionnelle devient inadéquate pour relever « les défis combinés de la complexité, de l’accélération, de la cognition et de la durabilité ; il y a déjà des avantages significatifs dans des domaines tels que la formation, l’exploitation et la maintenance et la collaboration ; et le marché pourrait se développer rapidement dans les années à venir ». (Arthur D Little indique qu’une estimation prudente est qu’il pourrait atteindre environ 400 milliards de dollars d’ici 2030, bien que d’autres estimations suggèrent qu’il pourrait être plus de deux fois plus élevé).
Pour être en mesure de tirer parti de cette situation, les entreprises doivent suivre quatre étapes, selon le rapport. Les dirigeants doivent commencer par avoir une idée claire de l’orientation du parcours de numérisation de leur organisation, car il n’est pas facile de sauter à la mise en œuvre complète de métavers industriels sans une base numérique mature. Ensuite, pour aller de l’avant, ils doivent évaluer quelles applications et utilisations existantes sont les plus susceptibles d’apporter la plus grande valeur ajoutée. Au fur et à mesure qu’elles les développent, elles doivent adopter une « approche test et apprentissage » agile et réactive et utiliser des projets pilotes relativement petits avec des délais de retour sur investissement courts. Surtout, ils doivent adopter un état d’esprit et une culture différents qui accepteront l’idée de partager plus de données que celles qui sont traditionnellement partagées entre les partenaires commerciaux. En effet, c’est en développant des écosystèmes de partenaires, où chacun bénéficie en termes de réponses plus rapides aux clients, d’expériences client plus fluides et de réduction du fonds de roulement, que les véritables avantages des métavers industriels apparaissent.
