Usines : des jumeaux numériques qui agissent, mais l’IA reste consultative

Une usine qui ajuste seule ses réglages, sans attendre qu’un humain valide chaque geste : c’est la perspective que dessine MIT Technology Review dans un article publié le 28 octobre 2026. Mais le texte insiste sur un point : plus l’IA agit, plus il faut définir ce qu’elle a le droit de décider. Reste à savoir qui fixe ces limites, et qui répond en cas d’erreur.

Du jumeau numérique au jumeau « vivant »

Un jumeau numérique est une réplique virtuelle d’une installation industrielle. Selon MIT Technology Review, les premières versions avaient un temps de retard sur la réalité. Elles ne savaient pas analyser en temps réel et ne pouvaient pas corriger d’elles-mêmes les problèmes détectés. Elles servaient surtout à simuler, à observer et à tester des scénarios du type « et si ? », pas à exécuter des actions en boucle fermée.

Le « jumeau vivant » change la donne. Il combine une représentation numérique dynamique et très fidèle d’opérations complexes avec la capacité d’intervenir dans le monde physique, via les systèmes de conduite et de contrôle. Rob McGreevy, directeur produit d’AVEVA (éditeur de logiciels industriels), le compare à un organisme qui grandit et évolue.

L’article s’appuie sur plusieurs briques techniques :

• des capteurs, devenus plus abordables, qui diffusent des données issues d’objets connectés et d’équipements de contrôle industriel ;
• des plateformes logicielles qui présentent ces données dans des interfaces lisibles ;
• des modèles prédictifs et basés sur la physique, qui anticipent le comportement d’une machine ou d’un procédé ;
• un « fil numérique » (digital thread), c’est-à-dire le dossier connecté d’un équipement, qui le suit tout au long de son cycle de vie.

Les opérateurs peuvent regarder ce jumeau sous plusieurs angles. Rob McGreevy cite les émissions, l’état de santé d’un équipement en maintenance, ou la production par rapport à l’objectif de pièces à fabriquer.

L’IA agentique : des industriels pressés, mais prudents

L’étape suivante consiste à laisser l’IA agir sur certaines de ces informations. L’article parle d’IA « agentique », c’est-à-dire de systèmes qui ne se limitent plus à diagnostiquer ou à suggérer, mais agissent de leur propre initiative. MIT Technology Review évoque une forme d’« homéostasie industrielle » : de petits ajustements constants qui maintiennent l’usine en bon état.

Les chiffres cités montrent un appétit réel, tempéré par la crainte :

• dans une enquête 2026 du Manufacturing Leadership Council, 66 % des industriels disent utiliser ou prévoir d’utiliser l’IA agentique, et 40 % s’attendent à un certain degré d’autonomie d’usine d’ici 2030 ;
• dans l’enquête 2025 de Deloitte sur l’industrie intelligente, 65 % des dirigeants placent le risque opérationnel, dont l’interruption d’activité, parmi leurs principales préoccupations.

Ces données portent sur des intentions et des perceptions déclarées, pas sur des usines déjà autonomes. Dans ces passages, l’article ne précise pas ce que « un certain degré d’autonomie » recouvre concrètement.

Qui garde la main ?

Sur ce point, la position de Rob McGreevy est plutôt prudente. Selon lui, « il reste beaucoup de raffinement à faire, beaucoup de preuves, de tests et de validations à obtenir ». Il compare la trajectoire de l’IA agentique à celle des systèmes SCADA, ces logiciels de supervision industrielle. « Le S de SCADA signifie supervision, et superviser signifie qu’il y a un humain au milieu », rappelle-t-il. Il prévoit que l’IA fonctionnera surtout en mode consultatif dans un avenir prévisible. L’autonomie complète resterait réservée à des tâches étroites et très répétitives.

L’article décrit deux configurations déjà en service. Dans certaines installations, un opérateur approuve chaque action. Dans d’autres, l’IA agit seule, tandis que des personnes surveillent et définissent les limites dans lesquelles elle opère. Rob McGreevy cite des cas de clients d’AVEVA, dont la raffinerie de Yanbu de Saudi Aramco, où des algorithmes d’optimisation ajustent la production. Le texte que nous avons pu lire s’arrête à ce premier exemple : nous ne pouvons pas détailler les autres.

Côté gouvernance, l’article reconnaît un retard. Les organisations doivent établir des garde-fous clairs : quelles décisions l’IA peut prendre seule, comment ses actions sont surveillées et auditées. Or, dans une étude d’AVEVA et de l’IMD, 43 % des organisations estiment que l’IA n’a changé que légèrement, ou pas du tout, la prise de décision et la responsabilité entre partenaires de l’écosystème. Seules 23 % rapportent un changement significatif ou fondamental. Par ailleurs, 27 % seulement disent partager substantiellement ou largement leurs données avec leurs partenaires.

Les régulateurs commencent à fixer des règles. Selon l’article, le règlement européen sur l’IA (AI Act) classe certains composants de sécurité d’IA utilisés dans les infrastructures critiques parmi les systèmes à haut risque, avec des exigences de supervision humaine. Les entreprises se dotent aussi de structures internes : AVEVA mentionne un comité de gouvernance de l’IA responsable et des principes publiés.

Une question reste ouverte : qui est responsable lorsqu’une IA autorisée à agir seule se trompe ? Dans la partie lue, l’article parle de garde-fous, d’audit et de responsabilité entre partenaires, mais ne détaille pas comment cette responsabilité se répartit.

Ce que cela change pour les opérateurs

Le rôle des travailleurs évolue, selon MIT Technology Review. Ceux qui se spécialisaient dans une seule ligne de production ou une seule tâche de maintenance peuvent désormais couvrir plusieurs disciplines. Ils passent moins de temps à approuver les actions de routine une par une, et davantage à définir les limites de fonctionnement acceptables.

L’humain garde aussi un rôle de sentinelle. L’IA pouvant renforcer les schémas présents dans les données qu’elle reçoit, repérer tôt ses faux pas fait partie du métier. L’article juge essentielle l’expérience humaine pour interpréter ce que l’IA voit et fait. L’humain définit en outre ce que « en bonne santé » veut dire pour une installation, et signale quand les systèmes d’IA dérivent.

Pour un technicien, cela suppose de comprendre les indicateurs que le jumeau affiche et de savoir quand les remettre en cause. Pour un employeur, cela pose une question de formation et d’organisation que l’article n’aborde pas, dans la partie que nous avons lue.

Une source à lire avec recul

Il faut aussi regarder qui parle. Dans la partie lue, rien n’indique explicitement s’il s’agit d’un contenu éditorial indépendant ou d’un contenu réalisé avec un partenaire. Le graphique est attribué à « MIT Technology Review Insights », avec des données du Manufacturing Leadership Council.

Plusieurs éléments invitent à la prudence. Dans la partie de l’article que nous avons pu consulter, la seule personne citée est un dirigeant d’AVEVA, entreprise qui vend ce type de technologie. Une des études citées vient d’AVEVA et de l’IMD. Les cas concrets évoqués sont des clients d’AVEVA. Rien ne prouve que les faits soient inexacts, et la suite du texte peut contenir d’autres voix. Mais dans ce que nous avons lu, aucun syndicat, opérateur, régulateur ou sceptique ne s’exprime.

À observer dans votre propre contexte : pour chaque décision confiée à une IA, qui l’a autorisée, qui peut la suspendre, et qui signe si elle tourne mal ? Si la réponse est floue, l’autonomie annoncée est probablement en avance sur la gouvernance.

Sources

• Pairing industrial AI autonomy and human control | MIT Technology Review