04/11/2020 | Sébastien Gagelin, Expert en data intelligence, Hardis Group
Encore souvent synonyme d’avenir lointain, le jumeau numérique est pourtant déjà une réalité bien concrète dans de nombreux domaines. Le jumeau numérique peut éradiquer des zones grises, à la fois frustrantes et coûteuses. A condition de bien choisir les projets éligibles et de déployer les bonnes architectures logicielles et infrastructures associées.
Jumeau numérique : de quoi parle-t-on ?
De façon schématique, le jumeau numérique est une représentation numérique, strictement fidèle à la réalité, d’un produit, d’un processus ou encore d’une organisation. Pour parvenir à un tel niveau de fidélité, à la fois un instant T et dans les évolutions de la réalité, il est nécessaire de capturer les données du monde réel via l’utilisation d’objets connectés (tels que des capteurs, par exemple) quand c’est possible, ou encore via la vision par caméra, fixe ou embarquée.
A partir des données issues du réel et injectées dans le jumeau numérique, un certain nombre d’analyses et de diagnostics peuvent être réalisés, et des modèles définis. Il est alors possible d’en « déduire » l’avenir : élaboration de scénarios prédictifs, simulations par tests de plusieurs variables, prescription de décisions selon les résultats attendus, voire déclenchement d’actions correctives automatiques.
Les cas d’usages du jumeau numérique sont nombreux, depuis l’analyse et l’amélioration d’un processus à la détection automatique d’anomalies ou d’atteintes à la sécurité, en passant par la traçabilité de bout en bout. Prenons un exemple dans la logistique, avec le processus de réception des matières premières, produits semi-finis ou produits des fournisseurs. Les palettes transitent souvent dans des zones tampons où aucune donnée digitale n’est générée (pas de flashage, donc pas de remontée de données). La mise en place de caméras dans ces zones tampons, couplées à un modèle de détection d’objet, permet de générer des données et donc des indicateurs de suivi (capacité de la zone tampon, durée de stockage, nombre de palettes qui transitent chaque jour dans cette zone …). Avec la possibilité de mettre en place des alertes, par exemple, lorsque des palettes restent trop longtemps dans la zone tampon.
À plus long terme, nul doute que des projets étendus à tout un écosystème (entre plusieurs acteurs) devraient voir le jour pour optimiser les chaînes de valeur. En attendant, chaque acteur peut, à sa propre échelle, s’appuyer sur le potentiel du jumeau numérique pour améliorer ses propres processus, selon ses enjeux, son contexte et ses contraintes.
Jumeau numérique : quelles sources de données, quelles solutions logicielles, quelle architecture ?
Pour être réaliste et pertinent, à sa création comme à l’usage, le jumeau numérique s’appuie un volume de données important, dont les sources sont généralement multiples : elles peuvent provenir de bases de données structurées mais elles sont le plus souvent non structurées et hétérogènes. C’est le cas par exemple d’enregistrements de conversation dans un centre d’appels, d’informations issues des objets connectés ou encore de la reconnaissance d’objets par caméra.
Pour analyser et traiter ces données, il s’agit donc de mettre en œuvre des technologies d’intelligence artificielle (machine learning, deep learning), lesquelles sont seules capables de transformer de l’information non structurée en données structurées utilisables par les systèmes associés : solutions métiers, business intelligence, systèmes de diagnostic ou encore de simulation (qui peuvent elles-aussi reposer sur de l’intelligence artificielle).
Quels que soient les besoins couverts et les systèmes associés, la volumétrie des données à traiter est en croissance exponentielle, et serait aujourd’hui 50 fois plus élevée qu’il y a cinq ans selon IDC. Dès lors, la question de l’infrastructure informatique sous-jacente est un facteur clé de succès d’un projet de jumeau numérique. Si les ressources en Cloud peuvent faciliter le déploiement de projets pilote, les volumes à traiter nécessite ensuite de s’appuyer sur des architectures mixtes Edge / Cloud : le stockage et le calcul sont réalisés en local (Edge computing), au plus près des capteurs et objets connectés, tandis que seuls les résultats des calculs et les informations qui nécessitent d’être remontées sont envoyées dans le Cloud.
Miser sur les zones grises les plus coûteuses
Trouvant son utilité dans de nombreux contextes, le jumeau numérique gagne du terrain sur les processus opérationnels terrain qui manquent de données pour être traités, et plus largement ceux qui posent des difficultés au quotidien et que les technologies émergentes (IoT, services cognitifs…) peuvent contribuer à améliorer. C’est par exemple le cas, toujours dans le domaine de la logistique, de la traçabilité complète de colis dans un entrepôt ou encore la détection de situations anormales (cartons endommagés, taux d’occupation incohérent, AGV mal positionné…).
Dans tous les cas, il s’agit de prioriser les projets dont la digitalisation par jumeau numérique pourrait apporter des gains substantiels à l’entreprise, drastiquement réduire ses coûts ou bien encore valoriser son image de marque (moins d’erreurs, qualité de service améliorée, meilleure communication client...).
En d’autres termes, ce n’est que par une approche pragmatique, en fonction des besoins et des objectifs de chaque entreprise, que les projets de jumeau numérique pourront se multiplier. Jusqu’à, dans un futur qui n’est peut-être pas si éloigné, conduire à des projets croisés entre de multiples acteurs.