En 2024, une seule application d’intelligence artificielle déployée dans l’usine Volkswagen de Poznań a réduit la consommation d’énergie du site de 12 %. Pas une refonte des équipements. Pas un investissement lourd en infrastructure. Une application. Connectée à une plateforme de données commune. Répliquée depuis un autre site du groupe.

C’est ce chiffre qui dit tout sur la vraie nature de la transformation numérique industrielle. Pas la réplique virtuelle d’une usine en trois dimensions, ni le jumeau numérique au sens spectaculaire du terme. Mais la capacité à transférer une décision optimisée d’un site à quarante autres, en quelques semaines, parce que les données parlent le même langage partout.

Volkswagen déploie aujourd’hui plus de 1 200 applications d’intelligence artificielle sur 43 usines via une plateforme cloud commune développée avec AWS. Les économies se chiffrent en dizaines de millions d’euros. Et le groupe est loin d’être seul : PepsiCo, BMW, Samsung Electronics appliquent des stratégies similaires, avec des résultats qui convergent vers la même conclusion. Ce que les industriels appellent encore “digital twins” est, en réalité, une bataille pour la standardisation des données. Celui qui maîtrise la plateforme de données commune détient la clé du progrès industriel.

L’essentiel

  • Volkswagen déploie plus de 1 200 applications IA sur 43 usines mondiales via une plateforme cloud partagée avec AWS, chiffre issu du communiqué de presse VW/AWS d’août 2025 ; le rapport annuel 2024 du groupe mentionne quant à lui « plus de 100 nouvelles applications » sur « plus de 40 usines ».
  • L’usine de Poznań a réduit ses coûts énergétiques de 12 % grâce à une unique application d’optimisation, répliquée depuis un autre site du groupe.
  • Le vrai mécanisme de valeur n’est pas le jumeau numérique lui-même, mais la standardisation des données entre sites qui permet de répliquer une décision locale à l’échelle du réseau entier.
  • La tension centrale : ce modèle transfère une part significative de la valeur créée vers les fournisseurs de cloud (AWS, Siemens, NVIDIA) et creuse l’écart entre usines bien équipées et sites sous-dotés.
  • L’enjeu des 18 prochains mois : l’interopérabilité des données industrielles, sur laquelle se jouent à la fois la compétitivité des groupes et leur souveraineté numérique.

Ce que Volkswagen a compris que ses concurrents cherchent encore

Volkswagen n’est pas arrivé à 1 200 applications IA par accumulation spontanée. Le groupe a bâti une infrastructure commune, l’Industrial Cloud, en partenariat avec AWS depuis 2019. L’objectif initial était de connecter 122 usines et 1 500 fournisseurs sur une seule plateforme. En 2024, 43 sites sont en production active. Ce n’est pas un retard : c’est la preuve que la mise en cohérence des données entre sites historiquement cloisonnés prend du temps, exige des standards communs, et rencontre des résistances organisationnelles que la technologie seule ne résout pas.

Le cœur du dispositif repose sur un protocole d’échange de données industrielles, OPC UA, qui permet aux machines de marques et d’âges différents de communiquer dans un format standardisé. Sans ce socle, chaque usine reste une île. Avec lui, une optimisation développée à Wolfsburg peut être déployée à São Paulo ou à Shanghai avec un décalage de quelques semaines plutôt que de plusieurs années.

Ce que Volkswagen a compris, c’est que la valeur ne réside pas dans la qualité d’un modèle IA particulier, mais dans la qualité de la plomberie qui l’alimente. Les 1 200 applications ne valent que si les données qui les nourrissent sont propres, horodatées, et cohérentes d’un site à l’autre. C’est précisément pourquoi l’investissement dans les systèmes d’exécution de la fabrication (MES) et dans les couches d’intégration avec les ERP a précédé le déploiement des modèles.

Répliquer une décision à quarante usines en même temps

L’exemple de Poznań n’est pas anecdotique. Il illustre un mécanisme qui, s’il se généralise, modifie structurellement la logique de production industrielle.

Dans une organisation traditionnelle, une usine optimise ses processus localement. Les apprentissages restent dans les équipes, les tableaux de bord locaux, parfois les têtes des ingénieurs de maintenance. Quand un site améliore son rendement énergétique de 12 %, les autres n’en savent rien. Le savoir ne circule pas.

Dans l’architecture Volkswagen, l’application qui a généré cette économie à Poznań est un objet logiciel packagé, testé, documenté, et disponible sur la plateforme commune. La question posée aux autres sites n’est plus “comment optimisez-vous votre énergie ?” mais “voulez-vous activer cette application ?” Le transfert de compétences devient un transfert de logiciel. Le délai passe de quelques années à quelques semaines.

Les analyses disponibles suggèrent que les industriels qui réussissent leurs déploiements de jumeaux numériques à grande échelle génèrent des gains de productivité significativement supérieurs à ceux qui restent dans une logique de projets pilotes isolés. La différence n’est pas technique. Elle est organisationnelle : avoir une équipe centrale chargée de maintenir la plateforme de données, standardiser les formats, et piloter les déploiements.

BMW applique la même logique dans ses lignes d’assemblage avec sa plateforme de simulation basée sur NVIDIA Omniverse, qui permet de tester virtuellement une reconfiguration de ligne avant de toucher à la ligne physique. PepsiCo a déployé des jumeaux numériques sur ses lignes d’embouteillage, avec des résultats similaires sur la réduction des temps d’arrêt non planifiés. Samsung Electronics utilise ses jumeaux pour optimiser les rendements de fabrication de semi-conducteurs, où le moindre écart de paramètre coûte des milliers de plaquettes.

La standardisation des données, nouveau terrain de compétition géopolitique

Ce que cette transformation révèle dépasse la compétitivité des groupes industriels pris individuellement. Elle pose la question de qui contrôle les standards de données sur lesquels repose l’ensemble de l’édifice.

OPC UA est un standard ouvert, développé par la OPC Foundation. Mais la plateforme qui en tire parti, qui stocke les données, les traite, et héberge les applications, est celle d’AWS dans le cas Volkswagen. C’est là que réside la tension principale : le groupe allemand optimise ses usines sur une infrastructure américaine. Volkswagen a engagé des travaux pour renforcer sa souveraineté sur les données les plus sensibles — notamment via des déploiements d’infrastructure AWS sur site et l’extension de son cloud privé européen annoncée en 2025 —, mais la dépendance structurelle à l’égard de l’écosystème cloud d’un partenaire américain demeure un sujet de gouvernance ouvert.

Cette dépendance n’est pas propre à Volkswagen. Elle est structurelle à la plupart des déploiements à grande échelle. Les fournisseurs de cloud (AWS, Microsoft Azure, Google Cloud) ont investi des années dans les outils d’intégration industrielle, les interfaces avec les MES et les ERP, et les capacités de traitement en temps réel que les industriels ne peuvent pas développer seuls dans des délais raisonnables. Comme le notait un article récent publié sur ce journal à propos des infrastructures numériques européennes, l’Europe sait construire des data centers, pas les brancher : le problème est moins la brique physique que l’écosystème logiciel qui lui donne de la valeur.

L’Union européenne a engagé une réponse partielle avec le Data Act entré en vigueur en 2025, qui impose la portabilité des données industrielles et limite les clauses d’exclusivité dans les contrats cloud. L’initiative Gaia-X, portée par des entreprises européennes dont Volkswagen, vise à créer un écosystème de données industrielles souverain. Mais Gaia-X avance lentement, tiraillée entre ambitions politiques et réalités techniques, pendant que les déploiements sur AWS s’accélèrent. Le fossé entre le tempo de la réglementation et celui des déploiements industriels reste la principale vulnérabilité européenne dans cette bataille.

Le fossé entre usines data-rich et sites sous-équipés

Il y a un angle que les annonces de Volkswagen ne couvrent pas : les 43 usines connectées ne sont pas les 122 initialement prévues. Et elles ne sont surtout pas les milliers d’usines de rang 2 et rang 3 qui alimentent la chaîne d’approvisionnement du groupe.

Une part minoritaire seulement des usines mondiales dispose d’une infrastructure de données suffisante pour déployer des applications d’intelligence artificielle à l’échelle. Une majorité de sites — souvent des PME sous-traitantes dans des économies émergentes — ne disposent ni des systèmes MES, ni des équipes IT, ni du capital pour les installer. L’optimisation que Volkswagen réalise à Poznań est précisément ce que ses fournisseurs à bas coût ne peuvent pas répliquer, faute d’infrastructure.

Ce fossé n’est pas seulement une inégalité entre entreprises. Il est une inégalité entre territoires. Une usine bien connectée en Allemagne génère des gains de productivité qui lui permettent de rester compétitive face à une usine moins chère mais moins efficiente au Mexique ou en Pologne. À court terme, c’est un avantage pour le site allemand. À moyen terme, si les sites à bas coût parviennent à s’équiper, la productivité différentielle s’érode et l’avantage se déplace à nouveau.

La vraie question de compétitivité industrielle n’est donc pas “qui a le meilleur jumeau numérique ?” mais “qui peut équiper sa chaîne d’approvisionnement entière assez vite pour que la réplication de valeur fonctionne à tous les niveaux ?” C’est là que des groupes comme Siemens jouent un rôle d’infrastructure critique : ils vendent à la fois les équipements, les logiciels MES, et les plateformes de données, ce qui leur confère une position d’intermédiaire incontournable dans la chaîne de valeur. Un fournisseur de cloud industriel peut générer plus de valeur captée que n’importe quel équipementier traditionnel.

Ce que les données seules ne résolvent pas

Le déploiement de 1 200 applications IA sur 43 usines est un fait. L’économie de 12 % sur l’énergie à Poznań est un fait. Ce que ces chiffres ne disent pas, c’est combien de déploiements ont échoué avant d’arriver là.

Les études sur le sujet convergent vers un constat sévère : les projets de jumeaux numériques peinent, dans une large majorité des cas, à générer les économies initialement projetées. McKinsey relève par ailleurs que 70 % des transformations numériques en général dépassent leurs budgets initiaux — un chiffre qui n’est pas spécifique aux jumeaux numériques industriels, mais qui donne la mesure des difficultés d’exécution. Les causes sont rarement techniques. Elles tiennent à la qualité des données d’entrée, souvent hétérogènes, mal horodatées, incomplètes. Elles tiennent aux équipes de production, dont les routines de travail n’intègrent pas naturellement les recommandations des systèmes IA. Elles tiennent aux organisations, qui n’ont pas toujours mis en place la gouvernance nécessaire pour maintenir les données propres dans la durée.

Volkswagen a une équipe centrale dédiée à la gouvernance de la plateforme. C’est précisément ce que la plupart des industriels ne font pas. Ils déploient l’outil, ils forment les équipes une fois, et ils espèrent que le système s’auto-entretient. Ce n’est pas ainsi que cela fonctionne. Un jumeau numérique qui n’est plus alimenté par des données fraîches et fiables devient rapidement un artefact coûteux qui produit des recommandations erronées. Et une recommandation erronée sur une ligne de production peut coûter plus cher que l’absence de recommandation.

La tension entre la promesse du déploiement à grande échelle et la réalité des routines organisationnelles est le principal angle mort de la communication des grandes entreprises industrielles sur leurs transformations numériques. Les 1 200 applications déployées sont un chiffre de communication. Le nombre d’applications actives, utilisées quotidiennement par les équipes de production, serait un chiffre bien plus révélateur.

L’interopérabilité comme enjeu stratégique des prochaines années

Ce que le cas Volkswagen éclaire au-delà de sa propre trajectoire, c’est la prochaine bataille industrielle : l’interopérabilité entre plateformes.

Aujourd’hui, une application développée sur la plateforme AWS de Volkswagen ne peut pas être déployée directement sur la plateforme Azure de Microsoft que BMW utilise partiellement. Les données d’une usine Siemens MindSphere ne sont pas nativement compatibles avec celles d’une usine SAP Manufacturing. Chaque grande plateforme industrielle constitue un écosystème fermé, ce qui limite les possibilités de collaboration inter-entreprises et crée des coûts de migration prohibitifs.

Les standards ouverts comme OPC UA, Asset Administration Shell (AAS), ou Manufacturing Service Bus jouent un rôle critique pour briser ces silos. Leur adoption progresse, portée par des consortiums industriels et des injonctions réglementaires européennes. Mais l’adoption est inégale : les grandes entreprises qui ont les ressources pour influencer les standards les adoptent vite, souvent en y intégrant leurs propres extensions propriétaires. Les PME subissent les choix des donneurs d’ordre.

Les agents IA commencent d’ailleurs à jouer un rôle dans cette couche d’intégration, en servant d’interfaces entre des systèmes de données hétérogènes. Comme l’analyse un article de ce journal sur leur déploiement en entreprise, les agents IA entrent dans l’organisation du travail sans que les structures aient encore été adaptées pour les accueillir. L’usine n’échappe pas à cette règle.

La question qui se pose aux régulateurs et aux industriels européens est simple à formuler, difficile à résoudre : comment s’assurer que les standards d’interopérabilité émergents préservent la capacité des acteurs industriels à changer de fournisseur de plateforme sans perdre leurs données, leurs applications, et leurs décisions optimisées ? C’est la condition pour que la valeur générée par la standardisation des données reste captée par les industriels eux-mêmes, et pas seulement par les fournisseurs de cloud.

La réponse n’est pas encore écrite. Volkswagen a montré que la mécanique fonctionnait à grande échelle. Il reste à savoir si le modèle restera ouvert assez longtemps pour que d’autres en bénéficient.

Sources

  1. Volkswagen Group Annual Report 2024 — Production & Digital Transformation : annualreport2024.volkswagen-group.com
  2. McKinsey & Company, Digital Twins: The Next Frontier of Factory Optimization, 2024
  3. AI Magazine / Automotive Manufacturing Solutions, août-septembre 2025
  4. OPC Foundation — Standard OPC UA : opcfoundation.org
  5. Règlement européen sur les données (Data Act), entré en vigueur en 2025 : digital-strategy.ec.europa.eu
  6. Communiqué officiel VW/AWS — DPP et IA (août 2025) : volkswagen-group.com
  7. AWS Case Study officiel — Volkswagen Group DPP : aws.amazon.com
  8. Communiqué AWS — Lancement Industrial Cloud (mars 2019) : press.aboutamazon.com
  9. BMW Group — Virtual Factory Press Release : press.bmwgroup.com
  10. PepsiCo — Communiqué officiel jumeaux numériques (janvier 2026) : pepsico.com
  11. Samsung Global Newsroom — AI Megafactory avec NVIDIA : news.samsung.com
  12. Wikipedia — OPC Unified Architecture : en.wikipedia.org