L'intelligence artificielle passe rapidement du stade de buzz technologique à celui d'outil de travail concret. Face à la surcharge informationnelle croissante, à la pénurie de main-d'œuvre et à l'accélération des processus métier, la numérisation devient une étape naturelle et inévitable du développement industriel. L'attention portée aux technologies se confirme à l'échelle mondiale : l'Organisation internationale du Travail (OIT) consacre des journées thématiques à la numérisation, et des stratégies d'apprentissage continu sont élaborées au niveau national. Les grandes entreprises intègrent déjà des KPI liés à l'IA pour leur haute direction. Dans son intervention, Rinat Fatkhutdinov examine en détail comment adapter les processus d'hygiène, sécurité et environnement (HSE) aux nouvelles réalités, tout en évitant les pièges classiques de l'automatisation.
Bien que 97 % des grandes entreprises déclarent mettre en œuvre ou planifier des initiatives liées à l'IA, seule la moitié d'entre elles en perçoit une réelle valeur. En s'appuyant sur les recherches de l'école de commerce Skolkovo, l'intervenant souligne que la grande majorité des projets d'entreprise dans le domaine de l'intelligence artificielle s'arrêtent au stade du pilote ou ne génèrent aucun résultat commercial.
Le problème ne réside pas dans les technologies elles-mêmes, mais dans des erreurs fondamentales de processus :
Les équipes informatiques ne connaissent pas les « points de douleur » quotidiens des ingénieurs HSE. Pour une intégration technologique réussie, les entreprises ont cruellement besoin de « courtiers en connaissances » — des ambassadeurs proactifs au sein même des départements HSE. Ce sont des spécialistes qui comprennent parfaitement les spécificités des processus industriels, sont prêts à apprendre de nouveaux outils et peuvent traduire les besoins de l'entreprise dans un langage compréhensible pour les développeurs. Ce sont eux qui aident à surmonter la résistance à l'innovation sur le terrain et à lier la technologie à une tâche réelle.
L'intervention analyse une série d'exemples contrastés issus de la pratique en entreprise. Les scénarios d'échec sont toujours liés à l'ignorance des besoins réels des utilisateurs. Par exemple, lorsqu'une compagnie pétrolière déploie un modèle interne qui gère moins bien les tâches que les réseaux neuronaux accessibles (comme DeepSeek), les employés refusent tout simplement de l'utiliser. L'autre extrême est le développement de solutions IT en vase clos, où les opérationnels ignorent même l'existence du produit créé pour eux.
Les cas de réussite reposent sur l'implication et le déploiement progressif. Dans une entreprise extractive, un équivalent interne sécurisé de ChatGPT a été créé. L'outil a été intégré aux systèmes de gestion d'entreprise et aux technologies d'automatisation des processus (RPA). Le résultat a été une réduction de 20 % de la charge de travail sur les tâches intellectuelles routinières.
La principale conclusion managériale réside dans le respect d'un modèle en trois étapes : d'abord, la formation massive du personnel pour dissiper les craintes face à la technologie, puis la mise en œuvre et le calcul précis d'un projet pilote réussi, et seulement après, le déploiement de cette expérience réussie à l'ensemble de l'entreprise.
Explorez la bibliothèque complète des meilleures pratiques de sécurité industrielle
Accéder à la bibliothèque