L'industrie manufacturière diffère des secteurs de services sur un point qui a des conséquences directes pour les données de durabilité : la plus grande partie de l'impact environnemental ne se situe pas dans les propres locaux, mais dans la chaîne en amont et en aval. Matières premières, produits semi-finis, étapes de traitement à forte intensité énergétique, transport entre usines, flux de déchets sur le lieu de production — l'opération propre ne représente souvent qu'une petite partie de l'ensemble du tableau. Cela signifie qu'une organisation de l'industrie manufacturière dépend, pour une part substantielle de son obligation de reporting, de données qui naissent ailleurs : chez un fournisseur, un transporteur, un fournisseur d'énergie. Cette dépendance présente un schéma comparable à ce qui se joue dans le secteur agricole, où la chaîne en amont et en aval de l'entreprise déterminemégalement une grande partie de l'impact.
Au sein des propres murs, les données de durabilité sont dispersées dans des systèmes qui n'ont pas été conçus à cet effet. La consommation d'énergie par ligne de production se trouve dans le système de gestion technique du bâtiment ou chez le fournisseur d'énergie, sans lien avec les volumes de production. Les temps de fonctionnement et d'arrêt des machines se trouvent dans le MES ou dans un tableau Excel du chef d'équipe. Les flux de déchets — ferraille, matériaux résiduels, déchets chimiques — sont souvent enregistrés par bon de pesée par l'entreprise de traitement des déchets, indépendamment du système interne. La consommation d'eau est parfois mesurée de manière centralisée pour l'ensemble du site, sans ventilation par processus. Pour quelqu'un qui a besoin d'un chiffre d'émission par ligne de production, cela implique une recherche à travers des systèmes de mesure qui ont chacun leur propre logique et leur propre fréquence.
Le système ERP contient les volumes d'achat, les flux de matériaux et parfois des données fournisseurs, mais rarement des facteurs d'émission. Le MES connaît les temps machine et la production, mais ne relie pas automatiquement cela à la consommation d'énergie ou de matériaux par unité de produit. Entre ces deux systèmes se trouve souvent une étape manuelle : quelqu'un qui extrait des volumes de l'ERP, combine des données machine du MES, et arrive à un chiffre d'émission à l'aide d'un tableau de calcul séparé. Ce tableau de calcul — et les hypothèses qu'il contient — est précisément l'endroit où la traçabilité disparaît si personne ne consigne quelle source, quel facteur et quelle hypothèse ont été utilisés.
Pour le scope 3, l'industrie manufacturière dépend fortement de ce que fournissent les fournisseurs. L'un envoie un rapport de durabilité détaillé, un autre une estimation sur une facture, un troisième rien du tout. Certaines entreprises travaillent avec des moyennes sectorielles génériques parce que les données fournisseurs manquent ; d'autres disposent de données primaires pour quelques grands fournisseurs, mais pas pour le reste de la chaîne. Ce mélange de sources de données — primaires, secondaires, estimées — doit être consigné quelque part avec une annotation sur son origine, sans quoi il n'est plus possible de reconstruire après coup sur quelle hypothèse repose quel chiffre.
De nombreuses entreprises manufacturières ont déjà des certifications en cours, comme ISO 14001 ou des audits énergétiques. Ces processus génèrent des données précieuses — consommation d'énergie, plans d'amélioration, chiffres vérifiés — mais les résultats aboutissent souvent dans une archive séparée du service qualité, indépendamment du reporting de durabilité. Le chiffre déjà vérifié par l'auditeur est alors collecté à nouveau et séparément pour le rapport de durabilité, avec le risque que les deux chiffres ne correspondent plus.
Qui est responsable du chiffre énergétique d'un site de production : le directeur d'usine, le responsable des installations, ou le coordinateur durabilité au siège ? Qui gère les facteurs d'émission appliqués aux données de transport : les achats, la logistique, ou la finance ? Dans de nombreuses entreprises manufacturières, cette responsabilité n'a jamais été explicitement attribuée. L'appropriation des données naît implicitement, chez qui a par hasard accès au système, et non chez qui connaît le mieux le contenu ou peut le vérifier.
La tentation est grande d'acheter un logiciel qui se connecte automatiquement à l'ERP et au MES et en fait sortir de jolis tableaux de bord. Mais un outil posé sur une base désorganisée produit surtout des versions plus rapides et d'apparence plus convaincante des mêmes chiffres incertains. Avant qu'un système puisse extraire des données, il faut établir quel point de données provient de quelle source, qui en est le propriétaire et quelle règle de qualité lui est associée. Cela vaut pour l'industrie manufacturière tout autant que pour des secteurs à structure de chaîne totalement différente, comme le secteur du transport ou le commerce de détail, où les sources de données sont différentes mais où le problème de structuration est le même.
Le Data Readiness Scan établit pour l'industrie manufacturière un registre de points de données : par source d'émission, par ligne de production, par maillon de la chaîne, il est déterminé quel point de données est nécessaire, où il naît — machine, ERP, fournisseur d'énergie, entreprise de traitement des déchets, fournisseur — et par quel parcours il arrive au point de reporting final. S'y ajoutent un propriétaire par point de données et une règle de qualité qui détermine quand un chiffre est utilisable et quand il ne l'est pas. Ce n'est ni un rapport ni un questionnaire rempli, mais la structure sous-jacente qui permet de retracer à tout moment un chiffre jusqu'à sa source. Cette structure est comparable à ce qui est nécessaire dans les services aux entreprises, où les données sont également dispersées sur des systèmes isolés et des feuilles de calcul, même si la chaîne y est différente.
L'outil qui exécute ce scan est en cours de développement. Toute organisation souhaitant s'y préparer peut s'inscrire sur la liste d'attente.
Dès qu'il est clair quels points de données existent, où ils naissent et qui les gère, on voit aussi apparaître la quantité de travail manuel qu'implique la collecte, le contrôle et la retranscription de ces données. Ce travail — extraire des données de plusieurs systèmes, retracer des chiffres jusqu'à une source, effectuer des contrôles de qualité — se compose de tâches distinctes qui ne demandent pas toutes autant de travail humain. Le scan de travail de FTE TO AI calcule, pour chaque tâche, quelle part peut être reprise par l'IA, afin de faire apparaître clairement où l'automatisation apporte le plus de gain de temps et où un contrôle humain reste nécessaire.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.