De la Business Intelligence à l'IA frugale : la trajectoire data de Dassault Aviation

Dassault Aviation est un constructeur aéronautique français de référence, concepteur d'avions militaires (Rafale) et d'affaires (gamme Falcon). L'entreprise a engagé depuis plusieurs années une trajectoire de digitalisation profonde de ses activités, portée conjointement par sa Direction des Systèmes d'Information (DSI) et sa fonction numérique, assimilable à un rôle de CDO.

Cette digitalisation touche l'ensemble de la chaîne de valeur, de la conception à la fabrication, en passant par la finance et les ressources humaines. Elle génère un volume de données croissant et un besoin accru de pilotage par la donnée, avec un mouvement de fond amorcé autour de 2018.

Deux enjeux stratégiques structurent cette trajectoire :

• La transformation du modèle économique de soutien aux avions, avec le passage de fonctions support à de véritables services engageants (disponibilité garantie, maintenance prédictive), qui nécessite un traitement des données quasi temps réel pendant les phases de vol.
• L'évolution du combat aérien, avec l'intégration croissante de drones et de capacités de vol autonome ou assisté, dans un contexte où la charge cognitive des pilotes s'accroît fortement. Cette évolution place la donnée et les algorithmes, notamment d'intelligence artificielle, au cœur des développements futurs.

À cela s'ajoute une contrainte structurelle propre au secteur : le cycle de développement d'un avion s'étend sur une dizaine d'années, ce qui rend l'harmonisation des données dans le temps particulièrement complexe. Dans un environnement marqué par de fortes incertitudes économiques et géopolitiques, disposer d'une vision data centrique n'est plus perçu comme une simple transformation, mais comme une nécessité pour éclairer la prise de décision.

Ce projet a été réalisé par BSD, Business Solutions & Data, l’entité de Groupe Mind7 Consulting, spécialisée dans l’intégration de solutions logicielles et l’exploitation des données pour optimiser l’efficacité des entreprises.

La trajectoire data de Dassault Aviation s'est construite en plusieurs étapes, sur un mode d'amélioration continue mené en agilité avec BSD.

Du reporting opérationnel à la Business Intelligence transverse

Les premiers besoins portaient sur du reporting opérationnel classique. Ils ont rapidement évolué vers une demande de vision transverse, avec la mise en place de « cockpits » et de vues à 360°, mettant en lumière les écarts d'alignement entre les données et les processus métiers des différents départements.

Mise en place de plateformes Big Data

Pour répondre à la montée en volume et en complexité des données, des plateformes analytiques de type Big Data ont été déployées, permettant à la fois de poursuivre le développement de la BI et de poser les premières bases de l'IA.

Modélisation, qualité des données et Master Data Management

Un travail de fond a été mené sur la modélisation des processus métiers et la compréhension fine des chaînes de valeur, afin de résorber les ruptures de continuité numérique identifiées entre les différents domaines. Ces travaux ont conduit naturellement au chantier actuel de Master Data Management, mobilisant notamment des compétences techniques nouvelles pour les équipes internes, comme le langage Java.

Migration et modernisation des méthodes

BSD a accompagné la migration des middleware selon les principes DevOps adoptés par la DGSI, tout en contribuant à l'évolution des méthodes de travail vers plus d'agilité, en rupture avec les cycles en V historiques.

Premiers usages d'intelligence artificielle

Dassault Aviation a fait le choix assumé de ne pas s'engager dans une course aux infrastructures matérielles massives, mais de privilégier la compréhension technologique et le déploiement de modèles et fonctions IA optimisés, au bon endroit et au bon moment. Cette approche « frugale » s'est traduite par plusieurs réalisations concrètes :

• des algorithmes de similarité permettant d'identifier des pièces alternatives en cas de manquants en chaîne de production, avec validation humaine ;
• la mise en place d'un assistant conversationnel interne, sécurisant l'usage de l'IA générative par les collaborateurs et limitant les risques de fuite de données vers des outils externes.

Les bénéfices

• Un pilotage plus rapide et plus explicable, avec un passage des présentations statiques en PowerPoint à des outils de dataviz consultés en direct
• Une capacité renforcée d'analyse en profondeur (root cause analysis) pour répondre aux phases de crise ou d'incertitude
• Une montée en compétence croisée entre les équipes internes et BSD, notamment sur l'agilité, la modélisation et de nouvelles technologies
• Une meilleure continuité numérique entre les métiers, grâce au travail de structuration et d'alignement des données
• Les premiers jalons d'une IA appliquée à la production et à la sécurisation des usages internes