Logiciel de jumeau numérique pour l’industrie : une liste de contrôle pour les acheteurs

Disclosure: M365.FM host Mirko Peters works at iFAKT GmbH. This page describes the company factually; paid partnerships and links are labelled as advertising.

Par Mirko Peters · 2026-11-12

Le logiciel de jumeau numérique pour l’industrie maintient un modèle synchronisé avec les données en temps réel. Une liste de contrôle pour comparer les plateformes, les outils packagés, la sécurité, le coût et la maintenance.

Traduit automatiquement par IA à partir de l'article original. Lire l'original en anglais

Le logiciel de jumeau numérique pour l’industrie construit un modèle d’une machine, d’une ligne ou d’un site et le maintient connecté à des données réelles, afin de surveiller ce qui fonctionne, d’anticiper les problèmes ou de tester une modification avant de la mettre en œuvre. Cet article s’adresse aux responsables de site qui doivent comparer des offres utilisant toutes les mêmes termes. Il ne revient pas sur les bases de ce qu’est un jumeau ; il propose une liste de contrôle pour choisir un logiciel, depuis ce qu’il doit contenir jusqu’au coût de son maintien en service.

Points clés

• Le NIST identifie trois éléments essentiels d’un jumeau : la détection à haute fréquence, une connectivité fiable de l’IoT industriel et des modèles de simulation pour la prédiction. Le logiciel doit les couvrir ou s’appuyer sur des partenaires.
• Azure Digital Twins est un service de plateforme pour les graphes de jumeaux, et non une application d’usine prête à l’emploi. Microsoft précise qu’il se distingue de l’aperçu du générateur de jumeaux numériques de Fabric.
• Décidez d’abord si vous avez besoin d’une plateforme sur laquelle construire ou d’un outil packagé pour répondre à une question précise, car la réponse change à la fois qui réalise le travail et ce que cela coûte.
• La norme ISO 23247-1 présente une vue d’ensemble et les principes généraux d’un cadre de jumeau numérique pour l’industrie, ce qui vous aide à vous accorder avec les éditeurs sur le vocabulaire employé.
• Prévoyez un budget pour l’intégration des données, la validation du modèle et la maintenance, en plus des licences, et limitez un premier pilote à une seule ligne et à une seule décision.

Que doit comprendre un logiciel de jumeau numérique pour l’industrie ?

Partez d’une définition que les éditeurs ne peuvent pas déformer. Le NIST décrit un jumeau numérique comme une représentation virtuelle dynamique, pilotée par les données, qui reproduit fidèlement son équivalent physique, s’y connecte et se synchronise avec lui. Il précise qu’un jumeau n’est pas un modèle statique, et il identifie trois éléments essentiels qui déterminent sa fidélité, son utilité et sa viabilité à long terme : la détection à haute fréquence, une infrastructure fiable d’IoT industriel pour la connectivité, et des modèles de simulation avancés pour l’analyse prédictive.

Transformez ces trois éléments en questions à poser à tout produit :

1. Des données en entrée. Quelles sources lit-il : automates, capteurs, MES, ERP, tableurs ? À quelle fréquence se rafraîchit-il ? Qui construit et maintient chaque connexion ?
2. Un modèle qui a du sens. Comment l’installation est-elle décrite : équipements, lignes, processus, relations ? Vos propres équipes peuvent-elles modifier cette description lorsque le processus évolue ?
3. Une couche d’analyse. Se contente-t-il d’afficher des valeurs actuelles, ou peut-il prédire, simuler et comparer des scénarios ? Cette partie est-elle intégrée, ou s’agit-il d’un projet distinct ?

Ajoutez ensuite deux besoins pratiques : les utilisateurs doivent pouvoir lire les résultats (tableaux de bord, rapports, alertes), et l’accès doit être contrôlé par rôle. Si un produit ne couvre pas l’un de ces cinq points, demandez qui s’en charge.

Quels types de logiciels sont vendus comme jumeaux numériques ?

L’étiquette jumeau numérique recouvre des réalités très différentes. Classez les offres en quatre groupes avant de comparer leurs prix.

• Plateformes sur lesquelles construire. Elles vous fournissent les briques pour stocker un modèle, connecter des données et les interroger. Vous, ou un partenaire, construisez la solution par-dessus.
• Jumeaux de production prêts à l’emploi. Ils sont livrés avec un modèle de données prêt pour la production, par exemple pour la planification, la simulation ou l’optimisation d’une usine, et demandent moins de développement.
• Jumeaux d’actifs et d’état. Ils se concentrent sur la santé des machines : ils exploitent les données des capteurs pour détecter l’usure et les anomalies.
• Jumeaux de conception et de mise en service. Ils permettent de tester les implantations et la logique de commande avant l’installation des équipements.

Un outil d’un groupe ne répond pas à la même question qu’un outil d’un autre groupe. Un jumeau d’état ne vous dira pas si un nouveau modèle d’équipes postées résorbe votre arriéré, et une simulation de production ne vous dira pas quand un roulement va lâcher. Définissez d’abord votre décision, puis choisissez le groupe.

Que vous apporte une plateforme comme Azure Digital Twins ?

Azure Digital Twins est l’exemple proposé par Microsoft. Selon Microsoft Learn, il s’agit d’une plateforme en tant que service permettant de créer des graphes de jumeaux à partir de modèles numériques d’environnements tels que des bâtiments, des usines ou des réseaux énergétiques. Vous définissez le vocabulaire de votre domaine dans le Digital Twins Definition Language (DTDL), un langage de type JSON, et les jumeaux sont des instances de ces modèles. Les relations entre jumeaux forment le graphe, que vous pouvez interroger comme une représentation en temps réel et à jour. IoT Hub peut fournir les données des appareils, des API REST et des connecteurs peuvent intégrer les données des systèmes métier, et des routes d’événements peuvent transmettre les données des jumeaux à d’autres services Azure pour l’analyse.

Deux points comptent pour un acheteur. D’abord, il s’agit d’une brique de base : elle stocke et connecte le modèle. La logique de type « et si » d’une simulation de production, avec les files d’attente, les réglages et les calendriers d’équipes, relève d’un autre logiciel, et le résultat est quelque chose que vous ou un partenaire devrez développer. Ensuite, la page précise qu’Azure Digital Twins se distingue du générateur de jumeaux numériques Fabric (préversion) et des jumeaux d’appareils d’IoT Hub. Vérifiez lequel un collègue ou un fournisseur désigne avant de bâtir un plan autour de lui.

L’historique est une étape distincte. Le graphe est une vue en temps réel, et la page de Microsoft sur l’historique des données explique que vous connectez une instance à un cluster Azure Data Explorer pour enregistrer les mises à jour du graphe dans le temps, avec un espace de noms Event Hubs intermédiaire. Elle précise également que les messages émis par l’historique des données sont facturés selon la dimension de tarification des messages. En d’autres termes, « nous voulons voir les tendances du mois dernier » ajoute des composants et une ligne de coût. Posez la même question à tout fournisseur : où vit l’historique, et combien coûte-t-il ?

Faut-il construire sur une plateforme ou acheter un outil prêt à l’emploi ?

Répondez à ces questions pour trancher.

• Quelle est la précision de votre question ? Pour une question de production bien définie, par exemple la capacité, le personnel ou le mix produit, un outil prêt à l’emploi permet généralement d’obtenir une réponse plus rapidement. Pour des fondations numériques larges et durables couvrant de nombreux types d’actifs, une plateforme offre davantage de souplesse.
• Qui fera le travail ? Une plateforme nécessite des développeurs ou un partenaire. Comptabilisez leur temps. Un outil prêt à l’emploi déplace l’effort vers le paramétrage et la préparation des données.
• Quel est le caractère unique de votre processus ? Plus votre processus est atypique, plus un modèle flexible devient important. Les flux standard s’adaptent mieux aux outils prêts à l’emploi.
• Combien de temps comptez-vous l’utiliser ? Un modèle qui dure des années a besoin d’un responsable et d’un budget pour les évolutions. Demandez qui le mettra à jour lorsque vous ajouterez une famille de produits ou déplacerez une ligne.
• Que possédez-vous déjà ? Si votre équipe informatique exploite déjà une plateforme cloud et qu’une équipe data existe, une réalisation sur plateforme peut convenir. Si vous n’avez ni l’un ni l’autre, un outil prêt à l’emploi sera peut-être la voie la plus réaliste.

Il n’existe pas de réponse unique valable pour tous. De nombreuses usines finissent par combiner les deux : une plateforme pour le socle de données partagé et un outil prêt à l’emploi pour une décision précise. Prévoyez dès le départ l’interface entre les deux.

Comment vérifier la connectivité et la conformité aux standards ?

Un jumeau n’est utile que si les données arrivent et que les résultats ressortent. Demandez comment le logiciel se connecte à des équipements de différents âges et de différents fabricants.

Une voie courante passe par OPC UA. L'OPC Foundation le décrit comme un moyen de transporter les données des équipements de fabrication et de contrôle de procédés vers les systèmes d'entreprise, en mettant l'accent sur la sécurité, la fiabilité et le fonctionnement multiplateforme, et indique qu'il est devenu la norme IEC 62541 en 2011. Un fournisseur compatible OPC UA peut généralement lire les données de nombreuses machines sans pilote spécifique, même si les équipements plus anciens peuvent nécessiter des passerelles ou des capteurs supplémentaires.

Pour le cadre lui-même, ISO 23247-1 constitue la première partie de la norme « Digital twin framework for manufacturing ». D'après l'ISO, elle a été publiée en octobre 2021 et présente une vue d'ensemble ainsi que les principes généraux, notamment les termes, définitions et exigences du cadre. La lecture de ce document ne construira pas votre jumeau numérique, mais elle donnera à vos équipes et à vos fournisseurs un vocabulaire commun. Demandez à vos fournisseurs si leur architecture s'y réfère et ce que cela implique concrètement, et non seulement sur une diapositive.

Interrogez aussi les limites du système :

• Pouvez-vous exporter votre modèle et vos données dans un format ouvert ?
• Se connecte-t-il à votre ERP, à votre MES et à vos outils de reporting, par exemple Power BI, sans développement spécifique pour chaque rapport ?
• Que se passe-t-il lorsqu'un flux de données s'interrompt ? Un jumeau qui continue d'afficher d'anciennes valeurs avec une totale assurance est pire qu'un jumeau qui affiche un vide.

Comment évaluez-vous la sécurité et les accès ?

Un jumeau numérique relie des systèmes qui étaient auparavant séparés : machines, ordres de fabrication et, éventuellement, données fournisseurs. Cela élargit le chemin qu'un attaquant pourrait emprunter, et le cercle des personnes capables de voir votre processus.

Posez ces questions par écrit :

• Qui peut voir et modifier quelles parties du modèle ? L'accès est-il basé sur les rôles, et peut-il être limité par site ou par ligne de production ?
• Où les données sont-elles stockées, qui les exploite et que deviennent-elles si vous quittez le fournisseur ?
• Comment les modifications apportées aux modèles sont-elles enregistrées, et peut-on revenir en arrière ?
• Quelles certifications de sécurité le fournisseur détient-il, et quel est leur périmètre ? Un certificat délivré à l'entreprise ne couvre pas automatiquement le produit que vous achetez.
• Comment les mises à jour et les correctifs sont-ils déployés, et qui en est responsable ?

Si vous partagez des données avec vos clients ou vos fournisseurs, demandez-leur s'ils exigent des évaluations de sécurité spécifiques avant que vous ne connectiez quoi que ce soit.

Quel est le coût réel, et comment mesurez-vous la valeur ?

Les frais de licence sont la partie visible. Le reste apparaît souvent plus tard :

• Capteurs, passerelles et travaux réseau pour les machines qui n'ont aucune sortie numérique.
• Préparation des données : nettoyage, mise en correspondance et accord sur les définitions entre les systèmes.
• Construction du modèle et validation par rapport à des résultats réels.
• Consommation cloud, comme les volumes de messages et le stockage de l'historique.
• Personnes chargées de maintenir le modèle après chaque changement de processus.
• Formation des personnes qui exploitent les résultats.

Demandez à chaque fournisseur de chiffrer une ligne pilote sur trois ans, en incluant tous les éléments ci-dessus. Comparez les totaux, pas les abonnements.

Pour la valeur, choisissez l'indicateur avant de commencer. Rattachez-le à la décision que le jumeau doit éclairer : arrêts non planifiés sur la ligne pilote, délai de production, respect du planning, temps de changement de série, rebuts ou effort de maintenance. Enregistrez une base de référence pendant quelques semaines au minimum, lancez le pilote, puis comparez. Si vous ne pouvez pas nommer un chiffre qui doit évoluer, vous n'êtes pas prêt à acheter.

Voici un exemple hypothétique. Un directeur de site veut savoir si un deuxième poste sur une cellule d'assemblage permettrait de résorber un retard récurrent. Rien ici n'exige de données machines en temps réel. Une simulation construite à partir des gammes, des temps de cycle et des calendriers peut répondre directement. Un jumeau de surveillance de l'état des machines, avec un programme de capteurs, serait un projet bien plus lourd et ne répondrait pas du tout à la question. L'outil le moins coûteux qui répond à la décision l'emporte.

Comment garder un jumeau numérique exact dans le temps ?

Les sites évoluent, et un jumeau qui n'est pas mis à jour s'éloigne de la réalité. Fixez les règles dès le départ.

1. Désignez un responsable pour chaque modèle, avec un suppléant.
2. Versionnez le modèle. Enregistrez qui a modifié quoi et pourquoi, et conservez la possibilité de revenir en arrière.
3. Liez les modifications du modèle aux changements sur site. Une nouvelle famille de produits, une machine déplacée ou un changement de organisation des équipes déclenche une revue du modèle.
4. Validez régulièrement. Comparez les résultats du jumeau avec les résultats réels d'une période récente et notez les écarts.
5. Déployez par étapes. Ajoutez la ligne suivante seulement lorsque la première dispose d'un responsable, d'un modèle validé et d'un résultat mesurable. En cas de déploiement multisite, standardisez les définitions des données de base et autorisez des variantes locales maîtrisées.

Erreurs courantes

• Acheter un logiciel avant d'avoir identifié la décision qu'il doit soutenir.
• Comparer les prix des licences en ignorant l’intégration, la validation et la maintenance.
• Choisir une plateforme alors qu’un outil packagé suffirait à répondre à la question, ou l’inverse.
• Accepter une image 3D comme preuve d’un jumeau numérique lorsque des données en temps réel ne l’alimentent pas.
• Ne pas vérifier ce qui se passe lorsqu’un flux de données tombe en panne.
• Laisser le modèle sans propriétaire une fois que l’équipe projet passe à autre chose.
• Commencer par l’usine entière au lieu d’une seule ligne de production.

Où se situe Polaris

Si votre première question porte sur la planification et les décisions de type « et si », iFAKT Polaris est une option à considérer. iFAKT décrit Polaris comme une IA associée à un jumeau numérique pour la production, qui combine les données ERP et un jumeau numérique de fabrication. Le module Polaris Designer transforme les données d’entrée, telles que les données ERP, les durées de processus, les structures de ressources et les contraintes, en un graphe de connaissances produit-processus-ressource qui fait office de source unique de vérité. Le module Polaris Simulator s’appuie sur ce graphe pour tester virtuellement le système de production, y compris les scénarios de capacité, d’effectifs et de stocks tampons. Il vise les décisions de planification de production, et non la surveillance de l’état de machines individuelles ; adaptez-le donc d’abord à votre question.

Sujets connexes à explorer

• Normes et interopérabilité : comment OPC UA, d’autres protocoles et la norme ISO 23247 s’articulent dans un parc de machines hétérogène.
• Middleware et intégration : relier les jumeaux numériques à l’ERP, au MES et au SCADA sans lien spécifique pour chaque rapport.
• Gouvernance des modèles : versionnement, rôles d’accès et cycles de revue pour les modèles qui évoluent.
• Déploiement sur plusieurs usines : modèles centraux ou locaux, et manière de garder les définitions de données alignées.
• Coût total et retour sur investissement : comment établir une vue des coûts sur trois ans et une mesure avant/après pour un pilote.

Prochaine étape

Notez la seule décision que vous souhaitez voir un jumeau numérique soutenir, ainsi que le chiffre qui devrait évoluer si cela fonctionne. Emportez cette page lors de votre prochain échange avec un éditeur, et demandez à chacun comment son logiciel de jumeau numérique pour la fabrication y répondrait sur une ligne pilote, avec quelles données et à quel coût total sur trois ans.