L’IoT, une source complémentaire de données au service des opérations chez SNCF
« IoTiser » des objets, c’est-à-dire les équiper de capteurs, doit permettre à SNCF de détecter et de régler plus rapidement des dysfonctionnements sur ses équipements, installations et infrastructures. Ainsi, la récolte d’informations précieuses permettra, progressivement, d’évoluer vers une maintenance prédictive. Explications de Marine Mizrahi, Directrice de la Fab IoT chez SNCF.
Publié le
Par La Redaction
À la source de l’information
Lorsqu’un métier a besoin d’une donnée dont il ne dispose pas (pour améliorer ses opérations par exemple), l’IoT est une des solutions qui peut être mobilisée. « Imaginons qu’un métier veuille faire de la maintenance prédictive sur une installation, par exemple pour anticiper des phénomènes de givre sur des caténaires et ainsi ne pas avoir de dysfonctionnement inopiné sur l’installation. Dans ce cas, nous pouvons intervenir pour fournir les données là où il n’y en a pas et installer des IoT capables de détecter le phénomène » explique Marine Mizrahi. Dès lors, tout un système se met en place, afin de poser des capteurs, récolter les données et les analyser.
Il existe autant de typologies de capteurs que de besoins en données sur l’environnement souhaité : capteurs de température, de pression, de courant, etc. « Un IoT est un un outil qui permet de délivrer une information immédiate et fiable, car automatique. Il est au service d’un éventail large de besoins : savoir et comprendre ce qu’il se passe à un endroit donné, puis alimenter des modèles d’analyse pour faire de la prévention ou de la prédiction, ou encore agir sur l’environnement via de la télé-opération » ajoute-t-elle.
Les projets IoT, une machinerie complexe
Une des missions de la Fab IoT est de conseiller les métiers afin d’identifier le bon capteur dont il a besoin, pour l’intégrer efficacement dans l’environnement et en extraire la donnée souhaitée. « Une fois les capteurs posés, c’est-à-dire intégrés dans l’environnement souhaité, les informations qui en sont issues remontent dans une plateforme. Ces données sont cryptées pour des raisons de cybersécurité. Il faut donc les décoder, puis les rendre utilisables, car elles ont des formats particuliers. Une fois cela fait, l’information extraite pourra être utilisée soit directement par le métier, soit par des spécialistes de l’analyse de donnée, par exemple, au sein de la Fab Big Data », détaille Marine Mizrahi.
Les projets IoT sont ainsi une machinerie complexe, qui se construisent étape par étape. Parmi celles-ci, plusieurs sont particulièrement clés dans les environnements SNCF, au-delà de la pose et de l’analyse des données : étudier la connectivité pour s’assurer que les zones où l’on pose les capteurs sont bien couvertes par des réseaux, et que les capteurs vont y résister (aux abords des voies par exemple), s’assurer que le capteur choisi est bien homologué par les ingénieries -ou sinon le faire homologuer-, afin qu’il respecte les normes ferroviaires, ou encore lancer une consultation ou un appel d’offre public pour l’achat du capteur choisi. Cet ensemble d’actions nécessitent un pilotage fin, d’autant qu’elles sollicitent des acteurs variés.
IoT, Datavisualisation et transformation des métiers
Au-delà du système technique, un projet IoT n’a de sens que s’il transforme un geste ou un processus métier. En ce sens, deux questions clés doivent être abordées dès le démarrage : que veut-on faire de la donnée collectée ? Comment veut-on qu’elle soit restituée à son utilisateur final ? La donnée récoltée, et potentiellement retraitée via une intelligence artificielle, doit donc être mise en forme. Et c’est tout l’enjeu de l’interface entre l’homme et la machine ou de la datavisualisation. « Pour qu’elle soit réellement utilisable, une information doit être travaillée sur la forme.
Si elle n’est pas claire, qu’elle ne saute pas aux yeux et qu’elle n’est pas accessible au moment où on en a besoin, tout le système sous-jacent, même ultra-sophistiqué, ne sert à rien. Ce questionnement ne doit pas arriver en bout de projet mais doit en être le point de départ. Sinon, on se fait plaisir technologiquement, certes, mais sans aborder le seul enjeu qui vaille : la transformation des métiers » explique Marine Mizrahi. Une datavisualisation réussie permet de gommer la complexité du système construit, et c’est, pour l’utilisateur final, la possibilité de ne se concentrer que sur son besoin et l’usage qu’il peut faire de l’information fournie.
