IA, BI, base d’actifs : dans quel ordre construire votre patrimoine digital

La BI regarde derrière, l'IA regarde devant, les deux lisent la même base

La BI répond à ce qui s’est passé. Combien d’interventions sur ce secteur l’an dernier, quel taux de disponibilité, quelle consommation budgétaire par spécialité, quel écart entre le prévu et le réalisé. Elle agrège, compare, met en série. Sa valeur dépend d’une chose : que les objets qu’elle compte existent tous dans le système, et une seule fois chacun.

L’IA cherche ce qui va se passer, ou ce qui échappe à l’œil sur de gros volumes. Quel équipement dérive avant la panne, quel segment concentre le risque, quelle trajectoire de renouvellement tient dans l’enveloppe. Elle a besoin d’historique, de continuité et de cohérence. Un patrimoine décrit à moitié produit un apprentissage à moitié faux, sur la totalité du périmètre.

Les deux consomment la même matière première : la description de ce que le gestionnaire possède. La BI ne peut pas agréger des actifs qu’elle ne connaît pas. L’IA ne peut pas apprendre sur un patrimoine dont un tiers reste invisible. Aucune des deux ne produit cette description. Elles la lisent.

Une base d'actifs décrit les objets et les relations qui les lient

Un inventaire répond à une question : qu’est-ce que je possède, et où. C’est le point de départ, pas la ligne d’arrivée. Une base d’actifs exploitable ajoute trois dimensions à cette liste.

• L’état et son histoire : depuis quand cet équipement est en service, ce qu’il a subi, ce qui a été remplacé, à quelle date la donnée a été produite et par qui.
• Les liens : comment les objets sont reliés entre eux. Quel poste alimente quelle section, quel équipement commande quel appareil, quel ouvrage supporte quelle portion de voie. Ce sont ces relations qui transforment une liste en réseau.
• Le vocabulaire : la même chose porte le même nom d’une spécialité à l’autre, d’un établissement à l’autre, d’un logiciel à l’autre. Sans ce langage commun, deux bases correctes restent incroisables.

Cette description ne sort pas d’un logiciel de maintenance. Une GMAO planifie les interventions, trace les heures et les pièces, suit les coûts. Elle consomme la description du patrimoine, elle ne la produit pas. C’est une confusion courante et coûteuse : on achète un outil de pilotage, on découvre trois mois plus tard que la question à résoudre était en amont.

Les projets d'IA calent avant l'algorithme

Gartner l’a chiffré dans un communiqué de février 2025 : d’ici 2026, les organisations abandonneront 60 % des projets d’IA non soutenus par des données prêtes à l’emploi. La cause n’est presque jamais le modèle. C’est ce qu’on lui donne à traiter.

Sur les réseaux d’infrastructure, quatre défauts reviennent, et ils précèdent tous la question technologique.

• L’incomplétude : des équipements présents sur le terrain, absents des bases. Une IA entraînée sur ce périmètre apprend une réalité amputée.
• L’absence de datation : une donnée sans date de production ni source ne permet ni de mesurer une évolution, ni d’arbitrer entre deux versions contradictoires.
• L’absence de relations : des objets listés sans lien entre eux. Un modèle peut alors compter des équipements, pas raisonner sur un réseau.
• Les vocabulaires divergents : chaque outil, chaque spécialité, chaque territoire a construit ses conventions. Le croisement échoue avant le premier calcul.

Ces quatre points partagent une caractéristique : ils ne se corrigent pas par l’achat d’un outil supplémentaire. Ajouter un logiciel par-dessus une base incomplète ne résout pas le problème, il le rend plus difficile à voir.

Faut-il tout fiabiliser avant de lancer quoi que ce soit ?

C’est l’objection la plus légitime, et la réponse est non. Geler trois ans de projets pour reconstituer l’intégralité d’un patrimoine avant d’en tirer le moindre usage relève d’une autre erreur, symétrique de la première. Personne ne finance un socle qui ne sert à rien pendant trois ans.

Le principe qui tient : partir de l’usage, produire le juste nécessaire, une fois, et l’utiliser partout. Choisir la décision qui pèse le plus lourd, par exemple la priorisation d’un renouvellement sur une spécialité qui concentre le budget. Décrire le périmètre d’actifs que cette décision exige, à ce niveau de détail et pas au-delà. Le livrer, le mettre en service dans les outils existants, mesurer ce que la décision y gagne. Puis étendre.

C’est ce que recouvre la frugalité appliquée à la donnée : moins d’outils, moins d’intermédiaires, moins de production superflue. Une donnée juste, produite une fois, réutilisée par la maintenance, les études, la BI et les moteurs d’analyse. La surproduction de données coûte aussi cher que leur absence, avec en prime l’illusion d’être équipé.

L'ordre de construction

Trois étapes, dans cet ordre, et une quatrième qui court en continu.

1. Décrire les règles avant de produire.

Qu’est-ce qu’un objet de ce réseau, comment se représente-t-il sur les documents techniques, quelles relations le lient aux autres. Cette étape est un travail à part entière et elle conditionne tout le reste : ce qui n’est pas décrit ne sera pas produit, ni reconnu, ni automatisé plus tard. C’est là que se joue la double compétence, celle de la donnée et celle du métier du réseau.

2. Produire à partir de ce qui existe.

Les documents techniques sont la source principale. Le document devient une source de données, pas un fichier archivé. La tournée terrain complète ce que les documents ne disent pas ou ne disent plus, elle ne remplace pas leur exploitation systématique.

3. Exposer aux outils.

La base d’actifs n’a de valeur qu’alimentée dans les systèmes qui l’utilisent : GMAO, systèmes d’information géographique, outils de BI, moteurs d’analyse. Interfaces, exports, mises à jour programmées. Une base fermée sur elle-même reproduit le problème qu’elle devait résoudre.

4. Gouverner, en continu.

Qui met à jour, à quel moment du cycle de vie, selon quelles règles, avec quel contrôle. Sans cette responsabilité nommée, une base fiabilisée se dégrade en deux ou trois ans et le cycle recommence. C’est aussi ce qui protège l’organisation du départ des sachants : le savoir sur le patrimoine cesse de reposer sur quelques personnes et devient une donnée structurée, interrogeable et transmissible.

Ce que cela change pour un gestionnaire de réseau

Une IA branchée sur une base d’actifs incomplète ne se trompe pas moins souvent qu’un tableur. Elle se trompe plus vite, et sur l’ensemble du périmètre. Un tableau de bord alimenté par une base partielle affiche une performance qui n’existe pas. Les deux donnent le sentiment de piloter.

Construire l’étage du bas coûte moins cher que de reconstruire celui du haut. C’est vrai pour un gestionnaire d’infrastructure ferroviaire, pour un réseau de tramway ou de métro, pour un opérateur télécom, énergie ou autoroutier. Les référentiels changent, le vocabulaire change, la mécanique reste la même.

MODULOPI produit des données d’infrastructure depuis quinze ans, sur le réseau ferré français, un patrimoine parmi les plus complexes et les plus normés qui soient. Structurer, produire, valoriser, gouverner, mettre à disposition les outils : ces cinq étapes forment une chaîne, et la suite applicative SAM les industrialise de la source terrain jusqu’à l’exploitation.

Source : Gartner, « Lack of AI-Ready Data Puts AI Projects at Risk », communiqué de presse du 26 février 2025.

Copyright © MODULOPI – L’ensemble du contenu (textes, photographies, infographies, icônes, etc.) de ce document est la propriété exclusive de MODULOPI. Tous droits de reproduction ou de représentation de ceux-ci sont réservés.