Tony Hemmelgarn: «Le jumeau numérique reste le socle de l'Industrial Intelligence»

Trois ans après avoir placé le jumeau numérique au cœur de sa stratégie, Siemens fait aujourd'hui converger celui-ci avec le digital thread et l'IA au sein d'un même concept: l'Industrial Intelligence. Pour Tony Hemmelgarn, CEO de Siemens Digital Industries Software, cette évolution ne remet pas en cause le rôle central du jumeau numérique. Elle en élargit au contraire le périmètre et ouvre la voie à une nouvelle génération d'outils capables d'accélérer la conception, la fabrication et la prise de décision industrielle. Tony Hemmelgarn a accordé un long entretien exclusif à Twin+, en marge de la conférence utilisateurs Realize Live Europe 2026 à Amsterdam. Pendant plusieurs années, Siemens a fait du jumeau numérique le pilier de sa stratégie. Aujourd'hui, vous mettez davantage en avant l'Industrial Intelligence. Le jumeau numérique reste-t-il malgré tout au cœur de votre vision? Oui, sans aucun doute! Le jumeau numérique reste l'un des piliers de notre stratégie, mais il a profondément évolué. À l'origine, il servait essentiellement à représenter un produit afin de vérifier qu'il pouvait être assemblé correctement. La modélisation 3D puis la simulation ont permis de résoudre une grande partie de ces problématiques. Aujourd'hui, les attentes des industriels sont beaucoup plus larges. Ils veulent comprendre comment un produit va se comporter avant même qu'il n'existe physiquement: ses performances, son comportement en fonctionnement, sa consommation énergétique ou encore sa durée de vie. Le jumeau numérique ne cesse donc de s'enrichir. Nous pensons disposer aujourd'hui de l'approche la plus complète du marché, mais nous sommes encore loin d'avoir tout représenté. Il reste de nombreux aspects du monde réel que nous souhaitons intégrer afin de proposer une vision toujours plus fidèle et plus globale des systèmes industriels. Comment s'articulent aujourd'hui le jumeau numérique, la continuité numérique et l'IA dans ce que vous appelez l'Industrial Intelligence? Ces trois briques sont complémentaires et se construisent les unes sur les autres. Le point de départ est toujours le jumeau numérique, qui rassemble toutes les dimensions d'un produit: la mécanique, l'électronique, le logiciel, l'ingénierie de fabrication ou encore la production. Le digital thread relie ensuite l'ensemble de ces informations pour assurer la continuité des données et des processus tout au long du cycle de vie. Une fois cette continuité numérique établie, l'IA peut véritablement apporter de la valeur. Elle comprend le contexte, exploite les données disponibles et intervient directement dans les processus pour assister les ingénieurs, automatiser certaines tâches ou proposer des solutions. C'est cette convergence entre représentation numérique, continuité des données et intelligence artificielle que nous appelons aujourd'hui l'Industrial Intelligence.  L’IA est désormais présente dans l'ensemble de votre portefeuille. Quel rôle jouera plus précisément l'IA agentique?

Nous sommes entrés dans une nouvelle étape. Jusqu'à présent, l'IA permettait surtout d'accélérer certains calculs ou d'améliorer la productivité des ingénieurs. L'IA agentique va beaucoup plus loin. Elle est capable d'interagir avec les logiciels d'ingénierie, d'interpréter un modèle, d'en comprendre les caractéristiques et d'exécuter elle-même certaines tâches. Demain, certains industriels n'achèteront peut-être plus seulement des licences logicielles pour leurs équipes. Ils utiliseront également des agents capables de réaliser une partie du travail de conception ou d'ingénierie. Cela suppose toutefois que les logiciels soient ouverts et disposent d'API permettant à ces agents d'interagir avec eux. C'est un choix que nous avons fait depuis plusieurs années et qui nous paraît aujourd'hui essentiel pour accompagner cette évolution.  Les industriels sont-ils prêts à faire confiance à l’IA pour prendre des décisions critiques? Je dirais qu'il faut lui faire confiance, mais toujours vérifier. L'IA est un formidable accélérateur, mais elle ne dispense pas de l'expertise humaine. Elle peut proposer une première conception, explorer de nombreuses solutions ou automatiser certaines tâches, mais les ingénieurs doivent continuer à comprendre pourquoi une décision a été prise et pouvoir la valider. Aujourd'hui, nous voyons apparaître des outils capables de générer automatiquement des modèles 3D. C'est impressionnant, mais ce n'est pas ce dont l'industrie a le plus besoin. Les industriels disposent déjà d'outils d'ingénierie extrêmement performants. L'enjeu consiste plutôt à utiliser l'IA pour les rendre plus intelligents et plus rapides, pas à les remplacer. C'est aussi pour cette raison que nous attachons autant d'importance à la traçabilité. L'utilisateur doit pouvoir savoir quelles données ont été utilisées, quelles informations ont conduit à une recommandation et pourquoi l'IA est arrivée à cette conclusion. Cette transparence est indispensable pour instaurer progressivement la confiance. L'IA fera gagner un temps considérable, mais je pense que, pendant encore longtemps, l'humain restera responsable de la décision finale.  Peut-on imaginer un jour des usines entièrement autonomes ou bien l'humain restera-t-il toujours au cœur des décisions? À court et moyen terme, je suis convaincu que l'humain restera dans la boucle. L'objectif n'est pas de remplacer les ingénieurs ou les opérateurs, mais de leur permettre d'aller beaucoup plus vite. On peut très bien imaginer que des agents travaillent pendant la nuit, explorent des centaines de variantes de conception et présentent, le lendemain matin, les meilleures options aux équipes. Les ingénieurs pourront alors se concentrer sur l'analyse, les arbitrages et l'innovation plutôt que sur les tâches répétitives. Dans une usine, certaines décisions ne peuvent d'ailleurs pas reposer sur des probabilités. Lorsqu'il s'agit de piloter un processus industriel, les réponses doivent être déterministes. On ne peut pas faire fonctionner une ligne de production sur une simple hypothèse. C'est pourquoi nous considérons que l'IA doit assister les industriels, sans se substituer à leur responsabilité.  Finalement, le principal frein à l'IA industrielle n'est-il pas moins l'IA elle-même que la qualité des données?

Je le pense. Le véritable enjeu est de disposer de données fiables, cohérentes et pertinentes. Une intelligence artificielle ne sera jamais meilleure que les informations sur lesquelles elle s'appuie. C'est d'ailleurs ce que nous disent nos clients. Le dernier endroit où ils souhaitent voir une IA aller chercher des informations, c'est dans un ancien document oublié sur un serveur documentaire. Ce type de contenu est souvent obsolète, incomplet ou sorti de son contexte. Dans l'industrie, cela peut conduire à de très mauvaises décisions. À l'inverse, lorsque les données proviennent d'un environnement comme Teamcenter, elles sont maîtrisées. Elles correspondent à la bonne configuration produit, elles sont sécurisées et validées par les équipes d'ingénierie. Elles constituent une véritable source de confiance. Il existe également une autre dimension essentielle: la confidentialité. Certains imaginent entraîner leurs modèles à partir des données de plusieurs entreprises. Je n'y crois pas. Aucun industriel n'acceptera que ses données servent à entraîner un modèle qui bénéficiera ensuite à un concurrent. Les modèles doivent être entraînés avec les données du client, pour le client. C'est une condition indispensable pour instaurer la confiance dans l'IA industrielle.  En Europe, la souveraineté numérique est devenue un sujet majeur. Est-ce un nouveau défi pour Siemens? Oui, car nous devons nous adapter aux attentes de chaque marché. Certains clients souhaitent aujourd'hui que leurs données restent dans un environnement souverain ou utilisent des infrastructures cloud spécifiques. Nous devons être capables de répondre à ces exigences. En revanche, il faut aussi mesurer les limites d'une approche exclusivement souveraine. Les entreprises industrielles sont rarement confinées à un seul pays. Elles conçoivent leurs produits dans un endroit, les fabriquent dans un autre et collaborent avec des partenaires répartis dans le monde entier. La question est donc de trouver un équilibre entre les exigences de souveraineté et la réalité d'une industrie devenue mondiale. Il faudra construire des solutions capables de répondre à ces contraintes sans remettre en cause cette collaboration internationale.

Si vous deviez aujourd'hui créer une entreprise industrielle de taille intermédiaire, où investiriez-vous en priorité : dans l'IA, le jumeau numérique, l'automatisation ou la gestion des données? Je commencerais par construire une véritable entreprise numérique. Avant de penser à l'IA, il faut être capable de représenter numériquement ses produits, ses processus d'ingénierie et ses moyens de production. C'est cette base qui permettra ensuite d'aller plus loin. La deuxième priorité est la maîtrise des données. Si vous ne savez pas quelles données sont fiables, lesquelles sont à jour ou quelle est la bonne configuration d'un produit, vous ne pourrez jamais exploiter pleinement l'IA. Il faut disposer d'une source unique de vérité sur laquelle l'ensemble de l'entreprise peut s'appuyer. Ce n'est qu'une fois ces fondations en place que l'IA peut réellement créer de la valeur. Son utilisation dépendra ensuite des priorités de chaque entreprise: certaines chercheront à accélérer la conception, d'autres la fabrication, d'autres encore la maintenance ou l'optimisation de leurs opérations. Je constate également que beaucoup d'entreprises pensent encore pouvoir assembler elles-mêmes une multitude d'outils provenant de fournisseurs différents. Dans la pratique, ces projets deviennent souvent très longs, très coûteux et n'aboutissent pas aux résultats attendus. L'intégration est un métier à part entière. Le véritable avantage concurrentiel ne réside pas seulement dans les technologies utilisées, mais dans la vitesse avec laquelle une entreprise est capable de les mettre en œuvre.