Le groupe isérois Vicat, spécialiste des matériaux de construction, a annoncé en juin 2026 le rachat d'Araïko, une société spécialisée dans l'intelligence artificielle pour l'industrie. En surface, c'est une opération de croissance externe parmi d'autres. Elle mérite pourtant l'attention des directions de PME et ETI industrielles. Il ne s'agit pas d'imiter le geste d'acquisition (rares sont celles qui en ont la capacité ou le besoin), mais de comprendre la logique qui le sous-tend : partir des problèmes métier, puis se doter des compétences pour les traiter.
Pourquoi un cimentier investit dans l'IA industrielle
Vicat opère dans un secteur où les marges sont contraintes et où l'énergie pèse lourd dans les coûts de production. L'optimisation des procédés de cuisson, de mélange et de logistique interne y a un effet direct sur la rentabilité d'un site.
Le groupe disposait déjà de sa propre digital factory, Le1817, qui travaille sur l'IA appliquée aux machines, au cœur des lignes de production : performance, économies d'énergie et de matière, qualité. Selon Lyon Capitale, Araïko apporte un volet complémentaire : l'IA appliquée aux métiers et à l'organisation, avec l'IA générative, les systèmes multi-agents et la data science. Araïko indique avoir accompagné plus de 170 industriels (aéronautique, ferroviaire, nucléaire, agroalimentaire, luxe), de l'identification des cas d'usage au déploiement. Les deux équipes réunissent 42 personnes.
Le PDG de Vicat, Guy Sidos, présente l'opération comme un moyen d'accélérer la transformation du groupe tout en continuant d'accompagner d'autres industriels. Vicat achète donc une compétence opérationnelle sur un périmètre défini, qui complète ce qu'il avait déjà.
L'erreur de lecture que font la plupart des ETI face à cette annonce
La tentation, pour un directeur industriel de PME qui lit cette actualité, est de conclure : « C'est bien pour les grands groupes, ça ne me concerne pas. » Cette lecture est discutable à deux niveaux.
Premièrement, les exigences des grands donneurs d'ordre descendent la chaîne. Dans l'automobile et l'aéronautique, les exigences de traçabilité et de qualité s'imposent déjà aux fournisseurs de rang 2 et 3 ; les attentes en matière de données de production suivront probablement le même chemin.
Deuxièmement, les outils qui permettent de déployer une logique similaire sont aujourd'hui accessibles à des budgets de PME. Les modèles d'IA ont progressé, mais les couches d'orchestration et d'intégration aussi : elles permettent de connecter ces modèles aux systèmes existants sans refonte complète du SI.
Ce que les PME industrielles peuvent déployer concrètement, sans acquisition
Un projet d'IA industrielle repose en général sur trois composantes : la collecte des données de production, leur analyse (prédiction, détection d'anomalies, recherche dans la documentation) et la boucle de retour vers les opérateurs ou les systèmes de contrôle. Ces trois composantes sont aujourd'hui accessibles de manière modulaire.
Une progression raisonnable pour une PME industrielle se fait en trois phases :
- Phase 1 : Structuration des données existantes (historiques machines, rebuts, temps de cycle, procédures) dans un format exploitable.
- Phase 2 : Déploiement d'un premier cas d'usage sur un périmètre critique : détection d'anomalies sur un équipement, prédiction de maintenance, ou assistant qui retrouve la bonne procédure pour un opérateur.
- Phase 3 : Automatisation de la boucle d'alerte et d'action, avec intégration dans les outils métier existants (ERP, GMAO, messagerie opérateur).
Ce chemin ne nécessite pas d'embaucher une équipe data. Il demande une décision de méthode et un accompagnement sur un périmètre défini. Le point de départ le plus solide reste un problème précis, cadré avant le choix d'un outil.
L'automatisation des process industriels relève de la direction opérationnelle
Dès qu'on parle d'IA ou d'automatisation, le sujet atterrit souvent sur le bureau du DSI ou du responsable informatique. Sur les process industriels, la décision appartient plutôt au directeur de production, au directeur technique, voire au dirigeant.
Cette distinction compte parce que le bon critère de priorisation est économique avant d'être technique. La question à poser n'est pas « quel outil peut s'interfacer avec mon automate ? », mais « quel goulot d'étranglement me coûte le plus cher chaque mois, et quelle information supplémentaire me permettrait de le traiter ? ».
Le problème métier vient avant la solution technique : c'est aussi l'approche que revendique Araïko, qui part de l'identification des cas d'usage.
Ce que cette acquisition révèle sur la trajectoire de l'IA industrielle en France
Le mouvement de Vicat s'inscrit dans une tendance plus large dans les secteurs à forte intensité opérationnelle : chimie, matériaux de construction, agroalimentaire, métallurgie. Les groupes qui en ont les moyens internalisent la compétence IA, y compris par acquisition. Les autres ont deux options : attendre que les éditeurs de solutions sectorielles intègrent ces capacités dans leurs offres standard, ou construire cette capacité progressivement, avec des partenaires externes.
La deuxième option présente un avantage : elle crée une compétence interne. Les équipes apprennent à travailler avec l'IA sur leurs process réels et développent un jugement sur ce qui fonctionne dans leur contexte. C'est un acquis que l'attente des solutions packagées ne procure pas. Cette dynamique touche aussi la R&D, où les approches multi-agents commencent à être utilisées dans la recherche industrielle.
L'écart entre les organisations qui expérimentent l'IA sur un process réel et celles qui s'en tiennent aux démonstrations ne se voit pas encore dans les bilans. Il se creusera à mesure que les premières accumuleront des cycles d'amélioration pilotés par la donnée.
La question pour les directions générales d'ETI industrielles
Si la compétence en IA industrielle devient un avantage concurrentiel durable dans votre secteur, à quel moment commencez-vous à la construire ? C'est une question de gouvernance autant que de technologie : qui décide, sur quel périmètre, avec quels indicateurs.
Vicat a acheté une réponse opérationnelle à des enjeux de compétitivité que son secteur lui impose. Pour une PME, la leçon utile est de formuler le problème avant de chercher la solution.
Par où commencer dans une PME
- Listez les trois postes de perte les plus coûteux de votre production (arrêts non planifiés, rebuts, temps de recherche d'information, consommation d'énergie) avec leur coût mensuel estimé.
- Vérifiez pour chacun quelles données existent déjà (automates, GMAO, ERP, fiches qualité) et qui les tient à jour.
- Choisissez un seul périmètre pour un premier cas d'usage, avec un indicateur de départ mesuré.
Le guide IA par fonction en PME présente les usages côté production et qualité, et l'audit IA permet de prioriser les chantiers selon leur valeur. Pour un premier avis sur votre situation, vous pouvez demander un diagnostic gratuit.
Article rédigé par Loïc Mabilon, cofondateur de Lumivi.
