Du Co-packing à l’Agroalimentaire : Comment le MES Transforme les Données en Décisions Stratégiques

Retour sur le webinaire du Club MES, illustré par les parcours de Marvinpac (PME) et Sodebo (Grand Groupe), qui prouvent que le MES est avant tout une question de vision avant d’être une question de taille.

La Donnée, gisement inexploité de l’Industrie

Dans un paysage industriel où la performance et la réactivité sont reines, les données de production sont partout. Pourtant, sans outil pour les structurer, les fiabiliser et les contextualiser, elles restent un gisement inexploité, voire une source de frustration. C’est sur ce constat que le Club MES a organisé son 6ème webinaire « Digital Experience MES », intitulé « Transformer vos données en décisions : Valoriser votre projet MES ».

L’objectif était double : démontrer comment le MES (Manufacturing Execution System) sert de levier pour transformer ces données brutes en décisions éclairées, mais aussi, et surtout, comment valoriser un tel projet pour convaincre une direction. Pour illustrer ce propos, deux entreprises aux profils radicalement différents ont partagé leurs retours d’expérience : Marvinpac, une PME suisse agile, et Sodebo, un leader français de l’agroalimentaire. Leurs témoignages révèlent deux approches, deux échelles, mais une même finalité : la maîtrise de l’information pour piloter l’excellence opérationnelle.

Cas n°1 : Marvinpac – L’agilité « Plug and Play » d’une solution SaaS

Le premier témoignage est celui de Mathieu Couval, Responsable Maintenance et Industrialisation chez Marvinpac, une PME de 50 collaborateurs sur son site principal en Suisse, spécialisée dans le co-packing de capsules de café. Le contexte de départ est classique pour une structure de cette taille : une équipe réduite et l’absence de support informatique dédié à la production.

La problématique était une « frustration constante »: un manque total de données en temps réel, une visibilité quasi nulle sur les performances journalières ou hebdomadaires, et une analyse des pannes fastidieuses, basée sur des relevés manuels peu fiables.

Face à des contraintes budgétaires et un besoin de mise en œuvre rapide, Marvinpac s’est tourné vers une solution MES en mode SaaS, Astn’Go d’Astrée Software. L’approche de Mathieu Couval a été d’une simplicité désarmante, illustrant parfaitement les promesses du « plug and play » :

« Moi je cherchais une solution plug and play entre guillemets et puis ça a fité exactement avec ce que je recherchais. J’ai pris ma carte bleue du boulot, j’ai pris mon abonnement, j’ai reçu mon IoT, j’ai configuré mon tableau de bord et puis c’était en place. »

L’installation, réalisée par Mathieu Couval lui-même, a pris une journée. Les bénéfices ont été immédiats : visualisation en temps réel des cadences et du TRS (Taux de Rendement Synthétique), et surtout, un Pareto dynamique des arrêts machines. Cet outil a permis d’orienter factuellement les actions de maintenance préventive et de fiabiliser les données pour la direction. Pour convaincre sa direction, les arguments étaient imparables : un coût d’abonnement « dérisoire » comparé au chiffre d’affaires généré par les machines, une solution clé en main sans maintenance interne, et une visibilité immédiate sur les gains.

Cas n°2 : Sodebo – Le projet structurant né d’un impératif de traçabilité

À l’opposé du spectre, Sodebo, entreprise familiale de 3000 collaborateurs basée sur un site unique en Vendée, présente un cas d’école pour un projet MES d’envergure. Le témoignage de Coralie Rodot (Responsable Qualité) et Pauline (IT Business Partner) débute non pas par un besoin de performance, mais par une crise.

En 2019-2020, face à la multiplication des crises sanitaires et au durcissement de la loi EGalim, Sodebo a vécu une alerte majeure sur une matière première. Le résultat fut un électrochoc :

« Cette matière première a été utilisée sur plusieurs de nos sites de production. Et donc, il a fallu un temps assez conséquent. On l’avait chiffré de 8 heures à 4 personnes pour faire une traçabilité complète. »

La traçabilité, alors gérée sur papier, était devenue une bombe à retardement. Ce fut le moteur du projet. Le COMEX, déjà sensibilisé, a vu l’opportunité d’aller au-delà de la simple traçabilité et d’investir dans un outil structurant pour l’avenir.

La solution choisie, Qubes de Creative IT, a nécessité une approche radicalement différente de celle de Marvinpac : un projet de longue haleine, démarré en 2019 et toujours en cours de déploiement. La stratégie de Sodebo a reposé sur deux piliers :

1. Un « Core Model » rigoureux : Après un POC réussi en 2020, Sodebo a défini un périmètre strict, focalisé d’abord sur la traçabilité. « On s’est carrément mis des œillères », ont résumé les intervenantes, pour ne pas se disperser. Ce « Core Model » a été défini sur deux lignes pilotes avant d’être déployé usine par usine.
2. La conduite du changement comme clé de voûte : Avec 1060 personnes déjà formées, l’adoption par les opérateurs était l’enjeu majeur. L’équipe projet a misé sur une présence terrain massive, des formations au plus proche des lignes et une écoute active.

« Le fait d’être présent sur le terrain, de capter instantanément ce qui fonctionnait moins bien […] on a pu corriger très vite les anomalies […] Et le fait d’apporter ces correctifs très, très vite, ça a donné beaucoup de crédibilité et à l’outil et à l’équipe Projet aussi qui portait tout ça. »

Les gains sont spectaculaires : le temps de recherche de traçabilité est passé de 8 heures à 1 heure. Les opérateurs bénéficient d’alertes en temps réel (DLC erronée, matière non conforme), réduisant leur stress et standardisant les pratiques, ce qui facilite la mobilité entre les sites.

Il n’y a pas de taille minimale, seulement des besoins ciblés

La table ronde qui a suivi, animée par Olivier Guillon, a permis de synthétiser les freins et les bonnes pratiques universelles de l’implémentation d’un MES.

Lever les Freins

Le principal frein reste humain : la peur du changement chez les opérateurs. Chez Marvinpac, la crainte du « travail supplémentaire » a été levée en prouvant que l’outil simplifiait les tâches. Chez Sodebo, le POC a été stratégiquement mené sur une ligne avec des opérateurs expérimentés et anciens ; leur adhésion rapide a servi d’exemple.

À la question « Mon entreprise est-elle trop petite pour un MES ? », la réponse du Club MES, par la voix de Stéphane Crepet, est sans appel :

« Pour te répondre précisément Olivier, nous avons des clients de moins 15 personnes. C’est-à-dire qu’on arrive maintenant sur quasiment du gros artisanat à pouvoir amener une dimension de MES, alors plutôt en mode manuel. »

Le coût n’est plus un obstacle, grâce notamment aux modèles SaaS.

Les Bonnes Pratiques Incontournables

1. Définir les processus avant l’outil : Le MES ne corrige pas un processus défaillant. Coralie Rodot (Sodebo) l’a parfaitement illustré en parlant de la traçabilité papier :

« Le papier peut avoir une forme de flexibilité, en fait, que l’informatique n’a plus. […] pour bien réussir à implémenter notre traçabilité et notre plan de contrôle dans l’outil, il fallait que tout ça soit défini de manière très rigoureuse. »

1. Commencer Petit (Ligne Pilote) : Les deux entreprises ont validé cette approche. Elle permet de tester, de recueillir les retours et de rassurer la direction.
2. Impliquer les opérateurs (La Conduite du Changement) : C’est le point non négociable. Le MES est un outil pour la production, pas contre elle. Sébastien Bokey (Club MES) a rappelé l’enjeu vital de l’adoption :
   « L’IT, si les opérateurs, si les superviseurs n’utilisent pas le système, en réalité, vous perdez absolument tout, vous perdez tous les points d’entraide, toutes les données d’entraide. »

Ce webinaire du Club MES a brillamment démontré que le succès d’un projet MES ne dépend ni de la taille de l’entreprise ni du budget initial. Il dépend de la clarté du besoin (visibilité du TRS pour Marvinpac, urgence de la traçabilité pour Sodebo) et de la capacité à accompagner les équipes sur le terrain. De la solution SaaS « plug and play » au projet groupe pluriannuel, le MES s’adapte et fournit la structure nécessaire pour transformer le « bruit » des données en décisions stratégiques.