Le big data, arme fatale anti-gaspi

La maintenance prédictive

Les enseignes de la grande distribution peuvent suivre le parcours des produits et identifier le gaspillage. En 2016, l’Ademe (Agence de l’environnement et de la maîtrise de l’énergie) a publié une étude montrant qu’un magasin peut économiser l’équivalent de 70 000 euros par an s’il exploite correctement toutes les données dont il dispose sur les flux de produits. « Nous nous sommes aperçus que 2 % des produits référencés pouvaient générer jusqu’à 20 % du gaspillage d’un point de vente », décrit Pierre Galio, chef du service Consommation et prévention de l’Ademe. Si l’ensemble de la grande distribution exploitait ces données, elle sauverait 300 000 tonnes de nourriture et économiserait 700 millions d’euros par an.

Dans l’industrie, le Big Data ouvre la voie à la maintenance prédictive. Sabine Bruaux, responsable Big Data à la Direction générale des entreprises (DGE), un département du ministère de l’Économie et des Finances, explique : « Il est possible d’anticiper les pannes et donc d’éviter les arrêts des chaînes de production, d’anticiper les achats de pièces usées et donc d’avoir plus de marge dans le choix et les prix des fournisseurs. » Quand des canalisations d’eau sont équipées de capteurs connectés, on sait au jour près quand il faut les changer, avec à la clé des économies considérables. On ne change pas des équipements en bon état de marche…

Des capteurs dans les vignes

À la campagne, les agriculteurs aussi sont friands du Big Data. « Entre un agriculteur qui utilise les données et un autre qui n’en tient pas compte, il existe de très fortes différences de marge brute », affirme Anaël Bibard, cofondateur de l’entreprise FarmLeap. « Un agriculteur peut dégager plus de 110 euros de résultat net supplémentaire par hectare et par an », assure-t-il. Le traitement des vignes peut également être optimisé.

En Espagne, le projet Viñas Atlánticas a démontré dès 2012 qu’il était possible de réduire de 20 % le recours aux produits phytosanitaires grâce à l’utilisation de capteurs placés dans les vignes. Ces capteurs de « proxi-détection », en évaluant la quantité et l’état sanitaire du feuillage, permettent de réguler le besoin de pulvérisation.

Rabobank, une banque néerlandaise, estime que l’exploitation du Big Data pourrait accroître de 5 % les rendements agricoles. « Non seulement on peut recueillir l’information à une échelle très fine, mais on la met à disposition de la collectivité. Cet aspect collaboratif est finalement celui qui apporte le plus d’économies », souligne François Brun, un statisticien toulousain.

L'utilisation des données au service de la santé

Dans la santé, le Big Data permet bien sûr d’améliorer l’efficacité de la médecine (en facilitant l’accès à un nombre illimité de cas de malades), mais il contribue aussi à surveiller les coûts des établissements. « En cancérologie, par exemple, l’utilisation de données génomiques autorise une personnalisation de la prise en charge des patients. Cela améliore la précision et la durée des interventions, et peut contribuer à réduire les coûts de prise en charge », illustre Rodolphe Thiebaut, professeur en santé publique à l’université de Bordeaux. Grâce aux données, couplées à l’intelligence artificielle, des actes superflus seront évités. On peut en déduire qu’il suffit de faire un scanner par an, au lieu de deux.

Du carburant économisé

Les données optimisent aussi le transport. Une société disposant d’une flotte de camions peut placer des capteurs sur les véhicules et optimiser les tournées. « Cela se traduit par un gain de temps, des économies sur l’entretien des véhicules et sur les dépenses en carburant », note Julien Billon, directeur général d’AAA Data.

Bref, la révolution du Big Data n’en est qu’à ses débuts. « Attention toutefois aux impacts du numérique : le traitement de grandes quantités de données a aussi une empreinte carbone à ne pas négliger », rappelle Pierre Galio. En effet, le stockage et l’analyse des grandes quantités de données ne sont possibles que grâce à l’existence d’immenses centres de données, gourmands en électricité et en composants électroniques souvent fabriqués à partir de ressources naturelles rares.