La voiture autonome est un sujet qui occupe le devant de la scène depuis plusieurs années déjà. Pilotage automatique, détection des obstacles, programmation des parcours… Autant d'innovations qui reposent pour beaucoup sur la collecte, l'analyse, et le stockage de milliers de données. Technologiquement, les industries sont prêtes. Mais concrètement, les freins sont encore nombreux avant une mise sur le marché. Les principaux défis du secteur de l'automobile sont ceux de la qualité et de la sécurité des données. Par extension, se pose la question de la responsabilité en cas d'incident.
Les données peuvent-elles se positionner en tiers de confiance ?
En cas d'accident causé par une voiture autonome, qui est responsable ? Est-ce le constructeur automobile, le fabricant du logiciel de détection, l'expert en métadonnées ou encore un phénomène extérieur ? La réponse est loin d'être évidente. C'est la raison pour laquelle les compagnies d'assurance restent très frileuses, ce qui freine le déploiement des voitures autonomes. Les véhicules d'aujourd'hui s'appuient en effet de plus en plus sur les données pour fonctionner : cela est vrai non seulement dans le cadre de leur utilisation, mais aussi tout au long de leur production. Les données collectées au cours de la vie d'une voiture nous renseignent sur son comportement, et elles vont donc servir de tiers de confiance, car les contrats d'assurance et d'analyse de risque reposent sur cette lecture des données. Des standards de collecte et d'analyse de data sont donc nécessaires pour réglementer l'industrie automobile. Quels sont les critères qui entrent en jeu dans cette normalisation data-driven du secteur ? Nous en distinguerons deux principaux : qualité et sécurité !
Big data doit rimer avec big quality
Chaque microseconde, depuis le début de la fabrication d'une voiture jusqu'à sa fin de vie, des données volumétriques sont collectées via divers capteurs et objets connectés. Toutes les étapes du processus de production sont surveillées pour un pilotage qualité extrêmement fin, ce principalement afin d'éviter les rappels et d'obtenir les certifications pour les véhicules. Ces données en très grande quantité sont stockées dans des lacs (data lakes), le plus souvent sur le Cloud. Dans l'industrie automobile, le paysage de la data est hétéroclite, volumétrique et technologique. Or, pour pouvoir analyser les données, il faut les uniformiser et les rendre intelligibles. C'est ce qui leur donne une valeur qualitative, et leur permet d'être comprises et utilisées par les experts et analystes des données.
Aujourd'hui, les entreprises de l'industrie automobile disposent d'un double patrimoine de données : celles issues des outils de Product Life Management stockées dans les ERP, et celles issues des capteurs et objets connectés stockées dans le Cloud. Pour ces dernières, les catalogues de données viennent apporter une aide précieuse pour trier, comprendre, corréler, qualifier et enrichir les données de l'entreprise. Cela permet aux équipes de les utiliser dans une démarche d'optimisation et de performance.
Sécurité des données : peut-on faire confiance aux hébergeurs ?
Avoir des données qualitatives est une étape clef, qui ne peut cependant s'affranchir de l'aspect sécurité. Car si les données et leur qualité sont désormais les principaux avantages concurrentiels des entreprises, les protéger devient d'autant plus primordial. Or peu d'entreprises disposent d'infrastructures suffisantes pour les stocker en interne. Dans les ERP, elles sont ultra sécurisées. Mais dans les lacs de données hébergés sur le Cloud, comment être sûr que la sécurité est 100% fiable ? C'est une des problématiques majeures aujourd'hui, et elle n'est pas spécifique au secteur automobile. Tout l'enjeu repose sur l'infalsifiabilité des données. Les entreprises doivent pouvoir s'appuyer sur un partenaire qui ne peut les altérer, car si les données appartiennent au constructeur automobile, elles sont souvent hébergées sur des plateformes dont il n'a pas la maitrise. Se posent donc de nombreuses questions autour de la sécurité, de la propriété, de la localisation et de la certification des données. Autant de défis pour structurer l'industrie de demain !
L'industrie automobile connaît actuellement des bouleversements profonds, tant sur le plan technologique que sur celui de son modèle d'affaires qui bascule progressivement de l'achat à la location de services. La capacité des constructeurs automobiles à utiliser des données matures, qualitatives et sécurisées, est une des clefs de leur compétitivité. Les catalogues de data jouent ici un rôle important : celui de donner aux équipes stratégiques l'accès à un patrimoine grandissant de données, pour optimiser leur utilisation. La data se positionne alors comme un acteur à part entière et un tiers de confiance. Ne reste qu'à garantir sa sécurité et sa conformité. Va-t-on dès lors voir apparaître prochainement des organismes de certification de la véracité de ces données ? On ne peut que l'espérer, pour bientôt croiser sur nos routes des voitures autonomes !