La productivité européenne est coincée dans les tableurs
La capitalisation des connaissances en production décide combien de fois une usine paie un problème deux fois. La lente productivité européenne part de là.
La capitalisation des connaissances en production décide du nombre de problèmes qu’une usine paie deux fois. Dans l’UE, où une heure de travail n’a produit que 7% de plus en dix ans, rendre chaque problème résolu retrouvable est l’un des rares leviers qui restent.
Nous butions sur un problème difficile. Puis nous avons appris qu’un ingénieur s’y était penché quelques années plus tôt. Tout était là, sur son ordinateur portable, qui contenait plus de 20 ans de son travail.
Personne d’autre ne le savait. La réponse était déjà dans les murs.
Pourquoi la capitalisation des connaissances en production passe en premier
À mon avis, c’est dans ce savoir perdu que la productivité européenne reste coincée. Elle dort dans ce que l’entreprise sait déjà sans pouvoir le retrouver.
La capitalisation des connaissances fait penser à une catégorie de logiciels. Dans l’atelier, c’est plus simple. Il s’agit de savoir si la prochaine personne qui tombe sur un problème peut retrouver ce que la précédente a appris.
La plupart des usines ne peuvent pas répondre oui. La suite de cet article explique pourquoi cela compte davantage aujourd’hui qu’il y a dix ans.
En Europe, l’heure de travail n’a presque pas bougé
Eurostat mesure ce que produit une heure de travail, hors inflation. Pour l’UE, ce chiffre a progressé de 7% entre 2015 et 2025.
Dix ans d’investissements dans les équipements et les logiciels, et l’heure produit 7% de plus.
Pour l’UE dans son ensemble, le coût n’explique qu’une petite partie de l’histoire. Une heure de travail coûtait 25,6 euros en 2016 et 34,9 euros en 2025. En euros de 2025, l’heure de 2016 valait 33,95 euros : le coût réel a donc augmenté d’environ 3%, moins que la production. La Slovénie est un autre cas de figure, voir plus bas.
Le problème, c’est la lenteur avec laquelle la production progresse. L’Europe doit tirer davantage de chaque heure, et les moyens d’y parvenir sont peu nombreux.
Ajouter des bras n’y changera rien
La réponse évidente, c’est d’embaucher. Les chiffres ferment cette porte.
Le rapport Draghi sur la compétitivité européenne, publié en septembre 2024, le formule ainsi : “By 2040, the workforce is projected to shrink by close to 2 million workers each year.”
Le même rapport en tire la conséquence en une ligne : “If Europe cannot become more productive, we will be forced to choose.”
Allonger les horaires n’y changera rien non plus
La deuxième réponse évidente, c’est de travailler plus. L’histoire économique a déjà fait le test.
John Pencavel, de Stanford, a étudié les usines de munitions britanniques pendant la Première Guerre mondiale. La production augmentait avec les heures, mais seulement jusqu’à un certain point. Au-delà, les heures supplémentaires n’apportaient presque rien.
Une comparaison ressort. Les ouvriers à 48 heures sur six jours, dimanche chômé, produisaient un peu plus que ceux à 70 heures sur sept jours.
Une équipe fatiguée avance plus lentement sur un problème difficile, et en crée de nouveaux en chemin.
Les problèmes les plus coûteux sont anciens
Reste donc à tirer davantage de chaque heure. En qualité, une piste sort du lot.
Mes clients me répètent la même chose. Les problèmes les plus coûteux ne sont pas nouveaux. Ils sont oubliés.
Ils sont rares pour ceux qui sont en poste. Un défaut qui n’apparaît qu’une fois en plusieurs années est nouveau pour l’équipe qui le rencontre. Pour l’entreprise, c’est du déjà-vu. Quelqu’un l’a déjà résolu.
La réponse se trouve en général à l’un de ces quatre endroits :
- Un ancien rapport 8D, classé par numéro et par date.
- Un tableur sans ligne d’en-tête, sur un lecteur partagé.
- Un dossier que seule une personne comprend.
- La tête d’une personne, ou son ordinateur portable.
Aucun ne permet de chercher à partir de la question que pose réellement l’ingénieur suivant : “est-ce qu’il s’est déjà passé quelque chose de ce genre sur cette ligne ?”
Alors l’équipe recommence, et la ligne et le client attendent. Personne ne compte ces heures comme du gaspillage, parce qu’elles ressemblent à du travail.
Ce que dit la recherche
Une étude publiée dans le Quarterly Journal of Economics en 2025 a testé ce qui se passe quand ce type de réponse est partagé.
Erik Brynjolfsson, Danielle Li et Lindsey Raymond ont suivi 5 172 agents du support client. L’entreprise leur a fourni un assistant IA entraîné sur la façon dont ses meilleurs agents avaient résolu les cas passés.
Trois résultats comptent ici :
- Les gains les plus importants portaient sur les problèmes moyennement rares, où les agents avaient peu d’expérience propre mais où le système disposait encore d’assez de cas passés pour apprendre.
- Les agents les moins expérimentés ont le plus progressé. Les plus expérimentés ont peu progressé.
- Des agents avec deux mois d’ancienneté et l’assistant obtenaient d’aussi bons résultats que des agents avec plus de six mois d’ancienneté et sans assistant.
C’était du support client, pas une usine. Je pense qu’une usine fonctionne de la même façon, parce que ses problèmes les plus coûteux sont rares, eux aussi. C’est ma lecture de l’étude, et l’étude ne le teste pas.
Ce qui se transpose, c’est le mécanisme. L’assistant a mis ce que savaient les meilleurs agents à la portée de tous les autres.
Ce qui change dans l’atelier
Reliez tous les problèmes qualité que l’entreprise a déjà résolus, et rendez-les consultables par tous. Le savoir du meilleur ingénieur parvient à chacun.
Voici le même problème rare, avant et après.
| Connaissances dans des rapports, des dossiers et des têtes | Connaissances consultables par tous | |
|---|---|---|
| Où se trouve la dernière solution | un rapport 8D, un tableur, un ordinateur portable | une seule fiche, retrouvée par symptôme, pièce ou machine |
| Qui sait qu’elle existe | la personne qui a résolu le problème, si elle est encore là | quiconque pose la question |
| Première heure face à un problème rare | des réunions pour reconstituer ce que l’on sait déjà | la lecture de ce qui a été essayé et de ce qui a marché |
| Nouvel ingénieur | apprend en refaisant un travail déjà fait | part de la dernière solution |
| Ligne et client | attendent la résolution complète | obtiennent une réponse plus tôt |
| Coûts de non-qualité | payés à nouveau à chaque fois | payés une fois, puis en baisse |
À mon avis, la ligne redémarre plus tôt et le client obtient une réponse plus tôt. Des problèmes plus difficiles sont résolus, et les coûts de non-qualité baissent.
La Slovénie, un cas plus aigu
En Slovénie, la pression est plus forte, parce que le coût de l’heure augmente plus vite que ce qu’elle produit.
Entre 2016 et 2025, le coût réel d’une heure de travail en Slovénie a augmenté de 35%. La production par heure a augmenté de 16%. Les deux chiffres sont hors inflation et proviennent de données Eurostat.
Un test simple montre l’écart. Si le coût horaire de 2016, 16,8 euros, n’avait suivi que la productivité et les prix, il aurait été de 25,6 euros en 2025. Le chiffre réel était de 29,7 euros. Soit 4,1 euros par heure que la production n’a pas couverts. Le calcul est le nôtre, à partir des données Eurostat.
Rien qu’en 2025, les coûts horaires de la main-d’œuvre en Slovénie ont augmenté de 9,3%, contre 4,1% dans l’UE (Eurostat).
En 2025, la productivité slovène s’établissait à 86% de la moyenne de l’UE, en standards de pouvoir d’achat (SPA). L’UMAR, l’institut slovène d’analyse macroéconomique et de développement, écrit que l’écart ne se réduit que lentement. Le tableau de bord européen de l’innovation 2026 classe la Slovénie comme innovateur modéré.
Peter Wostner, de l’UMAR, a déclaré en 2023 que la Slovénie devait abandonner le discours selon lequel elle se contente de la moyenne. Lors de la même présentation, d’après RTV SLO, il a estimé que les bénéfices de l’IA iraient surtout aux pays ambitieux, innovants et qui s’adaptent vite.
Une usine ne peut pas changer les chiffres nationaux. Elle peut cesser de payer deux fois le même problème.
Et les salariés
L’emploi est une inquiétude légitime.
L’Organisation internationale du Travail a examiné à quel point chaque métier est exposé à l’IA générative. Sa conclusion : la plupart des emplois vont se transformer plutôt que disparaître.
Des chercheurs de Stanford ont analysé les données de paie américaines d’ADP, jusqu’en juin 2026. L’emploi des travailleurs de 22 à 25 ans a reculé dans les métiers les plus exposés à l’IA, là où l’IA se substitue à leurs tâches. Là où l’IA complète le travail des personnes, l’emploi est stable ou en hausse.
À mon avis, le choix est là. Retirer aux gens le travail répétitif et le travail sur les données, et les orienter vers un travail à plus forte valeur ajoutée. Un historique consultable des problèmes résolus relève de cet usage. L’ingénieur garde sa place, et n’a plus à refaire ce que l’entreprise a déjà payé.
Une question pour votre usine
Prenez les 10 problèmes qualité les plus coûteux de l’an dernier.
Combien votre entreprise en avait-elle déjà résolu une fois ?
FAQ
Qu’est-ce que la capitalisation des connaissances en production ?
C’est la manière dont une usine conserve ce que son personnel a appris, pour que quelqu’un d’autre puisse le retrouver et s’en servir. En qualité, cela veut dire que chaque problème résolu reste consultable par symptôme, pièce ou machine, avec sa cause, ses preuves et l’action qui a fonctionné. Un rapport classé par numéro et par date ne passe pas ce test.
Pourquoi la productivité progresse-t-elle si lentement en Europe ?
Les raisons sont nombreuses, et les économistes ne s’accordent pas sur leur poids respectif. Les chiffres, eux, sont clairs : la production réelle par heure travaillée dans l’UE a progressé d’environ 7% entre 2015 et 2025 (Eurostat). Le rapport Draghi ajoute que la population active diminuera de près de 2 millions de travailleurs par an d’ici 2040, si bien que la croissance doit venir de l’heure elle-même.
L’IA en production remplace-t-elle des emplois ?
L’Organisation internationale du Travail s’attend à ce que la plupart des emplois exposés à l’IA générative se transforment plutôt qu’ils ne disparaissent. Des chercheurs de Stanford ont constaté que l’emploi des jeunes recule là où l’IA se substitue à leurs tâches, et se maintient ou progresse là où elle complète le travail des personnes. Le résultat dépend de l’usage qu’en fait l’entreprise.
Pourquoi les problèmes qualité se répètent-ils ?
Parce que les problèmes les plus coûteux sont rares pour ceux qui sont en poste, et du déjà-vu pour l’entreprise. La première solution dort dans un vieux rapport, un dossier ou la tête d’une personne, l’équipe suivante ne la trouve pas et repart de zéro.
En savoir plus sur galileon.si
Références
- Eurostat, Labour productivity and unit labour costs (nama_10_lp_ulc), productivité réelle du travail par heure travaillée, indice 2015 = 100, UE27 et Slovénie. Données extraites le 28 September 2026. Navigateur de données Eurostat
- Eurostat, Labour cost levels by NACE Rev. 2 activity (lc_lci_lev), industrie, construction et services, UE27 et Slovénie. Données extraites le 28 September 2026. Navigateur de données Eurostat
- Eurostat, HICP annual average index (prc_hicp_aind), 2015 = 100, UE27 et Slovénie. Données extraites le 28 September 2026. Navigateur de données Eurostat
- Eurostat, EU hourly labour costs ranged from €12 to €57 in 2025, communiqué de presse, 31 March 2026. Actualités Eurostat
- Mario Draghi, The future of European competitiveness, Part A, September 2024, p. 5. Commission européenne
- John Pencavel, The Productivity of Working Hours, The Economic Journal 125 (589), December 2015. Wiley, version en libre accès IZA DP 8129, April 2014
- Erik Brynjolfsson, Danielle Li, Lindsey Raymond, Generative AI at Work, The Quarterly Journal of Economics 140 (2), April 2025. Oxford Academic
- OIT et NASK, Generative AI and Jobs: A Refined Global Index of Occupational Exposure, 20 May 2025. OIT
- Erik Brynjolfsson, Bharat Chandar, Ruyu Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Stanford Digital Economy Lab, version du 12 August 2026. Stanford Digital Economy Lab
- UMAR, Poročilo o razvoju 2026 (Rapport sur le développement 2026), May 2026, p. 19. UMAR
- Commission européenne, European Innovation Scoreboard 2026, 9 July 2026, et profil pays Slovénie. Commission européenne, profil Slovénie
- RTV SLO, UMAR: za hitrejšo rast produktivnosti je potrebno več ambicioznosti in poguma, 6 December 2023. RTV SLO