À Lons-le-Saunier, dans le Jura, l’usine de La Vache qui rit fête ses cent ans. Elle a été inaugurée en 1926 et produit toujours le fromage fondu en portions triangulaires. Mais l’anniversaire, raconté début octobre par une dépêche de l’AFP reprise par Sud Radio, met surtout en avant un outil très actuel : un « jumeau numérique » de la recette, destiné à accélérer la création de nouveaux produits. C’est un bon exemple de la manière dont l’industrie agroalimentaire française fait entrer l’intelligence artificielle dans des sites historiques.
Plan de l'article
Un jumeau numérique… de recette #
Dans l’industrie, on parle surtout de jumeau numérique pour une machine, une ligne ou une usine entière : une copie virtuelle qui reçoit les données des capteurs et permet de simuler un réglage avant de le tester en vrai. Le groupe Bel applique l’idée à un objet moins attendu, la recette elle-même.
D’après l’AFP, cet outil permet de modéliser virtuellement une recette avant même de fabriquer le fromage fondu. Il croise plusieurs familles de données : les ingrédients, leurs propriétés physico-chimiques, la perception sensorielle et les préférences des consommateurs. L’objectif affiché est d’identifier plus vite les recettes qui plairont, et donc de réduire le nombre d’essais physiques en laboratoire et sur ligne pilote.
À lire Robots industriels : la France recule encore en 2025, le monde bat un record
Pourquoi c’est utile pour un industriel
Chaque essai de recette mobilise de la matière, du temps machine et des panels de dégustation. Un modèle capable d’écarter en amont les formules qui ont peu de chances de convaincre permet de concentrer ces moyens sur les meilleures pistes. C’est la même logique que la simulation numérique en mécanique : on ne supprime pas les essais, on les rend plus ciblés.
Pour La Vache qui rit, l’enjeu est concret. La marque décline plus d’une centaine de recettes adaptées aux goûts locaux, plus « laitière » en France, enrichie en minéraux au Maroc, selon l’AFP. Adapter un produit à chaque marché demande beaucoup d’itérations. Un outil qui raccourcit ce cycle a donc une vraie valeur industrielle.
Une usine centenaire qui produit à grande échelle #
Le site de Lons-le-Saunier n’a rien d’un musée. Toujours selon la dépêche, il emploie 370 salariés et produit plus de 20 000 tonnes de fromage par an, soit environ 1,25 milliard de portions. Les deux tiers partent à l’export. La fabrication des portions, longtemps manuelle, est aujourd’hui entièrement industrialisée.
Le directeur du site, Geoffroy d’Alès de Corbet, décrit l’usine comme une « vieille dame de 100 ans dont il faut prendre soin ». Il résume la démarche par la volonté de « marier le savoir-faire ancestral avec de nouvelles technologies ». Les effectifs du site ont augmenté de 32 personnes en 2025, d’après l’AFP.
À lire Drones en usine : comment automatiser inspections et inventaires
Un groupe qui a les moyens d’investir
Le contexte financier compte. Selon le communiqué de résultats annuels 2025 du groupe Bel, le chiffre d’affaires a atteint 3,83 milliards d’euros, en croissance organique de 4,7 %. Le résultat net part du groupe s’est redressé à 106,8 millions d’euros. Le groupe compte une trentaine d’usines dans le monde selon l’AFP, et ses marques vont de Babybel à Kiri en passant par Boursin.
L’IA dans l’agroalimentaire : là où elle rapporte vraiment #
L’exemple de Bel illustre un point souvent mal compris. Dans l’industrie, l’intelligence artificielle ne sert pas d’abord à remplacer des opérateurs. Elle est surtout utile là où les données sont nombreuses et les essais coûteux : formulation de produits, maintenance prédictive, contrôle qualité par vision, planification de la production.
La formulation est un terrain particulièrement favorable dans l’agroalimentaire. Les industriels disposent souvent de décennies de résultats de tests sensoriels et d’analyses de laboratoire. Bien structurées, ces archives deviennent la matière première d’un modèle prédictif. C’est aussi une manière de capitaliser le savoir-faire des équipes R&D, qui reste sinon dans des cahiers ou dans la mémoire des personnes.
Les limites à garder en tête
Un modèle de ce type ne vaut que par la qualité de ses données. Les préférences des consommateurs évoluent, varient d’un pays à l’autre et se mesurent mal. La dégustation réelle reste donc l’arbitre final. Par ailleurs, l’AFP ne détaille ni la technologie utilisée ni les gains mesurés en temps de développement : il faudra attendre une communication plus précise du groupe pour juger de l’impact réel.
À lire L’avenir des robots humanoïdes en usine : mythe ou réalité imminente
Ce que l’exemple dit de l’industrie de demain #
On imagine souvent l’usine du futur comme un site neuf, rempli de robots. Le cas de Lons-le-Saunier montre une autre voie : moderniser une usine centenaire de l’intérieur, en ajoutant des couches numériques à un procédé éprouvé. C’est probablement le scénario le plus courant en France, où une grande partie du parc industriel est ancien.
Pour les industriels qui envisagent une démarche similaire, la leçon est simple. Le premier chantier n’est pas l’algorithme, mais la donnée : recenser ce qui existe déjà, le nettoyer et le rendre exploitable. Le jumeau numérique vient ensuite, comme un outil au service des équipes, pas comme une fin en soi.
