Pourquoi le matériel d'abord, l'IA ensuite
« L'ERP sait ce que vous avez vendu. Il ne sait pas ce que vos machines ont fait. »
Et tant que cette donnée brute n'est pas captée, contextualisée et propre, aucun modèle d'IA n'est entraînable.
Les usines marocaines aéronautiques et automobiles ont des PLCs, des capteurs, des HMIs — mais leurs données restent enfermées dans des îlots OT, jamais réconciliées avec l'ERP, jamais préparées pour de l'entraînement de modèle. C'est le gap d'infrastructure que Smartex comble en premier.
Une fois ce gap fermé, l'usine devient un actif d'IA : on peut entraîner des modèles spécifiques à chaque machine, chaque procédé, chaque référence produite.
Notre produit en trois temps
- Capter sans interférer — capteurs add-on et passerelle Edge qui lisent les automates existants en lecture seule, sans toucher au programme machine.
- Contextualiser et nettoyer — chaque mesure est rattachée à l'ordre de fabrication, au lot, à l'opérateur, à la pièce. Standardisation UNS exploitable par n'importe quel logiciel métier ou pipeline ML.
- Entraîner et déployer des modèles — détection d'anomalie, maintenance prédictive, optimisation énergétique, conformité physique des pièces. Le bénéfice d'IA vertical, pas un assistant générique.
Industrial AI
Aerospace-focus
Maroc / CBAM-ready
Du banc de validation à la plateforme d'IA industrielle
Cinq phases qui transforment progressivement un banc de capteurs en plateforme de modèles industriels vendable comme infrastructure verticale.
Collecte de données propres
Banc prototype + premier pilote sur site. Capteurs non intrusifs, passerelle Edge, UNS, MQTT. La sortie : un jeu de données horodaté, contextualisé, prêt pour l'entraînement.
Acquisition industrielle
Banc industriel grade : Siemens, Schneider, Moxa, IFM. Données conformes audit qualité aéronautique (EN 9100, IEC 62443). On bascule de « POC » à « production-ready ».
Entraînement de modèles machine-spécifiques
Premier modèle déployé en production : Smartex Motor Health. Détection d'anomalie sur courant, vibration, température, RPM. Validation client.
Catalogue de modèles verticaux
Réplication par classe de machine : moteurs, robots, CNC, autoclaves, CMM. Chaque pack = données + modèle pré-entraîné + dashboards calibrés. Le SaaS commence ici.
Modèles surrogates pour procédés aéronautiques
Étape ultime : modèles qui ne se contentent plus de détecter, mais qui prédisent le comportement physique d'un procédé complet — par exemple le cycle de cuisson d'un autoclave composite, la signature d'usinage 5 axes, la dérive d'un banc d'essai moteur. C'est le terrain de Monolith / Emmi / Luminary AI, appliqué à la base manufacturière marocaine.
Roadmap mensuelle — du capteur au premier modèle
Les six premiers mois définissent si Smartex devient une plateforme d'IA ou reste un projet IoT. Voici comment nous structurons cette montée en gamme.
Données propres
5 capteurs streamés sans perte. UNS configurée. InfluxDB stable.
Baseline rules
Alarmes seuil + dashboards Grafana. Détection règle-based d'anomalie évidente.
Anomalie ML
Isolation Forest + Autoencoder sur vibration / courant / température. Premier modèle déployé.
Maintenance prédictive
Estimation de Remaining Useful Life (RUL) sur le banc moteur. Démo client filmée.
Optimisation énergie
Régression / Bayesian opt sur paramètres VFD pour minimiser kWh / pièce produite.
Template vertical
Premier « pack moteur » : données + modèle + dashboards calibrés, réplicable par classe.
Le moat n'est pas l'algorithme — c'est la donnée propre
Les modèles ML pour moteurs, vibration et énergie existent et sont publics. Ce qui n'existe pas, c'est un jeu de données industriel marocain propre, contextualisé, et croissant. Chaque pilote alimente Smartex. Plus on déploie, plus nos modèles deviennent spécifiques aux machines réellement présentes dans l'écosystème Safran / Stellantis / Renault MA — et donc plus durs à répliquer pour un concurrent généraliste.
Smartex Motor Health Model
Notre premier modèle production. Léger, embarqué sur l'Edge, entraîné sur les signaux moteur les plus disponibles dans toute usine.
Ce que le modèle fait
- Détecte un comportement anormal d'un moteur asynchrone triphasé en temps réel
- Estime un score de risque de défaillance à 24h / 7j / 30j
- Identifie le mode de défaillance probable (déséquilibre, roulement, alignement, surcharge)
- Émet une alerte au système de GMAO du client (intégration via API REST)
Architecture du modèle
- Couche 1 — préprocessing : FFT vibration, RMS courant, dérive thermique, normalisation
- Couche 2 — feature extraction : 32 features par fenêtre de 10s
- Couche 3 — classifieur : ensemble Isolation Forest + Autoencoder reconstruction error
- Couche 4 — calibration : seuils ajustés par classe de moteur sur historique 30 jours
Pourquoi le moteur en premier
Parce que les moteurs sont partout dans une usine — pompes, ventilateurs, compresseurs, convoyeurs, CNC, robots, autoclaves. Un modèle qui marche sur les moteurs est immédiatement transférable. Et notre banc industriel inclut déjà toute l'instrumentation nécessaire :
- WEG W22 0.75 kW (moteur asynchrone IE3)
- Schneider ATV12 ou Siemens SINAMICS V20 (VFD avec télémétrie Modbus)
- Hengstler RI58 (encodeur incrémental — RPM)
- Schneider iEM3155 (compteur énergie triphasé MID)
- IFM VVB010 (vibration RMS sur IO-Link)
- PT100 + IFM TP3231 (température bobinage / palier)
Tout est dans le dossier de sourcing. Le modèle s'entraîne sur des données qu'on génère nous-mêmes sur le banc, avant le premier pilote client.
Schéma minimal pour entraîner
Six familles de signaux, prélevés à des fréquences calibrées pour les modèles ciblés. C'est notre contrat d'acquisition : si ces signaux sont propres, les modèles aval marchent.
| Signal | Source matérielle | Fréquence | Pourquoi pour les modèles |
|---|---|---|---|
| Courant / Puissance | Schneider iEM3155 · Eastron SDM630 | 1–5 Hz | Profil de charge, énergie par pièce, signature de démarrage |
| Vibration RMS | IFM VVB010 · Banner QM30VT2 | 1–10 Hz | Roulements, désalignement, déséquilibre — coeur du modèle moteur |
| Vibration brute (FFT) | Accéléromètre piezo IEPE (proto MPU6050) | 10–20 kHz | Modes de défaillance avancés (bandes blade-pass, harmoniques) |
| Température | PT100 + IFM TP3231 (4-fils) | 1 Hz | Surchauffe, friction palier, dérive thermique |
| Pression | IFM PN7094 · Wika S-20 | 1 Hz | Stabilité hydraulique / pneumatique (autoclaves, test benches) |
| RPM | Encodeur Hengstler RI58 | 10–100 Hz | État opératoire, ground truth pour vibration et énergie |
| État VFD | Schneider ATV12 · Siemens V20 (Modbus) | événement + 1 Hz | Contexte commande machine (setpoint, fault codes, run/stop) |
| Contexte ERP | API ERP client (SAP, Sage, Oracle) | événement | Ordre de fabrication, lot, opérateur, référence pièce — la couche de réconciliation |
Compatible IEC 62443 (segmentation OT/IT)
Conforme CNDP (données restant sur site client)
Pourquoi pas un SCADA ou un IIoT classique ?
La question légitime que tout investisseur ou DSI posera. Voici notre réponse en clair.
Les SCADA / IIoT existants
- Collectent et affichent les données machine
- Optimisés pour la supervision en temps réel par opérateur humain
- Génèrent des historiques rarement exploitables pour de l'IA
- Architecturalement propriétaires (AVEVA, Ignition, Wonderware)
- Ne nettoient pas, ne contextualisent pas avec l'ERP
- Vendent par seat / par tag — coût qui explose à grande échelle
Smartex
- Conçu pour produire des datasets prêts à entraîner
- Optimisé pour le pipeline ML, pas pour l'opérateur
- Standardisation UNS open + schéma de données stable
- Stack ouverte (MQTT, InfluxDB, Node-RED, modèles open source)
- Réconcilie OT (machine) ↔ IT (ERP) ↔ ML (training)
- Vendu par modèle déployé / par usine — tarification alignée sur la valeur métier
Le wedge n'est pas le dashboard. Le wedge est le pont des machines marocaines vers des modèles d'IA entraînables. C'est ce qui sépare Smartex d'un intégrateur SCADA classique, et c'est ce qui rend chaque pilote acquis cumulativement valuable (chaque pilote enrichit la base d'entraînement).
Trois offres prêtes à vendre
Trois packages cohérents avec notre infrastructure technique. Chacun est borné en durée, en livrables, et en prix.
Offre 1 — Machine Monitoring POC
- Audit instrumentation sur site (1 jour)
- Installation kit POC (boîtier Edge + capteurs)
- Dashboard temps réel sur 1–3 machines clés
- Détection d'anomalie règle-based
- Rapport de fin de POC + recommandations
Offre 2 — Energy Intelligence POC
- Tout l'offre 1, plus :
- Mesure énergie par machine et par référence produite
- Modèle de profil de charge + temps d'inactivité
- Estimation économies réalisables (kWh / MAD / CO₂)
- Préparation rapport CBAM si export UE
- 1 modèle d'anomalie ML déployé
Offre 3 — Predictive Maintenance Dataset
- Tout l'offre 2, plus :
- 30–60 jours de collecte de données dense
- Entraînement du modèle Smartex Motor Health
- Démo de prédiction de défaillance sur l'historique
- Intégration GMAO du client
- Plan de déploiement à l'usine entière
Du « gratuit pour entrer » à l'industriel complet
Notre stratégie commerciale : entrer à très bas coût pour valider, puis monter en gamme une fois la valeur démontrée.
| Étape | Prix | Ce que le client obtient |
|---|---|---|
| Visite découverte | Gratuit / 1 500 MAD | Audit du site + plan d'instrumentation chiffré (1 demi-journée) |
| POC 4 semaines | 15–25 k MAD | Kit POC installé, dashboard temps réel, rapport de fin de POC |
| POC 8 semaines | 35–60 k MAD | Tout le POC 4 semaines + modèle d'anomalie ML + analyse ROI |
| POC 12 semaines (PdM) | 60–120 k MAD | POC long + entraînement Motor Health + intégration GMAO |
| Déploiement industriel | Sur devis | Matériel industriel certifié (banc Phase 2) + support 12 mois + SaaS modèles |
Les coûts matériels (kit POC ~4 625 MAD, banc industriel ~95 000 MAD) sont détaillés dans l'annexe sourcing. La marge couvre intégration, paramétrage, formation, et premier modèle ML.
120 000 MAD — pour passer du concept au pilote signé en 90 jours
Un ticket d'amorçage qui finance intégralement le banc industriel, déverrouille le premier pilote, et produit les artefacts (démo vidéo, dataset, modèle, proposition) nécessaires à une levée plus large.
Affectation des fonds
Ce que ces 120k MAD débloquent en 90 jours
✓ Prototype fonctionnel
Chaîne capteur → Edge → cloud → dashboard validée sur banc.
✓ Banc industriel
Siemens + Schneider + Moxa + IFM, démontrable à tout DSI.
✓ Premier modèle ML
Motor Health entraîné et déployé sur Edge. Démo live.
✓ Vidéo démo
3 minutes filmées sur banc, partagables à des industriels.
✓ Pilote LOI
Au moins une lettre d'intention signée par un industriel marocain.
✓ Proposition commerciale
Pricing, contrat-type, plan de déploiement — prêts pour la seed suivante.
Cinq étudiants, cinq rôles clairs
L'équipe est multidisciplinaire (3 SIBD + 2 Aéro) et chaque membre a une responsabilité d'exécution explicite. Personne n'est sur tout.
Ahmed Ben Ahmed
Vision produit, relations clients, levée de fonds, intégration architecturale. SIBD.
Mouad Ramzaoui
Programmation Siemens / Schneider, intégration capteurs, automatisme. Ingénierie Aéronautique.
Aboulaakoul Elwalid
Stack Pi / Moxa, MQTT broker, Node-RED, InfluxDB, API REST. SIBD.
Imrane Hajji
Pipeline ML, modèle Motor Health, déploiement Edge ML. SIBD.
Oussama Latif
Grafana, dashboards client, démos visuelles, documentation utilisateur. Ingénierie Aéronautique.
Note : les noms autres que celui du fondateur sont la composition actuelle du groupe pédagogique ENSA — leur rôle dans Smartex post-études reste à formaliser.
Ce que nous nous engageons à livrer sur 90 jours
Pas de promesses vagues. Trois points de contrôle avec des KPIs mesurables et vérifiables.
- Uptime > 95 %
- Perte de données < 2 %
- Latence dashboard < 5 s
- Banc Phase 1 opérationnel
- Baseline anomalie déployée
- Premier rapport maintenance / énergie
- Banc industriel reçu et câblé
- Intégration Siemens validée
- Banc industriel démontrable live
- Smartex Motor Health v0.1 entraîné
- Démo à 3+ industriels marocains
- Proposition pilote prête à signer
Parlons en trente minutes
Si vous êtes un investisseur, un industriel intéressé par un pilote, un universitaire prêt à ouvrir des portes, ou un partenaire technique — nous avons préparé le terrain pour rendre cet échange utile dès la première rencontre.
Programmer un échange Voir l'annexe technique complète →ENSA Berrechid · Université Hassan 1er · Maroc