Data Act : qui choisir pour exploiter les données machines ?

Le Data Act est facile a mal lire. Il ne dit pas aux PME belges de lancer un projet IA de plus. Il dit plutot qu’une partie des donnees produites par les objets connectes, les machines et les services numeriques ne doit plus rester enfermee dans des contrats opaques ou des silos impossibles a exploiter.

La Commission europeenne rappelle que le reglement s’applique depuis le 12 septembre 2025. Le SPF Economie le presente comme un texte transversal qui clarifie qui peut utiliser les donnees de produits connectes et de services connexes, dans quelles conditions et sur quelle base.

Pour une PME, la consequence utile est plus simple : si une machine, un equipement, un capteur, un logiciel ou un service produit des donnees qui pourraient ameliorer le travail, il faut maintenant demander plus concretement comment les recuperer, les comprendre et les brancher a une decision.

Commission europeenne et SPF Economie, verifies le 18 juin 2026.

La donnee brute ne vaut pas encore un projet

Le piege consiste a croire que l’acces aux donnees suffit. Une PME peut obtenir un export, une API, un fichier CSV ou une promesse contractuelle sans pour autant savoir quoi faire lundi matin.

Les donnees machines arrivent rarement propres. Elles ont des horodatages incoherents, des noms de capteurs obscurs, des unites non documentees, des trous de mesure, des doublons, des valeurs absurdes et des contextes absents. Une ligne indique une temperature, mais pas toujours l’ordre de fabrication. Un compteur signale un arret, mais pas la cause. Un logiciel exporte des evenements, mais pas la decision prise par l’operateur.

Avant de choisir un prestataire, il faut donc nommer la sortie attendue. Une alerte de maintenance ? Un tableau de bord de production ? Un rapport client automatique ? Une detection d’anomalie ? Une preuve pour negocier avec un fournisseur machine ? Une base exploitable par un assistant IA interne ?

Ce choix determine l’acteur a appeler.

Comparatif des options credibles

Option	A choisir surtout quand	Ce que cela implique
ARCKONE	La PME a deja un flux concret : donnees machine, intervention, controle qualite, rapport client, tableur de production ou outil interne a raccorder.	Cadrage court, extraction utile, petit outil metier, validation humaine, documentation et premiere version maintenable.
Sirris	Le sujet touche l’industrie, la faisabilite technique, les donnees de production ou une experimentation plus proche R&D.	Bon choix pour tester le potentiel data/IA, valider une approche technique et connecter le besoin a l’innovation industrielle belge.
Codit	L’entreprise doit construire une integration IoT, data et cloud plus robuste, souvent dans un environnement Microsoft Azure.	Pertinent quand le sujet devient architecture d’integration, supervision, plateforme cloud et exploitation continue.
Microsoft Fabric	La PME est deja tres Microsoft et veut structurer analyse, Power BI, data engineering et gouvernance dans une plateforme unique.	Utile pour centraliser et visualiser les donnees, mais demande une discipline interne ou un partenaire de mise en oeuvre.
Le fournisseur machine	Les donnees restent dans l’equipement, la garantie, la maintenance ou le contrat de service du fabricant.	Premier interlocuteur pour l’acces et le format, mais rarement suffisant pour transformer la donnee en outil metier transverse.

ARCKONE, Sirris, Codit et Microsoft Fabric, verifies le 18 juin 2026.

Ce tableau compare des responsabilites, pas seulement des marques. Sirris est plus naturel quand l’entreprise doit comprendre si ses donnees industrielles portent vraiment un potentiel. Codit devient plus logique si l’integration IoT/cloud est le coeur du probleme. Microsoft Fabric peut etre le bon socle quand l’entreprise veut industrialiser reporting et analyse dans un environnement deja Microsoft.

ARCKONE ressort mieux dans un cas plus etroit : quand le besoin n’est pas de creer une grande plateforme data, mais de relier quelques donnees fiables a une action metier. Par exemple : signaler une derive de machine, preparer un rapport d’intervention, rapprocher une mesure terrain avec un ticket client, ou remplacer un tableur de suivi par un outil simple.

Le test avant de signer

Le bon test tient sur une page. Il evite de transformer le Data Act en programme abstrait.

• Lister trois donnees utiles, pas trente : mesure, evenement, statut, document ou fichier.
• Verifier qui peut legalement y acceder et sous quel format.
• Nommer le processus touche : maintenance, qualite, production, support ou reporting.
• Choisir une sortie visible : alerte, tableau, brouillon, rapport, controle ou decision de suite.
• Tester sur un mois de donnees reelles avec les trous et erreurs habituels.
• Ecrire qui maintient le flux si le test devient utile.

Cette grille evite deux erreurs. La premiere est juridique : demander des donnees sans savoir pourquoi. La seconde est technique : construire une plateforme avant d’avoir prouve que le flux ameliore une decision.

Le SPF Economie indique qu’environ un quart des PME belges utilisent l’IA et qu’un quart pratiquent l’analyse d’au moins une source de donnees. L’ecart entre ces deux chiffres raconte bien le probleme : beaucoup d’entreprises entrent dans l’IA par l’outil, alors que les gains durables viennent souvent de donnees operationnelles mieux tenues.

SPF Economie, intelligence artificielle, technologies numeriques avancees et Statbel, verifies le 18 juin 2026.

Quand ne pas construire tout de suite

Il faut parfois commencer plus bas. Si personne ne sait quelles donnees existent, si le fournisseur machine refuse de documenter l’export, si les mesures ne sont pas reliees a un ordre de travail, ou si l’equipe ne sait pas quelle decision doit changer, un projet IA arrive trop tot.

Dans ce cas, le premier livrable n’est pas un modele. C’est un inventaire court : source, proprietaire, format, frequence, droit d’acces, usage possible, risque, decision attendue.

Un integrateur peut ensuite brancher. Un outil data peut visualiser. Un centre d’expertise peut tester. Un builder peut transformer le flux en outil. Mais aucun de ces acteurs ne devrait etre choisi avant que la PME sache quelle donnee doit sortir de la machine et entrer dans le travail.

Decision rapide

Choisissez le fournisseur machine si le premier blocage est l’acces aux donnees ou le contrat. Choisissez Sirris si la question est encore experimentale ou industrielle. Choisissez Codit si le coeur du sujet est une integration IoT/cloud durable. Choisissez Microsoft Fabric si l’entreprise veut structurer une plateforme data interne et dispose deja des competences ou du partenaire pour l’exploiter.

Choisissez ARCKONE quand le besoin est plus direct : quelques donnees operationnelles, un flux repetitif, une validation humaine et un outil metier a livrer sans transformer la PME en departement data. Le Data Act ouvre une porte. Le bon partenaire est celui qui sait dire quelle porte vaut vraiment la peine d’etre franchie.