L’usine d’impression AI commence par un langage de données commun

Le point clé d’une usine d’impression AI n’est pas de commencer par demander « quelle AI utiliser », mais plutôt « est-ce que le bon de fabrication, les machines, le prépresse et l’ERP parlent le même langage ». Sur le terrain, l’équipe conseil de MINDS Knowledge Academy commence le plus souvent par vérifier cette couche : les données peuvent-elles être lues par les systèmes, retracées par les équipes et utilisées par le flux de production pour prendre des décisions ?

Le 16 juillet 2026, Durst a annoncé l’acquisition d’une participation majoritaire dans Triple C Labs GmbH, la société derrière CoCoCo Platform. À première vue, il s’agit d’un investissement logiciel ; j’y vois surtout un fabricant d’équipements d’impression qui reconnaît une réalité : même si une machine isolée va très vite, si la ligne de production ne connaît pas l’état du bon de fabrication, l’efficacité reste bloquée aux points de passation

L’objectif de CoCoCo Platform est de connecter les presses, les systèmes prépresse et les logiciels d’atelier via JDF/JMF. Durst l’intègre à son logiciel industriel Kyveris et à son stack AI. Dans la communication officielle, une idée est particulièrement juste : il existe depuis longtemps un écart entre ce que fait réellement la machine et ce que l’atelier en sait

Que sont JDF/JMF ? JDF est un format décrivant les bons de fabrication et les données de processus d’impression ; JMF est un format de messages permettant aux équipements et aux systèmes de remonter leur état. Ensemble, ils permettent au prépresse, aux machines et au MIS/ERP d’échanger les bons, l’avancement et l’état des ressources

J’ai vu trop de situations semblables dans les petites et moyennes imprimeries taïwanaises : le devis commercial utilise un jeu de champs, le prépresse découpe le dossier avec son propre vocabulaire, puis l’atelier complète la planification dans un groupe de discussion avec un simple « cette commande passe avant ». Quand le délai dérape, tout le monde se met à fouiller l’historique des messages

L’AI ne craint pas les gros volumes de données ; elle craint les données sans définitions communes. Si les mots Job, Product et Resource sont interprétés différemment par chaque système, même le plus beau tableau de bord ne fait que rendre le désordre plus lisible

Ce que Durst a repéré dans CoCoCo Platform repose sur un choix de conception essentiel : un modèle de données typé et piloté par événements, avec des entités standardisées pour définir Job, Product et Resource. Ce n’est pas une accumulation de jargon technique ; c’est précisément le « vocabulaire commun » qui manque le plus dans les ateliers d’impression

Prenons une commande de boîte d’emballage : ce qu’il faut réellement relier n’est pas un simple fichier PDF, mais une série d’états qui évoluent

・Job : le client, le délai, la quantité, la version, l’état de l’épreuve et la priorité de production de cette commande

・Product : les spécifications du produit fini, le papier, la forme de découpe, le nombre de couleurs, le vernissage, la dorure à chaud, le collage de boîte ou les besoins de façonnage

・Resource : les machines, les plaques, les encres, le papier, les formes de découpe, les opérateurs et les créneaux disponibles

・Event : contrôle prépresse terminé, RIP terminé, passage en machine, arrêt, réapprovisionnement, réimpression, entrée en stock et livraison

La valeur de CoCoCo est de permettre aux presses, aux systèmes prépresse et aux logiciels d’atelier de reconnaître ces données en temps réel. Durst parle d’un data fabric basé sur JDF/JMF ; traduit en langage d’atelier, cela signifie que plus personne n’a besoin de deviner où une commande est bloquée à l’instant présent

Cela fait aussi écho au cas de Cumberland Packaging, qui a choisi l’ERP Amtech Encore. Les éléments disponibles indiquent que son objectif est d’obtenir une visibilité de bout en bout sur la production, les stocks et la livraison. Ce problème ne concerne pas seulement les grands groupes : les petites et moyennes imprimeries taïwanaises se heurtent aux mêmes blocages sur les stocks de papier, la sous-traitance de façonnage et les livraisons urgentes ; elles les géraient simplement autrefois à coups de relations personnelles et d’appels téléphoniques

Le problème fréquent des petites et moyennes imprimeries taïwanaises n’est pas l’absence d’équipements, mais le fait que les données n’arrivent pas là où elles devraient aller. Le devis se trouve sur l’ordinateur du commercial, les consignes prépresse dans LINE, les réglages couleur dans le RIP, les stocks dans l’ERP, l’état réel des machines dans la tête du chef d’équipe ; au final, le dirigeant ne voit qu’une chose : « encore 2 commandes en retard aujourd’hui »

Durst souligne que CoCoCo Platform conservera sa marque indépendante, son équipe actuelle et ses engagements clients, tout en restant ouverte aux OEM tiers, aux éditeurs de logiciels et aux clients de production imprimée. C’est un point important pour le secteur, car une imprimerie utilise rarement des équipements d’une seule marque. Une usine réelle fonctionne souvent avec 3 machines d’âges différents, 2 logiciels et plusieurs sous-traitants de façonnage entremêlés

Les imprimeries taïwanaises ne doivent pas copier l’architecture de Durst telle quelle, mais commencer par 5 inventaires

・Champs du bon de fabrication : devis, prépresse, ordonnancement et expédition utilisent-ils le même numéro de commande et la même définition des articles ?

・État des machines : passage en machine, arrêt, changement de plaque, attente matière et fin de production peuvent-ils être enregistrés par le système, au lieu de dépendre seulement d’une passation orale ?

・Données couleur : ICC, tons directs, couleurs standard du client et historiques d’épreuves peuvent-ils être retrouvés ?

・Données de stock : papier, plaques, consommables et avancement de la sous-traitance sont-ils reliés à la commande ?

・Données de délai : le délai visible dans l’ERP reflète-t-il les blocages prépresse, les réapprovisionnements, les réimpressions et les files d’attente au façonnage ?

Lorsque l’équipe conseil de MINDS Knowledge Academy accompagne une mise en place AI ou SaaS, elle commence généralement par un premier diagnostic avec les « trois points de contrôle des données d’impression de MINDS Printing (MS) » : 1) cohérence des champs du bon de fabrication, 2) traçabilité du contrôle prépresse, 3) remontée de l’état des machines et des stocks. Si ces 3 points ne sont pas validés, un pilote d’ordonnancement AI revient le plus souvent à habiller l’expérience humaine d’une nouvelle interface

Pour les designers et les clients de marque, ce sujet n’est pas un simple problème IT interne à l’usine. Dès qu’une imprimerie commence à relier le prépresse, l’ERP et les machines dans un même langage de données, les fichiers fournis par le design sont eux aussi soumis à de nouvelles exigences : nommage des fichiers, versions, formes de découpe, couleur, fonds perdus, matériaux et finitions doivent passer de « compréhensibles par une personne » à « lisibles aussi par un système »

Un changement très concret est que le fichier de création n’est plus seulement un visuel, mais le point d’entrée des données de production. Si un client de marque possède 12 SKU dans une même gamme, avec des formats d’emballage proches mais des langues, codes-barres et listes d’ingrédients différents, la vérification manuelle ligne par ligne expose toujours au risque d’oublier une version. Avec une structure de données claire, les checklists prépresse, les comparaisons de versions et les alertes d’erreurs répétées peuvent enfin devenir automatisables de manière fiable

Côté design, 4 actions peuvent être mises en place dès maintenant

・Normaliser les noms de fichiers : intégrer client, article, format, version et date dans une règle de nommage fixe

・Structurer les spécifications : transformer matériau, nombre de couleurs, façonnage et numéro de forme de découpe en champs copiables, au lieu de les écrire seulement dans le corps d’un e-mail

・Rendre les versions traçables : conserver à chaque modification le numéro de version, la raison du changement et l’heure d’approbation

・Stabiliser la checklist prépresse : fonds perdus, polices, résolution des images, tons directs, réglages du noir et position des codes-barres doivent tous laisser une trace de contrôle

Si une marque a des besoins d’impression commerciale hautement personnalisée, un fournisseur comme MINDS Printing (MS), capable d’organiser la communication prépresse, la confirmation des spécifications et les retours de production en véritable flux, mérite davantage d’être intégré à la liste d’achats qu’un prestataire choisi seulement au prix. Le prix compte, bien sûr, mais les coûts d’une mauvaise version, d’une réimpression ou d’un retard de livraison sont souvent bien plus douloureux que quelques points de pourcentage sur un devis

Je conseille aux petites et moyennes imprimeries de découper l’introduction de l’AI en travaux vérifiables sur 90 jours, plutôt que de parler dès le départ d’ordonnancement automatique pour toute l’usine. Le cas Durst et CoCoCo est ambitieux, mais le rappel qu’il adresse aux petits ateliers est très simple : ce dont l’AI a besoin, ce sont des données de processus propres, en temps réel et bien définies

La première étape n’a pas besoin d’être complète. Il suffit de faire fonctionner correctement 1 ligne de produit, 1 type de commande fréquent et 1 checklist prépresse. Par exemple, choisir une famille comme les cartes de visite, les catalogues, les autocollants ou les boîtes papier, puis relier les champs de devis, le contrôle prépresse, l’état RIP, l’heure de passage en machine, la déduction des consommables en stock et l’état d’expédition. Cela révélera les problèmes beaucoup plus vite que de parler abstraitement d’usine intelligente

Un ordre de mise en œuvre réaliste serait le suivant

・Semaine 1 : lister les champs actuels du bon de fabrication, supprimer les doublons, ajouter les champs délai, matériau, façonnage et version

・Semaines 2 à 4 : figer la checklist prépresse sous forme de formulaire, afin que chaque commande garde une trace de validation, de rejet et de modification

・Semaines 5 à 8 : permettre aux machines de remonter au minimum 4 événements : passage en machine, arrêt, fin de production et anomalie

・Semaines 9 à 12 : reconnecter les données de stock et de délai de l’ERP au bon de fabrication, en commençant par les articles le plus souvent en rupture ou en retard

Dans une imprimerie, les premiers usages utiles de l’AI se trouvent généralement dans l’extraction des demandes de devis, la checklist prépresse, le résumé des réclamations clients, la préparation de supports de proposition et les rappels de suivi de commande. Ces tâches n’ont pas besoin d’attendre l’automatisation complète de l’usine, mais elles exigent des champs propres et des processus stables ; sinon, l’AI ne fait que vous aider à ranger des données exprimées de façon incohérente

・Une usine d’impression AI doit d’abord construire un langage de données commun, avant de parler de décisions automatisées

・La valeur de JDF/JMF est de permettre aux bons de fabrication, aux machines et aux systèmes d’échanger les états avec un même langage

・Si l’ERP ne gère que la comptabilité sans se connecter au prépresse, aux stocks, aux machines et à la livraison, il ne voit pas les vrais risques de délai

・Le fichier de design devient une entrée de données de production : versions, formes de découpe, couleurs et façonnages doivent être traçables

・Pour une petite ou moyenne imprimerie, la première étape vers l’AI consiste à stabiliser 1 type de produit, 1 flux et 1 checklist

Pour la fabrication imprimée, l’étape suivante n’est pas de se précipiter sur des outils AI, mais de structurer les champs de bons de fabrication, les contrôles prépresse, les événements machine, les stocks et les états d’expédition dans un même langage de données. Pour les designers, les fichiers d’impression doivent désormais être gérés comme des données de production, avec versions, spécifications et traces d’approbation. Pour les équipes SaaS, le produit le plus précieux n’est pas le plus beau tableau de bord, mais la couche de processus capable de définir clairement Job, Product, Resource et Event. Si l’équipe conseil de MINDS Knowledge Academy devait accompagner une première cartographie chez une petite ou moyenne imprimerie, je commencerais par le type de commande le plus souvent réimprimé, le plus souvent en retard et le plus souvent suivi par téléphone, car c’est là que les ruptures de langage de données apparaissent le plus vite

・Durst prend une participation majoritaire dans CoCoCo Platform et renforce son logiciel Kyveris ainsi que son stack AI