# Le jumeau numérique : une copie vivante de l'installation

> Un modèle de l'installation, alimenté en continu par ses données réelles, pour simuler, optimiser et anticiper. Le jumeau numérique séduit — mais sa valeur tient entièrement à la qualité du modèle et des données.

- Source : https://industryhub.site/fr/learn/data-ai/jumeau-numerique
- Parcours : Données & IA
- Niveau : Praticien
- Lecture : 6 min
- Langue : français

## Plus qu'une maquette 3D

Le terme « jumeau numérique » évoque souvent une belle image 3D de l'usine. C'est une erreur. Une maquette est **figée** ; un jumeau numérique est **vivant** : c'est un modèle de l'installation alimenté en continu par ses [données réelles](/fr/learn/data-ai/donnee-industrielle). Il ne montre pas ce que l'usine *pourrait* être, mais ce qu'elle *est* en ce moment — et ce qu'elle deviendra si l'on change tel paramètre.

## Les trois degrés : modèle, ombre, jumeau

Tous les « jumeaux » ne se valent pas. On distingue trois degrés de connexion au réel :

- le **modèle numérique** : une simulation autonome, sans lien automatique avec l'installation. On y teste des scénarios « hors ligne ».
- l'**ombre numérique** : le réel envoie ses données au modèle en continu, mais sans retour. Le modèle reflète l'état courant.
- le **vrai jumeau** : la boucle est bouclée dans les deux sens. Le modèle reçoit les données *et* peut, en retour, influencer la conduite de l'installation.

| Degré | Réel → modèle | Modèle → réel |
|---|---|---|
| Modèle | manuel | aucun |
| Ombre | automatique, continu | aucun |
| Jumeau | automatique, continu | automatique (peut agir) |

Beaucoup de projets vendus comme « jumeaux » sont en réalité des modèles ou des ombres — ce qui est déjà très utile.

## À quoi il sert concrètement

Un jumeau bien fait permet de **simuler avant d'agir** : tester un réglage, un changement de recette, un goulot d'étranglement, sans risquer la production réelle. Il sert aussi à **optimiser** en continu (énergie, cadence, qualité), à **anticiper** une dérive en lien avec la [maintenance prédictive](/fr/learn/data-ai/maintenance-predictive), et à **former** les opérateurs sur une copie sans danger. C'est l'un des cas d'usage industriels les plus cités de l'[IA dans l'industrie](/fr/articles/ia-industrie-enjeux-defis).

## Ce qui le nourrit : modèle + données

Un jumeau repose sur deux piliers. D'un côté un **modèle** : physique (équations du procédé), statistique ([machine learning](/fr/glossary#term-ml)) ou hybride. De l'autre un **flux de données** fiable et contextualisé, qui remonte du terrain via les automates et un protocole comme [OPC UA](/fr/glossary#term-opc-ua), souvent enrichi par le contexte de production du [MES](/fr/glossary#term-mes) et la connectivité [IIoT](/fr/glossary#term-iiot). L'un sans l'autre ne produit rien d'exploitable.

## Les limites et le piège

Le piège classique est de confondre le rendu et la valeur. Un magnifique modèle 3D alimenté par des données fausses, ou un modèle physique trop approximatif, donne des réponses élégantes mais fausses — et donc dangereuses si on les suit. Construire un jumeau coûte cher en modélisation et en intégration de données ; il ne se justifie que là où la simulation rapporte vraiment. Comme pour toute la chaîne data, la règle tient en une phrase : **le jumeau ne vaut jamais mieux que le modèle et les données qui le nourrissent**.

## À retenir

Un jumeau numérique est un modèle de l'installation alimenté en continu par ses données réelles. Selon le degré de connexion, on parle de modèle, d'ombre ou de vrai jumeau. Il sert à simuler, optimiser et anticiper — mais ne vaut que par la qualité du modèle et des données qui le nourrissent.