Avant l’usine d’impression AI, un langage de données commun

La clé d’une usine d’impression AI n’est pas de commencer par demander « quelle AI utiliser », mais plutôt « les ordres de fabrication, les machines, le prépresse et l’ERP parlent-ils le même langage ». C’est aussi cette couche de données que l’équipe de conseil de MINDS Knowledge Academy vérifie le plus souvent sur le terrain : les systèmes peuvent-ils la lire, les équipes peuvent-elles la tracer, et les processus peuvent-ils s’en servir pour décider ?

Le 16 juillet 2026, Durst a annoncé l’acquisition d’une participation majoritaire dans Triple C Labs GmbH, l’entreprise derrière CoCoCo Platform. À première vue, il s’agit d’un investissement logiciel ; j’y vois surtout la reconnaissance, par un fabricant d’équipements d’impression, d’une réalité simple : même si une machine isolée est très rapide, si la ligne de production ne connaît pas l’état réel des ordres de fabrication, l’efficacité reste bloquée aux points de passation

Le rôle central de CoCoCo Platform est de connecter les presses, les systèmes de prépresse et les logiciels d’atelier via JDF/JMF. Durst l’intègre à son logiciel industriel Kyveris et à son AI stack. Une idée ressort très justement de la communication officielle : il existe depuis longtemps un écart entre ce que les machines font et ce que l’atelier sait réellement

Que sont JDF/JMF ? JDF est un format de données décrivant les ordres de fabrication et les 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 des informations sur les ordres, l’avancement et l’état des ressources

Dans les petites et moyennes imprimeries taïwanaises, j’ai vu trop souvent des situations similaires : le commercial utilise un jeu de champs pour le devis, le prépresse découpe le travail avec son propre vocabulaire, l’ordonnancement en atelier s’appuie encore sur un message de groupe du type « celle-ci passe en priorité », puis, quand le délai dérape, tout le monde se met à fouiller l’historique des conversations

L’AI ne craint pas les grands volumes de données ; elle craint les données sans définition commune. Si les mots Job, Product et Resource sont interprétés différemment par chaque système, même le plus beau tableau de bord ne fera que rendre le désordre plus visible

Ce que Durst a repéré dans CoCoCo Platform repose sur un principe de conception essentiel : un modèle de données typé, piloté par les événements, avec des entités standardisées pour définir Job, Product et Resource. Ce n’est pas une accumulation de jargon technique ; c’est le « glossaire 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 suite d’états qui évoluent

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

・Product : spécifications du produit fini, papier, forme de découpe, nombre de couleurs, vernis, dorure à chaud, collage ou besoins de façonnage

・Resource : machines, plaques, encres, papier, formes de découpe, personnel et créneaux disponibles

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

La valeur de CoCoCo est de permettre aux presses, aux systèmes de 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 même commande est bloquée

Cela rejoint aussi le cas de Cumberland Packaging, qui a choisi Amtech Encore ERP. Les éléments disponibles indiquent que l’objectif est d’obtenir une visibilité de bout en bout sur la production, les stocks et la livraison. Ce problème n’est pas réservé aux grands groupes : les petites et moyennes imprimeries taïwanaises se heurtent elles aussi aux stocks papier, à la sous-traitance de façonnage et aux livraisons urgentes ; auparavant, elles tenaient surtout grâce aux relations humaines et au téléphone

Dans les petites et moyennes imprimeries taïwanaises, la difficulté courante n’est pas l’absence d’équipement, mais le fait que les données n’arrivent pas là où elles devraient aller. Le devis est sur l’ordinateur du commercial, les remarques prépresse sont dans LINE, les réglages couleur sont dans le RIP, les stocks sont dans l’ERP, l’état réel des machines est dans la tête du chef d’équipe, et le dirigeant ne voit finalement qu’une chose : « deux commandes de plus sont encore en retard aujourd’hui »

Durst souligne que CoCoCo Platform conservera sa marque indépendante, son équipe existante et ses engagements clients, tout en restant ouverte aux OEM tiers, aux éditeurs logiciels et aux clients de production imprimée. C’est important pour l’industrie, car une imprimerie utilise rarement des équipements d’une seule marque. Une vraie usine combine souvent 3 machines d’époques différentes, 2 logiciels et plusieurs sous-traitants de façonnage

Les usines taïwanaises n’ont pas à copier l’architecture de Durst ; elles doivent d’abord mener 5 inventaires

・Champs d’ordre de fabrication : devis, prépresse, planning et expédition utilisent-ils le même numéro de commande et les mêmes définitions d’articles ?

・État machine : mise en machine, arrêt, changement de plaque, attente matière et fin de production peuvent-ils être enregistrés par le système, plutôt que transmis seulement oralement à la relève ?

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

・Données de stock : papier, plaques, consommables et avancement de la sous-traitance sont-ils liés aux commandes ?

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

Lors de l’accompagnement de projets AI ou SaaS, l’équipe de conseil de MINDS Knowledge Academy commence généralement par un premier diagnostic fondé sur les « trois points de contrôle MINDS pour les fichiers d’impression » : ① cohérence des champs d’ordre, ② traçabilité du contrôle prépresse, ③ remontée possible des états machine et stock. Si ces 3 points ne sont pas en place, un pilote d’ordonnancement AI se contente souvent d’habiller l’expérience humaine avec une nouvelle interface

Pour les designers et les clients de marque, ce sujet n’est pas un simple problème IT interne à l’imprimerie. Quand l’usine 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, couleurs, fonds perdus, matières et façonnage doivent passer de « compréhensibles par une personne » à « lisibles aussi par un système »

Un changement très concret est que le fichier graphique n’est plus seulement une maquette visuelle, mais le point d’entrée des données de production. Si une 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 fiche par fiche risquait surtout d’oublier une version. Avec une structure de données claire, la checklist prépresse, la comparaison de versions et les alertes sur erreurs répétées peuvent enfin être automatisées de façon stable

Le design peut commencer par 4 actions

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

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

・Assurer la traçabilité des versions : 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 d’image, tons directs, réglages du noir et position des codes-barres doivent tous avoir une trace de contrôle

Si une marque a des besoins d’impression commerciale hautement personnalisée de niveau intermédiaire ou avancé, un fournisseur comme MINDS Printing (MS), capable de structurer la communication prépresse, la validation des spécifications et les retours de production en processus, mérite davantage d’entrer dans la liste d’achat qu’un prestataire choisi uniquement au prix. Le prix compte, bien sûr, mais les coûts liés aux mauvaises versions, aux réimpressions et aux retards de livraison font souvent plus mal que quelques points de pourcentage sur un devis

Je conseillerais aux petites et moyennes imprimeries de découper l’introduction de l’AI en travaux vérifiables dans les 90 jours, plutôt que de parler d’emblée d’ordonnancement automatique de toute l’usine. Le cas Durst et CoCoCo est d’envergure, mais le rappel qu’il adresse aux petits ateliers est très simple : l’AI a besoin de données de processus propres, à jour et bien définies

Au premier stade, inutile de viser l’exhaustivité. Il suffit de faire fonctionner correctement 1 ligne de produits, 1 type de commande fréquent et 1 checklist prépresse. Par exemple, choisir 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 mise en machine, la déduction des consommables du stock et l’état d’expédition. Cela fera apparaître les problèmes beaucoup plus vite que de parler abstraitement d’usine intelligente

L’ordre de mise en œuvre peut être le suivant

・Semaine 1 : lister les champs actuels des ordres de fabrication, supprimer les doublons, ajouter les champs délai, matière, façonnage et version

・Semaines 2 à 4 : transformer la checklist prépresse en formulaire fixe, afin que chaque commande conserve les traces de validation, de rejet et de modification

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

・Semaines 9 à 12 : reconnecter les données de stock et de délai de l’ERP à l’ordre de fabrication, en traitant d’abord les articles qui manquent le plus souvent de matière ou prennent le plus de retard

Dans une imprimerie, les premiers usages utiles de l’AI concernent généralement l’extraction des demandes de devis, les checklists prépresse, les synthèses de réclamations client, la préparation des éléments 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 un processus stable ; sinon, l’AI ne fait que ranger un amas de données exprimées de façons incompatibles

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

・La valeur de JDF/JMF est de permettre aux ordres de fabrication, aux machines et aux systèmes d’échanger des informations d’état dans un même cadre

・Si l’ERP ne gère que la comptabilité sans lien avec le prépresse, les stocks, les machines et la livraison, il ne voit pas les vrais risques de délai

・Le fichier de design devient un point d’entrée des données de production : versions, formes de découpe, couleurs et façonnages doivent tous être traçables

・La première étape d’une PME d’impression vers l’AI consiste à faire fonctionner correctement 1 type de produit, 1 processus et 1 checklist

Pour la production imprimée, la prochaine étape n’est pas de se précipiter sur des outils AI, mais de structurer les champs d’ordre de fabrication, les contrôles prépresse, les événements machine, les stocks et les statuts d’expédition dans un même langage de données. Pour les designers, les fichiers d’impression doivent commencer à 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 un joli tableau de bord, mais une couche de processus capable de définir clairement Job, Product, Resource et Event. Si l’équipe de conseil de MINDS Knowledge Academy accompagne une petite ou moyenne imprimerie dans un premier inventaire, je commencerais par le type de commande qui provoque le plus de réimpressions, le plus de retards et le plus de relances téléphoniques, car c’est là que la rupture du langage de données apparaît le plus vite

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