L’intelligence artificielle au service du management de la qualité dans l’industrie agroalimentaire : cas de NCA Rouiba

Abstract

L'industrie agroalimentaire est soumise à des exigences croissantes en matière de qualité, de sécurité sanitaire et de conformité réglementaire. Dans ce contexte, les entreprises dotées de systèmes de management de la qualité formalisés font face à un paradoxe : malgré la mise en place de référentiels internationaux rigoureux, leurs pratiques demeurent majoritairement orientées vers la correction des anomalies après leur apparition, au détriment d'une logique préventive. Ce constat soulève la question du rôle que peut jouer l'intelligence artificielle dans l'amélioration du management de la qualité dans ce secteur. La présente étude traite cette problématique à travers le cas de l'entreprise NCA Rouiba, acteur majeur du secteur des boissons en Algérie. La méthodologie repose sur une approche interprétativiste combinant l'analyse documentaire des supports internes du système qualité et des entretiens semi-directifs conduits auprès de trois acteurs du système, permettant une triangulation des données. Le diagnostic révèle que le système de management de la qualité, bien que structuré et certifié selon quatre référentiels internationaux, fonctionne selon une logique essentiellement réactive. Cinq limites structurelles ont été identifiées : prédominance des actions correctives sur les actions préventives, forte dépendance aux interventions humaines, fragmentation informationnelle entre supports hétérogènes, exploitation descriptive des données qualité et contraintes organisationnelles et techniques profondes. Ces limites se traduisent par des pertes financières cumulées atteignant 111,3 millions DZD sur la période 2020–2026. Les résultats montrent que l'intelligence artificielle constitue un levier complémentaire permettant de transformer le système de management de la qualité vers un modèle prédictif, à travers quatre applications prioritaires : détection précoce des anomalies, analyse automatisée des causes, prédiction des non-conformités et aide à la décision. Cette transformation repose toutefois sur des conditions préalables d'ordre technique, humain et organisationnel sans lesquelles toute intégration risque de rester superficielle. Une estimation économique prudente, fondée sur une hypothèse de réduction de 10 % des non-conformités, suggère un retour sur investissement potentiel d'environ 96 % dès la première année, ouvrant des perspectives concrètes de réduction durable des coûts de non-qualité et de renforcement de la compétitivité de l'entreprise.