10 à 30 % des ventes. 25 à 40% des dépenses opérationnelles. Tel serait le coût que représenterait la non-qualité, l’anomalie en entreprise selon Joseph Moses Juran. Si ces chiffres sont évocateurs, ils ne représentent pourtant que la partie émergée de l’iceberg au regard de coûts tout aussi nombreux qu'indirects de la non-conformité : risques psycho-sociaux, fidélisation client en berne.

Or, à cumuler les impairs à court et moyen-terme, le bilan d’une politique de mauvaise qualité industrielle peut s’avérer bien plus lourd qu’escompté. Les solutions d’optimisation du contrôle qualité sont pourtant là pour renverser la vapeur.

1. Le coût opérationnel

La non qualité correspond à l’élaboration d’un produit qui ne répond pas aux attentes du client. Traditionnellement, les produits non-conformes sont éjectés du convoyeur d’une industrie. Que la manœuvre s’effectue à la main ou par celle d’un robot, ces manœuvres échouent malheureusement bien trop souvent à séparer le bon grain de l’ivraie. En effet, il leur arrive dans bien des cas d’éjecter ce qui est de qualité, ou a contrario de conserver ces anomalies sur le tapis. Au risque d’impacter toute la production d’une livraison client. Pire encore, ces erreurs sont parfois telles qu'elles vont jusqu’à provoquer des ruptures de chaînes lors de la fabrication en impactant toute la productivité.

Et ces erreurs de contrôle-qualité sont préjudiciables. Elles ont un coût économique bien mesurable. Pour ainsi dire, Renault, estimait à 2000 euros la minute d’arrêt de la chaîne de fabrication pour l’une de ses usines. Soit 120 000 euros l’heure d’arrêt. (Logistique, Joël Sohier). Plus globalement, selon une étude de l’AFNOR dont les chiffres de 2017 font toujours figure de référence aujourd’hui, le coût général de la non-qualité représenterait pour 53% des entreprises interrogées entre 1 et 5% de leur chiffre d'affaires. Pour les plus mauvais élèves, l’addition est plus corsée puisque pour 34% des entreprises, le coût s'élèverait à plus de 10% du CA.

2. Un coût social pernicieux

Coût financier, opérationnel... L’impact social d’une mauvaise politique qualité n’est pas non plus en reste. En effet, les retards accumulés par les ruptures de chaînes se compensent par un surplus d’efforts à fournir de la part de la main d'œuvre salariée : efforts physiques qui se prolongent, heures supplémentaires, etc. L’Usine Claas Tractor a du mettre en place des accords de flexibilité du travail avec ses salariés pour pouvoir absorber les variations de production qu’elle connaît depuis 15 ans et limiter le recours aux intérimaires. Or trop souvent répétées, ces ruptures de production au long cours soumettent les salariés, à un surplus de fatigue physique...

...avec le lot d’effets pervers qu’on lui connaît : absentéisme, arrêt-maladies, démission. Et dans les situations les plus préoccupantes : syndrome d’épuisement professionnels plus connu sous le nom de burn out. Ces ruptures de chaîne placent donc l’entreprise face à de nombreux risques psycho-sociaux (RPS). Et les coûts des RPS sont bien connus. Selon l’institut Sapiens, le coût global de l’absentéisme au travail représentait en 2018, 107,9 milliards d’euros par an. Soit 4059 euros par an et par salarié.

3. L'insatisfaction client se paie aussi

A plus long terme, la non-qualité a enfin des conséquences sur la satisfaction client. Et par effet boule de neige sur la fidélisation. On a peu de peine à imaginer qu’un client qui reçoit lors de la livraison, une palette de plats préparés inconsommables parce qu'elles ont été percées lors de la phase de fabrication est un client perdu par l’entreprise.

Cette insatisfaction se paie. Et cher. Selon une autre étude Accenture, 44% des clients français sont passés à la concurrence suite à une insatisfaction en 2017. Représentant un coût de 102 milliards d’euros de dépenses. A l’addition, s'ajoutent les dépenses commerciales et marketing pour l’acquisition de nouveaux clients/déboutés. Elle coûterait 5 à 8 fois plus chère que la fidélisation de clients existants.

Ces coûts multi-sources (opérationnels, sociaux, clients) qui persistent chez les industriels sont d’autant plus étonnants en miroir de l’émergence récente de solutions d’optimisation du contrôle qualité sur le marché. Celles-ci misent sur les outils d’intelligence artificielle (machine learning, deep learning) Jusqu’à présent, elles semblent faire leur preuve dans la réduction des coûts. Puisque selon une étude du cabinet américain Mckinsey, les entreprises ayant implanté outre-Atlantique des outils intelligents auraient réduit de 50% le coût global dédié au département qualité. En plus d’avoir réduit leur time - to market de 30%. Alors à quand l’adoption de ces nouvelles technologies pour rattraper 5 à 10% de son CA?