Pour enseigner les principes du flux tiré Demand Driven, nous utilisons le « Flow Sim Game ».
Le Beer Game
Cette simulation est basée sur le Beer Game, jeu classique développé par le MIT dans les années 60. Si vous travaillez dans la supply chain, c’est une expérience fortement recommandée, qui permet de toucher du doigt le problème qui fait des ravages dans les supply chan mondiales : l’effet coup de fouet.
Nous procédons à deux itérations dans ce jeu :
- Jeu de la bière classique : chaque participant travaille au mieux, selon ses prévisions et ses règles de gestion. Immanquablement un superbe coup de fouet est généré. Voici un exemple généré par un de nos clients lors de la formation
- On insère une logique de flux tiré par des buffers DDMRP. Alors que la variabilité de la demande dans ce deuxième scénario est bien plus élevée, l’effet coup de fouet est énormément atténué – les taux de service, rotations de stock et coûts sont fortement améliorés. Entre les deux itérations les coûts de la supply chain sont divisés par un facteur 2 ou 3.
On voit donc que des principes de fonctionnement simples et pragmatiques, connus depuis des décennies, donnent d’excellents résultats pour atténuer efficacement l’effet coup de fouet et les coûts induits : mettre en œuvre du découplage et un flux tiré end to end.
A l’heure de l’IA, tout ceci semble un peu trivial.
Est-ce que les agents IA peuvent gérer une supply chain ?
C’est ce qu’on voulut expérimenter une équipe de chercheurs de Harvard, du MIT et de Georgia Tech, en mettant à l’épreuve du Beer Game l’IA générative.
Est-ce que des agents IA vont avec succès piloter une supply chain en évitant l’effet coup de fouet ?
Spoiler alert : non !
Vous pouvez vous-même tester cela sur le site Beer Game by AI Agents, et mettre à l’épreuve le LLM de votre choix. Cependant, même avec des options de partage de la demande et d’orchestration, les résultats sont décevants.
Malgré les investissements massifs dans ces modèles IA, malgré les ressources mises à contribution pour les faire tourner, le résultat n’est pas meilleur que celui d’humains à qui on n’a pas encore enseigné quelques règles de bon sens.
Le plus inquiétant est que la supply chain du Beer Game est hyper simple. Un seul produit, quatre maillons. Si les modèles d’IA ne savent pas gérer cela, comment raisonnablement imaginer un déploiement à l’échelle sur une réelle supply chain end to end ?
A l’heure où les grandes entreprises, éditeurs de logiciels, Big Four, Gartner et autres augures ne jurent que par l’intelligence artificielle, peut être faudrait-il se reconcentrer sur les fondamentaux que la pratique opérationnelle nous a appris au moins depuis les années 90.
Nous avons une opportunité cependant : enseigner les techniques du flux tiré aux modèles d’IA…
