L’IA dans la chaîne d’approvisionnement : mythe et réalité

By Leah Hoffmann
An artificial intelligence motherboard

Prévision adaptative. Camions sans conducteur. Planification autonome. L’IA arrive dans votre chaîne d’approvisionnement. N’est-ce pas ?

À bien des égards, on peut pardonner aux observateurs du secteur d’être un peu sceptiques en ce qui concerne l’IA dans la chaîne d’approvisionnement. Selon une étude de Deloitte, seuls 40 % des cadres de la chaîne d’approvisionnement ont déclaré utiliser activement l’IA. Le rapport annuel sur l’industrie de 2021 de MHIavance un chiffre encore plus bas, à 17 %, tandis que l’American Productivity & Quality Center a constaté que seulement 13 % des cadres prévoient un impact majeur de l’intelligence artificielle au cours de l’année à venir.

Tout cela en dépit des avantages que les cadres de la chaîne d’approvisionnement qui ont mis en œuvre l’IA affirment qu’elle leur a permis d’obtenir : réduction des coûts, augmentation des revenus et réduction des stocks jusqu’à 75 %.

Sans parler d’une pandémie mondiale qui continue de nous inciter à établir des chaînes d’approvisionnement plus flexibles, résilientes et intuitives.

« L’IA est encore émergente », a déclaré Joe McKendrick, auteur et analyste technologique, lors de notre conférence mondiale 2021.

Pourtant, l’opportunité est réelle. Voici un bref aperçu de ce qui existe déjà et de ce qui se profile à l’horizon.

Un bref historique de l’IA dans la chaîne d’approvisionnement

Comme l’a souligné McKendrick, la quête de l’intelligence de la chaîne d’approvisionnement remonte en fait à plusieurs décennies.

« Le développement de l’échange de données informatisées, ou EDI, pour transmettre des informations sur les bons de commande et les spécifications a marqué le début d’une approche en réseau de la gestion de la chaîne d’approvisionnement » explisque-t-il. Malheureusement, l’EDI n’était pas quelque chose que les petites et moyennes entreprises pouvaient gérer par elles-mêmes. Elles dépendaient plutôt des grandes sociétés qui pouvaient se permettre d’avoir le personnel et les ressources nécessaires pour établir et maintenir des réseaux.

Cela a changé dans les années 1990, avec l’essor d’Internet. La transparence s’est accrue lorsque les systèmes de gestion de stock et de logistique ont transmis des données sur le web, les rendant ainsi plus accessibles aux partenaires commerciaux en dehors des murs de l’entreprise.

Aujourd’hui, une troisième vague commence à déferler avec l’application des connaissances basées sur l’IA pour étendre et améliorer les chaînes d’approvisionnement. Selon M. McKendrick, l’opportunité de l’IA réside dans la résilience : être capable d’innover et de s’adapter à l’évolution de la demande.

C’est une proposition de valeur qui est particulièrement convaincante dans un monde post-Covid.

La quête de chaînes d’approvisionnement résilientes

Comme l’ont souligné les analystes du secteur, le Saint Graal de la gestion de la chaîne d’approvisionnement post-pandémie n’est pas le contrôle des coûts mais l’agilité. Selon une étude de Bain & Company, les investissements dans la résilience de la chaîne d’approvisionnement permettentd’améliorer de 15 à 25 %la production des usines et de 20 à 30 % la satisfaction des clients. Ils aident également les équipes de production à s’adapter à l’évolution de la demande du marché, un avantage concurrentiel important.

Comment l’IA aide-t-elle les entreprises à construire des chaînes d’approvisionnement plus résilientes ?

En affinant leur capacité àrépondre à la complexité et au changement. Parmi les cas d’utilisation possibles, citons :

  • Aider les planificateurs à surveiller les crises imminentes et à évaluer l’impact des perturbations sur leurs installations.
  • Rassembler des données provenant de différentes sources afin que les dirigeants puissent passer moins de temps à traiter les chiffres et plus de temps à analyser leurs implications.
  • Mettre de l’ordre dans le chaos de l’augmentation du nombre d’UGS
  • Prédire les besoins des clients et aider les responsables de la chaîne d’approvisionnement à comprendre les tendances qui se dessinent.

Alors… sommes-nous arrivés au but ?

Malheureusement, le déploiement de l’IA dans la chaîne d’approvisionnement se heurte encore à de nombreux obstacles.

La plupart des entreprises ne disposent tout simplement pas des données nécessaires pour développer, former et affiner les systèmes alimentés par l’IA, à savoir des centaines de milliers de points de données pertinents, récents, actualisés et cohérents.

La gestion du changement est un autre problème important. De nombreuses organisations échangent encore des informations par EDI ou par courrier électronique, voire par papier. Il est peu probable que la transformation de processus aussi profondément ancrés dans la fonction soit simple, notamment parce que la technologie est encore en évolution. L’IA en boîte noire asuscité des inquiétudes quant à son biais et aux risques. Sur un plan plus pratique, un cadre sur quatre a déclaré avoir dûintervenir manuellement pour annuler une décision générée par l’IA.

Plus fondamentalement, la collaboration entre les technologues et les professionnels de la Supply Chain doit s’intensifier si l’IA doit être autre chose qu’une solution à la recherche d’un problème.

Comme Vijay Vijayasankar d’IBM l’a expliqué lors d’une récente discussion en ligne avec Jon Reed de Diginomica, il ne suffit pas que les technologues comprennent l’IA et les techniques d’apprentissage automatique. « Vous devez également connaître le processus. La façon dont le processus d’un devis jusqu’à la génération de revenu fonctionne dans n’importe quel ERP n’est pas quelque chose que vous pouvez enseigner à un data scientist en deux jours. Il est également difficile d’enseigner l’apprentissage automatique à un spécialiste des ERP en quelques jours ou semaines. Il est important de procéder à une pollinisation croisée des connaissances. »

La perspective Demand Driven

Lorsque nous examinons l’IA dans le cadre des approches pilotées par la demande (Demand Driven), c’est là que nous voyons les opportunités. Replenishment+ et d’autres solutions DDMRPdonnent aux planificateurs une vue intelligente et pilotée par les données des stocks. Pourtant, elles exigent toujours des utilisateurs une certaine configuration et personnalisation, qu’il s’agisse de niveaux de stocks de sécurité ou de paramètres de buffers DDMRP.

À l’avenir, il n’est pas difficile d’imaginer un système qui s’appuie sur l’IA et la reconnaissance des signaux pour configurer ces paramètres sans intervention, ce qui rend plus facile le déploiement et plus intuitive l’utilisation.

« À terme, la gestion d’une chaîne d’approvisionnement ressemblera davantage au pilotage d’un avion de ligne. Vous utiliserez des instruments pour surveiller et faire des ajustements, mais vous ne tiendrez pas le manche en permanence juste pour que l’avion vole », a expliqué Erik Bush, notre PDG et cofondateur, lors de la conférence.  » Dans dix ans, les capacités cognitives de la chaîne d’approvisionnement rendront le voyage plus sûr et plus fiable, et elles ne nécessiteront pas une intervention humaine aussi importante que celle à laquelle nous sommes habitués aujourd’hui. »

Entrer en contact

Share This Story, Choose Your Platform!

Partager sur facebook
Facebook
Partager sur twitter
Twitter
Partager sur linkedin
LinkedIn

Recent Posts

supply chain maturity - ladders

You may also enjoy

Demand Driven pour MTS, ATO, MTO, ETO

Vous avez certainement déjà vu sous une forme ou une autre le diagramme ci-dessus, qui résume différentes typologies de fabrication. Est-ce que le modèle Demand

Submarine under water

Sous-marins et supply chain

Quel rapport entre sous-marins et supply chain ? Non, ne vous inquiétez pas, il n’est pas encore question de porte-conteneurs sous-marins, et Elon Musk n’a

Restez informé avec nos dernières mises à jour

Name*