L’IA est au cœur de la résilience de la chaîne d'approvisionnement

La gestion efficace des chaînes d’approvisionnement mondiales est devenue une priorité pour les entreprises et les gouvernements. La pandémie et les conflits géopolitiques ont perturbé les entreprises, les écosystèmes industriels et des économies entières mettant en évidence le manque d’agilité et de résilience des chaînes d’approvisionnement. Cela couplé avec les exigences croissantes des consommateurs (coût, choix, rapidité de livraison, zéro émission) a poussé de nombreux acteurs de la chaîne d’approvisionnement – des détaillants aux fabricants et aux énergéticiens – à investir dans des solutions digitales permettant d’optimiser et d’automatiser leur chaîne d’approvisionnement pour gagner en résilience et en agilité.

L’intelligence artificielle (IA) offre une opportunité sans précédent pour renforcer les chaînes d’approvisionnement de toute entreprise. Ses cas d’usage sont divers et incluent la planification de la demande en temps réel, l’optimisation de la chaîne logistique, l’optimisation de la gestion des stocks ou encore la planification de la production.

Par exemple, le recours au ML et l’IA peut augmenter la précision des prévisions et optimiser le réapprovisionnement grâce aux analyses poussées et quasi en temps réel, avec une granularité des données beaucoup plus élevée qu’auparavant. De plus, les systèmes les plus avancés basés sur l’IA permettent de couvrir l’ensemble de la chaîne de valeur, des fournisseurs de matières premières au client final.

Certaines entreprises développent leurs propres solutions basées sur l’IA pour mettre en place la prévision et le réapprovisionnement prédictifs. D’autres se tournent vers des applications métier intégrant l’IA. Danone, par exemple, utilise le logiciel “Digital Brain” basé sur l’IA de 09 Solutions pour une planification de scénarios en temps réel et une prise de décision plus rapide. IKEA a développé sa propre solution de planification de la chaîne d’approvisionnement basée sur l’IA. Contrairement à l’ancien système effectuant des prévisions sur la base des statistiques de ventes, cette nouvelle solution évalue la demande sur les canaux en ligne et hors ligne et analyse jusqu’à 200 sources de données pour chaque produit pour calculer les prévisions concernant les futures demandes en tenant compte du contexte (préférences d’achat liés aux fêtes, habitudes d’achat liées aux changements saisonniers, prévisions météorologiques, etc.). Si les ventes augmentent sur le canal en ligne, les prévisions intègrent immédiatement ces informations et s’adaptent en conséquence. Ce nouvel outil peut prédire la demande au jour le jour jusqu’à quatre mois, permettant à IKEA d’expérimenter de nouveaux formats de magasins et de nouvelles approches de vente. Par ailleurs, une « planification entièrement autonome » de la chaîne d’approvisionnement constitue l’objectif clé de la stratégie à moyen terme de nombreuses entreprises.

L’IA peut aussi grandement contribuer à l’amélioration de la gestion des stocks et de la logistique. Grâce aux jumeaux numériques, au ML et à l’IA, les plateformes d’optimisation des stocks ont la capacité de fournir quasiment en temps réel non seulement des données sur le niveau des stocks mais aussi des recommandations concernant leur gestion basées sur des données de production, des commandes de clients et des livraisons de fournisseurs. Cela permet à la fois d’améliorer la visibilité et de réduire les coûts de stockage. Les informations générées par l’IA peuvent également être automatiquement intégrées dans les modules existants du logiciel de planification des besoins de production (MRP) d’une entreprise. De plus, l’IA peut aider à déterminer comment les commandes doivent être emballées et s’assurer que les sacs sont emballés aussi densément que possible tout en évitant les ruptures. FedEx Ground, une filiale du géant de la poste et de la logistique FedEx, utilise un système robotique de Berkshire Gray pour sélectionner, identifier, trier, collecter et conteneuriser de manière autonome de petits colis.

D’autres expérimentations sur l’usage de l’IA ont mis en évidence le rôle clé de cette technologie pour améliorer la logistique inverse (en anglais, reverse logistics). Ceci à la fois dans un but d’optimisation et dans le cadre des actions de l’entreprise concernant le développement durable. L’automatisation du processus de sélection de la meilleure option pour le traitement d’un article retourné augmente la rapidité et l’efficacité de la prise de décision et réduit les dépenses engagées pour chaque article retourné. Des entreprises telles que Best Buy, IKEA et Target utilisent une plateforme d’Optoro, basée sur l’IA, pour acheminer rapidement les articles retournés et choisir le traitement le plus adapté (réapprovisionnement, don, recyclage, revente d’articles sur le marché secondaire).

Bien qu’il n’y ait pas de solution miracle, il existe de nombreux nouveaux outils basés sur l’IA qui aident les organisations à exploiter la richesse des données pour améliorer la résilience de leur chaine d’approvisionnement. Toutefois, l’un des défis auxquels les entreprises sont confrontées aujourd’hui est de comprendre ce panorama complexe de solutions existantes et de choisir celle qui corresponde le mieux à leur environnement business.

Les ESNs doivent se préparer à une demande croissante de conseil sur l’usage de l’IA pour la chaine d’approvisionnement de la part des entreprises. Avoir la double compétence, à la fois technologique et métier, est un gage de succès auprès des clients qui cherchent des partenaires capables de comprendre leurs enjeux et d’apporter les solutions viables.

Pour apprendre davantage sur les enjeux liés à la chaine d’approvisionnement et les exemples des cas d’usage de l’IA pour leur résolution, vous pouvez consulter notre Insight.