Selon l’article de McKinsey du 30 Avril 2021 : Succeeding in the AI supply-chain revolution, la mise en œuvre réussie des Supply Chain basées sur l’Intelligence Artificielle Supply Chain aurait permis aux premiers adoptants de réduire leurs coûts logistiques de 15%, de minimiser leurs niveaux de stock de 35% et d’améliorer leurs niveaux de service de 65%.
Les mérites de l’Intelligence Artificielle ne cessent d’être vantés en Supply Chain. Oui, mais concrètement, en quoi cette technologie d’intelligence artificielle sert-elle notre secteur ?
Cet article met en évidence la nécessité de comprendre l’application concrète de l’Intelligence Artificielle dans la Supply Chain, dévoilant ainsi différentes facettes de cette technologie révolutionnaire.
Les fondements de l’Intelligence Artificielle
L’une des pierres angulaires de l’IA est le concept de machine learning. Les algorithmes de machine learning permettent aux systèmes d’apprendre à partir de données et d’améliorer leurs performances au fil du temps sans être explicitement programmés. Dans cette section, nous allons comprendre ces mécanismes et voir comment ils s’appliquent à la Supply Chain.
Le Machine Leraning (ML) et Deep Learning (DL)
Le Machine Learning (ML), également appelé apprentissage automatique, utilise des algorithmes pour détecter des modèles dans les données et en tirer des analyses prédictives. En d’autres termes, la machine peut automatiquement apprendre un ensemble de règles à partir de flux de données, sans nécessiter une programmation spécifique préalable.
Le Deep Learning (DL), ou apprentissage profond, utilise un réseau de neurones artificiels composé de plusieurs couches de neurones, chacune interprétant les informations de la couche précédente pour faire progresser le système dans son apprentissage. Comme le Machine Learning, le Deep Learning nécessite un entraînement avec des jeux de données importants, et sa précision augmente avec la taille des données utilisées.
Optimisation des transports
Dans la planification des tournées de livraison, l’IA utilise le machine learning, les IoT et les technologies GPS pour gérer les transports en temps réel de manière proactive. Elle optimise les itinéraires pour une efficacité maximale.
Elle offre ainsi une vision claire des besoins, permettant une allocation plus efficace des ressources et une optimisation des itinéraires logistiques.
Optimisation des chemins de picking
L’IA intervient dans l’optimisation du slotting, déterminant les meilleurs emplacements de produits et les chemins de picking pour réduire le temps de préparation des commandes. Son aspect prédictif assure une préparation proactive en anticipation des demandes futures.
En ordonnançant les tâches selon la disponibilité des produits, l’IA améliore l’efficacité opérationnelle dans l’entrepôt. Elle garantit une gestion fluide des opérations en s’adaptant aux variations de la disponibilité des produits.
Résolution de problèmes complexes
L’Intelligence Artificielle intervient dans l’automatisation de la résolution de problèmes complexes, simplifiant ainsi la prise de décision. Sa capacité à traiter des données complexes permet une analyse rapide et précise des situations difficiles.
Calcul et adaptation des lead times
Compte tenu de la grande quantité de données dans la société actuelle, permettre à l’intelligence artificielle d’apprendre et d’automatiser l’analyse des données pour prédire les délais de livraison simplifie et améliore cette tâche souvent difficile et longue à accomplir. En raison des retards inattendus dans la Supply Chain, faire des hypothèses sur les dates de livraison pourrait être une erreur coûteuse.
L’IA, avec l’utilisation de capteurs intelligents et de données GPS, permet de suivre la localisation des produits tout au long du processus de distribution, prévenant ainsi les erreurs et améliorant la précision des délais de livraison.
Facturation et prédiction du cash-flow
Les entreprises peuvent également automatiser la facturation grâce à l’analyse prédictive de l’intelligence artificielle. Les soldes futurs peuvent être calculés pour les nouvelles factures grâce à une technologie intelligente qui reconnaît les tendances des paiements reçus et des dépenses de l’entreprise.
Gestion des risques
L’IA peut aussi atténuer les risques dans la Supply Chain. Sa transparence et sa capacité prédictive influencent la prise de décision sur de multiples scénarios liés à des risques et opportunités, comme des fluctuations de demande liées à des événements internes ou externes à l’entreprise. Ces scénarios pourraient également être établis entre fournisseurs et clients.
Automatisation de certaines tâches
L’IA permettra aussi aux équipes de se recentrer sur des activités moins répétitives et en traitant des quantités de données importantes sans se noyer dans les détails. Cependant, cela nécessitera un accompagnement et évolution des équipes aussi bien en termes d’organisation que de compétences et formation.
Sécurité et éthique dans l’utilisation de l’IA
L’adoption généralisée de l’IA soulève des questions de sécurité des données. Elle met également en exergue l’importance cruciale de l’éthique et de la transparence dans le développement et l’application des solutions d’IA.
Alors attention à ne pas céder aux sirènes d’une technologie sans en avoir clairement défini l’utilité et les objectifs…
Étude de cas 1 : Walmart, entreprise pionnière dans l’utilisation de l’IA
Walmart utilise massivement l’Intelligence Artificielle dans sa Supply Chain, adoptant une approche complète couvrant l’automatisation, les négociations, les achats et l’interaction avec les clients.
En utilisant l’IA dans les négociations de contrats, les chatbots de Walmart (Pactum) ont réalisés des économies de coûts d’achats de 1,5 % et ont prolongé les délais de paiement fournisseurs.
Les initiatives d’automatisation, visant une automatisation de 65% des magasins d’ici 2026, incluent des plates-formes telles que Google’s BERT et GPT-4.
Les prédictions de l’Intelligence Artificielle améliorent les flux de travail de la chaîne d’approvisionnement, équilibrant les stocks lors d’événements de pointe tels que le Black Friday.
La technologie aide à rerouter les expéditions lors d’événements imprévus, comme l’ouragan Ian, démontrant l’agilité de Walmart.
Selon l’entreprise, ses investissements dans l’IA ont entraîné des avantages substantiels, notamment une réduction des coûts logistiques de 15%, une minimisation des niveaux de stocks de 35% et une amélioration de leurs niveaux de service de 65% par rapport aux concurrents.
Étude de cas 2 : Carrefour innove avec l’IA pour optimiser sa chaîne d’approvisionnement et réduire le gaspillage
En 2023, Carrefour est devenu le premier distributeur français à utiliser l’intelligence artificielle pour optimiser la gestion des stocks et réduire le gaspillage.
La solution d’Intelligence Artificielle dans sa Supply Chain collecte et traite les données des magasins, des entrepôts et des sites d’e-commerce pour anticiper la demande et affiner les commandes aux fournisseurs. Cette gestion plus intelligente de la Supply Chain entraîne ultimement une réduction des ruptures et du surstock en magasins et en entrepôts.
Le déploiement de l’IA permet également la collaboration de plusieurs nouveaux métiers impliqués de manière complémentaire dans la gestion prévisionnelle, comme le Data Scientist pour le traitement des données et le Demand Planner pour l’expertise métier.
Enfin, cela permet également à Carrefour de franchir un cap dans l’optimisation de sa Supply Chain, libérant du temps pour les équipes qui peuvent se concentrer sur l’élaboration de stratégies de prévision différenciées, répondant au mieux aux attentes des clients tout en diminuant le gaspillage.
