Comment utiliser l’IA et la Data pour rendre la supply chain plus intelligente ?

Share this post:

La crise du Covid-19 a eu un impact sanitaire et économique sans précédent. Face à une activité encore très volatile et à une reprise économique qui se fait attendre, les nouvelles technologies et en particulier l’IA offrent des solutions et des leviers d’accélération. Dans ce contexte, comment utiliser au mieux les capacités de l’IA pour sortir plus rapidement de la crise et mettre en place de façon durable des process apprenants au sein des entreprises ?

Les articles de la série « La relance & la transformation par l’IA » ont pour vocation de donner des éclairages concrets et des leviers d’actions.

Ce premier article s’intéresse à la question de l’optimisation de la supply chain.  En effet, la supply chain est mise sous tension depuis le début de la crise du Covid-19 : demande volatile, forte fluctuation des niveaux de stock (rupture, sur-stock…), contraintes logistiques…

Dans un contexte global de fort ralentissement (perte d’activité économique par rapport à une situation « normale » de 29 % en avril, puis de 22 % en mai, et 12 % en juin[1]), de fortes variations sont observées par secteurs. A titre d’illustration, après avoir augmenté de +11,4% en mars, baissé de -7,7% en avril, les ventes de produits alimentaires augmentent de nouveau de +1,9% au mois de mai.[2].

Dans ce contexte, comment l’IA peut-elle réduire ces vulnérabilités et rendre les chaînes d’approvisionnement plus intelligentes ?

Mieux prévoir la demande et les stocks

La crise du Covid-19 a mis l’accent sur l’extrême volatilité de la demande. Pour pallier cette instabilité, les entreprises doivent réagir rapidement. En combinant des approches classiques d’analyse de l’historique à l’analyse de données non structurées, les entreprises vont améliorer significativement leurs prévisions.

En effet, l’analyse des données non structurées externes (analyses sectorielles, tendances des consommateurs sur les réseaux sociaux…) et internes (contrats, bons de commandes, factures d’achats…), aide à comprendre et prédire la demande des consommateurs. Ainsi, grâce à des tableaux de bords restituant l’information en temps réel, il est possible d’avoir une meilleure compréhension de la demande et d’ajuster les approvisionnements en conséquence.

De façon très concrète et opérationnelle, la lecture et l’analyse industrialisées de l’ensemble de ces données se fait au travers une plateforme, s’appuyant sur l’IA, qui permettra de :

1. Identifier et anticiper les alertes mondiales
2. Mesurer et quantifier l’exposition aux risques internes
3. Utiliser les données socioéconomiques et macroéconomiques pour améliorer les prévisions à court, moyen et long terme (anticipation des changements de mode de consommation, participant ainsi à réduire les pénuries ou sur-stocks)

Mieux gérer l’ensemble des contraintes logistiques

Un autre défi pesant sur la supply chain consiste à prévenir les contraintes logistiques, comme par exemples des routes fermées, des modes de transport inaccessibles ou du personnel non mobilisable – des situations auxquelles de nombreuses entreprises ont été confrontées ces derniers mois. Ce problème peut devenir quasi insoluble lorsque la supply chain fait appel à de multiples partenaires. Tout ceci alourdit les coûts et perturbe le fonctionnement de l’entreprise.

Les algorithmes de machine learning optimisent la logistique lorsqu’il faut faire face à un nouveau jeu de contraintes, comme une augmentation soudaine des livraisons à domicile. A titre d’exemple, ces algorithmes optimisent la gestion du « dernier kilomètre » en prenant en compte les itinéraires, les chauffeurs, les créneaux horaires, des données de circulation, les données météos…

Par ailleurs, des algorithmes d’optimisation des ressources vont pour leur part permettre une meilleure répartition des effectifs au sein des différents sites. Enfin, des solutions d’optimisation du chargement des camions via la réalité augmentée sont également envisageables.

Pour aller plus loin

Adopter l’intelligence artificielle, c’est avant tout s’interroger sur la façon de rendre les processus plus intelligents, pour travailler mieux, plus vite et plus efficacement. Selon Gartner, l’IA serait intégrée dans 25% de toutes les solutions technologiques de la chaîne d’approvisionnement d’ici 2023. Au-delà du réel besoin métier et de la maturité des technologies, ce passage à l’échelle[3] ne peut pas se faire sans une vision d’ensemble, une gouvernance dédiée, un socle technique, des compétences clés et un accompagnement au changement.

Envie d’en savoir plus ? Besoin d’aide sur vos projets d’IA ?

=> Visitez notre page Consulting en Intelligence Artificielle

Découvrez également les autres articles de la série « La relance & la transformation par l’IA »

– Le 2ème article qui s’intéresse à l’utilisation de l’IA dans la relation client : « Comment l’IA améliore et rend plus « intelligente » la relation client ? »

– Le 3ème article qui s’intéresse à l’IA dans le secteur des télécoms : « L’intelligence artificielle s’enracine dans les télécoms »

[1] Chiffres Insee, Point de conjoncture du 17 juin 2020

[2] Selon Insee, chiffres d’affaires de grandes surfaces, mai 2020

[3] Le « passage à l’échelle » sera développé dans un autre article de la série «La relance & la transformation par l’IA »