L’intelligence artificielle dans les chaînes d’approvisionnement apporte des avantages tangibles aux entreprises qui choisissent de la mettre en place. Selon une récente étude de McKinsey, 61 % des dirigeants d’entreprise font état d’une diminution des coûts et 53 % d’une augmentation des revenus, conséquence directe de l’introduction de l’IA dans leurs chaînes d’approvisionnement. Plus d’un tiers d’entre eux font état d’une augmentation des revenus supérieure à 5 %. Les domaines générant des revenus dans la gestion de la chaîne d’approvisionnement comprennent les ventes et la demande, les prévisions, l’analyse des dépenses et l’optimisation du réseau logistique.
De tels résultats semblent encourageants. Alors qu’est-ce qui empêche d’introduire davantage d’IA dans les systèmes de gestion de la supply chain ? La question a été posée à Arnaud Morvan, directeur de l’engagement chez Aera Technology, une société qui se concentre sur l’IA. « Le recours à des technologies obsolètes crée un travail manuel qui prend beaucoup de temps et est source d’erreurs pour les praticiens de la supply chain », souligne Arnaud Morvan. « Ils passent souvent environ 50 % de leur temps à collecter et à analyser des chiffres provenant des systèmes mondiaux disparates. Cela ajoute des semaines ou des mois de retard aux processus de base qui doivent s’exécuter plus rapidement pour répondre à la demande du marché. »
La complexité croissante de l’infrastructure informatique de la chaîne d’approvisionnement « rend difficile l’obtention de la vitesse et de l’agilité requises sur les marchés actuels », ajoute-t-il. « Avec la mondialisation, il est courant pour les grandes entreprises d’exploiter des centaines de systèmes d’approvisionnement, de production et de distribution dans le monde entier, tant en interne qu’avec des partenaires. »
publicité
Au défi des portefeuilles de produits
Les supply chain d’aujourd’hui sont très différentes de celles d’il y a quelques années seulement, et elles continuent d’évoluer dans une économie extrêmement compétitive. Les dernières innovations comprennent « la création d’entrepôts pop-up, de modèles de navires à partir de magasins et d’autres innovations axées sur la vitesse », détaille-t-il. « Et les chaînes d’approvisionnement sont mises au défi de gérer efficacement des portefeuilles de produits croissants qui peuvent comprendre plusieurs milliers d’unités de gestion des stocks. Les volumes d’UGS continuent d’augmenter alors que les entreprises s’efforcent de répondre aux attentes des clients pour des tailles, des couleurs et d’autres variations de configuration de produits multiples. »
L’IA peut aider les entreprises à rester en phase avec ces changements. Arnaud Morvan appelle le type d’IA le mieux adapté à la gestion de la chaîne d’approvisionnement « l’automatisation cognitive ». Il s’agit essentiellement d’une IA très évolutive pouvant « traiter des téraoctets ou même des pétaoctets de données ». Une plateforme peut exécuter « des milliers de données de type Google par jour sur un nombre quelconque de système interne ou externe, puis les agréger et les normaliser dans ce que l’on appelle une couche de données cognitives. Là, les algorithmes d’IA et de machine learning sont appliqués pour produire des recommandations sur les actions optimales pour améliorer la vitesse et la rentabilité de la supply chain », explique-t-il. « En effet, l’automatisation cognitive prend le relais de la collecte de données lente, difficile et non échelonnable et du travail analytique traditionnellement effectué par les praticiens de la supply chain humaine, souvent dans des tableurs Excel. »
Un exemple d’IA ou d’automatisation cognitive dans la supply chain serait une société pharmaceutique et d’appareils médicaux qui utilise la technologie pour les mesures “disponibles à la vente (ATP)”. « La disponibilité ATP – la capacité à fournir une date de livraison à un client – peut potentiellement passer de 50 % à près de 90 %. » C’est rendu possible par « une visibilité de bout en bout de l’offre et de la demande mondiale grâce à la collecte et au traitement de données sur plusieurs systèmes en temps réel ». Elle peut également servir à « prévoir les délais de livraison grâce au machine learning nécessaire pour obtenir des dates et des quantités ATP précises, ce qui est particulièrement important pour les commandes en souffrance ». En outre, les supply chain améliorées par l’IA peuvent « surveiller en temps quasi réel les changements de l’offre et de la demande qui pourraient avoir un impact sur les dates et les quantités ATP », ainsi que « recommander des actions prescriptives pour prévenir les impacts sur les dates et les quantités ATP ».
Arnaud Morvan offre quatre avantages à l’application de l’IA (ou automatisation cognitive) pour relever les défis actuels des chaînes d’approvisionnement :
Une visibilité de bout en bout. Dans les réseaux complexes des supply chain actuelles, « une plateforme d’automatisation cognitive relève le défi de l’exploration constante des données à travers les applications, pour créer une couche de données unique et virtualisée », explique-t-il. « Cette couche révèle les causes et les effets, les goulets d’étranglement et les possibilités d’amélioration. Et elle fonctionne avec des données en temps quasi réel, plutôt qu’avec des informations qui peuvent dater de plusieurs jours, semaines ou même mois ».
Des perspectives analytiques exploitables. « Malgré l’investissement de millions de dollars dans des solutions de data lakes et de business intelligence, les entreprises n’ont toujours pas les connaissances nécessaires pour prendre des décisions en temps voulu afin de répondre aux attentes de rapidité et d’agilité accrues », explique Arnaud Morvan. « L’automatisation cognitive peut passer au crible de grandes quantités d’informations pour discerner des modèles et quantifier des compensations à une échelle bien supérieure à ce qui est possible avec les systèmes conventionnels. »
Réduire le travail humain manuel. « Les professionnels de la supply chain passent d’innombrables heures à recueillir des données provenant de systèmes disparates et à utiliser des outils de business intelligence ou des tableurs pour concevoir des plans. C’est une tâche de plus en plus difficile », déclare Arnaud Morvan. « Il y a tout simplement trop de données, trop d’applications et trop de variables à prendre en compte. L’automatisation cognitive prend le relais de la lourde tâche accomplie traditionnellement par l’homme. Elle fournit une analyse approfondie jusqu’au niveau de l’unité de gestion des stocks, ce qui n’est pas pratique avec une approche manuelle. »
Une prise de décision éclairée. « L’automatisation cognitive automatise et renforce les décisions grâce à des prévisions et des recommandations basées sur l’IA concernant les actions optimales à mener pour améliorer les performances de la supply chain », explique Arnaud Morvan. « Elle précisera les implications de divers scénarios en termes de temps, de coût et de revenu. Une plateforme d’automatisation cognitive peut également être autorisée à agir de manière autonome. Et en apprenant au fil du temps, elle améliore continuellement les recommandations à mesure que les conditions changent. »
Source : ZDNet.com
Comments