L'IA déploie ses avantages au cœur de la supply chain

À mesure qu’elle se développe, l’intelligence artificielle n’en finit pas de montrer les bienfaits qu’elle peut apporter aux organisations logistiques et supply chain. Et c’est justement sur ces multiples applications que portait la conférence « IA et Supply chain : comment bénéficier des atouts offerts par les nouvelles technologies ? », organisée le 22 septembre 2020 dans le cadre de Salons Solutions et animée par Laurène de Vialar, directrice associée de Vox361. L’occasion tout d’abord de faire le point sur une technologie dont le déploiement s’est accéléré ses dernières années grâce « à une augmentation de la puissance de calcul, qui permet aujourd’hui de mettre en place des algorithme avancés et du machine learning dans nos domaines de compétence », introduit Rémi Coolen, business solutions director chez l’éditeur Manhattan Associates. La société introduit depuis plusieurs années des blocs d’IA dans ses solutions WMS pour le pilotage. Une montée qui colle avec une appétence désormais bien installée des entreprises clientes pour ce type de solution. « Elles perçoivent ce que peut leur apporter l’IA quotidiennement face à une complexification des enjeux pour la supply chain. C’est le cas par exemple dans la distribution omnicanal, qui doit jongler entre du réassort magasin à la palette et de la préparation e-commerce à l’unité avec les mêmes sites et les mêmes stocks. Tout l’intérêt de cette technologie réside dans la possibilité qu’à la machine de réaliser des choses inaccessibles aux humains », précise Rémi Coolen.

Des entreprises pragmatiques

Mais face à ces enjeux, les entreprises ne veulent pas se lancer tête baissée, bien au contraire. Et un mot revient souvent à la bouche des décideurs : le pragmatisme. « Nos clients commencent à s’intéresser à ces technologies mais ils veulent du gain, faire mieux avec moins de stock et de ressources. Tout doit être mis en regard avec un ROI », raconte ainsi Romain Van Mullem, responsable de l’offre conseil supply chain, BU Business Consulting de Hardis Group. Les projets sont d’ailleurs multiples et peuvent être abordés de manières très différentes selon qu’ils touchent l’exécution ou le pilotage. « En entrepôt, une technologies que nous utilisons beaucoup chez Hardis Group, c’est la reconnaissance d’image – qui nous permet de récupérer de la donnée supplémentaire via des caméras, que ce soit pour manager les activités ou pour permettre la mise en place de technologies automatisées comme les AGV. Chez Schneider Electric, nous avons mis en place un système de mesure des palettes dans un entrepôt cross dock, permettant de savoir quand une palette était déposée et quand elle était reprise, pour piloter en temps réel. Cela a permis de réduire d’un tiers le temps de stationnement des palettes. Côté pilotage, on est plutôt dans l’analyse de grands volumes de données afin de pouvoir compléter le travail des prévisionnistes : l’IA peut ainsi aider à améliorer la qualité des prévisions ou réaliser de nouveaux types d’analyses, qui n’auraient pas pu être faites par un cerveau humain », précise Romain Van Mullem.

Faire appel à la machine pour répondre de manière plus précise et plus forte aux problématiques de la supply chain, c’est aussi ce que proposent les solutions d’Acteos, éditeur dans le supply chain management qui propose une solution de prévision pour l’approvisionnement. « Classiquement, la supply chain fonctionne sur un ensemble de règles que l’on programme pour avoir des résultats. Avec le machine learning, on inverse ce paradigme et l’on va donner des réponses à la machine qui va, elle, réussir à en découvrir les règles sous jacentes. Notre moteur IA peut ainsi analyser les comportements de vente ou les aléas dans le pilotage de l’entrepôt, et s’utiliser dans tous les maillons de la chaine logistique – pour de la gestion prévisionnelle des ressources ou du stockage optimisé », explique Christian Zelle, directeur R&D d’Acteos France, qui constate lui aussi des clients plus matures : « prêts à challenger nos solutions avec leurs propres analyses ».

Conduite du changement

Reste cependant à bien cadrer le projet et à comprendre que le développement d’une solution IA doit se faire de manière progressive, avec une phase d’apprentissage. « Il faut débuter par un projet bien calibré, dont on sait les résultats attendus, et ne visant pas tout de suite les éléments cruciaux de l’organisation. Il faut également accepter que l’IA peut faire des erreurs, mais qu'elle va apprendre de celles-ci. Cela peut être un frein important dans les projets, mais qui est levé avec de la pédagogie », estime Romain Van Mullem. Un avis partagé par Rémi Coolen, qui insiste sur la nécessité d’une bonne conduite du changement chez les entreprises intéressées par le sujet : « Le fait de remplacer, de supprimer des tâches chez des opérateurs et des pilotes de flux pose la question de comment le temps va être libérer. Il faut expliquer pourquoi on le fait, à quoi va être utilisé le temps libéré : plutôt que de se focaliser sur des tâches automatisables, les personnes vont alors passer plus de temps sur les cas problématiques. Il faut également de la transparence. Les opérateurs et superviseurs peuvent avoir du mal à accepter la décision du système automatisé si elle leur semble contre-intuitive. Le mode boite noire devient donc éliminatoire : il faut que les préconisations de l’IA soient accompagnés de visualisations de la donnée pour permettre aux utilisateurs finaux de mieux les comprendre et les accepter ».

Reste que les projets sont là aujourd’hui, et apportent des résultats très avantageux : « Nous avons un client qui utilise nos produits depuis des années. Il y a eu plusieurs étapes : la gestion des stocks, puis l’approvisionnement, jusqu’à l’expédition au plus proche du client final sur les points de vente. Aujourd’hui, l’IA permet le lissage de flux logistique, d’optimisation du transport et de la préparation de commande. Elle offre une granularité de la donnée inédite qui ouvre de nouvelles portes. C’est le message clé à mes yeux : utiliser l’IA est un ticket d’entrée vers une optimisation nouvelle de la supply chain », note Christian Zelle. Même constat du côté de chez Manhattan Associates : « Aujourd’hui, dans un entrepôt omnicanal, il faut faire coexister des opérateurs, des équipements mécanisés, une variété d’emplacements et de modes de préparations... Un système basé sur l’IA va pouvoir maximiser l’utilisation des ressources, c’est que nous appelons un moteur d’ordonnancement – ou order streaming. Ce type de solution permet de faire le lien entre le respect du service client et la nécessité de performance opérationnelle », résume Rémi Coolen.