Table des matières
- Introduction
– Définition de l’IA dans la chaîne d’approvisionnement
– Principe 1 : l’IA doit compléter les humains, et non les remplacer
– Principe 2 : La fusion experte de l’IA, de l’heuristique et de l’optimisation est essentielle
– Principe 3 : La concurrence amplifiée par l’IA est une avancée majeure dans la gestion de la chaîne d’approvisionnement
– Principe 4 : Le pouvoir de l’IA doit être démocratisé
– Principe 5 : L’explicabilité est essentielle à l’adoption de l’IA
- Conclusion
Introduction
L’arrivée de ChatGPT fin 2022 a intensifié le brouillard numérique entourant l’intelligence artificielle (IA) dans la gestion de la chaîne d’approvisionnement. Alors que les PDG subissent une pression croissante de la part de leurs conseils d’administration pour accélérer l’adoption de l’IA et que les décideurs reconnaissent son rôle essentiel pour rester compétitifs, la volonté d’adopter cette technologie transformatrice est forte. Cependant, la nature complexe et évolutive rapide de l’IA, associée aux émotions exacerbées qu’elle évoque, peut laisser même les professionnels de la chaîne d’approvisionnement les plus chevronnés se sentir dépassés et incertains quant à la manière de procéder. Pour vous aider à traverser ce brouillard et à exploiter le vaste potentiel de l’IA dans la chaîne d’approvisionnement, nous présentons cinq principes directeurs pour réussir.
Définition de l'IA dans la chaîne d'approvisionnement
L’intelligence artificielle est avant tout une science qui consiste à imiter l’intelligence humaine pour résoudre des problèmes à l’aide d’ordinateurs. Ce vaste domaine englobe un large éventail de disciplines, chacune contribuant à l’objectif global d’améliorer la rapidité, la précision et l’élégance de la prise de décision en identifiant des modèles au sein de vastes volumes de données. De l’apprentissage automatique (y compris l’apprentissage profond) à l’optimisation, aux algorithmes génétiques, à l’automatisation des processus robotisés, à l’IA générative et à la gestion des décisions, les outils et techniques qui relèvent de l’IA sont divers et puissants.
Appliquée à la gestion de la chaîne logistique, l’IA a le potentiel de révolutionner les processus et d’améliorer la productivité à tous les niveaux. En générant des recommandations, en prédisant les tendances, en faisant émerger des informations, en automatisant les tâches et en offrant une vitesse et une évolutivité sans précédent, l’IA peut transformer le fonctionnement des chaînes logistiques. Cependant, pour exploiter pleinement ce potentiel, il est essentiel de comprendre non seulement ce que l’IA peut faire, mais aussi comment l’intégrer efficacement aux flux de travail existants.
Principe 1 : L’IA comme outil d’augmentation humaine
Les capacités de l'IA se développent à une vitesse fulgurante. Les machines sont désormais capables de produire du contenu créatif, de mener des recherches complexes et même de générer de l'art et de la musique. Ces prouesses impressionnantes sont rendues possibles par la capacité de l'IA à traiter et à apprendre des données à une échelle bien supérieure à la capacité cognitive humaine. Cependant, au milieu de l'enthousiasme suscité par ces avancées, il est essentiel de se rappeler qu'il y a certaines choses que les machines ne peuvent pas fournir, que j'appelle les 3 C : contexte, collaboration et conscience.
Les modèles d’IA, aussi sophistiqués soient-ils, ne peuvent pas tirer de sens du contexte – une compétence essentielle dans de nombreux domaines de la gestion de la chaîne d’approvisionnement, comme ce que Kevin O’Marah, leader d’opinion de Zero100, a appelé le « chuchotement de la machine ». En outre, l’IA ne peut pas travailler de manière collaborative pour résoudre des problèmes ou aborder des questions critiques comme la durabilité et les droits de l’homme dans les chaînes d’approvisionnement. C’est cette nature complémentaire des capacités humaines et des machines qui souligne l’importance d’utiliser l’IA comme un outil d’augmentation plutôt que de remplacement.
Les résultats les plus probants émergent lorsque les humains et l’IA travaillent ensemble, un sentiment partagé par 93 % des décideurs interrogés par Workday, qui croient en l’importance de garder l’humain au courant lorsque l’IA prend des décisions importantes. En tirant parti des atouts des humains et des machines, les professionnels de la chaîne logistique peuvent atteindre de nouveaux niveaux d’efficacité, de perspicacité et d’innovation.
Principe 2 : fusionner habilement l'IA, l'heuristique et l'optimisation
La capacité de l’IA à modéliser des problèmes à grande échelle permet de formuler des recommandations plus précises, telles que l’amélioration de la précision des prévisions de la demande ou de meilleures prévisions de livraison à temps. Cette précision est également une caractéristique de l’optimisation, un domaine de l’IA bien connu dans la gestion de la chaîne d’approvisionnement pour sa capacité à maximiser l’utilisation des ressources dans des contraintes données afin d’atteindre un objectif spécifique, comme la minimisation des coûts. Cependant, l’ampleur de ces problèmes peut être immense, l’optimisation d’un réseau d’approvisionnement impliquant potentiellement des millions de variables interdépendantes, ce qui entraîne des défis informatiques importants.
Dans certains cas, les professionnels de la chaîne logistique se tournent vers l’heuristique (des modèles de résolution de problèmes qui utilisent des solutions pratiques et « suffisamment bonnes ») pour générer rapidement des plans d’action réalisables. Si l’IA, l’heuristique et l’optimisation offrent chacune des avantages en termes de rapidité, de précision et d’élégance, elles comportent également des compromis. Il est important de reconnaître que les modèles mathématiques les plus récents et les plus avancés ne sont pas toujours les mieux adaptés à chaque situation, malgré ce que le battage médiatique pourrait suggérer.
Les solutions les plus élégantes impliquent souvent une fusion de méthodes, comme la combinaison de l’apprentissage automatique et de l’heuristique pour « démarrer à chaud » un modèle d’optimisation, accélérant ainsi le processus de résolution de problèmes. En intégrant de manière créative les points forts de chaque approche, les professionnels de la chaîne logistique peuvent trouver un équilibre entre rapidité, précision et élégance, garantissant que le bon modèle est utilisé pour le bon problème au bon moment.
Principe 3 : La puissance de la concurrence amplifiée par l'IA
Les chaînes d’approvisionnement sont des réseaux complexes qui relient plusieurs fonctions au sein d’une organisation et au-delà. Il est donc difficile d’optimiser l’ensemble de la chaîne en se concentrant sur des maillons isolés. Par exemple, même si l’IA peut améliorer considérablement la précision des prévisions, le véritable objectif n’est pas de créer des silos hautement efficaces, mais plutôt d’aligner la prise de décision sur l’ensemble de la chaîne d’approvisionnement pour des réponses plus rapides et plus cohérentes. Comme le souligne un groupe d’économistes canadiens, à moins que les solutions basées sur l’IA ne se traduisent par des décisions alignées sur l’ensemble de la chaîne d’approvisionnement, le problème fondamental de l’alignement de la demande sur l’offre reste entier.
La véritable avancée dans la gestion de la chaîne logistique ne vient pas seulement de l’IA, mais de la simultanéité, c’est-à-dire de l’intégration de l’IA dans les flux de travail pour permettre une prise de décision synchronisée sur l’ensemble de la chaîne logistique. En intégrant l’IA dans les processus simultanés, les professionnels de la chaîne logistique peuvent exploiter les capacités prédictives de la technologie tout en absorbant la volatilité inhérente qui découle des inévitables perturbations auxquelles les chaînes logistiques sont confrontées.
Dans ce contexte, le rôle de l'IA est d'apporter plus de précision, de rapidité et d'élégance aux prévisions, tandis que la simultanéité garantit que ces informations sont connectées et exploitées de manière coordonnée. Cette puissante combinaison permet aux chaînes d'approvisionnement de réagir plus efficacement aux conditions changeantes, ce qui conduit finalement à une amélioration des performances globales.
Principe 4 : démocratiser l’IA pour les professionnels de la chaîne d’approvisionnement
Pour exploiter pleinement le potentiel de l’IA dans la gestion de la chaîne logistique, il est essentiel d’étendre sa portée au-delà du domaine exclusif des data scientists. Si l’exploration et le développement continus de nouvelles applications d’IA nécessiteront toujours l’expertise de ces spécialistes, il est essentiel de permettre aux praticiens de la chaîne logistique d’adopter eux-mêmes l’IA pour une mise en œuvre et un succès généralisés. Les solutions d’IA les plus efficaces sont celles qui peuvent être facilement comprises et appliquées par des professionnels ayant une connaissance approfondie des données et des processus métier de l’entreprise, plutôt que de nécessiter une maîtrise technique approfondie de l’IA ou de la science des données.
Bien qu'une enquête de Workday ait révélé que 72 % des dirigeants estiment que leur entreprise ne dispose pas des compétences nécessaires pour mettre en œuvre pleinement l'IA, l'adoption de cette technologie ne doit pas nécessairement être une tâche ardue. En choisissant des solutions conçues spécifiquement pour ceux qui ont une connaissance approfondie de la chaîne d'approvisionnement et des affaires, les entreprises peuvent permettre à leurs équipes de tirer parti des connaissances et des capacités de l'IA sans avoir à se plonger dans les subtilités de la création de modèles.
La démocratisation de l’IA de cette manière garantit non seulement son adoption et son utilisation, mais permet également aux professionnels de la chaîne d’approvisionnement de partir de leur niveau de compréhension actuel et de faire évoluer progressivement leurs compétences au fil du temps. Lors de la sélection d’un fournisseur d’IA, il est essentiel de prendre en compte sa capacité à soutenir cette approche d’apprentissage progressif, car elle conduira finalement à des mises en œuvre plus réussies et plus durables.
Principe 5 : Assurer l’explicabilité de l’IA pour la confiance et l’adoption
Dans le monde complexe et à enjeux élevés de la gestion de la chaîne logistique, la confiance est primordiale. Pour que l’IA soit véritablement adoptée, elle doit être explicable : les utilisateurs doivent comprendre comment la technologie parvient à ses recommandations et à ses prévisions. Les solutions de type « boîte noire » qui n’offrent aucune visibilité sur leur fonctionnement interne peuvent faire hésiter les professionnels de la chaîne logistique à s’y fier, en particulier lorsqu’ils sont confrontés à des décisions critiques aux conséquences importantes.
L'IA explicable permet de mieux comprendre les facteurs qui influencent ses résultats, ce qui permet aux utilisateurs d'interpréter et de valider les résultats. Cela renforce non seulement la confiance, mais permet également aux professionnels de la chaîne d'approvisionnement de combiner leur propre expertise avec les informations fournies par l'IA, ce qui conduit à une prise de décision plus éclairée et plus sûre. En comprenant le raisonnement qui sous-tend les recommandations de l'IA, les professionnels peuvent mieux évaluer leur applicabilité à des situations spécifiques et procéder aux ajustements nécessaires.
De plus, l’explicabilité est essentielle pour identifier et atténuer les biais potentiels dans les modèles d’IA. Comme ces modèles apprennent à partir de données historiques, ils peuvent par inadvertance perpétuer ou amplifier les biais existants, conduisant à des résultats injustes ou sous-optimaux. L’IA explicable permet de détecter et de corriger ces biais, garantissant ainsi que la technologie est utilisée de manière éthique et responsable.
Pour aller plus loin
Pour réussir dans le brouillard numérique entourant l’IA, les professionnels de la chaîne logistique doivent impérativement adopter cinq principes directeurs : utiliser l’IA comme outil d’augmentation humaine, fusionner habilement l’IA avec l’heuristique et l’optimisation, tirer parti de la concurrence amplifiée par l’IA, démocratiser l’IA pour les praticiens et garantir l’explicabilité de l’IA. En trouvant le juste équilibre entre l’expertise humaine et l’intelligence artificielle, les organisations peuvent exploiter la puissance de l’IA pour améliorer la prise de décision, optimiser les processus et stimuler l’innovation dans un paysage de plus en plus complexe. Rester adaptable, ouvert d’esprit et engagé dans l’apprentissage continu est essentiel pour traverser en toute confiance le brouillard de l’IA et vers un avenir plus efficace.
