L’Intelligence Artificielle dans la Supply Chain
- 22 novembre 2020
- 3 mins
[RAPPORT]
Intelligence Artificielle en logistique : 6 exemples d’applications
Contenus réalisés en collaboration avec adameo
L’Intelligence Artificielle est un ensemble de techniques à la confluence de l’informatique et des mathématiques qui permettent de répliquer certains mécanismes de la cognition humaine.
De cette façon les algorithmes peuvent reproduire et réaliser certaines tâches qui vont de la compréhension et du traitement de la donnée jusqu’à la prise de décision automatisée. L’IA est aujourd’hui présente partout dans notre quotidien, que ce soit dans les jeux vidéos, dans les robots ménagers ou encore dans la recommandation de séries sur certaines plateformes.
Il existe des cas d’usages moins connus, non visibles du grand public : L’Intelligence Artificielle appliquée à la Supply Chain.
La Supply Chain est un monde de la donnée que l’Intelligence Artificielle est en train de révolutionner. En effet, tout au long des chaînes logistiques, un grand nombre de données est généré. Cette donnée va pouvoir être consommée par l’Intelligence Artificielle afin de permettre à chacun des acteurs de la chaîne de gagner en performance mais également de mieux connaitre, de mieux comprendre le client, que ce soit un client intermédiaire ou les clients finaux.
Tout au long de la Supply Chain, il existe de nombreux cas d’usages que l’IA va pouvoir traiter : de la prise du besoin client jusqu’à la livraison effective des biens, en passant par la planification et l’approvisionnement.
La prévision des ventes grâce à l’Intelligence Artificielle
Un des cas d’usages classiques de l’Intelligence Artificielle en Supply Chain est la prévisions des ventes : il est possible, grâce à l’IA, de mieux aligner la demande sur une projection.
Le Machine Learning ou apprentissage automatisé permet en effet d’analyser les données liées aux opérations commerciales révolues, en déterminant celles qui ont été les plus profitables et en identifiant pourquoi elles l’ont été grâce à la prise en compte d’un certain nombre de facteurs, que ce soient des critères liés au passé (historiques, tendances, pré-lancements) mais également des critères plus contextuels (phénomènes météorologiques, la pénurie de matières premières). Il est ainsi possible d’aligner la demande sur une projection.
L’apprentissage automatique a l’avantage de prendre en compte des facteurs de causalité qui influent sur la demande et que les méthodes existantes, de l’analyse statistique à la modélisation complexe de simulation, ne permettent pas de suivre ni de quantifier.
Le Machine Learning améliore ainsi l’anticipation et le pilotage des opérations commerciales de manière significative.
L'Intelligence Artificielle pour planifier les tournées de livraison
La planification des tournées peut être réalisée et assistée par des techniques d’optimisation de tournées.
La planification des tournées se fait grâce à des algorithmes d’optimisation puissants, capables de calculer des tournées efficaces en temps, en kilomètres ou plus généralement en termes de coûts opérationnels de livraison. Ces tournées doivent être calculées de façon respecter des contraintes de qualité de service (créneaux de livraison, etc.), de temps de travail, de capacité de véhicules, etc.
C’est un problème difficile, car le nombre de solutions possibles est quasiment infini et sur les cas réels, l’âge de l’univers ne suffirait pas à tester toutes les tournées possibles, là où ces algorithmes peuvent travailler en quelques secondes ou minutes, pour des gains opérationnels qui vont généralement de 10% à 40%.
Prérequis des projets d'Intelligence Artificielle
Aujourd’hui, grâce aux différentes méthodologies projet et aux différentes technologies qu’on peut trouver sur le marché, les risques et les prérequis des projets d’IA sont relativement limités. Ces projets deviennent donc accessibles à un grand nombre d’acteurs.
Avant de se lancer dans un projet d’Intelligence Artificielle en interne, il convient d’établir le niveau de maturité et de maîtrise que l’organisation a sur sa donnée. Est-il facile d’accéder à la donnée ? Est-il possible de la manipuler ? Ces prérequis seront nécessaires lorsqu’il s’agira de la mettre à disposition des différents outils d’Intelligence Artificielle à mettre en œuvre afin d’obtenir les gains escomptés.
Le second prérequis est d’être prêts pour le changement. En effet, les projets d’IA sont des projets qui font intervenir un grand nombre d’acteurs au sein de l’entreprise et doivent donc s’inscrire dans une démarche collective.
Retrouvez plus d’informations sur le sujet dans notre vidéo « Comment optimiser la Logistique avec l’Intelligence Artificielle ? »
Vous voulez aller plus loin ? Retrouvez les articles de notre dossier “Collaboration Humain-IA dans les solutions industrielles”
Introduction à l’Intelligence Artificielle pour l’Industrie : 3 questions à Cédric Hervet
Cédric Hervet est docteur en Mathématiques Appliquées et co-fondateur de Kardinal. Depuis plus de 10 ans, il étudie et conçoit des
Quelles technologies dans les systèmes d’Intelligence Artificielle ?
Dans les médias, sans doute du fait des importants progrès réalisés au cours des dernières années grâce à ces techniques,
Classification de la capacité à prendre des décisions : Machine versus Humain
On l’a vu, l’IA recouvre un ensemble de tâches et de techniques très variées. Néanmoins, d’un point de vue industriel,
