Et après la crise ? Quelle agilité logistique pour le dernier kilomètre ?

Depuis plusieurs mois déjà, la Supply Chain est frappée de plein fouet par une crise inédite. D’abord locale, l’arrivée du Covid-19 en Chine a engendré des ruptures de la chaîne d’approvisionnement, mettant rapidement en lumière la dépendance de l’économie mondiale à la Chine et pointant les limites des chaînes logistiques mondialisées. En quelques semaines, la progression du virus et les mesures de protection sanitaires l’accompagnant ont ensuite impacté chaque organisation localement. En plus de devoir s’adapter à des variations très brutales, les organisations logistiques ont également dû s’organiser pour assurer, quand cela était possible, la continuité de leur activité, et ce malgré les difficultés organisationnelles qu’implique le confinement.

La Data sur le devant de la scène

La dépendance des approvisionnements à un bassin de production quasi-unique et l’absence de visibilité sur l’ensemble de sa chaîne logistique sont aujourd’hui pointés du doigt par les experts. La visibilité et le partage de l’information entre partenaires et fournisseurs sont des éléments clé de la gestion des risques et du maintien de l’activité. La digitalisation de la Supply Chain à tous ses niveaux, déjà au cœur des préoccupations avant la crise, semble désormais inéluctable et urgente.

Le fonctionnement de la Supply Chain, s’appuyant sur des modèles de prévision résultant d’années d’optimisations, d’expériences et de pattern éprouvés, peine à trouver son équilibre. La data ne permet plus aujourd’hui de prédire finement le futur tant la crise est inédite, toutefois, elle reste l’élément essentiel à la continuité de l’activité en permettant de comprendre et de réagir.

Parmi tous les maillons de la chaîne, le dernier kilomètre est reconnu pour être à la fois le plus coûteux, le plus complexe à opérer et le plus dépendant d’une donnée fiable et de qualité. En pleine crise sanitaire, la donnée et les moyens de l’activer sont une denrée rare qu’il faut exploiter au mieux.

Le dernier kilomètre à l’épreuve du Covid-19

A l’épreuve de la crise que nous traversons, le dernier kilomètre et ses acteurs subissent des variations de l’activité brutales et très différentes d’une organisation à l’autre. Le confinement à domicile et la fermeture d’un grand nombre de points de ventes ont très durement impacté les modèles de distribution en place. A la mi-mars, tandis que Mondial Relay et Relais Colis annonçaient une cessation de leur activité, Amazon annonçait quant à lui avoir besoin de recruter 100 000 salariés supplémentaires pour répondre à l’explosion de la demande. Depuis le début de la crise, de nombreux acteurs ont revu leur business model et se sont adaptés pour adresser leur marché autrement.

Variation des volumes et de la répartition géographique des commandes, diminution des ressources disponibles, contraintes organisationnelles de distanciation sociale, priorisation de certains canaux ou services : les industriels et logisticiens qui ont pu assurer la continuité de leur activité ont dû faire preuve d’agilité et de réactivité.

Pour autant, nombre d’entre eux fonctionnent avec les moyens du bord et la grande expérience de leurs équipes. La plupart sont en effet peu ou pas équipés en capacité d’analyse et d’optimisation pour tester différents modèles et, in fine, faire de meilleurs choix. La data et l’IA peuvent, dans ce contexte, se révéler un atout majeur pour éviter des erreurs très coûteuses, et tenter de préserver la performance pendant la crise.

Data, IA et Machine Learning pour une logistique plus agile

En période de crise, alors que les transporteurs et logisticiens sont confrontés à des incertitudes fortes quant à leurs volumes d’activité et à la présence de leurs collaborateurs, on comprend aisément que les outils d’optimisation qu’ils utilisent au quotidien peuvent leur être d’une aide précieuse.

Mais le sont-ils vraiment ? Ou plutôt, sous quelles conditions le restent-ils ?

Optimiser les coûts de livraison nécessite de connaitre la structure des coûts et les paramètres qui s’applique aux tournées. Or, dans les conditions de la crise sanitaire et économique que nous traversons, de nombreux paramètres ont changé : prix des carburants, frais d’équipement en matériel de protection, nécessité de recourir aux heures supplémentaires, absence de trafic routier, etc. Il faut pouvoir répercuter ces changements dans l’optimisation pour que celle-ci reste pertinente.

Des acteurs spécialistes de l’alimentaire qui livraient la RHD se sont mis à distribuer leurs produits à domicile, devant faire face à de nouvelles contraintes, propres à la livraison en B2C. Hier, livrer à domicile impliquait de respecter scrupuleusement les créneaux horaires annoncés sous peine de subir des échecs de livraison. A l’heure du confinement et de l’absentéisme, cet objectif parait dérisoire comparé à celui de minimiser les ressources. Ces nouveaux objectifs et ces nouvelles contraintes doivent pouvoir être déclarés et modélisés dans les outils d’optimisation, sans quoi ces derniers resteraient vains.

Adapter l’utilisation des outils opérationnels au nouveau contexte afin d’y réagir est une chose, être capable d’anticiper et de faire les meilleurs choix en toute connaissance de cause en est une autre. Aujourd’hui peu de logisticiens sont outillés en solutions permettant de simuler différents scénarios d’optimisation du dernier kilomètre.

En mixant des techniques de Machine Learning (sur historiques courts et récents) et d’optimisation, il est par exemple possible de tester de nouvelles configurations et de nouveaux schémas d’organisations dans l’entrepôt afin de les évaluer et d’en prévoir les répercussions avant leur mise en pratique (par exemple : fermeture d’un site et ré-allocation des ressources, réductions brutales ou rotation des effectifs, anticipation des besoins prestataires, modification du nombre de vagues de départ des camions, simulation de prise de postes séquencées, variations sur les temps de cut-off, etc).

Une fois la nouvelle organisation cible identifiée avec l’outil de simulation, il devrait être possible de l’implémenter automatiquement dans l’outil d’optimisation utilisé au quotidien afin de répercuter les choix stratégiques sur les opérations.

Ces dernières années, les efforts de digitalisation tendaient le marché vers une recherche constante d’amélioration de la performance. La crise actuelle révèle également qu’elle peut être un formidable levier de collaboration et d’adaptation aux changements brutaux du monde. Ainsi, la Supply Chain de demain n’aura pas seulement vocation à être performante, mais également à être agile et résiliente, le Covid-19 ayant mis en lumière son rôle fondamental dans nos sociétés. Tout laisse à penser que le Machine Learning, l’IA et l’optimisation auront un rôle clé à jouer dans cette mutation.