Comment l'IoT et l'analytique redessinent les chaînes d'approvisionnement post-COVID

Dans le marché volatile d'aujourd'hui, l'agilité et la résilience de la chaîne d'approvisionnement ne sont plus optionnelles — elles sont critiques pour la survie. Pour répondre à ces demandes, les entreprises se tournent vers les dernières technologies numériques.

Les facilitateurs clés incluent l'Internet of Things (IoT), l'automatisation d'infrastructure, l'intelligence artificielle (IA), l'analytique avancée, l'intégration API, et le concept émergent de jumeaux numériques de la chaîne d'approvisionnement.

L'intérêt pour ces technologies a accéléré pendant la pandémie mondiale de coronavirus, même si de nombreuses entreprises avaient déjà commencé à les explorer avant le COVID-19.

L'enquête 2019 de Gartner sur l'impact du business digital a révélé une pénétration extensive de l'IoT, avec 59 % des répondants rapportant un déploiement partiel ou complet à travers leurs organisations. Une enquête IoT Adoption Survey 2020 subséquente par IoT World a trouvé que 51 % des participants voyaient un besoin croissant d'initiatives digitales, incluant l'IoT.

« La flexibilité post-COVID de la chaîne d'approvisionnement est moins une question de déplacement de la demande et plus une question de déplacement de la consommation », dit Amber Salley, directrice et analyste chez Gartner. Elle cite la ruée sur le papier toilette de mars 2020 comme exemple frappant de la rapidité avec laquelle les modèles de consommation peuvent changer.

Les leaders de la chaîne d'approvisionnement font maintenant face à des décisions technologiques long terme tout en luttant avec des modèles économiques perturbés. Les outils de machine learning pilotés par l'IA promettent des bénéfices comme la gestion d'actifs en temps réel, l'optimisation des stocks et la maintenance prédictive.

Salley note que le machine learning excelle à la reconnaissance de patterns — mais seulement quand il est nourri de données de haute qualité et volume élevé. « Le défi est que de nombreuses organisations manquent de la largeur de données requise pour des modèles robustes », dit-elle.

Les professionnels IT naviguent un marché encombré de solutions d'analytique. Les fournisseurs clés incluent Anaplan, Blue Yonder, DHL Supply Chain, EY Supply Chain and Operations, IBM, John Galt, LLamasoft, Logility et SAP.

Les appareils IoT deviennent centraux pour la surveillance de la chaîne d'approvisionnement, et les leaders cloud comme AWS, Google et Microsoft s'associent à des spécialistes comme Accenture, Cognizant, Pluto7 et TensorIoT pour livrer de l'analytique sur mesure.

Analytique qui regarde en arrière, pas en avant

Les modèles statistiques, bien que précieux pour l'analyse historique, peinent à anticiper des perturbations sans précédent. Jeanette Barlow, vice-présidente d'IBM Sterling Supply Chain, souligne le besoin d'outils prospectifs.

IBM Sterling exploite l'IA cognitive Watson pour corréler les données à grande échelle, une capacité qui a grandi en importance alors que les flux IoT surgent en volume et vélocité.

Technologies fondamentales pour l'IoT de la chaîne d'approvisionnement

L'adoption de machine learning avancé dépend de la maturité digitale d'une organisation. Alex Pradham, leader de la stratégie produit chez John Galt Solutions, note que de nombreuses entreprises nécessitent encore des technologies fondamentales avant de scaler l'IA.

Pradham souligne la baisse du coût des capteurs IoT et la valeur des données ultra-fraîches pour la planification à court terme. « Des données de haute qualité sont la première étape vers l'efficacité opérationnelle », dit-il.

John Traynor, vice-président et directeur général chez TensorIOT, rappelle que l'analytique simple — comme les moyennes mobiles — n'est utile que si les données sont valides. Il cite un récent partenariat avec AWS et Semtech pour créer un kit basé LoRa qui connecte les appareils terrain aux services AWS pour le suivi d'actifs et applications de bâtiments intelligents.

Intégration API pour les chaînes d'approvisionnement

L'IoT pilote de nouvelles catégories de systèmes qui automatisent l'acquisition de données. Le chief digital officer de Cognizant, Prasad Satyavolu, a récemment annoncé l'acquisition de Bright Wolf pour étendre ses offres IIoT.

« Les données externes peuvent être intégrées dans les systèmes de planification via des APIs », dit Satyavolu. Il cite des entreprises manufacturières incorporant le tableau de bord COVID-19 de Johns Hopkins comme exemple.

Jumeaux numériques de la chaîne d'approvisionnement

Gartner appelle le jumeau numérique de la chaîne d'approvisionnement une « représentation dynamique, temps réel, phasée dans le temps » de la chaîne d'approvisionnement physique. Bien qu'encore émergente, la technologie permet la simulation d'entrepôt, la prévision d'inventaire et l'analyse what-if.

Des développeurs comme Ansys, Dassault, GE, MathWorks, PTC et Siemens construisent des plateformes pour les jumeaux numériques. Salley conseille de commencer par un problème business clair et de prouver la valeur à petite échelle.

Les systèmes existants peuvent nécessiter des mises à niveau, car les jumeaux numériques reposent souvent sur des bases de données graphes pour modéliser des interconnexions complexes. « Des données de haute granularité, faible latence — exactement ce que l'IoT livre — sont essentielles », note-t-elle.

Avec les données IoT en streaming, les gestionnaires de chaîne d'approvisionnement peuvent anticiper les temps d'arrêt d'équipement, identifier les pénuries de pièces et déplacer la production proactivement.

« L'objectif est d'atteindre une meilleure visibilité, agilité et résilience », conclut Salley. « Même dans la disruption, des décisions éclairées sous pression sont possibles quand technologie et gens travaillent ensemble. »