La supply chain auto-pilotée : révolutionner la logistique et la gestion des risques

L'ère des voitures et camions autonomes est presque sur nous. Qu'en est-il des supply chains auto-pilotées ?

Au cours des dernières décennies, la technologie s'est immiscée dans tous les aspects de la gestion de la supply chain. Jusqu'à présent, cependant, la présence d'un humain pour prendre des décisions clés sur la production et la distribution a été requise.

C'est particulièrement le cas en matière de gestion des risques, une discipline devenue essentielle à la survie des organisations mondiales modernes. Les gestionnaires de supply chain doivent peser la probabilité de toute une série de perturbations potentielles, qu'il s'agisse de catastrophes naturelles comme les inondations, tsunamis et volcans, ou d'événements d'origine humaine comme les actions syndicales et les attentats terroristes, et prendre les mesures appropriées. Une telle détermination a été jugée au-delà des capacités des machines.

Jusqu'à maintenant. L'intelligence artificielle, avec sa capacité à trier d'énormes quantités de données et à détecter des motifs invisibles à l'œil humain, joue un rôle de plus en plus important dans la prévision et la gestion des risques. Le jour viendra peut-être bientôt où les machines auront une meilleure vision de l'avenir que les humains qui les ont construites.

Les innovations les plus prometteuses en IA aujourd'hui se produisent dans les produits pharmaceutiques et les biens de consommation emballés, selon Fred Laluyaux, PDG d'Aera Technology, Inc. Ils sont sous la plus forte pression d'Amazon pour transformer radicalement la façon dont ils servent les clients.

Un client me l'a décrit de manière éloquente, se souvient Laluyaux. Ils ont dit : "Nous serons les prochains à partir si nous ne changeons pas."

Pour les détaillants traditionnels, le défi réside dans la protection de leurs marques à une époque où les consommateurs s'intéressent davantage au prix, à la commodité et à la vitesse. Grâce à Amazon, dit Laluyaux, aller dans un magasin devient irrelevant. Pour égaler les capacités du géant du e-commerce, les vendeurs doivent booster l'efficacité à chaque étape de leurs supply chains. Et cela inclut de faire un meilleur travail de gestion des risques.

Une grande partie des avancées en IA se produit dans le domaine de l'analytique prédictive. Les fabricants sont forcés d'accélérer le processus de mise du produit chez les acheteurs. En même temps, la disponibilité du big data, tout en présentant une image bien plus large du marché, inonde les planificateurs d'informations. Sans l'aide de systèmes automatisés pour interpréter cette entrée, ils ne peuvent pas distinguer le signal du bruit.

Les entreprises ne peuvent plus se contenter de plans de promotion annuels et de cycles de planification des ventes et opérations (S&OP) de six mois. Les conditions du marché — en particulier les goûts de consommateurs volages — changent trop vite pour cela. Il faut atteindre le niveau de performance supérieur, dit Laluyaux. Ce [degré d']automatisation vous amène là où les humains ne peuvent pas suivre.

L'objectif ultime, bien qu'insaisissable, est un système qui répond aux conditions du marché en temps réel. La détection de la demande n'est pas une nouvelle discipline, mais elle a longtemps été entravée par des outils et processus hérités qui retardent l'action nécessaire. Sous sa forme actuelle, la capacité s'étend bien au-delà de l'accès aux chiffres de vente pour inclure des éléments tels que l'emballage intelligent.

Les entrées consistent en tout, depuis les données de point de vente (POS) jusqu'aux prévisions météo, les audiences Nielsen, les publications sur les réseaux sociaux et l'intelligence concurrentielle. Dans le monde pharmaceutique, ajoutez les mises à jour sur l'approbation gouvernementale de nouveaux médicaments.

Le filet s'élargit de plus en plus, dit Laluyaux, et le grain devient de plus en plus fin.

En tant que système autonome, l'IA a peu de valeur. Pour être efficace, elle doit combiner des flux de données disparates et s'étendre sur de multiples fonctions de la supply chain. Disons qu'un détaillant connaît une hausse de 2 % des ventes pour un article particulier. Pour répondre à la demande inattendue, il doit être capable d'identifier la source optimale pour augmenter la production, évaluer les capacités de fabrication, réviser la nomenclature et ajuster les niveaux de stock en conséquence. Si les systèmes transactionnels ne parlent pas entre eux, ce processus peut prendre des jours — trop tard pour que le marchand profite d'une tendance éphémère.

De plus, le système d'IA doit mélanger son trésor de données avec des experts humains, qui restent responsables de prendre les décisions finales sur quand et où le produit doit être expédié.

Laluyaux décrit le concept de plan de travail cognitif, où l'IA interprète les données et fait des recommandations, qui sont ensuite (pour la plupart) exécutées par des experts humains. Mais ce n'est qu'une phase transitoire dans l'avancement de l'IA. La nature de l'apprentissage machine fait que le système s'améliore avec l'expérience pour trouver les actions appropriées à prendre. Finalement, il devrait être capable de prendre bon nombre de ces décisions clés sans avoir besoin d'intervention humaine. À ce moment-là, l'analytique prédictive devient prescriptive.

Nous sommes loin du point où l'automatisation prend entièrement le relais des gestionnaires humains. Si la progression va du prédictif au prescriptif au totalement autonome, alors de nombreuses entreprises restent bloquées entre les étapes un et deux, dit Laluyaux. Les perspectives pour une supply chain auto-pilotée sont raisonnablement bonnes ; c'est juste la chronologie qui est en question. Pour l'instant, il est trop tôt pour que les humains pensent à retirer leurs mains du volant.