IA & Supply Chain : 3 cas concrets d’amélioration des performances opérationnelles
Le 13/03/2020
Cet article vous est proposé par Wavestone.
Dans un contexte de concurrence mondiale, d’innovations technologiques permanentes et d’accélération des délais, les consommateurs et les professionnels ont accès très rapidement à une offre de produits et de services abondante. Garantir la disponibilité du bon produit, au bon moment et au bon endroit est un challenge encore plus difficile pour la Supply Chain qui nécessite la prise en compte d’un nombre de facteurs quasi infini pouvant influencer la demande client : réseaux sociaux, nouveautés, concurrence, médias, événements politiques (Brexit, Hong-Kong, grèves…), évolutions de taux de change…
Dans ce monde VUCA (volatile, uncertain, complex, ambiguous), l’Intelligence Artificielle, avec des techniques comme le Machine Learning ou la capacité à apprendre et faire prendre des décisions à partir de la data, fournit des outils qui commencent réellement à améliorer les performances opérationnelles sur de nombreux maillons de la Supply Chain.
Nous avons voulu ici concrètement illustrer les apports et les challenges du Machine Learning dans la Supply Chain à travers 3 cas pratiques qui reflètent les 3 niveaux de la Supply Chain (stratégique, tactique et opérationnel) et représentent les grandes familles d’algorithmes (supervisés ou non supervisés, classification et régression).
L’IA dans la Supply Chain : des cas d’usage multiples et une boîte à outils d’algorithmes
Assistants personnels intelligents, reconnaissance faciale, chatbot, transports autonomes… L’Intelligence Artificielle révolutionne déjà nos vies et cette tendance est vouée à prendre de l’ampleur.
En entreprise, l’IA a également commencé à transformer plusieurs domaines d’activités : algorithmes de trading automatique, détection de fraude dans les assurances, maintenance prédictive sur les équipements industriels…
L’Intelligence Artificielle peut ainsi générer deux types de gains en Supply Chain :
/ L’amélioration du service au client (client B2C ou B2B) ou même le développement de nouveaux services
/ L’amélioration de la performance opérationnelle (productivité, qualité, stocks, fin de vie…)
Nous proposons ici de présenter 3 cas opérationnels issus de nos expériences projets :
1. Store Clustering dans le Retail
2. Prévisions de vente pour les produits de consommation
3. Control tower proactive sur une supply chain étendue
Pour améliorer les performances de ces processus, l’Intelligence Artificielle en général, et le Machine Learning en particulier, proposent toute une panoplie d’algorithmes qui peuvent être utilisés, en fonction du besoin d’optimisation et de la typologie de données disponibles…
