L’Intelligence Artificielle en approvisionnement et logistique du retail

Supply Chain

Le sujet de l’intelligence artificielle (IA) est très actuel. En effet, il ne se passe pas une semaine sans que la presse ne se fasse l’écho d’une nouvelle prouesse de robots ou d’algorithmes qui repoussent les limites de la capacité des machines. A la suite d’Amazon, Ali baba et des multiples start-ups qui arrivent sur leur marché, les distributeurs ont pris conscience de l’importance de cette technologie et leurs managers savent bien que l’IA correspond à un défi à relever pour bon nombre d’entre eux, dans la décennie à venir.

La Supply Chain des distributeurs n’échappe pas à la règle. Elle est fortement impactée par les technologies nouvelles depuis longtemps. On considère souvent 4 grandes briques technologiques de l’IA (Dejoux, 2020) :

Supply Chain

  • Le traitement du langage (identifier les mots, traduire, formuler une réponse…) qu’on retrouve dans le voice picking. (Amware,2018)
  • La vision par ordinateur (reconnaitre une image, suivre un tracé…) qui permet de lire un code-barre ou un QR code, ou encore, de réaliser un inventaire. (Eyesee-L’Oreal, 2019)
  • La robotique et l’automatisation (répéter une séquence d’actions de manière autonome…) qui a permis la mécanisation des entrepôts ou, de plus en plus fréquemment avec les véhicules autonomes (AGV) qui combinent automatisation et vision par ordinateur. (Amazon, 2021)
  • L’optimisation des connaissances (exploiter des données, pour faire un tri, trouver des corrélations ou des anomalies, prévoir…) qui est à la base des algorithmes de plus en plus sophistiqués des formules d’approvisionnement par exemple.

Toutefois, c’est cette dernière brique technologique qui est plus nouvelle et arrive dans tous les domaines de la Supply Chain.

Pourquoi maintenant ?

L’arrivée massive de solutions d’IA en supply-chain est liée à la maturité simultanée de plusieurs technologies.

  • L’algorithmie qui permet de traiter des masses de données et de développer une qualité de résultats en constante amélioration grâce au Deep-Learning.
  • Le développement de la vitesse des processeurs qui permet de traiter ces calculs dans un délai adapté.
  • La baisse des coûts de la capacité de stockage (99,6% en 10 ans), qui permet de stocker plus de données pour moins cher.
  • Le cloud computing qui permet d’exploiter de la puissance de calcul ou de stockage de serveurs informatiques distants.
  • L’internet des objet (IoT en anglais), des objets capables de capter de la donnée (détecteurs, caméras…) et de les envoyer via internet au logiciel de traitement sans intervention humaine.
  • La 5G, cinquième génération de réseaux mobiles, permet de connecter plus d’objets sur la même surface, avec plus de débit, moins temps de latence (écart entre l’émission et la réception d’une information) et moins de consommation d’énergie.

Cette conjonction de facteurs permet donc à des objets d’envoyer de l’information en temps réel à des serveurs qui exploitent ces données et génère immédiatement une réponse appropriée si besoin.

Cinq exemples d’application, immédiatement disponible dans la Supply Chain

Drone IA @Shutter2ULes responsables des supply chain ont donc à leur disposition la technologie pour :

  • Prévoir l’activité ou les ventes. En utilisant des algorithmes pour récupérer, traiter et analyser la donnée, L’IA propose de la datavisualisation ou de la data recommandation, permettant aux managers de déterminer la meilleure approche.
  • Tester et planifier. Une fois le choix fait, l’IA est utilisée sous la forme de jumeau numérique, une réplique digitale de l’écosystème. Cela permet de mettre à l’épreuve la solution préconisée et de valider sa pertinence, voir d’en tester de multiples variantes pour déterminer la meilleure.
  • Optimiser le stockage, les tournées de camions. La capacité de l’IA à prendre en compte de multiples sources de données lui permet de faire des calculs plus complexes que l’humain seul ne pourrait en faire. De ce fait l’IA est en mesure de définir le meilleur site pour stocker un article ou le meilleur emplacement pour stocker une palette, particulièrement dans un contexte omnicanal. Concernant le transport, l’IA va permettre de minimiser les kilomètres parcourus ou le temps passé, tout en respectant les contraintes de livraison et la qualité de service au client.
  • Suivre l’activité. De nombreuses solutions existent pour suivre les chargements au moyen de balises, ce qui permet de savoir où se trouve sa marchandise. De même, l’usage de drone inventoristes permet de contrôler régulièrement l’exactitude de son stock. Dans d’autres cas, l’IA est utilisée pour éviter les erreurs en appliquant un taux de confiance.
  • Piloter l’activité. En installant des caméras sur le plafond de son entrepôt et en analysant les mouvements grâce à l’IA, un logisticien a pu déterminer plus facilement les faiblesses de son organisation.

Pour toutes ces activités, les principaux défis des opérateurs seront de bien définir leur besoin, d’être certains de la disponibilité des données, pour faire tourner ces algorithmes, et de mettre l’entreprise en mouvement autour de cette nouvelle approche. Puis, en mettant à la disposition des utilisateurs ces nouvelles capacités de traitement de l’information et de prescription, l’IA donnera la possibilité de digitaliser de nouvelles tâches et de nouveaux processus que seul l’humain était capable de réaliser.

En termes économiques, Mc Kinsey évalue l’apport annuel de valeur ajoutée grâce à l’IA dans la distribution à plus de 12% des ventes dont 2.5% en Logistique. Et ce au travers de l’optimisation des stocks, l’amélioration de la prévision de la demande et l’optimisation des entrepôts. (Mc Kinsey, s. d.)

Par Philippe Merckling