La genAI, un accélérateur pour la Supply Chain

L’intelligence artificielle (IA) est déjà une réalité dans la Supply Chain. En 2022, 45% des entreprises du secteur de la logistique et de l’industrie, utilisaient en effet au moins une technologie IA au sens large*. Ces outils sont présents à tous niveaux, que ce soit côté fournisseurs, production, distribution ou planification, et créent de la valeur en permettant de meilleures décisions, plus rapides, mieux éclairées.

Avec ses capacités d’analyse et d’anticipation, l’IA est effectivement très adaptée à une industrie riche en data et gourmande de prévisions. Concrètement, en planification, elle permet déjà de construire de meilleurs scénarios. Elle établit des prévisions plus fines, mettant en lumière des éléments qui seraient autrement ignorés, avec une vitesse de traitement incomparable. Elle aide à lancer de nouveaux produits, gérer les promotions, améliorer le taux de service, et, par conséquent, optimiser les stocks.

Dans la production, elle permet d’accroître la performance dans une logique Six Sigma, tant en améliorant la qualité des processus de production que la productivité. L’IA est capable de détecter des signaux faibles qui feront toute la différence.

*Source : Artificial intelligence adoption rate in supply chain and manufacturing businesses worldwide in 2022 and 2025, Statista

Pour ses applications actuelles et surtout pour celles à venir, l’IA est perçue comme un “game changer” pour la profession. Mais son développement effectif est très lent. Ainsi, Gartner prévoit que l’IA dans la planification atteindra le “plateau de productivité” de son “Hype Cycle”*, c’est-à-dire le moment où elle sera largement adoptée par le secteur, dans cinq à dix ans seulement. L’horizon est donc encore loin pour que l’IA soit partout, dans toutes les entreprises et toutes les composantes de la Supply Chain.

Pour le moment, selon Gartner, l’IA générale se trouve au “sommet des attentes surdimensionnées”, tandis que le Machine Learning, porteur de beaucoup d’espoirs il y a encore peu, est tombé au fond du “creux des désillusions”.

*Source : Gartner Hype Cycle for artificial intelligence, 2023

Pourquoi le développement de cette technologie pourtant jugée capitale est-il si lent ? Ce n’est pas le manque de données le coupable. Au contraire : les entreprises stockent depuis des années de la data, le cloud leur permettant de le faire facilement.

Le frein se situe au niveau de la technologie elle-même. Pour l’adopter, le secteur a deux options. Soit acheter des solutions sur étagères, par exemple des modules IA sont inclus dans les outils de planification (APS) ou associés à des outils de production (MES). Mais ils viennent dans ce cas avec leur lot de contraintes et de limites. Soit développer son propre outil, et se heurter alors à la pénurie de (bons) data scientists sur le marché. Conséquence : il lui faut prioriser, d’où un développement parcellaire.

Le véritable “game changer”, en réalité, ce sera la petite dernière en IA, celle qui a retenu toute l’attention ces derniers mois : ChatGPT et autres intelligences artificielles génératives (genAI), qui, en comprenant le langage naturel pour créer du contenu, permettent de s’affranchir pour partie des data scientists.

Là où il faut aujourd’hui analyser des données pendant parfois des jours, orchestrer de savants montages avec un data scientist – tout en sachant que de l’idée à la réalisation, il y a souvent un monde -, il “suffira” désormais aux planificateurs, responsables fournisseurs, responsables production ou responsables distribution d’être capables de rédiger le bon prompt pour aller interroger ChatGPT. Ils obtiendront alors rapidement et sans intermédiaire les réponses à leurs nombreuses questions métiers.

Son succès dépendra cependant de plusieurs conditions. D’abord, s’assurer de la confidentialité des données au-delà des aspects cybersécurité classiques. ChatGPT se nourrit actuellement de ce qui lui est confié. Tout est donc susceptible d’être restitué à qui consultera l’IA. Dans le cadre d’une entreprise, il est indispensable de n’utiliser qu’une genAI privatisée, ou souveraine, pour éviter tout risque industriel.

Autre élément : savoir bien structurer sa requête pour avoir une réponse la plus pertinente possible. Ce qui implique d’entraîner et de régler l’IA, qui sans cela sera générique et peu créative. On peut imaginer qu’il y aurait dans chaque équipe métier un expert langage conversationnel spécialisé pour questionner le plus intelligemment possible ChatGPT ou ses cousins.

Enfin, il faut s’assurer de la qualité de la réponse à partir d’un jeu de données. Car la genAI a horreur du vide, et comble les trous avec ce qui lui semble le plus probable, quand elle n’hallucine pas. Il est essentiel d’avoir des processus en place pour valider ses réponses et surveiller l’évolution des résultats dans le temps.

Une fois les limites actuelles dépassées, ce qui ne peut être qu’imminent, et ses règles du jeu apprivoisées, l’IA devrait se répandre à travers toute la Supply Chain bien plus vite qu’anticipé. Au service des métiers, elle permettra d’aller plus vite, plus loin, par rapport aux outils classiques que sont les APS ou MES. Renforcer dès aujourd’hui son expertise en genAI, c’est acquérir un avantage compétitif par rapport aux autres acteurs du secteur qui resteront sur le rythme plus lent du “Hype Cycle”.