Cinq principes pour naviguer dans le brouillard numérique autour de l'IA dans la Supply Chain
L'arrivée de l'IA avec ChatGPT en novembre 2022 a créé une incertitude pour les entreprises. Cet article explore comment l'IA peut transformer les chaînes d'approvisionnement et les éclairer.
La navigation dans le brouillard peut transformer un trajet paisible en une expérience terrifiante. Imaginez une soirée d'été où une route sinueuse et habituellement amusante devient soudainement enveloppée par une épaisse brume. La visibilité réduite à quelques mètres rend chaque décision cruciale : accélérer pour échapper au brouillard ou ralentir pour éviter les dangers invisibles. Concentration et prudence sont indispensables pour traverser ce moment en toute sécurité.
L'arrivée de ChatGPT à la fin du mois de novembre 2022 a également transformé un trajet dans les nuages en un épais brouillard. Les PDG, poussés par leurs conseils d'administration, ressentent une pression accrue pour accélérer l'adoption de l'IA, considérant celle-ci comme essentielle pour rester compétitifs.
Cette pression est motivée par l'opportunité : les entreprises qui adoptent la technologie connaissent une croissance de la productivité jusqu'à 40 % plus élevée que les autres. Mais cette opportunité n’est pas sans risques. En effet, et selon une étude de Boston Consulting Group (BCG), après de 70 % des transformations numériques échouent. Il n’est donc pas étonnant que certains aient des réserves à l'égard de ce projet. La pression et le risque sont accentués par le manque de visibilité dans le brouillard qui entoure une technologie complexe et en évolution rapide. Et à mesure que les capacités de l'IA évoluent et se rapprochent de celles de l'homme, ces préoccupations s’intensifient. En privé, les dirigeants admettent se sentir bouleversés et dépassés, parce qu'ils ne comprennent pas ce que l'IA peut faire et et qu’ils ignorent comment s'orienter dans ce brouillard. L'envie de ralentir est alors compréhensible.
Définir l'IA dans la chaîne d'approvisionnement
Une définition est un premier pas pour dissiper le brouillard. L'IA est la science des ordinateurs imitant l'intelligence humaine pour résoudre des problèmes. Elle englobe de nombreuses disciplines pour améliorer la vitesse, la précision et l'élégance dans la prise de décision en trouvant des modèles dans des volumes énormes de données. Parmi ces disciplines figurent le Machine Learning, l'optimisation, les algorithmes génétiques, l'automatisation des processus robotiques, l'IA générative ou encore la gestion des décisions. L'IA peut générer des recommandations, prédire et faire émerger des idées, fournir rapidité et échelle, automatiser des processus et améliorer la productivité. Une définition est un début, mais des garde-fous sont également nécessaires. Voici donc cinq principes pour réussir avec l'IA dans la chaîne d'approvisionnement.
Premier principe : L'IA doit augmenter l’humain, pas le remplacer
Les limites des capacités que l'IA continue de franchir sont simplement stupéfiantes, qu'il s'agisse de produire des textes marketing créatifs ou des recherches juridiques complexes. Cependant, ces réalisations ne doivent pas faire oublier “les trois C” : contexte, collaboration et conscience. Les modèles ne peuvent pas tirer de sens du contexte, essentiel dans de nombreux domaines. Ils ne peuvent pas non plus collaborer pour résoudre des problèmes complexes comme celui de la durabilité. Cette complémentarité est la raison pour laquelle l'IA doit augmenter les humains, et non les remplacer.
Deuxième principe : La fusion experte de l'IA, des heuristiques et de l'optimisation est cruciale
L'IA peut modéliser des problèmes à grande échelle pour produire des recommandations plus précises, comme une plus grande précision des prévisions de demande. La précision est également un avantage de l'optimisation, un domaine de l'IA familier à de nombreux acteurs des chaînes d'approvisionnement. Mais la scalabilité peut représenter un défi. Une fusion de méthodes, comme l'apprentissage automatique et l'heuristique, peut "réchauffer" un modèle d'optimisation et accélérer la capacité à le résoudre, en combinant de manière créative les forces de chaque approche pour atteindre un équilibre de rapidité, de précision et d'élégance. La solution la plus élégante est celle qui utilise le bon modèle pour le bon problème au bon moment, ni plus ni moins.
Troisième principe : La “simultanéité” amplifiée par l'IA est une percée dans la gestion de la chaîne d'approvisionnement
Les chaînes d'approvisionnement relient de nombreuses fonctions au sein d'une entreprise et au-delà, ce qui explique pourquoi l'optimisation d'un maillon ne garantit pas l'optimisation de l'ensemble de la chaîne. La puissance de l’IA à optimiser un processus ne suffit pas. L'IA intégrée à la simultanéité permet de tirer parti des prévisions tout en absorbant la volatilité que nous ne pouvons pas prévoir en raison des perturbations inévitables auxquelles nos chaînes d'approvisionnement seront toujours confrontées.
Quatrième principe : Le pouvoir de l'IA doit être démocratisé
Pour que l'IA réalise son potentiel, elle doit sortir du laboratoire des Data Scientists. Nous aurons toujours besoin d'experts pour explorer de nouvelles façons d'appliquer l'IA, mais c'est en donnant aux praticiens de la chaîne d'approvisionnement les moyens de l'adopter eux-mêmes que nous en étendrons la portée.
Cinquième principe : L'explicabilité est essentielle pour l'adoption de l'IA
L'un des inconvénients supplémentaires de l'IA est que la vitesse, la précision et l'élégance sont livrées dans des boîtes noires que même les experts qui les ont construites ne peuvent pas les décrypter. Le manque d'explicabilité est un obstacle à l'adoption de l'IA, car si vous êtes personnellement responsable d'une prévision, il peut être difficile de faire confiance à une "machine". L'une des façons de surmonter cette aversion consiste à utiliser des techniques de pointe qui rendent les modèles d'IA plus compréhensibles. Par exemple, des outils tels que le diagramme SHAP (SHapley Additive exPlanations) peuvent être utilisés dans la détection de la demande pour aider un planificateur à comprendre comment l'ajout d'un signal tel que la météo affecte les prévisions. Pour que les gens soient plus enclins à adopter la valeur des informations issues de l'IA, nous devons leur fournir les informations dont ils ont besoin pour expliquer leurs décisions dans le cadre de solutions qu'ils peuvent comprendre.
L'opportunité de l'IA dans les supply chains est immense
Les chaînes d'approvisionnement n'ont jamais eu autant besoin d'aide, et l'IA n'a jamais été aussi prête. Néanmoins, en augmentant l'utilisation de l'IA, il est crucial d'adopter une approche centrée sur l'humain qui amplifie le pouvoir de la “simultanéité” dans la gestion de la supply-chain pour créer les chaînes d'approvisionnement les plus intelligentes du monde. En intégrant l’IA dans toute la chaîne , en fusionnant les meilleures techniques disponibles, il est possible de réinventer nos chaînes d'approvisionnement.