Quels algorithmes pour vos chaînes d’approvisionnement ?

Les chaînes d’approvisionnement, ces systèmes d’organisation qui permettent aux biens et aux services d’être acheminés aux consommateurs, se trouvent à la croisée des chemins. L’intelligence artificielle (IA) et la crise sanitaire ont chamboulé cet univers, pour le meilleur et pour le pire.

Un récent reportage de CNN Business rapporte comment la COVID-19 a compliqué la vie des 65 millions de travailleurs dans les chaînes logistiques autour du globe.

Navires marchands en quarantaine, exigences de vaccination, pénuries de main-d’œuvre, mille-et-une embûches ont surgi à l’horizon et menacent de provoquer un « échec systémique ».

Le remède se trouverait peut-être dans les innovations de l’IA, selon Julien Billot, président-directeur général de Scale AI, la supergrappe d’IA au Canada en chaînes d’approvisionnement.

« L’IA nous permettra sans doute de contrer certaines de ces disruptions, souligne-t-il. Par exemple, on pourrait entrevoir comment la technologie assurerait une meilleure gestion des conteneurs ; au lieu d’être remplis à 85 % selon une décision humaine arbitraire, ils seraient pleins à 95 % grâce à une gestion assurée par l’IA. »

L’optimisation de l’usage des ressources rares, qu’elles soient matérielles ou humaines, nous aideraient à prévenir les ruptures dans les chaînes logistiques.

« On peut ainsi en faire plus avec moins », résume M. Billot.

EFFICACE POUR DIVERS SECTEURS

Une chaîne d’approvisionnement est composée d’une myriade d’éléments qui existent en silo, mais aussi interdépendants dans le cycle de vie d’un bien ou d’un service.

De l’extraction de la matière première à la transformation grâce aux processus industriels, en passant par la distribution et la vente aux consommateurs, chaque lien a son importance dans la chaîne.

Toutefois, l’IA n’a pas encore été adoptée de façon uniforme par tous les secteurs de la logistique.

« Il n’y a pas de profil type d’entreprise qui se lance dans l’utilisation des algorithmes et des données, ni de secteur type d’ailleurs. Chez Scale Ai, nous avons supporté des projets dans tous les domaines et de toutes les tailles » -Julien Billot, président-directeur général, Scale AI

En effet, selon son plus récent rapport, publié pour l’année 2019-2020, l’organisme a participé au financement de projets pour un total de 111 M$, dont 39 M$ ont été des fonds versés par Scale AI.

Ces enveloppes ont subventionné des initiatives dans l’industrie aérienne avec Air Canada, dans l’extraction minière avec le Groupe Optel ou encore dans le commerce de détail avec Cadillac Fairview.

En prenant l’exemple type du transport routier, M. Billot démontre la flexibilité des algorithmes.

Que ce soit l’optimisation des courses par camion, la prédiction des besoins de maintenance des véhicules, la traçabilité des colis et même la prévision des coûts d’assurance sur les produits, l’IA a le potentiel d’être utilisée à toutes les sauces, selon ce dernier.

« Comme on le sait, la logistique et les chaînes d’approvisionnement sont traditionnellement planifiées en silo avec beaucoup d’interventions humaines, ajoute pour sa part Yossiri Adulyasak, professeur agrégé au Département de gestion des opérations et de la logistique à HEC Montréal. L’IA et l’analytique permettent aux processus de décision d’être plus basés sur les données (« data-driven »), plus systématiques et automatisés. Ainsi, les décisions et les analyses seront plus objectives et étayées par des données concrètes. »

LOGISTIQUE DU FUTUR

L’adoption de l’IA dans les chaînes logistiques en est à ses balbutiements et il est difficile d’anticiper ce qu’engendreront les innovations de demain, souligne M. Billot.

« Par analogie, on est un peu comme à l’an 2000 pour l’Internet. On sait que l’IA est une technologie qui va tout changer, mais on ne peut pas prévoir jusqu’où elle ira. Quoi qu’il en soit, ce sera un outil incontournable pour les chaînes d’approvisionnement du futur », entrevoit-il.

Et avant d’atteindre le plein potentiel de l’IA, il faudra que l’humain et la machine apprennent à se côtoyer, insiste le professeur Adulyasak.

« Les techniques d’IA avancées et complexes telles que l’apprentissage profond sont plutôt des outils de « black-box », qui ne sont pas très adaptés dans un contexte où l’explicabilité [Une décision algorithmique est dite explicable s’il est possible d’en rendre compte explicitement à partir de données et caractéristiques connues de la situation] est importante. Ainsi, le développement d’une explicabilité et la confiance en l’IA contribueront grandement à son adoption dans les chaînes d’approvisionnement. Ce sera une étape importante vers une stratégie d’IA durable. »

Crédit photo : Pexels / Tima Miroshnichenko