Comment tirer (enfin) parti de la data en 2023
Publié le 30 janvier 2023
Beaucoup a été dit sur les apports du Big Data dans les domaines du marketing, de la vente sur Internet ou du pilotage des entreprises. Il est un domaine où le potentiel de gains rendus possibles grâce à la Data et à l’Intelligence Artificielle reste colossal, c’est celui de la Supply Chain. 2023 sera l’année de le démontrer.
L’idée d’exploiter les données collectées ça et là dans la Supply Chain n’est pas nouvelle. Les experts utilisent de nombreux algorithmes pour optimiser le stockage dans leurs entrepôts ou les itinéraires de leurs tournées. Cette nouvelle année doit être l’occasion d’aller bien au-delà.
Ayoub Mcharek, Manager du Data Lab de Generix Group dresse un premier bilan des usages de la Data et de l’Intelligence Artificielle dans la Supply Chain :
« L’IA a apporté des solutions nouvelles à des problèmes connus. C’est notamment le cas pour un élément clé dans l’efficacité de toute la Supply Chain, la prévision de la demande, le forecasting. Il existe de nombreux algorithmes pour essayer de prévoir ce que sera le niveau de la demande, notamment dans le monde de la grande distribution, de la mode. Il s’agit néanmoins d’une discipline extrêmement complexe, avec de nombreux acteurs qui entrent en jeu. Sur ce plan, le Machine Learning a permis de faire un bond en avant dans la qualité des prévisions. »
L’expert souligne que l’IA a aussi apporté une solution à des problématiques pour lesquelles il n’en existait pas jusqu’à présent. C’est notamment le cas de la vision par ordinateur, qui permet d’évaluer des niveaux de stocks à partir des images de caméras de surveillance. « On peut imaginer que dans un avenir proche, tous les mouvements d’articles dans les entrepôts seront tracés par des algorithmes via le réseau de caméras, à l’image des boutiques sans caisse d’Amazon » ajoute Ayoub Mcharek.
Vers une collaboration étroite entre humains et IA
L’IA est d’une certaine façon le porte-étendard des usages de la Data dans l’entreprise, mais les algorithmes d’optimisation sont déjà nombreux à chaque étape logistique. Globalement, Gartner distingue 4 grands niveaux de maturité vis-à-vis de la Data. Le premier est connu de tous, c’est l’analytique, les fameux tableaux de bord déjà très présents dans la logistique. La finalité de ces données est purement descriptive : on présente au décideur les chiffres-clés représentant l’activité de sa Supply Chain. Les algorithmes viennent compléter cette approche en faisant apparaître les tendances et viennent expliquer ces chiffres. Leur rôle est de délivrer un diagnostic, l’essentiel de l’analyse reposant toujours sur l’humain.
Avec le prédictif, l’IA vient enrichir la donnée passée et montrer les évolutions attendues à brève ou plus longue échéance. C’est une information particulièrement intéressante dans la prise de décision, mais celle-ci reste encore du domaine de l’humain. Les systèmes prescriptifs constituent la phase ultime de l’évolution de l’IA dans la Supply Chain. Les algorithmes vont conseiller la marche à suivre pour optimiser son fonctionnement. Ces conseils peuvent être considérés comme une aide avancée dans la prise de décision, ou tout simplement un élément d’automatisation. Les algorithmes vont prendre les décisions pour gérer le fonctionnement courant de la Supply Chain, l’humain n’intervenant plus que pour gérer les exceptions.
La Data, le carburant de l’IA
« La mise en œuvre de l’IA implique de disposer d’un maximum de données relatives à la Supply Chain » souligne Ayoub Mcharek, « C’est la raison pour laquelle nous recommandons de conserver les données historiques. C’est à partir de cet historique que l’on va pouvoir entraîner les modèles qui vont ensuite prédire l’avenir, extrapoler des valeurs et identifier/classifier les informations. » Ainsi, conserver les données logistiques tout au long de la crise Covid ou du début de la guerre en Ukraine permettra de mieux prévoir l’impact d’une prochaine pandémie sur la Supply Chain ou d’un autre événement d’échelle mondiale.
Generix stocke ainsi les données anonymisées de tous ses clients dans un même Data Lake afin de disposer d’un maximum d’informations et proposer les algorithmes les plus performants aux entreprises. « Ce sont les données de 3 000 à 4 000 entrepôts chez plusieurs centaines d’entreprises de profils très différents qui nous permettent d’entraîner nos modèles, avec bien plus de données qu’une entreprise ne peut amasser seule. » Disposer d’une telle masse de données anonymisées permettra à l’avenir de benchmarker l’efficacité d’un entrepôt vis-à-vis des installations équivalentes d’autres entreprises du même secteur d’activité. « A l’avenir, ces données permettront de choisir les meilleures processus à intégrer dans son entrepôt et via son WMS par exemple et donc accélérer l’intégration de l’outil grâce aux conseils de l’IA » imagine le responsable.
Privilégier une approche écosystème d’applications
Pour développer de nouveaux cas d’usage dans la Supply Chain, il est crucial de stocker des données issues de multiples briques logistiques impliquées. « En corrélant des données issues des logiciels et services qui jalonnent toutes les étapes d’une Supply Chain, on va passer à un nouveau stade dans son optimisation » estime Ayoub Mcharek. « Par exemple, en couplant les données du YMS et du WMS, on peut optimiser la distribution des camions sur les quais de chargement/déchargement. »
Autre illustration, dans le domaine du TMS, plusieurs entreprises proposent des algorithmes d’estimation du temps d’arrivée de la livraison, ce que l’on appelle l’ETA (Estimated Time of Arrival), l’heure d'arrivée estimée. « L’ETA est un indicateur très utile et important dans la gestion du transport et pour les consommateurs finaux. Dans un contexte concurrentiel, le e-commerçant qui donne une meilleure visibilité et des informations précises sur la date de la livraison aura l'avantage de gagner l’affaire. A ce jour, les algorithmes et systèmes les plus performants du marché ne parviennent pas à délivrer des résultats précis en amont sauf pour quelques acteurs comme Amazon. La majorité écrasante des acteurs du marché européen n’arrivent pas à donner cette visibilité à leurs clients, pour ça il faut prendre en considération toutes données et processus en cours, comme le temps de préparation, la disponibilité réelle du quai de chargement de l’entrepôt, le temps de chargement, les tournées de livraisons planifiées et en cours etc. Un système digital qui permet de connecter les acteurs d’un écosystème logistique de plus en plus complexe - comme l’ensemble de solutions qu’offre Generix (WMS, TMS, YMS, SCV, GCR, AIO) - permettra de répondre à ce besoin plus efficacement. Les données et les informations récoltées dans nos différents modules bien intégrés les uns aux autres pourront alimenter nos algorithmes et délivrer un ETA beaucoup plus précis. »
Être capable de collecter des données tout au long de la Supply Chain, comprendre ces données, trouver des corrélations et des tendances, extraire des informations utiles pour les clients et les aider à prendre des décisions pragmatiques grâce à l’IA représentent les enjeux digitaux de cette décennie, et doivent être dans les priorités pour 2023.
L’IA en 2023, le quantique en 2025 ?
L’Intelligence Artificielle a su démontrer qu’elle pouvait apporter un certain nombre de solutions nouvelles en termes d’optimisation, et Generix met à disposition de tous ses clients des algorithmes de Machine Learning et de Deep Learning. Dès aujourd’hui, ceux-ci leur permettent de réaliser un pas en avant en termes d’optimisation de leur Supply Chain et de réduction de leur empreinte carbone. Toutefois, beaucoup reste encore à inventer s’enthousiasme Ayoub Mcharek : « Nous travaillons déjà sur la prochaine technologie de rupture en matière d’optimisation, l’informatique quantique. Nous mettons en place un pilote quantique avec une start-up spécialisée, Qbitsoft dans l’objectif d’apporter des nouvelles solutions logistiques dans le contexte écologique actuel. Ce nouveau paradigme pourrait bien permettre un nouveau bond en avant en termes de rapidité d'exécution des processus de calcul complexe. On souhaite avec ceci apporter des réductions significatives de l’empreinte carbone des acteurs du marché de la logistique dans les années à venir. »
