Pour connaitre l’impact de l’IA dans les chaînes d’approvisionnement, regardons d’abord ses fondements
Par Mikkel Hippe Brun, co-fondateur et directeur général, automatisation des paiements chez Tradeshift
Les chaînes d’approvisionnement n’ont jamais connu une telle exposition médiatique. Opaques, fragiles et dépendant encore trop souvent de processus manuels, les chaînes d’approvisionnement ont été construites autour du principe que la stabilité était quasi-constante.
La crise du COVID-19, les effets économiques post-pandémiques et le conflit en cours en Ukraine ont révélé la fragilité de construire des chaînes d’approvisionnement pour un monde bidimensionnel où les seules choses dont les opérateurs de la chaîne d’approvisionnement ont vraiment eu à se soucier étaient les coûts de main-d’œuvre et d’expédition. Aujourd’hui, les entreprises de tous les secteurs sont confrontées au défi de la pérennité des chaînes d’approvisionnement qui sont soumises à de rudes épreuves et à des tensions géopolitiques fortes.
L’impact de l’IA dans les chaines d’approvisionnement
L’automatisation et l’IA doivent permettre d’offrir de nouveaux avantages. Pour construire des chaînes d’approvisionnement capables de traverser des périodes de volatilité, les opérateurs de la chaîne d’approvisionnement doivent être en mesure de détecter rapidement les problèmes. Cela nécessite une visibilité sur le statut et la santé de chaque fournisseur. Quels fournisseurs, processus ou installations présentent des points de défaillance dans la chaîne d’approvisionnement ? Quels fournisseurs critiques sont menacés par les pénuries ou la volatilité des prix ? La collecte, le tri et la présentation de ce type d’informations sont tout simplement impossibles sans automatisation.
Repérer rapidement les problèmes potentiels est une chose, la capacité d’agir en est une autre. L’IA joue un rôle crucial en donnant aux opérateurs de la chaîne d’approvisionnement l’agilité nécessaire pour répondre à des situations extrêmes.
Par exemple, imaginez un scénario dans lequel des risques émergents ou des vulnérabilités à long terme déclencheraient automatiquement des alertes pour afficher des options d’approvisionnement alternatives dans différentes zones géographiques. Les fournisseurs sélectionnés auraient été présélectionnés selon des critères prédéfinis à l’aide de données collectées par l’IA à partir de diverses sources. Ce mélange de visibilité, d’agilité et de contrôle alimenté par l’IA est déjà à notre portée. Alors pourquoi la révolution n’a-t-elle pas déjà eu lieu ?
Le problème réside dans les données, ou plutôt le manque de données. Le niveau de numérisation au sein de la plupart des grandes entreprises est relativement mature. La pièce manquante est la numérisation entre les partenaires commerciaux dans l’ensemble de l’écosystème de la chaîne d’approvisionnement. Nous avons tendance à considérer les chaînes d’approvisionnement comme des machines incroyablement sophistiquées et hautement numérisées, mais elles sont pourtant peu automatisées et dépendantes d’échanges de documents papier.
L’opportunité de l’IA vient de sa capacité à ingérer, trier, présenter et interpréter une variété de sources d’informations pour aborder les problèmes sous de nouveaux angles et fournir une approche différente. Pour que cela se produise, nous avons besoin d’une chaîne d’approvisionnement numérisée et connectée de bout en bout, sinon les algorithmes ne peuvent fonctionner correctement.
Les chaînes d’approvisionnement sont, de par leur nature même, des réseaux complexes d’interconnectivité à plusieurs niveaux. Pour que les algorithmes fassent leur travail efficacement, ils doivent s’exécuter sur des systèmes qui traversent cette complexité.
Après avoir établi une connexion numérique entre tous les acteurs, il est alors possible de numériser pratiquement tous les aspects de leur relation avec l’IA. À son niveau le plus simple, cela peut signifier rendre plus efficace le travail quotidien du back-office, comme l’approbation et le paiement d’une facture. L’IA peut également aider les entreprises à mieux comprendre les fournisseurs avec lesquels elles travaillent. Ces exemples illustrent les difficultés auxquelles sont confrontés les opérateurs des chaînes d’approvisionnement. Ces éléments, longtemps négligés, sont les bases sur lesquelles le potentiel futur de l’IA dans la chaîne d’approvisionnement sera réalisé.
