L’IA infuse la logistique des grands groupes

Une première génération d’IA dans la supply chain a consisté à améliorer les prévisions grâce à l’analyse de grandes quantités de données historisées. Ce Big Data est depuis enrichi notamment par les technologies IoT qui alimentent ses algorithmes par des datas réactualisées en temps réel. L’auto-apprentissage ou Machine learning alimenté par ces bases de données ouvre de nouveaux champs d’amélioration et d’optimisation autour de deux niveaux d’IA selon Aymeric Daher : «  L’IA de type assistance qui optimise les processus logistiques et augmente la productivité, et l’IA Experte qui transforme les modèles logistiques ». Le directeur de la division logistique du groupe Daher cite par exemple les inventaires « réalisés en temps masqué ». Avec la start-up Okular Logistics, Daher teste un chariot de préparation équipé de caméras dont les images sont traitées par un jumeau numérique de l’entrepôt qui réalise les inventaires en temps réel et masqué. A la clé, « des gains de productivité, de qualité et de fiabilité des stocks », affirme le dirigeant.

Chariot équipé de la technologie IA d’Okular Logistics en test chez Daher

Okular Logistics

Capacités humaines augmentées

L’IA est également à l’œuvre chez Ceva Logistics pour traiter des opérations variées. Sur les postes packaging par exemple, elle recommande le meilleur emballage aux opérateurs en fonction du poids, des dimensions et de la fragilité des produits, illustre Olivier Storch. En plus des gains de productivité, le directeur général adjoint, en charge des ventes et de la stratégie chez le logisticien, met en avant les avantages écologiques et l’aide apportée aux opérateurs. Autre exemple à l’international, Ceva a pu anticiper les conséquences du phénomène El Niño sur le port fluvial brésilien de Manaus. Grâce à des modèles d’IA prédictifs, intégrant les prévisions météorologiques, « une période de sécheresse empêchant l’escale de navires a été anticipée. Différents scénarios ont permis de trouver des solutions de repli comme le changement de port avec reprise routière ». Pour Olivier Storch, «  l’IA ne remplace pas l’humain mais augmente ses capacités  ». La replanification des schémas de transport a permis aussi d’anticiper la tension sur les capacités routières provoquée par les déroutements de navires sur les autres ports brésiliens.

Mapping mondial

Entrée dans l’ère du « Never new normal » depuis 5 ans, la supply chain du groupe Renault est un cas d’école de complexité où l’IA fait merveille. Pour réduire ou prévenir les risques qui pèsent sur sa supply chain mondiale, Renault a modélisé ses fournisseurs «  jusqu’au rang 3 ainsi que l’ensemble de nos flux  », partage Alexandre Lima. Ce « mapping global  » comme l’appelle le directeur en charge du développement de sa chaîne d’approvisionnement, s’appuie sur l’IA pour «  identifier les événements susceptibles d’impacter nos fournisseurs de rang 1 ». Cette visibilité permet de les alerter et de chercher des solutions alternatives si nécessaire pour éviter les ruptures sur la chaîne d’approvisionnement. Dans cet exemple, «  l’IA aide à structurer les données pour trouver des solutions, anticiper et réagir rapidement  », résume-t-il.

Talons d’Achille

Auréolée en logistique, l’IA a aussi ses faiblesses. La première commune à tous les traitements de datas concerne « la cybersécurité dans un environnement hyper connecté », soulève Gilles Babinet. Le président du Conseil national du numérique cite également « la grande hétérogénéité et qualité des données  » due, selon Fernando Liesa secrétaire général de l’association européenne ALICE, « à l’importante fragmentation des systèmes d’information ».
Ces axes de progrès pour améliorer la performance de l’IA en logistique supposent « de mettre nos énergies en commun  » défendent Aymeric Daher et Alexandre Lima. Cette « intelligence collective » est d’ailleurs l’un des objectifs du Collectif pour l’innovation logistique créé fin mars sous l’égide de France Logistique.