Pendant le premier confinement en mars dernier, les systèmes d'IA dans la chaîne d'approvisionnement ont convaincu une large partie des gestionnaires malgré un manque de souplesse dans leur utilisation.

Les professionnels de la chaîne d'approvisionnement sont optimistes quant au potentiel de l'intelligence artificielle dans leurs opérations, mais ils ont également dû se battre avec cette technologie pendant la pandémie de coronavirus, selon une enquête de Secondmind qui développe des applications de machine learning pour les entreprises.

L'enquête (à laquelle ont participé plus de 500 gestionnaires et planificateurs de chaînes d'approvisionnement utilisant l'IA) a montré que 90 % des personnes interrogées pensaient que l'IA ferait une différence dans leurs chaînes d'approvisionnement d'ici 2025, même si 82 % étaient déçus des décisions prises en fonction de l'IA pendant la pandémie.


Cette divergence met en évidence les obstacles potentiels à l'IA, tout en soulignant que les professionnels qui ont fait face à ces défis voient encore l'avenir de la technologie.

L'IA dans la chaîne d'approvisionnement : qu'est-ce que cela signifie ?

L'IA est un terme général qui peut inclure de nombreuses technologies statistiques ou informatiques.

Gary Brotman, vice-président des produits et du marketing chez Secondmind, considère l'IA comme un terme désignant les processus qui permettent à un ordinateur de faire ce qu'une personne fait traditionnellement, selon ses propos relayés par le site supplychaindive.com. En général, cela comprend des méthodes telles que le machine learning et le deep learning. "L'apprentissage machine est le lieu où se déroule l'action", a-t-il d'ailleurs précisé pendant l'enquête.

"La manière dont l'IA est utilisée dans la chaîne d'approvisionnement peut varier assez largement", estime pour sa part Larry Snyder, directeur de l'Institut des données, des systèmes intelligents et de l'informatique de l'université de Lehigh et chercheur principal chez Opex Analytics. "Quand les gens d'Opex ou d'autres sociétés similaires disent "AI in SC", je pense qu'ils veulent généralement plus parler des équipes de personnes construisant des modèles en R ou Python et les déployant ensuite en utilisant des tableaux ou d'autres outils", précise-t-il enfin.



Quelle que soit la technique d'intelligence artificielle utilisée, les utilisateurs y voient un potentiel. "Il y a un certain niveau d'utilité dans l'automatisation et la promesse qu'elle s'améliorera avec le temps", ajoute pour sa part M. Brotman. Et M. Snyder d'ajouter : "La formation aux machines peut faire des progrès considérables en fournissant aux entreprises des recommandations sur les stocks". De nombreuses entreprises ont commencé à utiliser des techniques de regroupement pour améliorer leur fonctionnement interne.

Le pouvoir humain dans l'IA

De nombreuses applications d'IA reposent sur l'interprétation de données historiques. Et ce n'est pas la première fois qu'une enquête auprès d'initiés de l'industrie identifie des problèmes avec cette méthode. En juin, une enquête a montré que 51 % des expéditeurs se débattent avec un manque de clarté concernant la demande des consommateurs.

L'enquête Secondmind a montré que 59 % des personnes interrogées pensent que l'intelligence artificielle est plus rapide que l'homme, et 72 % qu'elle est plus précise lorsqu'il s'agit de faire des prévisions. Mais près d'un quart des répondants (23%) ont été déçus de ne pas pouvoir appliquer leur propre expérience dans le domaine pour faire une prédiction. "Il doit y avoir un moyen de prendre ce que le système peut fournir et maintenir en termes de prévision et ensuite laisser l'expert contribuer à cette décision finale également", juge M. Brotman.


Le rapport qui accompagne l'enquête note que les gens ont besoin de l'intelligence artificielle, mais qu'ils devraient également faire partie du processus décisionnel.


M. Snyder fait d'ailleurs une analogie avec le tableur, qui calcule les prévisions de la demande. Si quelque chose change dans le modèle commercial, la personne doit ajuster les formules de la feuille de calcul. "Il en va de même pour les outils d'IA. Ce ne sont que des outils - des êtres non sensibles - et lorsqu'ils cessent d'être le bon outil de travail, ils doivent être corrigés ou remplacés pour mieux fonctionner", analyse-t-il. Mais il n'est pas facile d'effectuer ces changements en temps réel. Quatre personnes interrogées sur dix ont déclaré que les processus existants sont trop rigides pour s'adapter rapidement aux conditions du marché.

L'intervention humaine indispensable à l'IA

"L'IA a des capacités prometteuses, mais ce n'est qu'un ensemble d'outils, a déclaré M. Snyder. Ce n'est pas une boîte noire magique qui peut faire tout ce que nous voulons, avec peu de formation ou sans intervention humaine. La plupart des outils d'IA sont assez étroitement ciblés, et il faudra toujours des personnes intelligentes et bien informées pour les utiliser, et surtout pour les créer."

Un document publié le mois dernier a examiné de nombreuses techniques de prévision, notamment l'analyse des séries temporelles, l'apprentissage machine et l'étude approfondie pour aider à comprendre la demande pendant la pandémie. Les chercheurs ont préconisé une méthode de prévision souple.

"En plus de se préparer aux fluctuations de la demande, notamment en raison des blocages, nos résultats montrent que l'approche prévisionnelle doit être continuellement adaptée à l'évolution des besoins", recommandent ainsi les chercheurs d'une même voix. "Cela implique également un changement dans les modèles de prévision."