Prévenir les chocs de la chaîne d’approvisionnement grâce à l’IA : une opportunité de 62 Md$

• La pandémie de Covid-19 a montré à quel point les chaînes d’approvisionnement mondiales étaient vulnérables
• Dans le secteur du meuble, les ventes ont atteint des niveaux records au début de la pandémie, mais la pénurie de conteneurs, le manque de matières premières et les retards de réception de composants clés ont récemment conduit plusieurs entreprises à la faillite
• Le plus gros de la crise de la chaîne d’approvisionnement est passé, mais un certain niveau de rupture et de désordre est désormais devenu la norme
• Les perturbations de la chaîne d’approvisionnement auraient causé environ 1,6 T$ de pertes au cours des dernières années
• Si l’on examine 10 ans de données sur les perturbations de la chaîne d’approvisionnement, une entreprise peut perdre en moyenne près de la moitié d’un an de bénéfices

3 facteurs à l’origine du chaos dans la chaîne d’approvisionnement

1. Des outils de communication dépendants de données non structurées

   • Les données non structurées comme les e-mails, les SMS et les documents numérisés contiennent des informations importantes, mais elles sont difficiles à extraire et à analyser de manière systématique, ce qui complique la communication avec les fournisseurs
   • Ex. : Tesla a subi des retards de production parce que des informations sur une pénurie de puces ont été négligées dans des e-mails, ce qui a entraîné un manque à produire de 190 000 véhicules au 3e trimestre 2021

2. Des systèmes EDI obsolètes et déployés de manière inégale

   • L’EDI est un système d’échange de fichiers pour les documents commerciaux introduit dans les années 1960, largement adopté par les grands fabricants dans les années 1990
   • Ex. : de grands groupes comme La-Z-Boy utilisent l’EDI pour demander à des fournisseurs étrangers des devis pour 50 000 canapés en cuir, puis les équipes achats comparent les prix proposés
   • À l’inverse, les PME ont du mal à adopter l’EDI et peinent à négocier pendant plusieurs jours avec des fournisseurs étrangers sur de multiples canaux et plateformes

3. Des silos de données causés par l’usage de multiples systèmes logiciels de gestion

   • L’utilisation de plusieurs logiciels comme ERP, WMS et TMS crée des silos de données qui empêchent une visibilité de bout en bout sur la chaîne d’approvisionnement
   • Ex. : chez Unilever, le manque de communication entre l’ERP et le WMS a provoqué des écarts de stock, entraînant en 2022 une hausse mondiale de 23 % des ruptures et de 17 % des surstocks

Une opportunité de marché de 62 Md$ rendue possible par l’IA

• Selon Gartner, les dépenses annuelles en logiciels de gestion de la chaîne d’approvisionnement devraient passer de 29 Md$ en 2023 à 62 Md$ en 2028, soit un CAGR de 16,3 %
• Des startups IA innovantes, bien positionnées et capables d’aller vite pourraient capter ce marché
• L’IA peut classer des données visuelles, numériques et textuelles, et modéliser des scénarios complexes avec une grande précision
• Ex. : des systèmes de computer vision peuvent inspecter des produits sur une chaîne d’assemblage et identifier les défauts de manière plus constante que les humains
• Des algorithmes de machine learning peuvent analyser aussi bien les historiques d’achat que les bouleversements politiques, les conditions de travail ou la météo pour prévoir la demande avec une précision inédite

Les 3 domaines les plus prometteurs pour l’adoption de l’IA

1. Achats (Procurement) : sourcer et sécuriser les produits nécessaires aux opérations de l’entreprise
2. Supplier Intelligence : collecter des données pour évaluer et optimiser les relations fournisseurs
3. Demand Planning : prévoir la demande future des clients afin d’optimiser l’approvisionnement

Pourquoi les achats sont un terrain idéal pour l’automatisation

• Les achats sont essentiels pour garantir un approvisionnement stable en matières premières, maintenir les relations avec les fournisseurs et améliorer les marges
• Des startups comme Tonkean automatisent une grande partie des processus achats, comme les renouvellements de contrats ou le traitement des factures
• La RPA automatise des processus de saisie fondés sur des règles, mais ne peut pas traiter les données non structurées
• Des startups IA comme Didero, Lighthouz AI et Soff extraient des insights enfouis dans les e-mails et les PDF
• Pulse AI développe un moteur de recherche capable d’explorer des données non structurées pour répondre à des questions sur la supply chain
• Mandel AI développe un agent supply chain qui met automatiquement à jour l’ERP lorsque les délais fournisseurs et les prix évoluent

Comment renforcer la Supplier Intelligence avec l’IA

• Pour trouver les meilleurs fournisseurs, il faut prendre en compte les exigences de conformité, les devis, les évolutions du marché, etc.
• Disposer de plusieurs fournisseurs renforce aussi la résilience de la chaîne d’approvisionnement face à des chocs comme le Covid-19 ou la guerre entre la Russie et l’Ukraine
• Contrairement à une simple barre de recherche, l’IA permet une cartographie et un matching intelligents des fournisseurs
• Altana est un leader du secteur : l’entreprise a construit une chaîne de valeur intelligente couvrant plusieurs niveaux de la supply chain et propose un assistant LLM pour interroger des fournisseurs spécifiques
• Keelvar et Fairmarkit proposent aussi des plateformes alimentées par l’IA pour aider les équipes achats à sourcer plus facilement des fournisseurs
• Plus récemment, de nouveaux acteurs comme Kipo AI et Terra construisent des plateformes de mise en relation entre entreprises et fournisseurs

La planification de la demande va au-delà des données historiques

• Prévoir les variations de l’offre et de la demande permet d’éviter que les perturbations de la chaîne d’approvisionnement n’affectent les consommateurs
• Les logiciels de planification traditionnels s’appuient surtout sur les données historiques pour établir leurs prévisions, ce qui peut être insuffisant dans des marchés et des contextes géopolitiques très changeants
• L’IA peut améliorer les capacités de planification en prenant en compte à la fois les données historiques et les tendances actuelles du marché
• Selon certaines recherches, l’IA peut identifier des valeurs aberrantes et les classer comme pertinentes, afin de détecter des cas de « panique d’achat » comme les achats massifs de papier toilette pendant la pandémie
• Selon McKinsey, une planification autonome de la chaîne d’approvisionnement peut augmenter le chiffre d’affaires jusqu’à 4 % et réduire les coûts jusqu’à 10 %
• Ikigai utilise un grand modèle graphique breveté pour relier des sources de données disparates et produire des prévisions ainsi que des scénarios
• De jeunes entreprises comme Spherecast entrent également sur le terrain de la planification avec des moteurs capables de gérer plusieurs canaux et de générer des prévisions de demande granulaires à différents niveaux

Réinventer la chaîne d’approvisionnement avec l’IA

• Le secteur de la chaîne d’approvisionnement présente deux atouts majeurs pour les startups IA : des systèmes logiciels de gestion cloisonnés et d’immenses volumes de données non structurées
• Qu’il s’agisse des achats, de la Supplier Intelligence ou de la planification de la demande, l’IA semble appelée à bouleverser et renforcer les chaînes d’approvisionnement dans les années à venir

L’avis de GN⁺

• De nombreuses startups émergent en intégrant des technologies d’IA aux logiciels de gestion de la chaîne d’approvisionnement. Avec les progrès de l’IA, cela ouvre une nouvelle opportunité de transformer des méthodes de gestion historiquement fragmentées et inefficaces
• L’IA devrait contribuer de façon significative à l’automatisation et à l’optimisation des processus existants, en particulier dans les achats, la Supplier Intelligence et la planification de la demande. Le traitement des données non structurées et la modélisation de scénarios complexes font partie de ses points forts
• Cela dit, la supply chain est un domaine extrêmement complexe impliquant de nombreuses parties prenantes ; l’adoption de l’IA exige donc de bien considérer des sujets comme la qualité des données, la prévention des biais algorithmiques et la mise en place de cadres de collaboration humain-IA
• Surtout, il faut garder à l’esprit que l’IA n’est qu’un outil d’aide à la décision, et que la responsabilité finale reste humaine. Plutôt que de suivre aveuglément les insights proposés par l’IA, il est important de prendre des décisions équilibrées fondées sur l’expérience et le discernement des experts
• En résumé, l’IA peut devenir un game changer pour résoudre les inefficacités de la gestion de la chaîne d’approvisionnement et permettre l’optimisation, mais son usage doit rester stratégique et aligné sur les objectifs business plutôt que relever d’une confiance aveugle dans la technologie

[colus001]

Comment l’IA est censée permettre de mettre cela en œuvre ? Hum… j’ai du mal à y adhérer. La chaîne d’approvisionnement relève de problèmes physiques, concrets et politiques ; il est donc assez surprenant de penser qu’on puisse corriger cela avec du logiciel.