L’intelligence artificielle (IA) transforme en profondeur la manière dont les entreprises pilotent leurs opérations. Mais lorsqu’il s’agit de la Supply Chain, quelles sont les véritables avancées concrètes, et quelles limites subsistent encore ? C’est à ces questions que six experts ont tenté de répondre lors d’une table ronde organisée par Supply Chain Village, réunissant éditeurs de logiciels, prestataires logistiques, consultants et responsables innovation.

 

Voici les cinq grands enseignements à retenir de cet échange.


1. L’IA générative : une technologie à replacer dans un ensemble plus large

Première mise au point utile : l’IA générative, bien qu’au cœur de l’actualité, ne résume pas à elle seule ce qu’est l’intelligence artificielle. Elle s’inscrit dans un ensemble plus vaste de techniques et de méthodes, dont certaines sont utilisées depuis des années dans l’industrie.

Comme l’a rappelé Cyril Vernet, associé du groupe HRC :

« C’est intéressant d’imaginer un arbre, dont les racines seraient les mathématiques, les statistiques, les neurosciences, l’informatique… et où l’IA générative ne serait qu’une feuille. »

Cette image (inspirée d’une présentation de Virginie Mathivet) permet de ne pas perdre de vue les nombreuses autres formes d’IA – machine learning, heuristiques, vision par ordinateur... – déjà éprouvées sur le terrain.

2. Des cas d’usage logistiques concrets… et opérationnels

Les échanges ont mis en lumière des applications déjà à l’œuvre dans les entrepôts, comme la priorisation automatique des tâches, l’assistance au diagnostic en maintenance ou encore la suggestion d’actions en fonction du contexte opérationnel.

« En ce qui concerne la gestion des entrepôts ou l’optimisation des stocks supportée par l’IA, on y est déjà, on sait faire. »
« Le but, c’est d’apporter de l’IA supplémentaire à nos fonctionnalités. » – Cyril Vernet

« Ce qui est inédit, c’est le passage d’une idée à un impact opérationnel en quelques heures. » – Erwan Letoguenec, Responsable Commercial, SedApta

La condition du succès : partir du besoin métier, et non de la technologie.

3. Une adoption rapide, mais pas sans risques

L’un des phénomènes marquants pointés par les intervenants est la vitesse d’adoption des outils d’IA générative, notamment des interfaces conversationnelles. Ce succès, en apparence enthousiasmant, pose néanmoins la question de la fiabilité des réponses produites et de la capacité des utilisateurs à en juger la pertinence.

« L’IA donne l’illusion de comprendre, d’énoncer des vérités, c’est là où peut être le piège. » – Cyril Vernet

« L’un des risques, c’est la flemme intellectuelle : j’arrête de réfléchir parce que la machine l’a dit. Non, pas du tout. L’IA est censée nous accompagner, pas nous remplacer. » – Alexis Dallemagne, Group Innovation & AI Director, ID Logistics

« La qualité de la donnée, on en a parlé, mais la confidentialité aussi est un point clé, souvent oublié. » – Magali Bouton, Directrice de projet, Augusta Reeves

Derrière la simplicité d’usage se cache donc un enjeu majeur de formation, de transparence et de responsabilisation.

4. Un rapprochement entre métiers et IT… à encadrer

L’accessibilité des outils génératifs peut faciliter les échanges entre utilisateurs métier et équipes informatiques. Mais elle peut aussi créer une illusion de simplicité, parfois trompeuse.

« Ce n’est pas parce qu’on tape trois lignes dans ChatGPT qu’on va savoir faire des applications complexes. » «Cela dit, l’IA a ce mérite de créer un langage plus naturel entre les utilisateurs et les outils. Elle peut aider à rapprocher les équipes métiers de la technique, à condition de garder un cadre, des méthodes et une gouvernance claire. » – Cyril Vernet

« L’IA générative permet d’intégrer des gens qui n’ont pas des niveaux de formation élevés grâce au conversationnel. Mais ceux qui prennent les décisions doivent avoir un niveau d’expertise plus important. » – Yann Raguenes, France & Belgium Business Development Manager, System Logistics

« L’IA permet d’intégrer dans les outils la documentation projet et les procédures spécifiques, pour répondre aux questions des utilisateurs en langage naturel. » – Raphaël Hervé, Directeur Technique, Manhattan Associates

La conception d’outils robustes, maintenables et sécurisés demande toujours une expertise technique, même si l’interface paraît simple.

5. La qualité des données reste le fondement de tout

Dernier point, et non des moindres : une intelligence artificielle n’est jamais meilleure que les données sur lesquelles elle s’appuie. La structuration, la fiabilité et l’historique des données utilisées sont des facteurs critiques pour obtenir des résultats pertinents.

« Garbage in, garbage out. […] Si ce n’est pas fiable au départ, ce ne sera pas fiable à l’arrivée. » – Magali Bouton, Augusta Reeves

« Toute entreprise qui n’innove pas est vouée à mourir. » – Erwan Letoguenec

Cela implique un travail de fond sur la gouvernance des données, souvent sous-estimé mais indispensable à toute stratégie IA pérenne.

Pour aller plus loin

La table ronde dans son intégralité est disponible en replay ci-dessous ! Elle offre une vision croisée, pragmatique et nuancée sur les apports de l’IA dans les métiers de la Supply Chain, de la planification à l’exécution.

 

On vous conseille gratuitement

Afin de vous permettre de mesurer la simplicité d’installation et la facilité de prise en main, nous réalisons une démonstration de nos applications sur votre système avec vos données.