Interview de notre associé Jérôme Bour, parue dans le numéro 85 de Supply Chain Magazine, dans le dossier Conseil.
Supply Chain Magazine : De quelle façon l’IA générative est-elle déjà utilisée dans la Supply Chain ?
Jérôme Bour : Nous observons aujourd’hui trois cas d’usage avec des mises en œuvre concrètes en Supply Chain.
Le premier concerne les interactions en langage naturel avec les logiciels de façon à en faciliter l’usage. Plus besoin d’être un expert en APS pour l’interroger en langage naturel et lui demander par exemple de revoir la prévision sur une catégorie de produits pour les quatre prochaines semaines en intégrant en plus les évènements extérieurs susceptibles d’influer sur la prévision de ventes. La scénarisation avec ces systèmes complexes est ainsi rendue possible de façon relativement simple. L’usage de ces solutions s’ouvre donc à des populations plus larges et moins spécialistes. Si les éditeurs progressent sur l’intégration de ce cas d’usage, l’adoption reste encore faible.
On observe un deuxième cas d’usage d’IA générative pour recenser et rendre accessible des éléments internes à l’entreprise, ceci grâce à la technologie RAG (retrieval augmented generation – génération augmentée par récupération). Le modèle est nourri avec les documents propres à l’entreprise et permet de répondre par exemple à des questions liées aux processus. Un certain nombre d’entreprises ont monté des chatbots IA privatifs qui utilisent leur banque de ressources et leurs procédures. En plus de donner une réponse, le modèle peut ainsi citer ses sources propres. Ce mode de fonctionnement permet de réduire les hallucinations.
Le troisième sujet concerne le retour d’une forme de développement spécifique grâce à la capacité de l’IA à générer du code. Alors qu’historiquement, il pouvait s’avérer très compliqué de faire évoluer des ERP ou des WMS pour coller parfaitement aux besoins, nous avons désormais la capacité de générer très rapidement des applications.
Nous avons accompagné un client dont l’enjeu concernait un processus de contrôle qualité en réception entrepôt dont le périmètre complet n’était pas couvert par le WMS en place. Une fois le besoin correctement exprimé en prompt, nous avons généré très rapidement une application avec du code de qualité et documenté.
SCMag : Qu’en est-il des applications concrètes de l’IA agentique ?
J.B : Nous sommes encore en phase d’amélioration. On commence à voir des agents très spécialisés. J’ai par exemple découvert récemment chez un grand éditeur de WMS et TMS un agent capable de faire du contrôle facture transport. Je peux vous citer un autre exemple observé aux Etats-Unis, celui d’un agent « très humain » qui gère l’interaction avec les chauffeurs à propos des sujets d’anomalies, d’incidents, replanification des opérations… Ce sont des choses qui existaient dans les TMS mais les agents apportent plus de souplesse et la capacité de gérer les aspects conversationnels. Cela dit d’une manière générale, en raison de leurs difficultés à appréhender l’ensemble des éléments contextuels, ces agents restent sous une supervision humaine assez forte.
Nous avons récemment mené un projet mixant un agent et de la technologie RPA (Robotic Process Automation). Sur le même principe qu’une ressource humaine, il faut sélectionner les agents pour des processus bien identifiés, les former et les superviser. Mais les agents ne remplaceront pas la moitié du personnel ! A terme, les entreprises seront dotées d’un ensemble d’agents, chacun très spécialisé sur son sujet, qui collaboreront entre eux. Actuellement, le sujet des normes de communication entre agents avance bien.
SCMag : Vos clients et / ou prospects vous consultent-ils avec les idées déjà très claires sur les cas d’usages cibles ou y-a-t-il une tendance à simplement vouloir « faire de l’IA pour faire de l’IA » ?
J.B : Nous rencontrons les deux cas de figure. Parfois, la volonté provient directement de la direction générale qui souhaite gagner en efficacité par le biais de l’IA. C’est prendre le problème dans le mauvais sens ! Rapidement, nous réorientons les clients dans le deuxième schéma consistant à se concentrer sur l’identification des cas d’usages pertinents. C’est notre rôle de consultants de les accompagner dans ce cheminement et de s’assurer d’un certains nombres de prérequis. C’est le cas de la data : qualité, disponibilité et gouvernance… Pour qu’une IA soit en mesure de produire des tableaux de bord pertinents, elle doit être alimentée en données justes. Un des premiers sujets est d’arriver à impliquer davantage les directions Supply Chain dans le pilotage et la gouvernance de la data.
Nous aidons aussi beaucoup nos clients sur les sujets de gestion du changement pour les aider notamment à embarquer les équipes directement concernées et dépasser l’idée que l’IA est synonyme de suppression de postes. C’est de cette façon qu’il est possible d’aller au-delà du POC ; les passages à l’échelle étant souvent freinés par une mauvaise conduite du changement.