L'IA dans la logistique : son potentiel et ses applications

La gestion logistique constitue un sous-ensemble de la gestion de la supply chain, qui couvre toutes les étapes du processus de création et de livraison d'un produit au client final. Elle se concentre sur le transport des matières premières et le mouvement et le stockage des produits. Les responsables logistiques cherchent constamment à optimiser la gestion de ce processus. Jusqu'à présent, ils pouvaient compter sur les logiciels de gestion des transports et des entrepôts, ainsi que des appareils d'Internet des objets qui facilitent le suivi des camions, des véhicules de livraison, des trains de marchandises et d'autres modes de transport. Depuis l'intégration de l'IA dans ces applications et d'autres appareils, les responsables de la logistique disposent d'outils de plus en plus précis.

Qu'est-ce que l'IA dans la logistique ?

L'IA est utilisée dans la logistique pour divers usages, tels que la prévision de la demande, la planification des expéditions, l'optimisation de l'entreposage et l'obtention d'une visibilité étape par étape sur les itinéraires, les conditions de fret et les perturbations potentielles. Les algorithmes d'IA peuvent aider les équipes en charge de la logistique à prévoir les temps de transit, à déterminer le meilleur transporteur au meilleur prix et à identifier d'autres itinéraires et transporteurs en cas de perturbations. Ils peuvent également servir à automatiser certains aspects du service client, à la fois via des chatbots basés sur l'IA qui peuvent aider à traiter les demandes client les plus simples et via des outils basés sur l'IA qui analysent les réclamations des clients et transmettent ces données aux équipes logistiques.

Points clés à retenir

• Les entreprises peuvent utiliser l'IA pour vérifier la provenance des marchandises et des composants au fil des étapes de la supply chain, afin de s'assurer que leurs fournisseurs respectent les lois relatives au travail équitable et les pratiques durables.
• L'IA peut optimiser les itinéraires de transport, en tenant compte du trafic, des conditions météorologiques et des lieux de livraison, ainsi que de l'impact des grèves. Grâce à des itinéraires optimisés, les entreprises peuvent réduire leurs émissions de carbone et leur consommation de carburant tout en accélérant le transport des produits.
• L'IA peut aider à résoudre les problèmes de retour de produits. Par exemple, elle peut identifier les produits avec une fréquence élevée de retours. Les entreprises peuvent utiliser cette donnée pour découvrir des défauts dans leurs produits ou une incohérence entre les produits et le marché.

Ce que vous devez savoir sur l'IA dans la logistique

Les principaux objectifs de l'IA dans la logistique sont de générer des prévisions d'arrivée plus précises basées sur des données internes et tierces (par exemple, des prévisions météorologiques et des arrêts de travail potentiels) et d'identifier les expéditions à risque afin que les responsables puissent prendre des mesures (par exemple, dévier des expéditions). Les modèles d'IA sont entraînés sur les commandes précédemment et les préférences des utilisateurs, ce qui contribue à améliorer les performances opérationnelles et à réduire le besoin d'intervention manuelle. Les premiers utilisateurs de logiciels de gestion de la supply chain alimentés par l'IA enregistrent des coûts logistiques 15 % inférieurs à la concurrence, tandis que leurs niveaux de stock se sont améliorés de 35 %, selon une recherche de McKinsey & Company.

Le rôle de l'IA dans la logistique moderne

L'IA occupe plus en plus de place dans la logistique moderne. Dans une enquête menée en 2024 par Zogby Strategies et Xometry auprès d'industriels, 97 % des dirigeants déclaraient qu'ils allaient utiliser l'IA dans leurs opérations au cours des deux prochaines années.

Les responsables logistiques commencent à utiliser les nouvelles fonctionnalités d'IA pour améliorer l'efficacité des transports, par exemple en analysant les tendances du trafic et des conditions météorologiques afin d'identifier les itinéraires de transport les plus économes en carburant et d'éviter les retards coûteux. Les industriels comptent sur la livraison de milliers de composants issus de partout dans le monde pour assembler leurs produits. Ces livraisons doivent être orchestrées pour que toutes les pièces soient disponibles en cas de besoin, mais pas trop tôt à l'avance, car le coût de stockage peut être important.

Potentiel de l'IA dans la logistique

Le volume de données générées lors du transport, du stockage et de la livraison des produits est immense. Les données collectées incluent notamment la localisation en temps réel, la température, les coûts d'expédition et la disponibilité des transporteurs. Il est évident que la logistique alimentée par l'IA et les livraisons à temps associées influeront sur la satisfaction client, mais l'IA aide par bien d'autres moyens à améliorer la logistique. Vous trouverez une description plus détaillée ci-dessous.

• Gestion des stocks
  Les outils de gestion des entrepôts alimentés par l'IA peuvent aider les responsables logistiques à identifier les commandes entrantes avec des délais d'exécution prévus qui dépassent la cible. Ils peuvent ensuite partager les détails des commandes à risque avec les responsables de préparation afin de hiérarchiser le prélèvement de ces commandes, ou ajuster l'emplacement de stockage des articles pour regrouper les produits fréquemment commandés ensemble. En outre, les fonctionnalités d'IA générative sont conçues pour fournir des récapitulatifs concis et structurés des historiques de révision des commandes pertinents et des accusés de réception par e-mail modifiables des commandes nouvelles et modifiées.
• Précision de la demande
  Les applications logistiques intégrées à l'IA peuvent fournir des données qui aident les prévisionnistes de la demande à prévoir les problèmes susceptibles de retarder la livraison des produits finis. En outre, les données générées par les applications de prévision de la demande peuvent aider les responsables logistiques à hiérarchiser la livraison des produits susceptibles d'avoir le plus d'impact sur la satisfaction client et la rentabilité globale.
• Optimisation des excédents de stock
  Les industriels peuvent utiliser l'analyse prédictive basée sur l'IA pour optimiser les niveaux de stock, en s'appuyant sur les données historiques et les données de demande en temps réel pour aider à prévenir les ruptures de stock et à réduire les stocks excédentaires.
• Efficacité de l'exécution
  L'IA peut aider à augmenter les taux d'exécution en aidant les entrepôts à être plus efficaces, par exemple en analysant les données de demande historiques afin de déterminer le meilleur emplacement pour des produits spécifiques et en recommandant des dispositions d'étage et des itinéraires de travail pour accélérer l'exécution. Les gestionnaires d'entrepôt peuvent également utiliser l'IA pour évaluer si les conteneurs de livraison sont remplis avec le volume idéal de colis, sans espace perdu.
• Précision des commandes
  Les industriels et les entreprises de logistique entraînent les algorithmes d'IA sur les données capturées à partir des caméras et des capteurs pour aider à détecter et à éliminer les erreurs des collaborateurs, telles que l'extraction des mauvais produits d'un entrepôt ou l'envoi d'articles aux mauvais endroits. Ces mêmes systèmes peuvent être utilisés pour analyser les données capturées afin de mieux déterminer si des erreurs fréquentes peuvent être évitées grâce à des modifications de processus ou de conception, par exemple grâce à une meilleure formation des salariés, à des modifications de packaging ou à une optimisation de l'emplacement des produits en fonction des niveaux de demande.
• Optimisation du prélèvement
  L'IA peut optimiser le prélèvement de produits, lorsque les équipes dans l'entrepôt collectent des produits pour exécuter une commande, en découvrant les modèles de commande et en suggérant que les produits fréquemment commandés ensemble soient déplacés vers la même partie de l'entrepôt. L'IA peut améliorer l’organisation du stockage en suggérant que les produits qui ont un délai de livraison plus court, tels que les marchandises périssables ou les commandes urgentes, soient situées dans les sections les plus accessibles de l’entrepôt.
• Automatisation de l'étiquetage
  L'IA générative peut être utilisée pour automatiser la création d'étiquettes d'expédition, une tâche qui était jusqu'alors manuelle et sujette aux erreurs. Les outils pour cette tâche peuvent être intégrés dans les applications de logistique et de gestion des entrepôts, et prendre en charge les exigences d'expédition multilingues et internationales.
• Gestion des transports
  Les applications de gestion du transport basées sur l'IA peuvent prévoir les ETA des expéditions à deux moments différents, au moment où le responsable logistique planifie l'expédition et pendant le déplacement des produits. Au stade de la planification, il est utile de savoir à l'avance si les expéditions peuvent être retardées afin que les responsables logistiques puissent choisir d'autres itinéraires de transport et transporteurs.
  
  Bien qu'il ne soit pas toujours possible de changer de transporteur lors des expéditions, les déplacements en plusieurs étapes peuvent présenter davantage d'opportunités d'optimisation. Les responsables logistiques peuvent utiliser l'analyse des données basée sur l'IA pour, par exemple, envoyer une expédition vers un port différent ou diriger les services de camionnage vers un meilleur itinéraire. Les outils d'IA peuvent également être utilisés pour analyser les délais d'expédition prévus et réels côte à côte, afin que les responsables logistiques puissent identifier les voies les plus risquées et les éviter dès que possible. Naturellement, la précision de prédiction s'améliore à mesure qu'un envoi se rapproche du point de livraison. Une fois que la fiabilité de l'ETA atteint un certain seuil, les outils de gestion de l'IA peuvent être utilisés pour envoyer automatiquement un appel d'offres au transporteur de transport le plus approprié afin qu'il soit prêt à partir dès que l'expédition arrive.
• Économies de carburant
  D'ici 2050, les secteurs de l'aviation et du transport maritime dans le monde représenteront probablement près de 40 % des émissions mondiales de dioxyde de carbone, à moins qu'ils ne prennent des mesures pour réduire leurs niveaux actuels, selon l'Agence européenne pour l'environnement. La logistique optimisée par l'IA peut aider à réduire l'impact environnemental des produits et matériaux d'expédition en optimisant les chargements de camions/chargements et les itinéraires de livraison. Dans un rapport de 2021, le Forum économique mondial a estimé que 15 % des kilomètres parcourus en camion se faisaient sans chargement.
• Optimisation des délais de livraison
  Les responsables logistiques utilisent l'IA pour optimiser les itinéraires de livraison afin que les entreprises disposent des matières premières dont elles ont besoin, au moment où elles en ont besoin, et qu'elles puissent expédier des produits finis aux entrepôts ou aux magasins rapidement et efficacement. Les responsables peuvent définir des priorités en fonction de presque tous les facteurs, tels que le volume des commandes et la disponibilité des produits. Ils peuvent même utiliser l'IA pour que les commandes de clients hautement prioritaires reçoivent une attention particulière à chaque étape, si ces commandes semblent être en danger.
• Sécurité de la livraison
  Les systèmes de tableau de bord alimentés par l'IA et d'autres systèmes composés de caméras et de capteurs peuvent aider à détecter les risques à bord des véhicules, tels que les conducteurs distraits ou somnolents, ainsi que les dangers externes, tels que les collisions imminentes ou les changements soudains des conditions routières. Les responsables logistiques peuvent également utiliser les données de ces systèmes pour identifier les collaborateurs qui ne respectent pas les protocoles de sécurité. En cas d'accident, les responsables peuvent utiliser l'IA pour analyser les causes afin de prendre des mesures pour prévenir de tels incidents à l'avenir.
• Entretien des entrepôts et des transports
  Les chariots élévateurs, les palettes, les trieurs, les convoyeurs, les chargeurs et autres types d'équipement d'entrepôt peuvent tomber en panne, tout comme l'équipement clé sur les camions, les navires, les wagons, les chemins de fer et autres moyens de transport. Les responsables logistiques peuvent appliquer l'IA générative aux données des capteurs intégrés à ces machines et infrastructures pour prévoir les pannes de manière plus précise, ce qui leur permet de planifier la maintenance de manière proactive, d'éviter les temps d'arrêt imprévus, de prolonger potentiellement la durée de vie des équipements coûteux et, en fin de compte, de garantir le bon fonctionnement de leurs supply chains.
• Retours de produits
  L'IA peut également aider à éclairer les problèmes de logistique inversée (retours des produits). Si un certain produit rencontre une fréquence élevée de retours client ou est fréquemment renvoyé d'une région particulière, les algorithmes d'IA peuvent aider à éliminer rapidement ces tendances, alertant l'industriel d'un défaut de conception ou d'un défaut potentiel, ou d'une incohérence entre le produit et le marché. Dans le cas où un grand nombre de produits sont rappelés, l'IA peut aider à rationaliser ce processus en établissant un flux de retour plus efficace, par exemple en définissant un code de retour spécial qui dirige les produits rappelés vers un lieu spécifique afin qu'ils ne soient pas simplement perdus parmi tous les autres retours.

Applications d'intelligence artificielle dans la logistique

Les industriels commencent à utiliser les logiciels d'IA pour automatiser des tâches telles que le suivi des pannes d'équipement, l'amélioration de la qualité des produits et l'accélération de l'expédition de marchandises aux clients. Ils utilisent également l'IA pour analyser de grandes quantités de données afin de résoudre leurs problèmes logistiques les plus complexes. Voici quelques cas d’usage spécifiques d’utilisation de l'IA par les responsables logistiques pour atteindre leurs objectifs.

• Optimisation de routage
  La planification de routage était un processus manuel nécessitant beaucoup de main-d'œuvre. Toutefois, les systèmes d'IA peuvent être utilisés pour l'optimiser en tenant compte des conditions de circulation et de route, de la météo, des lieux de livraison et d'autres données pertinentes. Avec des itinéraires plus efficaces, les entreprises peuvent plus facilement économiser de l'argent sur le carburant et réduire les émissions de carbone, tandis que les conducteurs peuvent faire plus de livraisons sur une même période.
• Planification du dernier kilomètre
  Le coût associé à la phase finale ou au « dernier kilomètre », d'un centre de distribution à la porte du client, est passé de 41 % du coût total de livraison en 2018 à 53 % en 2023, selon CapGemini Research Institute. Alors que les clients attendent toujours plus de rapidité de livraison, les entreprises réagissent en créant des réseaux de petits dépôts de livraison, en externalisant vers des fournisseurs tiers et en utilisant l'IA pour optimiser la planification des itinéraires. Les outils d'IA peuvent aider à rendre l'acheminement des véhicules plus efficace en analysant les lieux de livraison et les capacités des véhicules et en aidant les conducteurs à s'adapter plus rapidement aux ralentissements inattendus.
• Gestion de parc
  Les fonctionnalités d'IA intégrées aux applications de gestion de parc peuvent aider les responsables à déterminer la meilleure combinaison de transporteurs pour l'embauche et de transporteurs de parc privés. En outre, ces outils peuvent vous aider à affecter des charges de manière autonome aux conducteurs et à ajuster les heures de début des expéditions en fonction des données historiques internes et externes.
• Prévision de la demande
  Les prévisions classiques de la demande reposaient presque exclusivement sur des données historiques internes. Les outils de prévision de la demande alimentés par l'IA aident également à analyser les données tierces sur la météo, les événements régionaux, les fluctuations des modèles de demande des clients et d'autres facteurs pour améliorer la précision.
• Robotique et automatisation
  Les robots alimentés par l'IA peuvent stocker et sélectionner des produits plus rapidement et plus efficacement que les opérateurs humains. Les avantages des robots automatisés comprennent moins d'erreurs et de blessures, et une meilleure utilisation de l'espace. Les programmes pilotes pour les camions autonomes promettent de nouvelles réductions des coûts de transport ainsi que des délais de livraison améliorés en raison de l'utilisation de près de 24 h/24 des véhicules.
• Emballage et tri intelligents
  Les algorithmes d'IA peuvent suggérer des configurations d'atelier optimales qui aident à accélérer le mouvement des stocks vers et hors de ces sites. Ils peuvent également aider à planifier les itinéraires les plus efficaces dans les entrepôts pour les préparateurs de commandes. L'une des plus grandes entreprises mondiales de livraison de colis utilise même des robots alimentés par l'IA pour trier les colis.
• Tarification dynamique
  Les mécanismes classiques de tarification statique sont progressivement remplacés dans certains secteurs par une tarification dynamique, grâce à laquelle les algorithmes d'IA facilitent l'ajustement constant des prix des biens et des services en fonction d'une analyse continue de la demande du marché et d'autres facteurs. Le secteur du transport aérien a été un pionnier dans ce domaine. Les hôtels, les retailers, les sites de commerce électronique, les entreprises de covoiturage et les équipes sportives professionnelles ont aussi adopté rapidement cette technologie.
• Automatisation des documents
  Les fonctionnalités de compréhension des documents basées sur l'IA générative, parfois appelées reconnaissance intelligente des documents, sont conçues pour extraire automatiquement du texte à partir de fichiers numériques, même ceux contenant des documents illisibles ou en détérioration. Ces fonctionnalités peuvent aider à rationaliser les tâches logistiques, par exemple en créant des reçus numériques à partir de connaissements ou en numérisant des factures papier et en les important dans le système de comptabilité fournisseurs. L'IA générative peut également aider à extraire du texte, des tables et d'autres données clés des documents pour faciliter le paiement des dépenses, le traitement des factures et la gestion du contenu.
• Service et expérience client
  Les entreprises déploient des chatbots basés sur l'IA générative pour répondre aux demandes logistiques les plus courantes des clients, telles que la possibilité d'expédier un produit à une adresse donnée, ou la prise en charge des expéditions transfrontalières ou des expéditions en plusieurs colis dans un pays spécifique. Auparavant, les agents du service client devaient consulter une feuille de calcul pour répondre à ces questions. Les systèmes d'IA sont conçus pour parcourir plusieurs variables et mettre à jour automatiquement les réponses à mesure que ces variables changent. Les interfaces utilisateur en langage naturel permettent aux utilisateurs d'accéder à ces informations en conversant avec le chatbot.

Exemples d'utilisation de l'IA dans la logistique

Western Digital utilise un assistant numérique nommé Logibot pour fournir des informations aux partenaires de la supply chain. Après avoir comparé sa boutique en ligne avec celle de ses concurrents, les responsables de la logistique de Western Digital ont fixé trois objectifs : la réponse 24 h/24 aux requêtes, la capacité de recueillir les commentaires des clients et y répondre, et de gérer la plupart des requêtes de manière autonome afin que les agents du service client ne puissent répondre qu'aux problèmes les plus critiques. L'objectif final de l'entreprise est de suivre toutes les interactions que Logibot a avec les utilisateurs, de déterminer combien d'interactions réussissent et combien échouent, et d'utiliser ces données pour rendre l'outil plus efficace et fournir ainsi un meilleur service client. Western Digital prévoit d'étendre Logibot de la logistique à la planification, à l'achat et à la fabrication.

Pour les entreprises qui cultivent ou fabriquent des biens périssables, et celles qui s'appuient sur des réseaux d'expédition complexes pour s'approvisionner en biens et livrer le produit fini aux clients, le suivi et le suivi des expéditions sont des enjeux de table. L'IA offre la possibilité de suivre de manière autonome les articles déjà en mouvement et d'alerter les agents humains en cas de problèmes, tels qu'une augmentation de la température dans un conteneur d'expédition ou un retard inattendu pouvant mettre en péril une expédition. Les responsables logistiques peuvent utiliser ces informations pour réacheminer les produits et réajuster les attentes des clients. Avant même l'expédition, les responsables logistiques peuvent utiliser les fonctionnalités prédictives de l'IA pour aider à détecter les problèmes potentiels en utilisant des données internes historiques et des données tierces sur les conditions météorologiques, les fermetures de routes et de ports, les grèves et d'autres variables.

Défis liés à l'adoption de l'IA

Bien que l'IA ait le potentiel d'améliorer le stockage et le transport des matériaux et des produits, sa mise en œuvre n'est pas toujours facile. Voici quelques-uns des défis auxquels les entreprises sont confrontées lorsqu'elles adoptent l'IA.

• Coût d'implémentation et de formation des collaborateurs
  Les équipes sont parfois intimidées par de nouvelles applications cloud, même si elles sont intuitives, et peuvent résister à l'adoption. Les entreprises doivent parfois envisager de prévoir des temps d'arrêt dans leur planning pour familiariser leurs collaborateurs avec les nouvelles fonctionnalités. Les entreprises devraient également envisager de travailler avec leurs fournisseurs pour développer des programmes de formation adaptés à un large éventail de rôles, y compris les responsables de la logistique qui devront répondre de manière appropriée aux alertes alimentées par l'IA et les conducteurs qui utiliseront les fonctionnalités de conduite automatisée et suivront les itinéraires optimisés par l'IA.
• Intégration aux systèmes existants
  L'intégration de nouvelles fonctionnalités d'IA dans une application logistique on-premises existante peut être une tâche ardue, nécessitant souvent un intégrateur de systèmes. Une fois que le système est prêt à revenir en production, l'entreprise subit généralement des temps d'arrêt. L'IA et d'autres améliorations de fonctionnalités dans les applications cloud sont généralement fournies de manière beaucoup plus transparente.
• Problèmes de confidentialité et de sécurité
  Avec les applications logistiques on-premises existantes, les entreprises doivent constamment appliquer des correctifs pour remédier aux vulnérabilités de sécurité. Cependant, avec des applications logistiques alimentées par l'IA dans le cloud, le logiciel reçoit des mises à jour régulières et automatisées pour renforcer la sécurité et la confidentialité des données.

Optimisez et accélérez le traitement des commandes avec Oracle

Oracle Fusion Cloud Logistics, qui fait partie d'Oracle Fusion Cloud Supply Chain Management & Manufacturing, inclut de nouvelles fonctionnalités d'IA pour rationaliser les activités logistiques, optimiser les itinéraires des transporteurs et réduire les coûts de stockage des stocks. Ces capacités pourraient être appliquées pour aider les industriels à réduire les coûts, raccourcir les délais de livraison, améliorer la sécurité des collaborateurs et réduire leur empreinte carbone.

FAQ sur l'IA dans la logistique

Comment l'IA peut-elle être utilisée dans la logistique ?
L'IA est principalement utilisée dans la logistique pour prévoir la demande, planifier les expéditions, surveiller les conditions de fret et optimiser l'espace d'entreposage et les itinéraires de transport.

En quoi l'IA change-t-elle le secteur du transport maritime ?
Les compagnies maritimes utilisent l'IA pour analyser des facteurs tels que le trafic, les courants maritimes et les conditions météorologiques afin d'affiner leurs itinéraires ou de cartographier des alternatives, réduisant ainsi leur consommation de carburant et le risque de retards coûteux. Elles l'utilisent également pour la maintenance prédictive des équipements.

Comment l'IA peut-elle rendre les supply chains plus durables ?
La principale façon dont l'IA peut rendre les supply chains plus durables est d'optimiser les itinéraires de transport, ce qui peut réduire la consommation de combustibles fossiles des véhicules de transport et, de facto, les émissions de carbone.