L’apport de l’IA et de la modélisation pour réduire l’impact environnemental de la Supply Chain
Alors que l’actualité géopolitique vient bousculer les réflexions en matière de chaînes d’approvisionnement, de nombreux professionnels du domaine étaient réunis fin mars à Deauville à l’occasion du CELO 2025. Un rendez-vous particulièrement attendu à l’aune d’enjeux majeurs qui mènent le métier à un tournant structurel aux implications structurantes et qui ont été au centre des échanges auxquels nos experts ont eu la chance de participer. Des enjeux clés, liés notamment aux problématiques environnementales qui impactent chaque jour un peu plus les chaînes d’approvisionnement :
- Réduire l’empreinte environnementale
- Développer la résilience de la chaîne d’approvisionnement.
- Maintenir l’excellence opérationnelle, sans surcoûts.
À la lumière de ces enjeux, les Directions Supply Chain doivent prendre des décisions de plus en plus complexes et ne disposent malheureusement pas toujours des éléments factuels leur permettant de faire les bons arbitrages entre les aspects financiers et environnementaux de leurs choix.
Il faut dire que l’intrication entre les différentes facettes de ces enjeux et les multiples interactions qui en découlent ne facilite pas une décision éclairée et sereine. À tout cela s’ajoutent les nombreux paramètres, parties prenantes et risques à considérer dans l’environnement VUCA que nous connaissons.
Pour répondre à cette complexité, la technologie offre aujourd’hui des solutions concrètes et efficaces, telles que celles apportées par la modélisation, qui capitalise notamment sur les capacités de l’IA pour concevoir des répliques virtuelles fidèles des organisations, des systèmes ou des réseaux et ainsi mettre la simulation au service de la prise de décision.
Conscients du caractère incontournable de ces outils, les professionnels sont de plus en plus nombreux à en envisager le recours. L’IA fait d’ailleurs partie des sujets prioritaires pour les Directions Supply Chain. Une étude réalisée par PWC en 2024 montre que 72 % des directions Supply Chain estiment que l’IA aura un impact significatif voire majeur sur les Supply Chain dans les 5 années à venir.
Pour autant, ces solutions restent à l’origine de beaucoup de questionnements. L’étude précédemment citée pointe ainsi également que 91 % des directions Supply Chain s’estiment peu ou très peu matures sur les sujets d’IA.
Sans surprise, le sujet était donc au programme du CELO. Nos experts ont d’ailleurs eu cette année le plaisir d’animer deux ateliers d’échanges autour de la thématique de l’apport de l’IA et de la modélisation dans les efforts de réduction de l’impact environnemental de la Supply Chain.
Retour sur les principaux enseignements tirés des échanges
La gestion de la chaîne d’approvisionnement peut être divisée en trois niveaux distincts : stratégique, tactique (S&OP) et opérationnel. À chacun de ces niveaux, les solutions avancées telles que l’IA et la modélisation peuvent jouer un rôle clé dans l’efficacité des transformations entreprises pour diminuer l’impact des activités sur l’environnement, tout en préservant les enjeux coût et qualité.
Au niveau Stratégique : Résilience et prise de décision éclairée
Le niveau stratégique de la supply chain concerne les décisions à long terme qui définissent la direction et les objectifs globaux de l’entreprise (planification à long terme, conception de la chaîne d’approvisionnement, identification et gestion des risques…).
Grâce à leur capacité à analyser de vastes ensembles de données historiques et actuelles, les algorithmes d’IA peuvent simuler différents scénarios de conception de la chaîne d’approvisionnement pour identifier les configurations les plus efficaces et rentables.
La modélisation se révèle aussi précieuse pour tester différents scénarios stratégiques et identifier ainsi ceux qui sont les plus pertinents à mettre en œuvre. Aidé de tels outils, il devient par exemple possible de simuler de façon granulaire l’impact de l’ouverture d’une nouvelle usine, de nouveaux entrepôts, ou encore de la modification des routes de transport sur les coûts, les délais et les émissions de GES. Cela participe à doter les entreprises de la capacité de réaction et de la flexibilité nécessaire à l’heure où elles doivent composer avec l’instabilité économique et géopolitique ambiante.
Les multiples crises de ces dernières années (Covid, canal de Suez, crise en mer Rouge, …), et celles qui se profilent à l’horizon (impact de la situation géopolitique sur les droits de douane, risque climatique, …), démontrent en effet qu’il est aujourd’hui plus important que jamais de pouvoir réagir vite et de compter sur des outils permettant de reconfigurer sa Supply Chain de manière « dynamique », au risque, dans le cas contraire, de subir en permanence les chocs et les revers.
Au niveau Tactique (S&OP) : Fiabilité et pertinence
À un niveau plus tactique, le besoin est de fiabiliser la planification à moyen terme et de garantir le bon alignement entre les activités de vente et de production (prévisions de la demande, planification de la production, gestion des stocks, coordination interfonctionnelle…). L’intelligence artificielle va ici jouer un rôle clé pour améliorer l’exactitude des prévisions, de déployer et de gérer les stocks de façon plus pertinente. De meilleures décisions qui vont mener à la fois à des réductions de coûts et d’émissions de GES.
De plus en plus d’outils APS (Advanced Planning System), disponibles sur le marché intègrent d’ores et déjà l’IA dans leurs suites logicielles, mais peu permettent réellement de comparer plusieurs scénarios en adoptant une vision « holistique » qui intègre à la fois les dimensions financières et environnementales.
Au niveau Opérationnel : Réactivité et efficacité
À un niveau plus opérationnel, qui englobe toutes les activités quotidiennes et décisions à court terme qui permettent de gérer au jour le jour la chaîne d’approvisionnement (Gestion des commandes, des transports, des retours…), le mot d’ordre est l’efficacité.
Ici, les systèmes d’IA peuvent assurer en temps réel une surveillance aiguisée des opérations, détecter les anomalies et proposer des ajustements immédiats pour les résoudre. L’IA joue aussi un rôle précieux dans l’optimisation des tournées de livraison, participant ainsi à réduire le nombre de kilomètres parcourus et par extension, les émissions de GES générées.
Quelques notions à garder en tête pour bien intégrer ces technologies
Si ces technologies avancées sont sans conteste destinées à faire évoluer la façon dont les professionnels de la Supply Chain (décideurs comme opérationnels), apportent au quotidien les réponses à leurs enjeux, leur mise en œuvre reste, nous l’avons évoqué, source de nombreuses incertitudes, qui peuvent souvent freiner leur intégration au cœur de l’activité. Pour bien commencer, quelques bonnes pratiques et prérequis nous apparaissent essentiels à garder à l’esprit.
Bien définir le besoin métier
Quelle que soit la solution envisagée, il est tout d’abord important de bien cadrer le besoin métier auquel elle doit répondre et d’identifier les questions et défis de toutes natures qui seront à résoudre lors de son déploiement. Cette première étape clé permet de s’assurer que les solutions technologiques sont pertinentes et alignées avec les objectifs stratégiques de l’entreprise. Cela évite aussi de déployer des solutions qui ne répondent pas aux réels besoins de ceux qui doivent se l’approprier.
Ne pas négliger le « dark side »
Les modèles hybrides et les algorithmes d’IA s’alimentent uniquement des données qu’ils reçoivent. Si celles-ci sont erronées, incomplètes ou biaisées, il sera tout bonnement impossible (voire risqué), d’en tirer pleinement parti.
C’est dire toute l’importance de penser et de déployer des normes et des processus solides et correctement outillés, qui garantiront que les données restent précises, complètes et fiables.
Élargir le périmètre des données
La variété des sources de données est elle aussi à ne pas négliger. Si les données internes sont évidemment capitales, l’intégration de données externes reste indispensable à la pertinence des projections ou des calculs réalisés par les modèles.
Cela leur permet de prendre en compte des éléments contextuels importants et une grande variété de facteurs qui influent sur leurs résultats. Les modèles peuvent ainsi s’adapter en temps réel aux évolutions souvent rapides de l’environnement externe. Leurs performances, plus dynamiques, soutiennent de façon fiable des décisions rapides et informées.
Embarquer toutes les expertises
Le succès de l’intégration de ces solutions réside aussi enfin de façon certaine dans la mobilisation active de compétences pluridisciplinaires issues de différents pôles internes qui doivent collaborer tout au long du processus.
Si l’expertise métier des experts en supply chain est cruciale pour définir les besoins, les objectifs, ou encore les indicateurs de performance, rien de véritablement pertinent ne pourra être mis en place sans ceux qui possèdent les compétences techniques nécessaires pour collecter, nettoyer, analyser et modéliser les données, ou sans ceux qui apporteront une perspective clé sur les impacts environnementaux des solutions envisagées.
