Comment l’IA façonne discrètement la logistique : réduction des déchets et augmentation des marges

Alors que la finance et les soins de santé font les gros titres pour l’adoption de l’IA, certaines des utilisations les plus lucratives se trouvent sur les routes. La logistique est la colonne vertébrale du commerce mondial, et les dirigeants commencent à s’en rendre compte – en 2024, 90% des dirigeants de la chaîne d’approvisionnement ont déclaré que les capacités technologiques sont les facteurs clés lors du choix des partenaires de fret. La raison ? L’IA transforme une industrie notoirement inefficace en un atout pour les entreprises face à la concurrence.

Historiquement basée sur des processus papier, la logistique a été un point aveugle pour les dirigeants de la chaîne d’approvisionnement. Ce manque de visibilité alimente l’effet bullwhip : les petits changements de la demande de détail s’amplifient à mesure qu’ils remontent la chaîne d’approvisionnement, atteignant les fournisseurs de matières premières. Couplé avec des délais de livraison longs, cela oblige chaque étape – détaillants, grossistes, distributeurs et fabricants – à surestimer la demande, exacerbant le problème.

Mais imaginons pour un instant que, au lieu de remplir les camions et les entrepôts de puces de semi-conducteurs pour que la demande de PC diminue, la logistique avait une traçabilité et une visibilité de la chaîne d’approvisionnement en temps réel. Et si elle pouvait prédire les fluctuations de la demande avec une précision de 99,9% ? Et fournir des solutions logistiques flexibles, comme le transport à la demande, en réponse ?

Avec l’IA et l’apprentissage automatique, cet idéal n’est peut-être pas aussi loin que les dirigeants d’entreprise le pensent.

La visibilité de la chaîne d’approvisionnement explique l’inexplicable

Lorsqu’on leur a demandé « Quelles sont les capacités technologiques des commissionnaires de transport que vous trouvez les plus précieuses ? », 67% des répondants ont voté pour la traçabilité des expéditions en temps réel.

Les appareils Internet des objets (IoT) révolutionnent la traçabilité des marchandises, offrant une visibilité granulaire et des alertes en temps réel sur l’état des marchandises – essentielles pour les expéditions sensibles au temps ou contrôlées par la température, comme les aliments et les produits pharmaceutiques, qui ont des réglementations de vérification strictes. Non seulement les dirigeants de la chaîne d’approvisionnement peuvent-ils savoir combien de stock ils ont et où il se trouve à tout moment, mais ils peuvent également en savoir plus sur son état. Les expéditeurs peuvent surveiller et partager des informations sur le fait que les marchandises sont chaudes, froides, humides ou sèches, et ils peuvent voir si les portes, les boîtes ou les conteneurs sont ouverts. Ces informations expliquent les anomalies avec les articles alimentaires qui arrivent gâtés, minimisant ainsi les déchets futurs.

En passant à l’industrie électronique, les entreprises peuvent assurer à leurs clients que les produits comme les cartes mères de laptop sont authentiques lorsqu’ils sont traçables et suivis. Les gestionnaires d’entrepôts et d’inventaire peuvent scanner des codes à barres et des codes QR pour suivre les niveaux de stock, ou utiliser des étiquettes d’identification par radiofréquence (RFID) attachées aux objets pour suivre les actifs de haute valeur sans avoir à les scanner. Les étiquettes RFID plus avancées offrent des alertes en temps réel lorsque les conditions (telles que la température) s’écartent des seuils prédéfinis.

La visibilité au niveau de l’article est devenue une nécessité pour les expéditeurs et leurs partenaires de la chaîne d’approvisionnement. Les prestataires de services logistiques doivent s’adapter rapidement aux perturbations et aux changements de la demande, et cette visibilité augmente la résilience. Ces informations permettent aux entreprises d’avoir une vue d’ensemble de l’inventaire et de prendre des décisions éclairées en temps réel, réduisant ainsi les déchets et améliorant l’utilisation des ressources.

Prévision de la demande et délais de livraison fiables

L’utilité des capteurs IoT va bien au-delà de la simple traçabilité des articles et de la mise à jour des clients en temps réel. Ils fournissent des données qui alimentent les algorithmes de prévision de la demande.

Prenons l’exemple de Coca-Cola. Le géant des boissons utilise l’IoT pour surveiller et collecter des données à partir de ses distributeurs automatiques et réfrigérateurs, suivant les indicateurs de stock et l’analyse des préférences des consommateurs en temps réel. Cela permet à Coca-Cola de faire des prédictions éclairées sur la demande pour des types de produits et des saveurs spécifiques.

Les commissionnaires de transport utilisent de plus en plus une méthode similaire pour prédire le volume de fret sur des voies spécifiques, leur permettant d’optimiser le déploiement de leur flotte et de respecter les accords de niveau de service (SLA). Bonne nouvelle pour les entreprises, car elles bénéficient de délais de livraison plus fiables, ce qui signifie des coûts d’inventaire plus bas et moins de ruptures de stock.

Il existe deux principales façons dont les sociétés de logistique utilisent la prévision :

1. À long terme (stratégique) : Pour les budgets et la planification des actifs (6 mois à 3 ans).
2. À court terme (opérationnel) : Le plus précieux pour la logistique, en prédisant le transport de fret terrestre jusqu’à 14 jours à l’avance, et 1 à 12 semaines pour le transport maritime.

Par exemple, la société de messagerie de DPDgroup, Speedy, prédit la demande en combinant les données historiques d’expédition (taille du colis, temps de livraison, comportement du client, etc.) avec des facteurs externes tels que les vacances, les pics de vente au détail (Black Friday), etc. Sous le nouveau système, la prévision de la demande alimentée par l’IA a permis à Speedy d’identifier et d’annuler rapidement les voyages et les transports inutiles. Cela a conduit à une réduction de 25% des coûts de transport de hub à hub et à une augmentation de 14% de l’utilisation de la flotte. McKinsey a trouvé des résultats similaires dans la gestion de la chaîne d’approvisionnement, avec des outils de prévision réduisant les erreurs de 20 à 50%.

Appariement charge-capacité : arrêter de transporter de l’air

Uber Freight a rapporté en 2023 que entre 20% et 35% des 175 milliards de miles que les camions parcourent chaque année aux États-Unis sont probablement vides – épuisant ainsi les budgets de carburant et de main-d’œuvre. Maintenant que l’IA, l’apprentissage automatique et la technologie de jumeau numérique sont devenus mainstream, un camion qui vient de faire une livraison à Dallas ne devrait pas revenir à Chicago sans charge. Les plateformes d’appariement de charge alimentées par l’IA analysent la demande de fret, la disponibilité des camions et les modèles de route pour garantir que chaque camion transporte à l’efficacité maximale.

Les sociétés de logistique prennent les informations de fret collectées utilisées dans les outils de prévision de la demande (taille de la charge, poids, dimensions, type – qu’il s’agisse de produits périssables, dangereux, etc.) et les analysent en parallèle avec leur capacité. L’analyse alimentée par l’IA peut examiner la taille du camion, les fonctionnalités, l’emplacement et la disponibilité, ainsi que les réglementations sur les heures de service des conducteurs, pour connecter les expéditeurs et les transporteurs en temps réel. La technologie de jumeau numérique peut potentiellement aller plus loin, en simulant des scénarios virtuels pour garantir l’appariement optimal.

Disons qu’un expéditeur entre des informations sur sa prochaine charge dans une plateforme numérique. Le système analyse la capacité de transport disponible et apparie la charge avec l’option la plus appropriée, en tenant compte des facteurs d’optimisation mentionnés précédemment. La transaction est traitée, et l’expédition est suivie tout au long de son parcours.

En suivant les actifs, en prédisant la demande et en appariant les charges, les sociétés de logistique réalisent d’énormes économies. Ils minimisent les miles vides, maximisent l’utilisation des véhicules et éliminent l’empreinte carbone – améliorant ainsi les relations avec les clients grâce à des livraisons plus fiables.

Les avantages s’étendent au-delà de la logistique. Ce niveau de visibilité de la chaîne d’approvisionnement permet aux détaillants et aux fabricants d’optimiser les calendriers de production et de réduire les coûts de stockage. Ils peuvent planifier les expéditions de manière plus efficace, minimisant les retards et les frais de stockage, et réduisant les dépenses de transport en garantissant une utilisation optimale des camions et une capacité gaspillée minimale.

Toute industrie qui traite de l’allocation de ressources – les compagnies aériennes, la fabrication, même l’informatique en nuage – peut apprendre de la façon dont l’IA de la logistique rationalise les opérations.