Dans cet échange animé, les intervenants explorent comment l'intelligence artificielle (IA) transforme la logistique au-delà de la simple analyse de données. Ils distinguent deux niveaux d'IA : l'IA d'assistance, qui améliore la productivité des processus existants, et l'IA experte, capable de réinventer les modèles logistiques. Des exemples concrets sont présentés : un chariot équipé de caméras qui, grâce à l'IoT et à un jumeau numérique, réalise des inventaires quasi en temps réel (Ocular Logistics / Daer); une IA qui recommande le meilleur emballage pour réduire les vides et l'empreinte carbone (SEVA Logistics); un modèle prédictif combinant météo et données logistiques pour anticiper les impacts d'El Niño à Manaus et proposer des solutions alternatives. Renault illustre l'« Never new normal » en cartographiant sa chaîne d'approvisionnement mondiale jusqu'au rang 3, permettant à l'IA de détecter des signaux faibles (grèves, conditions météo, tensions de matières premières) et d'alerter proactivement. Les intervenants soulignent les défis majeurs : cybersécurité accrue avec l'hyper‑connexion, et la qualité/hétérogénéité des données provenant de multiples acteurs. La solution proposée est collective : le nouveau Collectif pour l'innovation logistique, porté par France Logistique, vise à mutualiser les bonnes pratiques, standardiser les échanges de données et renforcer la sécurité. L’ensemble montre que l’IA augmente les capacités humaines face à la complexité et à l’incertitude, tout en nécessitant une gouvernance collaborative pour surmonter les obstacles.
Chapters
Bienvenue à toutes et à tous pour cette exploration approfondie. Aujourd'hui, on plonge dans l'intelligence artificielle et son rôle grandissant dans la logistique. On va s'appuyer sur des retours d'expérience très concrets de SEVA Logistics, d'AR, Renault, partagés au SITL. L'idée, c'est de voir comment l'IA va plus loin que la simple analyse de données, comment elle touche l'éco, l'écologie et même le social. Bon, on y va?
Oui, tout à fait. Et c'est vrai qu'on est On a vraiment changé d'étape. On est passé de cette première IA très axée big data pour améliorer les prévisions à des choses plus fines. Maintenant, on a des applis qui tournent avec des données en temps réel via l'IoT, vous savez, les objets connectés, et qui apprennent toutes seules, le machine learning. Ça, ça ouvre de nouvelles portes pour l'optimisation, c'est clair.
Alors justement, Aymeric Daer, de Daer donc, il parlait de 2 niveaux d'IA. C'est intéressant. Il y a l'IA d'assistance pour booster la productivité sur ce qui existe déjà et l'IA experte. Là, on parle de transformer carrément les modèles logistiques. Il a donné un exemple chez eux, les inventaires en temps masqué. C'est avec Ocular Logistics, une start-up.
Ah oui, j'ai vu ça. L'idée du chariot qui scanne pendant qu'il se déplace, c'est ça?
Exactement. Un chariot, des caméras, hop, ça scanne l'entrepôt et les données, elles vont dans un jumeau numérique. Réplique virtuelle quoi. Résultat: inventaire quasi en temps réel.
C'est un super exemple d'IA d'assistance. Les gains sont évidents: productivité, qualité des données, la fiabilité des stocks aussi. On imagine le temps gagné par rapport aux inventaires manuels.
Carrément.
Mais ce qui est fascinant au-delà de ça, c'est la diversité des applications qu'on commence à voir. Chez SEVA Logistics par exemple, Olivier Storch a mentionné une IA qui recommande le meilleur emballage.
Ah oui.
Oui, et ce n'est pas juste économique, c'est aussi écologique. Moins de vides transportés, moins de cartons, c'est malin.
Et il y avait aussi cet exemple sur El Niño à Manaus. Ça, c'était assez bluffant, non?
Ah oui, absolument. Là, on est plus dans l'IA experte justement. Ils ont utilisé des modèles prédictifs qui croisent météo, données logistiques, tout ça. Et ils ont pu anticiper une sécheresse qui allait bloquer le port. Vraiment.
Donc ils ont vu le problème arriver?
Mieux que ça! Ils n'ont pas juste vu le problème. L'IA a aidé à identifier des solutions alternatives, genre dérouter les flux vers un autre port, prévoir le transport par camion en remplacement et même anticiper que ça allait créer des tensions sur les camions disponibles localement.
D'accord, je vois.
Ça illustre parfaitement ce point: l'IA augmente nos capacités face à la complexité, elle ne nous remplace pas.
Cette idée d'augmentation face à la complexité, on la retrouve chez Renault aussi, j'ai l'impression. Alexandre Lima parlait d'un Never new normal, une instabilité constante quoi.
Oui, c'est un défi énorme pour eux.
Et leur réponse, ça a été de modéliser toute leur supply chain mondiale, fournisseurs jusqu'au rang 3, les flux, tout. Il appelait ça un mapping global. Mais concrètement, comment l'IA s'en sert?
Ben en fait, cette cartographie hyper détaillée, c'est la base de données de l'IA si vous voulez. L'IA surveille en permanence, elle cherche des signaux faibles, un souci météo localisé, une petite grève, une tension sur une matière première. N'importe quoi qui pourrait toucher un fournisseur, même un petit fournisseur lointain. Dès qu'elle détecte un risque, hop, alerte! Et elle l'aide à chercher des solutions avant que la rupture n'arrive. Le vrai plus ici, c'est cette capacité d'anticipation sur un système qui est devenu trop complexe pour le cerveau humain seul, en fait.
Donc OK, l'IA aide à structurer l'info, anticiper, réagir plus vite. C'est puissant, mais j'imagine qu'avec cette hyperconnexion, Ça doit poser des défis, non?
Ah bah oui, forcément! Gilles Babinet a soulevé un point essentiel: la cybersécurité. Plus on connecte de systèmes, plus on crée de portes d'entrée potentielles pour des attaques. C'est un risque majeur, il faut être très vigilant.
D'accord, la sécurité. Et quoi d'autre?
Un autre gros point faible, c'est la qualité et l'hétérogénéité des données. Fernando Liesa d'Alice en a parlé. La logistique, c'est une chaîne avec plein d'acteurs différents. Chacun a ses systèmes d'infos, souvent pas compatibles. Du coup, réunir des données propres, fiables, standardisées pour nourrir l'IA, c'est un vrai casse-tête. Ça pose la question de l'infrastructure, de la gouvernance de ces données. C'est fondamental.
Et alors, face à ces challenges sécurité, données fragmentées, quelle est la piste, la solution?
La solution, elle semble vraiment être collective. C'est ce qui ressortait aussi bien chez Daher que chez Renault. Ils ont insisté là-dessus. Il faut mettre les énergies en commun. On ne peut pas régler ça chacun dans son coin, c'est trop complexe.
Une approche collaborative donc?
Exactement. Et c'est un peu l'idée derrière le nouveau Collectif pour l'innovation logistique, sous l'égide de France Logistique. Partager les bonnes pratiques, peut-être arriver à standardiser certains échanges de données, bosser ensemble sur la sécurité, c'est par là qu'il faut aller.
Outils puissants en logistique pour optimiser les opérations, oui, mais aussi avec des impacts économiques, écologiques et même sociaux si ça améliore les conditions de travail.
Et surtout, elle augmente nos capacités face à l'incertitude, à la complexité.
C'est tout à fait ça, c'est un levier d'augmentation. Mais il faut garder en tête les défis, hein? La sécurité et la qualité des données, ce sont de vrais enjeux qui demandent, ben, une approche collective, concertée. On les surmontera pas autrement.
Tout à fait. Et pour finir, peut-être une petite question pour aller plus loin. On voit que l'IA peut aider à prévoir l'impact d'une sécheresse sur un port ou les failles d'une chaîne logistique mondiale. Alors, Si on transpose ça, est-ce qu'il n'y a pas d'autres problèmes très complexes, peut-être à une échelle plus large, sociétale, environnementale, qui pourraient bénéficier de cette même capacité d'anticipation augmentée et de cette approche collaborative pour trouver des solutions? Voilà une petite réflexion pour la route.
