IA & décision
IA agentique, copilotes, decision intelligence : ce que l'intelligence artificielle change à la décision supply chain.
IA agentique en supply chain : définition, cas d'usage et différence avec l'IA prédictive
L'IA prédictive annonce ce qui va arriver. L'IA agentique agit dessus. En supply chain, ce basculement change la manière de gérer les imprévus. Voici ce que le terme recouvre vraiment.
S&OP, S&OE, PIC, PDP : qui décide quand le plan casse ?
S&OP, S&OE, PIC, PDP : le S&OP prépare le plan, le PIC et le PDP le déclinent, mais aucun ne dit qui décide quand le réel dévie. Ce moment s'appelle le S&OE, et voici comment l'outiller.
Agents IA vs IA prédictive en supply chain : quelle différence ?
Agents IA vs IA prédictive en supply chain : l'IA prédictive annonce ce qui va arriver, les agents IA agissent dessus. Comprendre la différence évite d'acheter un outil qui prédit quand il fallait un outil qui décide.
Aide à la décision en supply chain : de la donnée à l'arbitrage
L'aide à la décision en supply chain commence là où le tableau de bord s'arrête : au moment de choisir une option et d'en assumer l'impact. Beaucoup d'outils affichent des données, peu aident à décider.
Self-healing supply chain : réalité ou marketing ?
La supply chain qui se répare toute seule est le nouveau slogan des éditeurs. Derrière la formule, une vraie idée et un vrai piège. Voici ce que recouvre le self-healing, et où s'arrête la promesse.
Tour de contrôle supply chain : définition et fonctionnement
Une tour de contrôle supply chain agrège les données de vos systèmes pour donner une vision en temps réel des flux, de l'usine au client. Fonctionnement, familles, niveaux de maturité et critères de choix.
Jumeau numérique de la supply chain : pour quoi faire vraiment
Un jumeau numérique reproduit votre supply chain pour simuler avant de décider. Définition, cas d'usage réels et limites.
Decision intelligence en supply chain : la catégorie qui monte
La decision intelligence applique l'IA à la préparation des décisions. Définition, différence avec la BI, et ce que ça change en supply chain.
S&OP et PIC : quelle différence, et lequel pour votre entreprise ?
S&OP et PIC désignent le même processus d'alignement entre ventes et production, à une nuance de périmètre près que cet article détaille. Voici aussi ce qui sépare le PIC du PDP, et le vrai sujet derrière le sigle.
IA agentique : définition, exemples et différence avec l'IA générative
L'IA agentique désigne une intelligence artificielle qui poursuit un objectif et agit, là où l'IA générative se contente de répondre. Définition, exemples et limites, sans le buzz.
DDMRP : définition, fonctionnement et limites de la méthode
Le DDMRP positionne des buffers de stock aux points de découplage stratégiques et pilote le réapprovisionnement sur la demande réelle. Ce que la méthode apporte vraiment, comment elle fonctionne, et là où elle s'arrête.
Copilote IA supply chain : définition, cas d'usage et différences avec un APS
Un copilote IA supply chain n'automatise rien, il assiste ceux qui dirigent les flux : déviations détectées, options chiffrées, décisions préparées. Définition et périmètre réel.
ChatGPT peut-il piloter votre supply chain ?
Un abonnement IA à 20 euros peut-il remplacer un outil métier ? Ce qu'un LLM généraliste fait très bien, et ses quatre murs en pilotage.
Planification par scénarios en supply chain : le what-if utile
La planification par scénarios en supply chain promet beaucoup et déçoit souvent, car simuler avant de décider ne vaut que si une décision suit. Ce que le what-if apporte vraiment, comment le pratiquer sans usine à gaz, et sa limite face au réel.
IA et prévision de la demande : ce qui change vraiment
L'IA fait progresser la prévision de la demande sur les cas riches en données, sans supprimer le plafond structurel de tout modèle. Voici ce qu'elle change, et le moment où l'enjeu bascule vers la décision.
IA et optimisation des stocks : promesses et limites
Des stocks au plus juste, référence par référence : la promesse de l'IA en optimisation des stocks tient largement en régime normal. Elle bute en revanche sur l'imprévu, une limite à comprendre avant d'investir.
Machine learning en supply chain : où ça marche
Le machine learning en supply chain excelle sur la prévision, les anomalies ou les délais, et il échoue franchement ailleurs. Cette cartographie sépare les cas qui marchent des impasses, avec les conditions d'un projet qui tient en production.
IA générative en supply chain : au-delà du chatbot
En supply chain, l'IA générative vaut surtout pour expliquer, synthétiser et rendre l'information exploitable, bien au-delà du chatbot. À condition de connaître ses pièges.
Détecter les signaux faibles avec l'IA
L'IA détecte les signaux faibles, ces petites dérives noyées dans le bruit qui annoncent presque toujours un imprévu coûteux. Chaque semaine gagnée élargit le champ des réactions possibles.
ETA prédictif : la visibilité transport en temps réel
L'ETA prédictif estime l'heure d'arrivée réelle d'une livraison bien avant le retard : comment l'IA le calcule et ce qu'il change au quotidien. Et ce qui reste à organiser une fois le retard annoncé.
Simulation what-if : décider avant d'agir
La simulation what-if chiffre côte à côte, en quelques minutes, le coût de chaque option face à un imprévu : transport express, réallocation, attente. De quoi arbitrer sous pression sans naviguer à vue.
Prédictif ou prescriptif : deux façons d'aider la décision
Beaucoup d'entreprises achètent du prédictif en croyant acheter du prescriptif, puis découvrent que la décision reste entièrement à leur charge. La distinction entre ces deux niveaux d'analytique tient en quelques lignes et épargne des déceptions coûteuses.
Agent IA autonome : jusqu'où déléguer la décision
Un agent IA ne se contente plus de recommander, il agit : commandes passées, paramètres ajustés, actions déclenchées. Reste à écrire les règles du jeu de cette délégation, et c'est un travail de gouvernance bien plus que de technique.
Signaux fournisseurs : ce que l'IA détecte avant la rupture
L'IA détecte un risque fournisseur avant la rupture : délais qui glissent, taux de service qui s'effrite, variabilité qui monte. Un maillon complémentaire de la cartographie des risques.
Données supply chain : le carburant (sale) de l'IA
La qualité des données supply chain compte plus que le moteur : aucune IA ne compense des données fausses ou dispersées. Reste à fiabiliser sans s'enliser dans un chantier sans fin.
LLM et agents en supply chain : ce qu'ils savent (et pas)
Les grands modèles de langage impressionnent, mais leur place en supply chain doit être comprise avec lucidité. Voici ce que les LLM et les agents font réellement bien, et ce qu'il ne faut pas leur confier.
IA agentique et IA générative : quelle différence en supply chain ?
L'IA générative produit une réponse, l'IA agentique produit une action : la différence, des exemples en supply chain et ce qu'il faut exiger d'un agent. Et pourquoi l'une repose sur l'autre.
Agent IA en approvisionnement : ce qu'il suit, décide et propose
Un agent IA en approvisionnement suit chaque commande fournisseur et repère un retard avant même que l'accusé de réception ne le confirme. Ce qu'il fait seul, ce qu'il propose, et ce qu'il ne doit jamais faire sans un acheteur.
Agent IA en planification de production : replanifier moins
Un agent IA en planification de production voit la panne avant le planificateur, mais replanifier à chaque signal fait moins bien qu'un humain. Ce qu'il décide seul, ce qu'il propose, et le rôle du planificateur qui reste.
Agent IA en transport et logistique : ce qu'il ajoute à un TMS
Un agent IA en transport et logistique s'occupe de ce qui sort du plan du TMS : le camion en retard, le choix entre express et attente. Comparatif fonction par fonction, avec la frontière entre les deux.
Agent IA de réapprovisionnement : au-delà du logiciel de stock
Un agent IA de réapprovisionnement ajuste le point de commande et le stock de sécurité sur signal réel, et trie les exceptions avant le gestionnaire. Ce qu'il fait de plus qu'un logiciel de stock, et les garde-fous à poser avant.
Agent IA ou RPA : quelle automatisation pour la supply chain ?
La RPA automatise des tâches répétitives à règles fixes, un agent IA traite une situation nouvelle et prend une décision bornée. Glossaire comparatif : ce que chacun fait, quand la RPA suffit, quand elle casse, et pourquoi les deux cohabitent dans une supply chain.
Gouvernance des agents IA en supply chain : qui contrôle quoi
La gouvernance des agents IA en supply chain tient dans une charte écrite avant la première action : périmètre, seuils, journal, veto. Huit points à fixer, jusqu'à la clause de responsabilité du contrat éditeur.
IA explicable en supply chain : ce qu'une explication doit contenir
Un directeur supply chain ne peut pas appliquer une décision qu'il ne sait pas défendre devant sa DG ou son client. Ce qu'une explication utile contient, et la différence entre un modèle interprétable et une explication reconstruite après coup.
Combien coûte l'IA en supply chain pour une ETI : les vrais postes
Combien coûte l'IA en supply chain pour une ETI : la licence est rarement le premier poste, derrière l'intégration, le paramétrage et le changement. La seule question qui compte : quand la première décision rapporte.
Nos données ERP suffisent-elles pour l'IA ? Oui, presque toujours
Le socle qu'un modèle exige tient dans ce que tout ERP enregistre déjà : ventes, commandes, nomenclatures, délais, stocks. Ce qui manque vraiment ne se trouve pas dans l'ERP, et un projet de nettoyage de deux ans ne l'y mettra pas.
Évaluer un agent IA avant de signer : les questions à poser
Évaluer un agent IA avant de signer tient en six questions que l'éditeur doit soutenir, de ses données d'apprentissage au coût d'une erreur. Une démonstration ne répond qu'aux questions qu'il a préparées.
Mettez enfin un chiffre sur ce que vos imprévus vous coûtent chaque année.
Commençons par estimer ce que vos imprévus vous coûtent réellement. C'est gratuit, ça prend 30 minutes, et vous repartez avec un chiffre que personne dans votre entreprise ne connaît aujourd'hui.