L'essor continu de l'IA et du ML dans l'optimisation de la chaîne d'approvisionnement

Bienvenue dans la première partie d'une série de sept articles sur les sept principales tendances de la chaîne d'approvisionnement pour 2024. Ce contenu est adapté de notre webinaire, Top 7 Supply Chain Trends for 2024. Cliquez ici pour regarder.

Pour lancer cette série de blogs sur les sept principales tendances de la chaîne d'approvisionnement pour 2024, nous allons nous plonger dans certains des sujets les plus brûlants de la chaîne d'approvisionnement à l'heure actuelle : l'intelligence artificielle et l'apprentissage automatique. (S'agirait-il d'une liste digne de ce nom si nous ne mentionnions pas l'un de ces sujets, voire les deux ?)

L'IA et la ML commencent à se normaliser

La pression est forte pour que ces technologies commencent à remodeler les processus traditionnels de la chaîne d'approvisionnement. 2023 nous a apporté une révolution de l'IA et nous nous attendons à ce que cette pression se poursuive en 2024. Cependant, à mesure que les adopteurs précoces et les technologies à commercialisation rapide commencent à s'effacer, nous nous attendons à ce que 2024 normalise une partie du paysage de l'IA et de la ML. Les capacités de ces technologies à analyser de grandes quantités de données, à identifier des modèles et à prendre des décisions révolutionnent la façon dont les entreprises envisagent leurs capacités de prise de décision.

Il y a une opportunité énorme lorsque vous commencez à penser à ce que l'IA et la ML peuvent faire avec l'accès à la quantité de données que les chaînes d'approvisionnement - et les entrepôts, en particulier - créent. Mais nous devons reconnaître le risque qui réside dans la dépendance excessive à l'égard de la prise de décision pilotée par l'IA.

Bien que ces technologies excellent dans l'analyse des données, les algorithmes peuvent ne pas tenir compte de manière adéquate des circonstances imprévues ou des valeurs aberrantes. Un algorithme n'aurait pas pu prédire la pandémie, par exemple. Ce manque d'adaptabilité pourrait conduire à des décisions sous-optimales, en particulier dans des environnements en évolution rapide.

En 2024, nous nous attendons à ce que l'IA et la ML commencent à être utilisées pour des raisons d'efficacité pratique, mais nous allons continuer à voir ces superpositions humaines.

Préoccupations en matière de sécurité des données liées à l'IA et à l'apprentissage automatique

Lorsque l'on pense à l'accessibilité à de grandes quantités de données, on s'inquiète du risque de violation de la sécurité des données et de la protection de la vie privée. Une fois de plus, comme ces technologies reposent fortement sur de grandes quantités de données et d'informations sensibles, nous constatons qu'il y aura, bien sûr, un risque accru.

Ce que nous constatons généralement avec les nouvelles technologies, c'est qu'il y a des problèmes de croissance lorsqu'il s'agit de sécurité et de défis juridiques. S'il ne fait aucun doute que les progrès en matière de sécurité et de droit vont rattraper leur retard, nous ne pouvons pas dire que nous y sommes déjà et la réalité est que, malheureusement, les premiers utilisateurs vont devoir aider à relever ces défis. Ils auront l'occasion d'aider à façonner ce à quoi cela ressemblera.

Nous recommandons aux équipes de commencer à exploiter les possibilités offertes par l'IA et la ML, de manière peu risquée, afin d'obtenir des gains d'efficacité sans exposer leur entreprise ou leur stratégie à des risques considérables.

Considérations éthiques concernant l'IA et la ML

Outre les questions de sécurité et de droit, des considérations éthiques doivent être examinées au fur et à mesure de l'évolution de ces technologies. Les biais présents dans les données historiques pouvant être perpétués dans les algorithmes d'IA, cela peut évidemment conduire à un traitement injuste, à une discrimination et à des conséquences involontaires, ce qui soulève des préoccupations quant à l'utilisation éthique de l'IA dans la prise de décision au sein de la chaîne d'approvisionnement.

Conclusion

Notre principal enseignement est qu'en fin de compte, bien que l'IA et l'apprentissage automatique offrent des avantages transformateurs, nous recommandons une entrée prudente et à faible risque dans ces nouvelles technologies pour atténuer les risques et assurer une intégration responsable, durable et réfléchie dans les technologies de la chaîne d'approvisionnement. L'approche du nouvel objet brillant ne sera pas la voie à suivre dans ce cas.