Les 20 meilleurs outils d'IA pour la chaîne d'approvisionnement avec exemples

De la prévision de la demande et de l'optimisation des stocks à la livraison du dernier kilomètre et aux négociations avec les fournisseurs, l'IA permet aux entreprises de la chaîne d'approvisionnement de traiter des données complexes, de réagir plus rapidement aux perturbations et de prendre des décisions plus éclairées sur l'ensemble des réseaux mondiaux.

Découvrez les 20 meilleurs outils d'IA pour la chaîne d'approvisionnement et apprenez comment ils utilisent l'IA pour relever les défis du monde réel et améliorer les performances dans des domaines tels que la planification, l'automatisation, la visibilité et les opérations logistiques.

Comparatif des 20 meilleurs outils d'IA pour la chaîne d'approvisionnement

Critères de sélection des fournisseurs : Nous avons inclus les entreprises de 50 employés ou plus afin de refléter leur forte présence sur le marché. Les fournisseurs sont classés par nombre d’employés.

Remarque : Bon nombre de ces entreprises relèvent de plusieurs catégories. Étant donné que les entreprises spécialisées en IA dans la chaîne d’approvisionnement interagissent souvent en matière de planification, d’automatisation et de visibilité, chacune a été classée selon son cas d’utilisation principal, là où ses solutions ont le plus grand impact.

Planification et prévision

En matière de gestion de la chaîne d'approvisionnement, les entreprises internationales utilisent fréquemment des outils de planification et de prévision pour harmoniser les ventes, les opérations et les finances . Ces outils sont particulièrement pertinents pour optimiser les opérations de la chaîne d'approvisionnement sur des marchés volatils et renforcer sa résilience.

Blue Yonder

Blue Yonder propose une plateforme d'IA intégrée couvrant la planification de la chaîne d'approvisionnement, la gestion des stocks et le transport. Cette plateforme combine les données des partenaires commerciaux pour permettre une prise de décision en temps réel et améliorer la visibilité sur l'ensemble de la chaîne d'approvisionnement.

Exemple concret : DHL optimise ses processus de transport pour garantir le succès

DHL, l'une des plus grandes entreprises de logistique au monde, devait améliorer la gestion de ses opérations de transport et d'entreposage. L'entreprise était confrontée à plusieurs défis :

• Équilibrer les coûts de transport, les coûts d'entreposage et les niveaux de service à travers ses vastes réseaux logistiques.
• Fournir des solutions plus rapides et plus flexibles pour les projets des clients.
• Identifier les opportunités de consolidation et évaluer les scénarios de coûts afin d'améliorer l'efficacité.
• Soutenir la gestion de la chaîne d'approvisionnement grâce à des outils capables de simuler les règles commerciales, les contraintes et la demande des clients.

En tirant parti des solutions de chaîne d'approvisionnement de Blue Yonder, DHL a adopté des outils avancés de modélisation et de conception de réseaux pour analyser ses processus de transport. Ces outils ont permis à DHL de :

• Comparez les scénarios de coûts et comprenez leur impact sur les niveaux de service.
• Créer des solutions tactiques pour la gestion du fret et les opérations d'entrepôt.
• Utilisez l'analyse de données pour évaluer les règles métier, les contraintes et les exigences de la demande.
• Améliorer la prise de décision en offrant une visibilité sur les coûts de transport et d'entreposage.

DHL a fait état d'améliorations mesurables dans la performance de sa chaîne d'approvisionnement :

• 7 % d'économies directes réalisées grâce à une meilleure utilisation des véhicules et à la réduction des regroupements.
• 15 % d'économies pour un client du secteur de la vente au détail basé aux États-Unis grâce à l'optimisation des paramètres de livraison, de flotte et de localisation.
• Réduction des coûts de transport pour les secteurs de la fabrication , du commerce de détail et des biens de consommation.
• Capacité accrue à modéliser des scénarios, à identifier les opportunités de consolidation et à prendre des décisions fondées sur les données grâce à des analyses prédictives. ¹

Kinaxis

Les agents d'IA Maestro de Kinaxis sont conçus pour analyser les données et faciliter leur exécution. Ils évaluent les conséquences des différentes décisions, mettent en évidence les alternatives disponibles et présentent les résultats prévus. Une fois la ligne de conduite validée, les agents peuvent exécuter les étapes approuvées au sein de la même plateforme.

Cela réduit les délais dans les processus métier, améliore l'efficacité opérationnelle et permet aux organisations d'optimiser à la fois les opérations d'entrepôt et la gestion des transports sans avoir à jongler entre plusieurs systèmes.

Exemple concret : Une entreprise de services pharmaceutiques améliore ses prévisions de la demande et la fiabilité de son approvisionnement.

Une entreprise leader dans les services pharmaceutiques, présente en Amérique, en Europe et en Asie-Pacifique, rencontrait des difficultés récurrentes pour aligner la demande client sur les livraisons des fournisseurs. Ses prévisions internes reposaient sur des modèles statistiques qui ne tenaient pas compte des variations saisonnières de la demande ni des lancements de produits. Ce manque de visibilité a entraîné des ruptures de stock sur 25 sites et a dégradé la performance globale de sa chaîne d'approvisionnement.

L'entreprise a identifié trois objectifs clés pour améliorer sa planification de la chaîne d'approvisionnement :

• Améliorer la précision des prévisions et la régularité des approvisionnements.
• Réduire les ruptures de stock pour améliorer l'expérience patient.
• Renforcer la collaboration avec les fournisseurs en partageant des données plus fiables sur la chaîne d'approvisionnement.

Dans les trois mois suivant l'adoption de Maestro, l'équipe de planification est passée d'un horizon de prévision d'une semaine à un horizon de planification de 18 mois. Le système intégrait les lancements de produits, les modifications de couverture d'assurance et les signaux d'offre et de demande en temps réel. Principaux résultats :

• Amélioration de 47 % de la précision des prévisions.
• Réduction de 14 % des stocks disponibles.
• Amélioration de 34 % de la rotation des stocks.
• Réduction significative des annulations de commandes des patients grâce à la disponibilité des produits. ²

Figure 1 : Tableau de bord de création de scénarios de Maestro. ³

o9 Solutions

o9 exploite son cerveau numérique pour coordonner la planification en aval et en amont, en se concentrant sur la planification commerciale intégrée, la prévision de la demande et l'optimisation des stocks à travers de multiples fonctions dans les opérations de la chaîne d'approvisionnement.

Exemple concret : Un fabricant de biens d’équipement améliore ses prévisions et sa planification grâce à o9

Un fabricant leader du secteur de la manutention de marchandises devait renforcer ses capacités de planification de la chaîne d'approvisionnement. L'entreprise ne disposait pas d'outils de prévision avancés et s'appuyait principalement sur ses carnets de commandes pour prendre ses décisions. Cette situation engendrait des lacunes en matière de visibilité, limitait la collaboration entre les parties prenantes et empêchait l'équipe financière de lier les prévisions de la demande aux prévisions de revenus. Les longs délais de livraison, inhérents à un modèle commercial de configuration à la commande, réduisaient également la satisfaction client.

L'entreprise a adopté o9 Digital Brain, une plateforme basée sur l'IA qui prend en charge la planification de bout en bout. Les fonctionnalités mises en œuvre incluent :

• Planification de la demande, planification de l'approvisionnement, planification des ventes et des opérations (S&OP), optimisation des stocks et planification de la production.
• Intégration avec les systèmes ERP (SAP HANA, Infor LN), CRM (Salesforce) et TMS (Oracle).
• Une tour de contrôle offrant une visibilité en temps réel sur la demande, l'offre et les stocks.
• La planification basée sur Excel a été remplacée par le système intégré d'O9, créant un environnement collaboratif entre les parties prenantes et améliorant la précision des données de la chaîne d'approvisionnement.

En tirant parti de l'IA d'o9 dans les capacités de la chaîne d'approvisionnement, l'entreprise a réalisé :

• Précision accrue des prévisions.
• Réduction des pénuries de composants grâce à une meilleure planification des matériaux clés.
• Amélioration de l'efficacité des processus de planification et réduction des efforts manuels.
• Une meilleure capacité à simuler des scénarios, permettant des décisions fondées sur les données pour les opérations mondiales. ⁴

Figure 2 : Graphique illustrant les principes de fonctionnement du cerveau numérique d'o9. ⁵

E2open

E2open propose un écosystème de chaîne d'approvisionnement connecté, intégrant l'IA à la planification, l'exécution et le commerce. Sa plateforme couvre la prévision de la demande, la planification de l'approvisionnement et la collaboration au sein des réseaux de chaînes d'approvisionnement mondiaux.

Exemple concret : Un fabricant de confiseries améliore ses prévisions grâce à la détection de la demande.

Un fabricant mondial de confiseries, présent dans plus de 80 pays et employant plus de 34 000 personnes, a rencontré des difficultés dans son processus de planification de la demande.

L'entreprise a mis en œuvre E2open Demand Planning et E2open Demand Sensing dans le cadre de sa transformation en matière de planification. Les principaux aspects comprenaient :

• Prévisions statistiques hebdomadaires basées sur l'intelligence artificielle et les modèles d'apprentissage automatique.
• Intégration des données des points de vente et de la chaîne d'approvisionnement externe pour créer des prévisions quotidiennes précises.
• L'automatisation des tâches de prévision permet aux planificateurs de se concentrer sur des tâches plus stratégiques.
• Le déploiement a débuté en Amérique du Nord et s'est étendu à l'Asie-Pacifique et à l'Europe, créant ainsi une approche unifiée de la planification de la chaîne d'approvisionnement dans toutes les régions.

En tirant parti de l'IA dans la chaîne d'approvisionnement via E2open, le fabricant de confiseries a réalisé des améliorations mesurables dans ses opérations de chaîne d'approvisionnement :

• La précision des prévisions s'est améliorée de plus de 23 %.
• La productivité des planificateurs a augmenté grâce à l'automatisation des tâches répétitives.
• Amélioration des performances en matière de stock de sécurité et de réapprovisionnement.
• La standardisation des processus sur l'ensemble des sites mondiaux a permis de réduire la gestion des exceptions et de faciliter l'adoption des meilleures pratiques. ⁶

Figure 3 : Assistant de chaîne d'approvisionnement par E2open. ⁷

LevaData

LevaData analyse les données du marché et les signaux de risque d'approvisionnement pour soutenir l'approvisionnement stratégique et la planification des approvisionnements, permettant ainsi d'obtenir des informations prédictives sur les marchés des fournisseurs et les tendances des prix.

Exemple concret : Un fabricant mondial améliore son approvisionnement grâce à LevaData

Un fabricant mondial, fortement dépendant de partenaires externes pour l'approvisionnement en pièces non stratégiques, était confronté à une complexité croissante de sa chaîne d'approvisionnement. Le manque de visibilité sur les coûts rendait difficile l'évaluation des prix des fournisseurs, l'identification de points de référence concurrentiels et le maintien de la rentabilité de ses activités d'approvisionnement.

Grâce à la mise en œuvre des solutions de chaîne d'approvisionnement de LevaData, le fabricant a obtenu les résultats suivants :

• 14 millions de dollars d'économies sur les coûts des opérations d'approvisionnement.
• Amélioration de la compétitivité des prix grâce à une analyse comparative précise des coûts.
• Des marges et une rentabilité accrues grâce à l'intégration de l'analyse de données dans les pratiques d'approvisionnement. ⁸

Zycus

Zycus propose une suite source-to-pay pilotée par l'IA qui combine l'analyse des fournisseurs, la gestion des contrats et les prévisions d'approvisionnement avec des fonctionnalités de planification de la chaîne d'approvisionnement.

• Négociations autonomes : des agents d’IA gèrent les négociations tactiques, analysent les offres et sélectionnent les fournisseurs, garantissant des prix compétitifs tout en assurant la conformité.
• Recherche de fournisseurs et gestion des risques : La plateforme identifie les fournisseurs appropriés, évalue les risques et automatise les processus d'approvisionnement afin d'améliorer la visibilité de la chaîne d'approvisionnement.
• Optimisation des coûts et analyse comparative : Fournit des données en temps réel et des informations basées sur l'IA concernant la tarification et détecte les opportunités d'économies.
• Gestion des demandes d'approvisionnement : Simplifie les demandes d'achat grâce à des interfaces de chat, assurant la conformité aux politiques en temps réel et améliorant l'expérience utilisateur.
• Analyse des catégories et des dépenses : Offre une analyse des tendances de dépenses, des performances contractuelles et de la gestion des fournisseurs, contribuant ainsi à une meilleure performance de la chaîne d'approvisionnement.

Figure 4 : Agent d'IA générative Merlin pour les négociations autonomes.

Inventaire et approvisionnement

Les solutions d'IA pour la gestion des stocks et des approvisionnements se concentrent sur l'optimisation des stocks et les décisions d'approvisionnement. Ces systèmes favorisent une gestion intelligente des stocks en équilibrant disponibilité, coût et risque tout au long de la chaîne d'approvisionnement.

Elles sont couramment utilisées par les professionnels de la chaîne d'approvisionnement chargés des achats, du réapprovisionnement et de la coordination des fournisseurs. Bien appliquées, elles contribuent à réduire les coûts opérationnels tout en améliorant la satisfaction client.

Coupa

Coupa, grâce à l'acquisition de la technologie LLamasoft, intègre l'analyse des dépenses, la modélisation de la chaîne d'approvisionnement et la planification. Sa plateforme relie les décisions d'achat aux données relatives aux stocks, au transport et à la modélisation de scénarios.

Exemple concret : Onsemi améliore sa planification des ventes et des opérations grâce à Coupa.

Onsemi, fournisseur mondial de composants semi-conducteurs à faible consommation d'énergie, exploite plus de 25 usines à travers le monde. Le manque de visibilité des données sur ces sites rendait difficile la planification des capacités de production de ses quatre unités commerciales.

Les ingénieurs ont consacré un temps excessif à la modélisation de la chaîne d'approvisionnement, et l'équipe commerciale manquait de directives claires quant aux commandes à accepter, à refuser ou à sous-traiter. Cette dépendance à l'égard des interventions manuelles a ralenti la prise de décision et réduit la performance globale de la chaîne d'approvisionnement.

Onsemi a mis en œuvre Coupa Supply Chain Design & Planning, intégrant les données de contraintes au niveau des machines et des outils de toutes les usines sur une plateforme unique. Principaux avantages :

• Prise de décision 85 % plus rapide grâce à l'accès en temps réel aux données de l'usine.
• Amélioration de 10 à 15 % de l’efficacité du capital grâce à la réduction de l’implication inutile des ingénieurs sur site.
• Une approche cohérente et standardisée de la planification de la chaîne d'approvisionnement, permettant aux usines du monde entier d'harmoniser leurs capacités de production. ⁹

Figure 5 : Tableau de bord de comparaison de scénarios alimenté par l'IA de Coupa. ¹⁰

Verusen

Verusen est spécialisée dans l'optimisation des stocks MRO (maintenance, réparation, révision) grâce à l'utilisation d'agents d'IA, du NLP et de la détection des doublons afin de réduire les stocks excédentaires et de gérer les stocks sur de grands ensembles de références.

Pactum AI

Pactum propose des agents de négociation autonomes qui gèrent les conditions des fournisseurs et des acheteurs, améliorant ainsi les résultats des achats en négociant les prix, les SLA et les contrats au nom des utilisateurs.

Exemple concret : Veritiv améliore l’efficacité de ses fournisseurs à long terme grâce à Pactum.

Veritiv, distributeur d'emballages, de fournitures et de produits d'impression, gère entre 5 000 et 6 000 fournisseurs en Amérique du Nord. Avant d'adopter l'IA de Pactum, l'entreprise était confrontée à des contrats obsolètes avec certains fournisseurs, à une visibilité limitée sur les données fournisseurs et à des processus d'approvisionnement inefficaces. Avec 80 % des dépenses concentrées chez 20 % des fournisseurs, la gestion de ces derniers était à la fois déficiente et sous-optimale sur le plan financier.

Pactum a déployé sa plateforme de négociation autonome pour optimiser la base de fournisseurs de Veritiv :

• Amélioration de l'efficacité des contrats avec les fournisseurs à long terme.
• Accès aux données qui manquaient dans les registres maîtres de Veritiv.
• Opportunités de réaliser des économies sur le coût des marchandises vendues (CMV) et de découvrir de nouveaux partenariats avec les fournisseurs. ¹¹

Visibilité et exécution

Les plateformes de visibilité et d'exécution permettent une visibilité en temps réel sur l'ensemble des chaînes d'approvisionnement et des réseaux logistiques. Ces outils servent à la gestion des transports, au suivi des expéditions et à la gestion des risques liés à la chaîne d'approvisionnement.

Ils jouent un rôle essentiel dans la gestion des perturbations des chaînes d'approvisionnement et le soutien de chaînes d'approvisionnement résilientes en fournissant aux équipes logistiques des données en temps réel sur les transporteurs, les prestataires logistiques et les fournisseurs de services logistiques.

Chirurgien

La plateforme Interius de Surgere offre une visibilité complète de la chaîne d'approvisionnement et une gestion des actifs optimisée par l'intelligence artificielle. Grâce à son intégration avec l'architecture Microsoft et Power BI, Interius permet aux entreprises d'analyser les données de leur chaîne d'approvisionnement et de prendre des décisions éclairées par des informations fiables.

• L'assistant IA Sophia : une interface en langage naturel qui permet aux utilisateurs d'interroger des informations sur la chaîne d'approvisionnement, d'interpréter les résultats et de recevoir des recommandations concrètes pour améliorer les opérations de la chaîne d'approvisionnement.
• Alertes opérationnelles : Les notifications automatisées signalent les exceptions telles que les équipements sans surveillance ou les processus logistiques irréguliers, aidant ainsi les équipes à réagir rapidement.
• Adasolutions activables : Interius est configurable pour les entreprises mondiales et les petites entreprises, offrant des solutions de chaîne d'approvisionnement adaptées à différents niveaux de complexité.

Shipsy

Shipsy propose un tableau de bord de visibilité qui combine analyses prédictives et optimisation des itinéraires, permettant aux expéditeurs de suivre leurs expéditions en temps réel et d'ajuster les itinéraires de manière dynamique.

Exemple concret : Kout Food Group améliore ses opérations de livraison grâce à Shipsy.

Kout Food Group (KFG), prestataire de services de restauration au Moyen-Orient, gère plus de 10 enseignes de restauration rapide, plus de 1 400 livreurs et effectue plus de 8 000 livraisons par heure. Le manque d'outils de planification des livreurs, l'absence de visibilité en temps réel sur les performances des livraisons et les retards de paiement ont engendré des inefficacités et de fréquentes échecs de livraison.

KFG a déployé la plateforme logistique Shipsy, basée sur l'IA, afin de renforcer ses opérations de chaîne d'approvisionnement. Les principales améliorations apportées aux processus logistiques de KFG sont les suivantes :

• Réduction de 20 % du délai de livraison moyen.
• Amélioration de 37,5 % de l'efficacité du regroupement des commandes.
• Augmentation de 10 % du respect des SLA. ¹²

Suivi des expéditions

DispatchTrack se concentre sur l'IA de livraison du dernier kilomètre, fournissant des prévisions d'heure d'arrivée estimée, le routage des chauffeurs et les communications avec les clients afin d'améliorer la fiabilité et la transparence des livraisons.

Exemple concret : Spirit Logistics Network améliore la livraison du dernier kilomètre grâce à DispatchTrack.

Spirit Logistics Network, entreprise basée dans le New Jersey, propose depuis plus de 25 ans des solutions logistiques externalisées pour la chaîne d'approvisionnement, spécialisée dans la livraison d'électroménager et d'ameublement sur les marchés nationaux, régionaux et locaux. Afin de maintenir un niveau de service élevé, elle avait besoin d'un système plus adaptable que son ancien logiciel sur site, qui manquait de flexibilité et d'intégration avec les différentes infrastructures technologiques de ses clients.

En s'associant à DispatchTrack, Spirit a migré vers une plateforme cloud qui a numérisé et modernisé ses opérations de livraison du dernier kilomètre :

• Amélioration des performances en matière de ponctualité grâce à des créneaux de livraison précis et configurables.
• Amélioration de la satisfaction client grâce à un service plus fiable.
• Réduction du besoin de planificateurs d'itinéraires manuels, ce qui diminue l'effort opérationnel.
• Amélioration de l'efficacité du traitement et du regroupement des commandes provenant de plusieurs clients. ¹³

Pando

La plateforme logistique IA de Pando gère le routage, l'appariement des chargements et le suivi des exécutions afin de faciliter la prise de décision en temps réel dans les opérations de transport.

Exemple concret : Un fabricant d’emballages réduit ses coûts de transport grâce à Pando

Un important fabricant américain de rubans adhésifs et de films, présent sur plus de 30 sites à travers le monde et réalisant un chiffre d'affaires de plus de 10 milliards de dollars, était confronté à une gestion du fret fragmentée. L'utilisation de tableurs manuels, la dispersion des systèmes et une dépendance excessive à un système de gestion des transports national engendraient des inefficacités dans les processus internationaux de fret, d'approvisionnement et financiers.

L'entreprise a déployé la plateforme logistique de Pando, basée sur l'IA, intégrant l'approvisionnement, l'exécution et le paiement du fret dans un seul système. Résultat :

• Réduction de 4 % des dépenses de transport de marchandises dans l'ensemble des opérations mondiales.
• Augmentation de 80 % de la productivité des équipes grâce à l'élimination des processus manuels.
• Visibilité unifiée à 100 % sur les expéditions, les tarifs et les performances des transporteurs. ¹⁴

To get up to date on enterprise AI and software, follow us:

Cem Dilmegani

Principal Analyst

Suivre

Automatisation et robotique

Les entreprises spécialisées dans l'automatisation et la robotique se concentrent sur l'automatisation des entrepôts et l'exécution physique des opérations. Ces solutions sont de plus en plus utilisées pour améliorer l'efficacité opérationnelle du secteur de la logistique et favoriser des opérations durables en réduisant les déchets et les erreurs.

Elles sont particulièrement pertinentes pour les organisations ayant des besoins importants en matière de gestion d'entrepôts et des volumes de transactions élevés.

Technologies de transport

Kargo utilise la vision par ordinateur dans les opérations portuaires pour vérifier le fret, garantir l'intégrité des conteneurs et détecter les anomalies, améliorant ainsi l'automatisation et la validation visuelle.

• Numérisation des quais de chargement : ce système automatise la capture des données des étiquettes de fret lors du passage des chariots élévateurs aux quais de chargement. Il réduit les erreurs humaines, garantit la précision des systèmes de gestion des stocks et améliore le débit en éliminant le besoin de numérisation manuelle.
• Détection des dommages : identification et signalement immédiats des marchandises endommagées au quai de chargement. Les alertes en temps réel permettent aux superviseurs d’intervenir rapidement, minimisant ainsi les perturbations et améliorant la satisfaction client.
• Vérification des expéditions : Ce système confirme l’exactitude des expéditions entrantes et sortantes en comparant les données de transport aux commandes. Il prévient les erreurs d’expédition, détecte les anomalies avant le départ des camions et garantit la conformité aux exigences des clients et du secteur.
• Vérification du chargement : ce système valide l’ordre des chargements lors des opérations de transport. En détectant les commandes incorrectes, les chargements mixtes ou les exigences particulières, Kargo garantit des expéditions exactes et ponctuelles.

Robotique Vecna

Vecna déploie des robots mobiles autonomes et une couche de coordination pour automatiser des tâches telles que le transport de matériaux et l'orchestration des flux de travail au sein des centres de distribution.

Exemple concret : les tracteurs ATG de Vecna Robotics dans les opérations de vente au détail

Une chaîne nationale de magasins discount d'articles pour la maison a déployé les tracteurs ATG de Vecna Robotics pour automatiser la manutention des marchandises dans son centre de distribution. Fonctionnant en deux équipes, 23 heures par jour, 7 jours sur 7, le système déplace en continu les chariots entre les zones de chargement et de déchargement afin de soutenir les opérations d'entrepôt à haut volume.

En adoptant Vecna Robotics, l'entreprise a réalisé :

• Un rapport coût-efficacité de 9 $ par heure et par robot, générant des économies mesurables.
• Retour sur investissement positif en moins de 8 mois.
• Fonctionnement continu assurant le support d'un processus de chaîne d'approvisionnement nécessitant un débit quasi constant. ¹⁵

Analyse et aide à la décision

Les outils d'analyse et d'aide à la décision permettent de transformer les données de la chaîne d'approvisionnement en informations exploitables. Ces plateformes sont utilisées tout au long des processus de la chaîne d'approvisionnement pour faciliter la prise de décision, le suivi des performances et la planification à long terme.

Ils sont souvent présentés comme des outils essentiels pour les professionnels de la chaîne d'approvisionnement qui recherchent un avantage concurrentiel grâce à une meilleure analyse des données.

Opérations cognitives

CognitOps fournit des analyses basées sur l'apprentissage automatique pour l'optimisation des entrepôts et la planification de la main-d'œuvre, permettant aux installations d'allouer efficacement les ressources humaines et les flux de travail, maximisant ainsi le débit.

Exemple concret : la plateforme CognitOps Align au centre de distribution de Medline

Medline, fabricant et distributeur privé de fournitures médicales aux États-Unis, s'est associé à CognitOps pour optimiser la logistique de son centre de distribution de Rialto, en Californie. Ce site de plus de 93 000 mètres carrés, équipé de systèmes robotisés de pointe, était confronté à des défis complexes liés à l'équilibre des effectifs, à la gestion des flux de travail et au respect de délais de livraison très courts.

L'entreprise a collaboré avec la plateforme CognitOps Align, qui intègre des outils d'apprentissage automatique et de simulation pour améliorer les opérations d'entrepôt et soutenir la gestion de la chaîne d'approvisionnement.

Pour Medline, Align devrait :

• Réduire le délai de traitement des commandes et le temps de traitement total.
• Améliorer la rapidité d'exécution des commandes tout en maintenant des niveaux de service élevés.
• Fournir des prévisions d'exceptions en temps réel afin de minimiser les perturbations.
• Renforcer la performance globale de la chaîne d'approvisionnement pour améliorer la prise en charge des patients. ¹⁶

Radeau

Raft automatise les flux de travail liés au transport de marchandises et aux documents douaniers grâce à l'IA, permettant ainsi le traitement des documents , la conformité commerciale et l'optimisation des droits de douane le long des routes maritimes mondiales.

Exemple concret : Navia Freight optimise le traitement des factures grâce à Raft AI

Navia Freight, une entreprise de transport et de logistique basée à Melbourne, gère le fret maritime et aérien, le dédouanement et les opérations de commerce électronique . Ses processus de comptabilité fournisseurs étaient fortement manuels, ce qui engendrait des inefficacités dans le traitement de milliers de factures complexes chaque mois. Les erreurs, les retards et les tâches répétitives limitaient la capacité de l'équipe à se concentrer sur les initiatives stratégiques.

Navia Freight a déployé la solution de financement logistique automatisée de Raft AI, qui comprenait :

• Traitement avancé des documents pour extraire automatiquement les données des factures.
• Outils de validation des données pour vérifier l'exactitude des informations.
• Des flux de travail automatisés pour optimiser l'approbation des factures et réduire les délais de traitement.

Suite à cette collaboration :

• Taux d'automatisation de 75 %, dont 35 % des factures ne nécessitant aucune intervention humaine.
• Gain de plus de 3 000 minutes par mois sur le traitement manuel des documents.
• Réduction significative des erreurs et accélération des temps de traitement.
• Amélioration de l'efficacité opérationnelle, permettant au personnel de se concentrer sur des activités à plus forte valeur ajoutée. ¹⁷

7 ponts

7bridges propose une automatisation logistique pilotée par l'IA pour orchestrer les opérations de la chaîne d'approvisionnement, en intégrant la planification, l'exécution et le suivi dans un flux unique.

Exemple concret : Philipp Plein améliore l’expérience client et l’efficacité grâce à 7bridges.

La marque de luxe Philipp Plein s'est associée à 7bridges pour moderniser sa chaîne d'approvisionnement et soutenir sa croissance internationale. L'entreprise devait améliorer son efficacité face au développement de ses canaux B2C et B2B, réduire ses coûts et garantir une satisfaction client optimale. 7bridges a déployé sa plateforme de gestion de la chaîne d'approvisionnement basée sur l'intelligence artificielle pour :

• Automatisez les déclarations d'exportation pour les envois internationaux de grande valeur afin de réduire les retards et les coûts.
• Étendre ses opérations B2C à l'optimisation de la logistique B2B.
• Soutenir les processus d'approvisionnement grâce à la simulation et à l'analyse pour améliorer les décisions logistiques.
• Offrir une visibilité et un contrôle sur les performances d'entreposage et de livraison.

Les résultats de ce partenariat sont les suivants :

• Plus de 2 millions d'euros d'économies annuelles, soit un retour sur investissement multiplié par 17.
• Environ 5 % des coûts recouvrés suite à des factures contestées ou erronées.
• Une expérience client améliorée grâce à des livraisons plus rapides et plus fiables. ¹⁸

Palette (CoPallet)

CoPallet, développé par Pallet, est une plateforme d'intelligence artificielle conçue pour gérer les tâches logistiques répétitives et à grand volume. Spécialement conçue pour les opérations de la chaîne d'approvisionnement, elle automatise le traitement des documents, la saisie des données et l'exécution des flux de travail au sein des systèmes de transport et d'entreposage, permettant ainsi aux équipes logistiques de réduire leurs coûts et d'améliorer leur efficacité.

Capacités clés

• Automatisation documentaire : Lecture de documents logistiques non structurés, notamment les connaissements (BOL), les preuves de livraison (POD), les demandes de devis (RFQ) et les avis d’expédition (ASN), vers différents formats grâce à l’intelligence artificielle et à la vision par ordinateur.
• Exécution du flux de travail : Fonctionne directement au sein des systèmes de gestion des transports (TMS), des systèmes de gestion d'entrepôt (WMS) et des portails tiers, automatisant les tâches basées sur les clics sans remplacer les processus existants.
• Application de la logique métier : Applique les règles spécifiques à l’entreprise aux exceptions telles que les adresses incorrectes ou les documents manquants, en transmettant les cas non résolus aux employés.
• Intégration du système : Se connecte à la messagerie électronique , aux bases de données, à Teams et à d'autres applications métier, assurant la compatibilité dans l'ensemble du secteur de la logistique.

Augmenter (Augie)

Augment fournit un assistant IA pour le cycle de vie de la commande à l'encaissement, automatisant le rapprochement des factures, la résolution des litiges et les recouvrements afin de réduire les retards dans les flux de travail financiers.

Exemple concret : Armstrong Transport Group augmente sa productivité grâce à Augie

Armstrong Transport Group, une entreprise de courtage de fret, était confrontée à de faibles marges et à une augmentation de l'épuisement professionnel de ses employés. Les opérateurs géraient 50 à 70 chargements par jour tout en traitant plus de 400 courriels et en utilisant plus de 20 portails, ce qui rendait difficile la croissance de l'entreprise sans augmenter les effectifs.

Armstrong a déployé Augie, un assistant logistique basé sur l'IA et intégré à Slack, à la messagerie électronique et à son système de gestion des transports (TMS). Augie automatise les flux de travail logistiques répétitifs, notamment :

• Lire les courriels et y répondre.
• Création et suivi des chargements dans le TMS.
• Sélection et négociation avec les transporteurs.
• Collecte et validation des preuves de livraison (POD).
• Affichage en temps réel des exceptions et des mises à jour concernant les expéditions.

De ce fait, Armstrong a obtenu :

• 40 à 60 % de manipulations en moins par chargement, réduisant ainsi la charge de travail de l'opérateur de près de moitié.
• Les cycles de facturation ont été accélérés de 8 jours, réduisant ainsi les retards de facturation et améliorant la trésorerie.
• Le nombre de chargements que chaque représentant pouvait gérer a doublé.
• Les opérateurs ont ainsi pu consacrer plus de temps aux initiatives de satisfaction client et aux relations avec les transporteurs. ¹⁹

Comment choisir un fournisseur d'IA pour la chaîne d'approvisionnement ?

Le choix d'une entreprise spécialisée en IA pour la chaîne d'approvisionnement dépend de la maturité de l'organisation, de son périmètre opérationnel et de la disponibilité des données. L'IA dans les initiatives liées à la chaîne d'approvisionnement est la plus efficace lorsqu'elle est alignée sur des priorités commerciales clairement définies.

Taille et complexité de l'entreprise :

• Les startups et les entreprises de taille moyenne du secteur de la chaîne d'approvisionnement bénéficient souvent de solutions d'IA modulaires pour la chaîne d'approvisionnement.
• Les entreprises mondiales peuvent avoir besoin d'une personnalisation plus poussée et de services gérés.

Maturité des données :

• Le manque de données favorise la visibilité et les outils d'analyse.
• La planification avancée et l'optimisation des stocks nécessitent des données historiques cohérentes.

Budget et mise en œuvre :

• Les outils de visibilité et d'analyse permettent souvent d'obtenir des résultats plus rapides.
• L'automatisation et la robotique impliquent des coûts initiaux plus élevés.

Intégration et adoption :

• Évaluer la compatibilité avec les systèmes de planification des ressources de l'entreprise, de gestion des transports et de gestion d'entrepôt.
• Évaluer le soutien des fournisseurs en matière de services de conseil, d'intégration et de gestion du changement.

Liens de référence

1.

DHL Saves 7% on Transportation Costs Through Better Optimization of Vehicles

2.

How a pharmacy care leader increased forecast accuracy and reduced stockouts

3.

Meet Maestro, the AI-powered orchestration platf | Kinaxis

Kinaxis Inc.

4.

Case Study: Demand & Supply Planning for Industrial Manufacturing

o9 Solutions

5.

o9 Digital Brain - Enterprise Decision-Making & Planning in 2026

o9 Solutions

6.

Master Volatile Demand with Candymaker’s AI Solution - e2open

7.

Leverage artificial intelligence (AI) with the right data, right network, right provider

e2open

8.

Whitepaper & ReportsUnderstanding Cost Savings: LevaData's Case Study

9.

onsemi Makes Supply Chain Decisions 85% Faster with Coupa | Coupa

Coupa

10.

Supply Chain Design Software — Powered by LLamasoft

Coupa

11.

Enterprise Client Success with Agentic AI in Procurement | Pactum

Pactum AI, Inc.

12.

Kout Food Group Reduces Average Delivery Time by 20% Using AI-Powered Driver Management & Business Intelligence - Shipsy

Shipsy

13.

Spirit Logistics Network Case Study

14.

Packaging giant cuts freight costs by 4% with AI

Pando

15.

Public discount retailer moves hundreds of tugger carts per day at $9.73 per hour per robot - Vecna Robotics

Vecna Robotics

16.

Medline Distribution Center Utilizes CognitOps | CognitOps

CognitOps

17.

Resources - Raft

Raft

18.

7bridges | Philipp Plein Case Study

19.

How Armstrong Transport Group Doubled Productivity with Augie

Sıla Ermut

Analyste du secteur

Suivre

Sıla Ermut est analyste chez AIMultiple, spécialisée dans le marketing par e-mail et les vidéos de vente. Auparavant, elle travaillait comme recruteuse dans des cabinets de conseil et de gestion de projets. Sıla est titulaire d'un master en psychologie sociale et d'une licence en relations internationales.

Voir le profil complet

Soyez le premier à commenter

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire