Comment deux ingénieurs utilisent l’IA pour rendre les chaînes d’approvisionnement moins fragiles

Pendant une grande partie de la dernière décennie, les chaînes d’approvisionnement mondiales témoignaient silencieuses de l’efficacité moderne. Les entreprises avaient appris à éliminer les déchets partout où elles le pouvaient, en consolidant les fournisseurs, en négociant des contrats plus maigres et en réduisant l’inventaire pour libérer de l’argent pour des utilisations plus productives. Tant que le commerce s’est écoulé en douceur et que la demande est restée stable, le modèle a livré des marges enviables.

Mais ce calme est devenu plus dur à maintenir.

La pandémie a exposé le peu de tampons que de nombreuses entreprises avaient quitté. Les ports obstrués avec des conteneurs bloqués, les usines au ralenti par manque de pièces critiques, les étagères des magasins vidés plus rapidement qu’ils ne pourraient être remplis. Une pénurie de semi-conducteurs prolongée a forcé les constructeurs automobiles et les entreprises d’électronique aux puces de rationnement, à la refonte des produits et aux lignes de montage entières. De nouveaux tarifs et des changements commerciaux ont ajouté de la friction fraîche, obligeant les entreprises à renégocier les dispositions d’approvisionnement et les voies d’expédition avec peu de temps pour se préparer. La couche dans des sécheresses plus fréquentes, des inondations et des tempêtes graves, et même le réseau le mieux planifié peuvent se saisir pendant la nuit.

Chaque nouveau choc a souligné une vérité inconfortable: les chaînes d’approvisionnement construites pour le coût peuvent être cassées lorsque le monde ne restera pas immobile. Et lorsque de petites pannes se glissent inaperçues, elles restent rarement contenues longtemps. Un envoi mal étiqueté, une déclaration de douane inutile, une substitution de dernière minute – des décalages mineurs comme ceux-ci ont un moyen de s’accompagner dans des fluctuations plus importantes des coûts et des délais de livraison, un planificateur dynamique est connu depuis longtemps sous le nom de l’effet de coup de fer.

De la théorie rigoureuse à la désordre réel

Peu de gens ont étudié les deux côtés de ce problème – la théorie et le chaos quotidien – aussi étroitement que Johannes Herter et Michael Hartmann.

Herter, maintenant le chef de l’infrastructure de l’IA de Rome AI, tient plusieurs degrés d’Eth Zurich, où il s’est concentré sur les mathématiques, l’apprentissage automatique et la conception de systèmes complexes avant de rejoindre Disney Research Studios et le groupe informatique visuel de Harvard. Ses recherches allaient de la reconstruction générative des scènes 3D aux modèles d’IA pour les simulations physiques – des méthodes qui se sont révélées par endroits aussi variés que les films Disney et la robotique avancée.

Hartmann, également un informaticien formé par l’ETH, a passé son début de carrière à construire des architectures de logiciels à grande échelle et à mener des projets d’IA à évolution rapide – des systèmes d’identité aux plateformes de conversation axées sur l’IA. Un boursier universitaire national en Allemagne, il a combiné l’ingénierie pratique avec un travail théorique rigoureux, a finalement co-fondé Backyard, une startup de chat vidéo propulsé par l’IA qui a déclenché des milliers d’interactions utilisateur.

Lorsque les deux ont uni leurs forces dans le cadre de l’équipe fondatrice de Rome IA, maintenant soutenue par certains des investisseurs en capital-risque les plus chevronnés de la Silicon Valley, ils étaient motivés par une question simple: que faut-il pour maintenir une chaîne d’approvisionnement fonctionnelle lorsque rien ne se passe comme prévu?

Comment l’IA peut corriger ce que la planification manque

Au bureau européen de Rome, un espace en verre et en béton niché juste à côté du district universitaire de Zurich, Herter mène le développement de l’infrastructure d’IA de l’entreprise – le système de base qui attire des milliers de signaux en direct dans une vue unique et cohérente de ce qui se passe réellement dans une chaîne d’approvisionnement à tout moment. Des tableaux de bord sur mesure aux modèles d’apprentissage automatique qui apprennent les modèles au fil du temps, les outils de son équipe comparent les flux planifiés avec des mouvements réels, des mises à jour des fournisseurs et des enregistrements de douane minute par minute.

Mais simplement savoir où quelque chose a glissé ne suffit pas. Hartmann, qui dirige l’équipe qui construit des «agents» de l’IA de Rome, soutient que la résilience de la chaîne d’approvisionnement dépend non seulement de la détection mais de la vitesse de résolution.

“Le temps est le plus grand facteur”, a déclaré Hartmann. «Si une expédition est en retard mais que vous l’attrapez et redirez-en immédiatement, c’est mineur. Si vous le manquez, vous obtenez une réaction en chaîne – des quais en arrière-plan, des créneaux de production manqués, des clients appelant le support.

Pour parcourir cette cascade, les agents de Rome gèrent les perturbations de routine à la volée. Si une tempête réduit un navire, l’IA peut signaler le nouveau port d’arrivée et réaffecter le transport terrestre avant qu’un humain ne doit intervenir. Si un fournisseur passe à une partie alternative à la dernière minute, le système met à jour automatiquement les bons de commande et les déclarations de douane. Seules les exceptions épineuses – les cas où il n’y a pas de bonne réponse évidente – atteignez les bureaux des planificateurs et avec des détails à l’appui disposés en langue claire.

Un filet de sécurité pour l’inattendu

Herter et Hartmann disent qu’ils ne prétendent pas que les outils de Rome peuvent arrêter le prochain choc mondial. Aucun logiciel ne peut empêcher une impasse géopolitique ou une sécheresse qui paralyse un canal d’expédition clé. Mais ils soutiennent que la capture des décalages quotidiens rapidement – et la résolution de ce qui peut être géré automatiquement – achète des entreprises de respiration précieuse pour prendre les décisions les plus complexes que l’IA ne peut pas résoudre seule.

“Chaque perturbation majeure oblige une réoptimisation rapide de la chaîne d’approvisionnement sous de nouvelles contraintes”, a déclaré Herter. “ En tant qu’ingénieur d’apprentissage automatique, je me concentre sur la construction de systèmes qui peuvent raisonner par l’incertitude – l’IA qui non seulement identifie les décalages émergents en temps réel, mais applique des modèles structurés pour intervenir tôt, contenir des effets en cascade et restaurer la cohérence avant que les planificateurs ne soient jamais nécessaires.

Leur espoir est que davantage d’entreprises commenceront à traiter la résilience non seulement comme une réponse de crise, mais comme une norme de fonctionnement quotidienne – un tampon construit à l’avance plutôt qu’improvisé après coup.

“Vous ne pouvez pas arrêter la grande perturbation”, a déclaré Hartmann. «Mais vous pouvez l’empêcher de se transformer en dix nouveaux problèmes. C’est la différence entre une chaîne d’approvisionnement qui se plie et une qui se casse.

Alors que le monde continue de faire face à des perturbations imprévisibles – des tensions géopolitiques à la volatilité climatique – la nécessité d’une infrastructure intelligente et adaptative ne fait que croître. Herter et Hartmann soutiennent que la prochaine vague d’innovation ne s’appuiera pas sur une prévoyance parfaite, mais sur des systèmes conçus pour s’adapter en temps réel. Avec les outils de Rome AI déjà intégrés dans certains des réseaux d’approvisionnement les plus complexes au monde, leur approche n’est plus théorique – cela se prouve, jour après jour.