L'Intelligence Artificielle au service de la logistique

1. Introduction à l'IA et aux enjeux de la logistique

• Définition de l’IA, machine learning et IA générative
• Différence entre règles, optimisation et IA
• Évolution des systèmes logistiques (WMS, TMS, ERP + IA)
• Tendances du marché et maturité des entreprises

2. IA pour la prévision et la planification

• Prévision de la demande (demand forecasting)
• Détection des tendances et saisonnalités
• Prévision des ruptures et surstocks
• Planification intelligente (S&OP augmenté)

Cas pratique
Comparaison prévision classique vs prévision assistée par IA

3. IA pour optimisation des stocks

• Calcul dynamique des stocks de sécurité
• Réduction des coûts de stockage
• Arbitrage niveau de service / coûts
• IA et pilotage multi entrepôts

Cas pratique
Optimisation d’un stock avec contraintes de service

4. IA pour le transport et la distribution

• Optimisation des tournées (routing)
• Allocation intelligente des ressources
• Anticipation des retards
• Réduction de l’empreinte carbone

Cas pratique
Optimisation d’un plan de transport par IA

5. IA pour les entrepôts

• Prévision des flux entrants/sortants
• Picking intelligent
• Robotisation et systèmes autonomesMaintenance prédictive des équipements

Cas pratique
Simulation d’amélioration de la productivité d’un entrepôt

6. IA et gestion des risques logistiques

• Détection des anomalies
• Anticipation des incidents (retards, pénuries)
• Résilience de la supply chain
• IA et gestion de crise

Cas pratique
Identification de risques supply chain via données historiques

7. Enjeux éthiques, humains et déploiement

• Impact sur les métiers logistiques
• Acceptabilité des outils IA
• Qualité et gouvernance des données
• ROI et critères de choix des solutions
• Feuille de route de déploiement IA

8. Ateleir de synthèse

• Identification des processus prioritaires
• Analyse gains / risques
• Définition d’un projet pilote
• Indicateurs de succès