« Ça part vendredi. » Le responsable approvisionnement d’un fabricant de menuiseries aluminium a entendu cette phrase trois fois pour la même commande de profilés, à trois semaines d’intervalle, sans jamais la remettre en cause. La ligne d’assemblage s’est arrêtée un mardi matin. Personne n’avait menti : le fournisseur croyait sincèrement expédier, son propre lamineur avait glissé, et l’information n’est simplement jamais remontée. L’IA pour la gestion des délais de livraison fournisseurs ne sert pas à mettre la pression sur un partenaire. Elle sert à savoir, parfois avant lui, quelles dates promises ne tiendront pas.
Une date confirmée n’est pas une information, c’est une intention
Regardez comment circule une date dans votre entreprise. Le fournisseur renvoie un accusé de réception avec une date d’expédition. Cette date entre dans l’ERP. Elle devient la base du planning atelier, de la promesse faite au client final, parfois du plan de charge des intérimaires. Tout le reste s’appuie dessus comme sur un fait établi, alors qu’il s’agit d’une prévision faite par quelqu’un qui, lui non plus, ne maîtrise pas complètement sa propre chaîne.
Le décalage moyen ne dit pas grand-chose. Ce qui compte, c’est la forme de la distribution : un fournisseur qui livre systématiquement deux jours en retard est parfaitement gérable, il suffit de décaler la commande. Un fournisseur qui livre à l’heure neuf fois sur dix et avec cinq semaines de retard la dixième fois est un problème d’une tout autre nature, parce qu’aucun tampon raisonnable ne couvre ce genre d’accident. Nous voyons régulièrement des panels où les deux profils portent la même note de « fiabilité » dans le tableau de suivi.
Vos accusés de réception racontent déjà l’essentiel
La matière première du sujet dort dans votre système depuis des années. Trois dates par ligne de commande suffisent à démarrer : la date de commande, la date confirmée par le fournisseur, la date de réception effective en quai. Beaucoup de PME possèdent ces trois champs sans les avoir jamais croisés, parce que l’ERP les stocke dans des tables différentes et que personne n’a le temps de sortir l’extraction.
Le premier travail est ingrat et sans intelligence artificielle du tout : nettoyer. Les réceptions partielles comptées comme complètes, les commandes soldées manuellement en fin d’exercice, les dates saisies le lundi pour une livraison du samedi, les avoirs qui créent de fausses lignes. Sur un historique de trois ans, comptez une à deux semaines de remise en ordre avant d’obtenir une base exploitable. C’est le poste que les dirigeants sous-estiment le plus, et celui qui décide de la suite.
Une fois cette base propre, un simple tableau par fournisseur et par famille de références montre déjà des choses désagréables. Chez le menuisier dont je parlais, quatre fournisseurs sur trente-huit concentraient les deux tiers des arrêts de ligne, et deux d’entre eux figuraient parmi les mieux notés du panel parce qu’ils étaient les moins chers.
Prédire un retard plutôt que le constater
C’est là que l’apprentissage automatique apporte quelque chose qu’un tableau croisé ne donne pas. Le modèle n’apprend pas seulement le comportement moyen d’un fournisseur, il apprend les circonstances dans lesquelles ce fournisseur dérape.
Les signaux qui ressortent le plus souvent surprennent les équipes achats. Le délai que met le fournisseur à accuser réception de la commande est l’un des meilleurs prédicteurs de retard : un accusé qui arrive au bout de six jours au lieu de deux annonce généralement une usine en tension. Viennent ensuite la taille inhabituelle de la commande par rapport aux habitudes de la relation, la position dans la saison, le fait que la référence ait déjà été modifiée en cours de fabrication, la longueur de la chaîne de sous-traitance derrière le fournisseur direct. Ce type de raisonnement rejoint ce que nous décrivons dans notre article sur l’IA prédictive appliquée à la logistique, appliqué ici au seul périmètre amont.
Restons honnêtes sur la précision atteignable. Un modèle nourri de trois ans d’historique sur un panel stable identifie correctement une bonne partie des commandes qui glisseront de plus d’une semaine, mais il se trompe aussi, dans les deux sens. Il ne verra jamais venir un incendie chez un sous-traitant de rang deux ni une grève portuaire. Son intérêt n’est pas la voyance, c’est de faire remonter dix commandes à surveiller par semaine au lieu de laisser un approvisionneur relancer au hasard ou, plus souvent, ne relancer personne.
Une alerte ne vaut que par la décision qu’elle déclenche
Voilà le vrai point de bascule des projets que nous accompagnons. Un tableau de bord qui clignote sans procédure derrière crée juste un nouveau motif d’anxiété le lundi matin. L’IA pour la gestion des délais de livraison fournisseurs ne produit de valeur qu’attachée à un jeu de réactions écrites noir sur blanc.
Décidez à l’avance, par famille d’achat, ce que déclenche une alerte. Relance téléphonique nominative sous vingt-quatre heures pour les références critiques. Décalage de la séquence d’atelier quand le retard prévu dépasse cinq jours. Déclenchement d’une commande de sécurité chez le fournisseur alternatif au-delà de deux semaines. Et, cas le plus rentable de tous, information du client final avant qu’il ne découvre le retard lui-même : un client prévenu dix jours à l’avance renégocie sa date, un client prévenu la veille appelle votre direction. Cette anticipation-là s’inscrit dans une démarche plus large d’optimisation de la chaîne logistique, dont les délais fournisseurs ne sont qu’un maillon.
Un conseil que nous répétons souvent : ne donnez pas l’alerte à tout le monde. Un destinataire nommé par famille d’achat, responsable de l’action, avec une trace de ce qu’il a fait. Le reste du comité se contente du bilan mensuel.
Le budget réel et le point d’entrée
Pour une PME industrielle de cinquante à cent salariés, l’ordre de grandeur se situe entre 600 et 1 500 euros par mois une fois le dispositif en régime, en comptant la brique logicielle et l’hébergement des données. À cela s’ajoute la mise en route, largement dominée par le travail de reprise de l’historique évoqué plus haut. Le pilote tient en huit semaines si vous le limitez à vingt références et à cinq fournisseurs, choisis parmi ceux qui vous ont déjà coûté un arrêt de production dans l’année.
Il existe des situations où nous déconseillons le chantier. Si votre panel change tous les six mois, si vous achetez majoritairement sur catalogue avec livraison sous quarante-huit heures, ou si vos données de réception ne sont pas saisies au quai mais reconstituées à la facturation, le modèle n’aura rien de solide à apprendre. Commencez alors par la saisie, pas par l’algorithme.
Le fabricant de menuiseries n’a pas supprimé ses retards fournisseurs. Il en absorbe simplement la plupart sans arrêter la ligne, parce qu’il les voit venir deux à trois semaines plus tôt qu’avant. C’est à peu près tout ce qu’on peut attendre de l’IA pour la gestion des délais de livraison fournisseurs, et c’est déjà considérable pour un atelier qui vit au jour le jour. Si vos plannings sautent régulièrement à cause de l’amont, l’équipe MINOBIA peut regarder avec vos approvisionneurs ce que dit réellement votre historique de commandes.
Questions fréquentes
Combien d’historique faut-il pour que ça fonctionne ?
Deux ans de commandes constituent un minimum confortable, trois valent mieux. En dessous d’un an, un tableau de suivi bien tenu vous apportera autant qu’un modèle prédictif, pour beaucoup moins cher.
Faut-il en parler aux fournisseurs concernés ?
Oui, et plutôt deux fois qu’une. Un suivi présenté comme un outil de sanction ferme les échanges. Présenté comme une base de discussion chiffrée lors de la revue annuelle, il fait souvent progresser la relation, parce que le fournisseur découvre lui aussi ses propres chiffres.
Notre ERP est ancien, est-ce bloquant ?
Rarement. Une extraction périodique en fichier plat suffit à alimenter le dispositif. Le vrai obstacle est ailleurs : la qualité de la saisie des réceptions au moment où la palette arrive.
Que faire d’une alerte sur un fournisseur unique, sans solution de repli ?
Le gain se déplace vers l’aval. Vous ne changez pas la date de livraison, mais vous réorganisez l’atelier et vous prévenez le client à temps. Sur les monopoles techniques, c’est souvent le seul levier disponible.
Qui doit piloter ce type de projet en interne ?
L’approvisionnement, pas l’informatique. La personne qui passe les commandes est la seule capable de dire si une alerte est pertinente ou absurde, et c’est cette relecture qui rend le modèle utilisable au bout de quelques mois.
Prêt à concrétiser votre projet IA ?
À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
