Le fournisseur qui vous mettra en difficulté l’an prochain, vous ne le connaissez probablement pas. Il fournit votre fournisseur. Son nom n’apparaît dans aucun de vos contrats, aucune de vos bases, et pourtant il fabrique le seul additif qui permet à votre recette de tenir sa date limite de consommation. Toute la question de l’intelligence artificielle et de la résilience de la supply chain tient dans cet angle mort : rendre visible ce qui se trouve deux crans plus loin que votre carnet d’adresses, et le faire avant l’incident plutôt que pendant.
Un mot qui ne veut rien dire tant qu’il n’est pas chiffré
« Nous voulons être plus résilients. » Très bien. Résilients à quoi, en combien de temps, à quel coût ?
Trois indicateurs suffisent à sortir de l’incantation. Le temps de reprise par référence, c’est-à-dire le nombre de semaines nécessaires pour redémarrer si telle source disparaît. La part du chiffre d’affaires dépendant d’un fournisseur unique, calculée non pas sur les achats mais sur les ventes qu’ils permettent. Et le niveau de couverture réelle, en jours de production, matière par matière.
Une PME agroalimentaire bretonne de 140 salariés, spécialisée dans les plats cuisinés en conserve, a fait cet exercice sur ses 210 matières premières et emballages. Résultat : 71 % de son chiffre d’affaires reposait sur des références mono-source. Le directeur des achats estimait ce chiffre autour de 30 %. Personne ne mentait, personne n’avait jamais additionné.
Les signaux faibles arrivent longtemps avant l’incident
Une rupture d’approvisionnement s’annonce rarement du jour au lendemain. Elle se prépare dans des dérives lentes que personne ne suit parce qu’elles ne déclenchent aucune alerte : un délai réel qui s’allonge de douze à dix-neuf jours en un semestre, un taux de service qui glisse de 98 à 91 %, des livraisons de plus en plus fréquemment partielles, des changements de contact commercial à répétition.
Prises isolément, ces variations passent inaperçues. Combinées et suivies sur trois cents fournisseurs, elles dessinent un classement de fragilité que le modèle réévalue chaque semaine.
Dans l’entreprise citée, le fournisseur d’un ingrédient sensible cumulait quatre de ces dérives depuis huit mois. L’alerte a permis de qualifier une source alternative avant la défaillance, qui est survenue le trimestre suivant. La qualification d’un nouvel ingrédient dans l’agroalimentaire demande entre huit et quatorze semaines entre les essais, la validation qualité et l’étiquetage. Sans anticipation, l’arrêt de ligne était mécanique.
C’est le même socle technique que celui décrit dans nos travaux sur l’analyse prédictive en temps réel, appliqué non pas à la demande mais à la fiabilité de l’amont.
Le stock tampon, mal aimé mais mal calculé
Vingt ans de discours sur le flux tendu ont fait du stock un aveu de faiblesse. Le pendule est revenu, parfois trop loin : nous voyons des entreprises remonter uniformément toutes leurs couvertures, ce qui immobilise de la trésorerie sans rien protéger de ce qui compte vraiment.
La bonne approche est différenciée. Une matière dont la requalification prend trois mois et qui conditionne 40 % des ventes mérite huit à dix semaines de couverture. Un emballage standard disponible chez quatre fournisseurs européens n’en mérite pas plus de dix jours. Le calcul croise criticité commerciale, délai de remplacement et coût de possession, référence par référence. Sur les 210 lignes de notre exemple, l’exercice a fait remonter le stock sur 18 d’entre elles et baisser sur 60. Le besoin en fonds de roulement global n’a pas bougé, l’exposition a été divisée par trois.
Ce que la simulation apporte, et ce qu’elle ignorera toujours
Faire tourner des scénarios de rupture sur un modèle de votre chaîne a une vraie valeur pédagogique. On voit quelles lignes s’arrêtent, dans quel ordre, au bout de combien de jours, et quelles décisions d’arbitrage seraient à prendre en urgence. Un comité de direction qui a joué ce type d’exercice une fois par an réagit différemment le jour où l’événement se produit.
Deux limites, que nous préférons annoncer d’entrée. La première : les données sur les fournisseurs de rang 2 et 3 sont rares, souvent déclaratives, parfois refusées par des fournisseurs qui protègent leurs propres sources. On travaille avec de l’incomplet, et il faut l’assumer. La seconde : aucun modèle entraîné sur le passé ne prévoit un événement d’un genre inédit. Il prévoit ce qui ressemble à ce qu’il a déjà vu. La valeur du dispositif tient moins à la prédiction qu’à la vitesse de détection et à la préparation des réponses.
Un chantier long, à découper en trois temps
Pour une ETI industrielle, l’ensemble représente un investissement de 25 000 à 60 000 euros et six à neuf mois. C’est le projet le plus lourd de cette famille, et il ne se lance pas d’un bloc.
Commencez par la cartographie et les trois indicateurs. Trois à quatre semaines, un tableur bien construit, aucun outil sophistiqué : cette première étape suffit déjà à réorienter la politique d’achats et se finance toute seule. Passez ensuite à la surveillance automatisée des signaux faibles, qui demande de récupérer proprement l’historique de vos réceptions. Gardez la simulation pour la fin, quand les deux briques précédentes tournent.
Ce séquencement s’articule naturellement avec les autres chantiers d’optimisation logistique portés par l’IA, et notre conseil reste le même dans toutes ces missions : ne financez la partie modélisation qu’après avoir vu ce que la simple mise à plat vous apprend. L’intelligence artificielle et la résilience de la supply chain forment un couple utile, à condition de ne pas commencer par l’algorithme. MINOBIA accompagne cette mise à plat auprès des industriels et des distributeurs qui veulent savoir où ils sont réellement exposés.
Questions fréquentes
Comment obtenir des informations sur les fournisseurs de nos fournisseurs ?
Par le questionnaire contractuel, en le rendant obligatoire au renouvellement. C’est lent, c’est imparfait, et il n’existe pas de raccourci technologique crédible sur ce point.
Le double sourcing systématique est-il la solution ?
Non, il coûte cher en volumes fractionnés et en qualification. Réservez-le aux références dont l’arrêt bloquerait une part significative de vos ventes.
Faut-il un ERP moderne pour se lancer ?
Il faut surtout un historique exploitable des commandes et des réceptions, avec les dates promises et les dates réelles. Beaucoup de systèmes anciens le contiennent sans que personne l’ait jamais extrait.
À quelle fréquence revoir la cartographie ?
Une fois par an pour la structure, en continu pour les indicateurs de fragilité. Un changement de site de production chez un fournisseur justifie une révision immédiate.
Qui doit piloter ce sujet dans une PME ?
Les achats et la production ensemble, avec un arbitrage direct du dirigeant. Les décisions engagent de la trésorerie et de la marge, elles ne se délèguent pas à une fonction unique.
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
