« Il n’est pas de vent favorable pour celui qui ne sait où il va », écrivait Sénèque.
Et c’est peut-être à l’aune de cette citation qu’il faut faire l’analyse de l’essor de l’Industrie 4.0.
Depuis maintenant plusieurs années, de nouveaux défis ont fait leur apparition concernant la gestion des chaînes logistiques. Afin de rester dans la course, il faut à présent savoir travailler avec de fortes incertitudes, mais également modifier sa façon de travailler pour prendre en compte la complexité croissante de notre environnement de travail.
Nous voyons aujourd’hui le potentiel que représente l’utilisation de données et nous pensons qu’il est indispensable de définir une stratégie et de ne pas s’égarer en chemin.
La clé de la survie dans un environnement aussi fluctuant que le nôtre réside donc dans la flexibilité des organisations.
Il suffit de se référer au paysage projeté des plus grandes entreprises du monde d’ici à 2050 pour se rendre compte que la sélection se fera sur l’adaptation au marché. Dans ce contexte où les prises de décision stratégiques doivent être rapides et sûres, les décideurs ont tout à gagner à s’appuyer sur des analyses précises de leur environnement. Notre parti-pris est de promouvoir l’accès à toutes ces informations pertinentes, malgré la complexité croissante.
Nous préconisons donc de rendre disponible aux différents acteurs les bonnes données au bon moment, afin d’améliorer cette prise de décision. Nous appuyons notre argumentation sur le concept de visibilité pour la chaîne logistique. Gagner en visibilité, c’est être capable de suivre avec un niveau suffisant de détails le flux de ses produits. Même en dehors de sa propre organisation. C’est suivant ce principe que nous recommandons l’établissement de stratégies partagées entre tous les acteurs pour l’utilisation des données.
Une stratégie partagée a vocation à utiliser à son potentiel maximal la richesse des informations qui nous entourent. Mais elle n’est possible qu’en s’accordant avec tous les acteurs de la chaîne sur les mêmes valeurs et objectifs. C’est seulement de cet accord que peuvent naître des possibilités d’amélioration de la visibilité et d’utilisation optimale de nos données.
Cependant, utiliser à bon escient toutes les données que nous produisons demande à la fois d’unifier les formats, de surveiller les processus et enfin d’incorporer des technologies.
L’unification des formats de données repose sur l’échange entre acteurs de normes de collecte, de stockage et de partage et aura pour conséquence d’accélérer tous les traitements d’une part, et de simplifier l’interfaçage d’autre part.
La surveillance des processus permettra, quant à elle, de jalonner les étapes de production et de distribution. En identifiant exactement quand et où les produits passent, nous pouvons efficacement réagir aux évènements tout au long de la chaîne.
Enfin, l’introduction de technologies doit se faire selon une stratégie prédéfinie, chaque investissement venant alimenter l’équivalent d’une plateforme de l’information. Pour développer les synergies entre les technologies, il faut identifier en amont les besoins ; en termes de suivi de production et de distribution (ERP, suivi de stocks, …), de suivi de la demande (prévisions, promotions, …), de suivi de marché (concurrence, scénarios de produits, …) mais aussi de normes et de qualité. Et bien sûr, s’y tenir !
En définitive, nous avons la conviction que c’est d’une gouvernance à haut niveau dont viendra la solution du passage à l’industrie 4.0. C’est à elle qu’échouera la responsabilité de fixer les objectifs et de situer chaque étape dans l’ensemble du voyage. Nous savons qu’aucun changement n’est simple, mais le partage d’informations entre acteurs est un sujet stratégique qui doit être encadré et sécurisé pour mener à des collaborations durables et saines.
Le courant pousse vers un environnement de travail où les connexions seront nombreuses. Profitons-en astucieusement et ne nous dispersons pas pour prendre de l’avance.
Références :
Samuel, K., 2017. Improving visibility in the supply chain with digital technologies, 7th IESM Conference
Samuel, K. (2010). Collaborative Demand Planning: Lessons from three Case Studies. Enterprise Networks and Logistics for Agile Manufacturing
Waller, M.A., Fawcett, S.E. (2013). Data science, predictive analytics, and Big Data: A revolution that will transform supply chain design and management. Journal of Business Logistics
Basole R.C., Bellamy, M.A., (2014). Supply Network Structure, Visibility, and Risk Diffusion: A Computational Approach. Decision Sciences
Li, L., Zhang, H. (2008). Confidentiality and information sharing in supply chain coordination. Management science