La question qui détermine la pertinence
Le juste-à-temps (JAT, ou just-in-time) est un principe de gestion de la chaîne d’approvisionnement qui vise à réduire les stocks au minimum en recevant matières et composants exactement au moment où ils sont nécessaires, ni avant ni après. L’IA n’invente pas le JAT : elle le rend plus précis en améliorant la capacité à prévoir le moment exact où chaque matière sera nécessaire.
La question d’évaluation : quel est le coût actuel des en-cours et des stocks de matières premières, et quelle part de ces stocks sert de tampon pour compenser l’imprécision de la planification ? Si ce tampon est important et existe à cause de l’incertitude sur la demande ou sur les délais de livraison, la prévision par l’IA peut le réduire sans accroître le risque d’arrêt.
Seconde question : votre chaîne d’approvisionnement est-elle fiable ? Le JAT amplifie la vulnérabilité aux perturbations externes. Avant de viser le stock minimum, il faut évaluer le risque d’approvisionnement des composants critiques.
Évaluer l’opportunité
Le JAT appuyé par l’IA a le plus de potentiel lorsque la variabilité de la demande est prévisible suffisamment à l’avance (l’IA améliore la qualité de la prévision), que les délais de livraison des fournisseurs sont connus même s’ils varient (cette variabilité peut être modélisée) et que le coût des stocks immobilisés pèse lourd par rapport à la marge du produit.
Il s’applique moins bien lorsque les fournisseurs clés ont des délais très longs ou très variables, que les ruptures d’approvisionnement sont fréquentes et imprévisibles, ou que les composants sont critiques, sans substitut, et qu’un arrêt de production coûte extrêmement cher.
Les données nécessaires
L’historique des délais de livraison avec leur variabilité réelle. Pas le délai nominal annoncé par le fournisseur, mais l’historique réel des livraisons : date de commande, date promise, date d’arrivée effective. Cet historique permet de modéliser la distribution réelle du délai par fournisseur et par référence, et de dimensionner le stock de sécurité selon la variabilité réelle plutôt que selon le délai moyen.
Un signal de demande suffisamment anticipé. Le JAT exige de savoir avec précision quand et en quelle quantité chaque composant sera nécessaire. Plus la prévision de production est fiable et anticipée, plus le stock de sécurité nécessaire est faible.
Des données de fiabilité fournisseur. Taux de livraison à l’heure, taux de conformité à la réception, historique des ruptures. Ces données permettent d’identifier les fournisseurs qui exigent un tampon plus important et ceux qui autorisent des stocks plus tendus.
L’intégration de la demande du client final. Dans les chaînes où la demande du client final est visible (VMI, Vendor Managed Inventory, ou gestion partagée des approvisionnements), ce signal est plus précis que les commandes du maillon immédiatement en amont, souvent affectées par l’effet coup de fouet (amplification de la variabilité).
Coûts et complexité
Le coût de l’IA appliquée au JAT comprend le développement des modèles de prévision et d’optimisation des stocks, l’intégration avec le système achats et l’ERP, et la mise en place d’alertes précoces lorsque les délais attendus dérivent.
Le coût du risque pèse ici plus lourd que dans d’autres cas d’usage : si le modèle se trompe sur une prévision critique et qu’un composant essentiel n’arrive pas à temps, le coût de l’arrêt de production peut dépasser les économies cumulées sur les stocks. Le système doit donc prévoir des alertes et des plans de secours, et pas seulement optimiser le fonctionnement normal.
Évaluer les risques
Fragilité systémique. Le JAT est une stratégie d’optimisation qui réduit la marge d’erreur. La pandémie de 2020-2021 a démontré à l’échelle mondiale que les chaînes d’approvisionnement en juste-à-temps hyperoptimisées sont extrêmement vulnérables aux perturbations externes imprévisibles. L’IA peut améliorer l’efficacité du JAT, mais elle n’élimine pas le risque de perturbations systémiques.
Le bon équilibre n’est pas le stock minimum absolu, mais le stock minimum compatible avec le niveau de risque jugé acceptable. Cet équilibre doit faire l’objet d’une décision explicite, et non rester un paramètre par défaut du modèle.
Dépendance à un fournisseur unique. L’IA peut optimiser l’approvisionnement auprès du fournisseur actuel, mais la diversification des sources pour les composants critiques est une décision stratégique que l’IA ne peut pas remplacer. Optimiser l’efficacité avec un fournisseur unique sur un composant sans alternative ne réduit pas le risque lié à ce fournisseur.
Latence du signal de demande. Si le signal de demande reçu par le modèle arrive en retard (le client commande aujourd’hui, mais l’information parvient au fournisseur avec plusieurs jours de décalage), la qualité de la prévision se dégrade. Intégrer des signaux plus en amont (point de vente, prévisions du client) réduit cette latence.
Indicateurs de réussite
- Jours de stock de matières premières et d’en-cours
- Taux de livraison à l’heure des fournisseurs (indicateur de qualité de la chaîne)
- Taux d’arrêts de production par manque de matière
- Coût des commandes urgentes (signe d’un JAT qui échoue en temps réel)
- OTIF (On Time In Full) des livraisons au client final
- Rotation des stocks de matières premières
Comment elle génère un ROI
Le ROI direct du JAT appuyé par l’IA est la baisse des stocks immobilisés et de leur coût de financement. Le ROI indirect est la baisse des coûts de gestion des stocks (espace, manutention, obsolescence, pertes sur les produits périssables) et la réduction des commandes urgentes, dont le fret et le surcoût fournisseur sont généralement supérieurs à ceux d’une commande standard.
Dans les entreprises qui achètent des composants de forte valeur, même une baisse modeste des en-cours libère un capital significatif, qui peut être investi ailleurs dans l’entreprise.
Questions fréquentes
Le JAT appuyé par l’IA a-t-il du sens pour une PME industrielle ? Cela dépend du coût des stocks et de la complexité de la chaîne d’approvisionnement. Pour une PME qui a peu de fournisseurs, des composants standard et des cycles d’achat simples, une gestion manuelle ou les fonctions de base de l’ERP suffisent généralement. Pour une PME dont la chaîne est complexe, les composants coûteux ou la demande très variable, l’optimisation par l’IA peut générer un retour significatif, même à plus petite échelle.
Comment concilier le JAT et la nécessité d’un stock stratégique face aux perturbations ? Les deux sont complémentaires s’ils sont bien conçus. Le JAT optimise les stocks en conditions normales. Le stock stratégique (stock de sécurité différencié selon la criticité du composant et le risque fournisseur) sert d’amortisseur face aux perturbations. L’IA peut aider à dimensionner les deux de façon optimale : un stock opérationnel minimal, complété par un stock stratégique calibré sur le risque réel de chaque composant.