Prévoir la demande sans boule de cristal : l'IA en appui de la planification
Dans un atelier, un opérateur me montre son fichier de planification du lundi matin. La prévision de commandes à deux semaines lui arrive, il la regarde, il soupire, et il fait une moyenne. Personne n’y croit vraiment, alors on devine. C’est une scène que je revois dans presque toutes les usines où je passe, et c’est exactement le genre de douleur où l’IA peut rendre service, à condition de ne pas lui demander l’impossible.
Le vrai problème : on planifie à l’aveugle
La prévision à une ou deux semaines, c’est l’horizon le plus tendu. Trop loin pour savoir, trop près pour s’en moquer. Quand la commande ferme n’est pas encore tombée, l’opérateur compose : un peu d’historique dans la tête, un peu d’instinct, et une moyenne pour se couvrir. Le résultat, ce sont des stocks de sécurité gonflés par prudence, des changements de série en urgence, et une planification qu’on refait trois fois dans la semaine. Ce n’est pas un manque de compétence : c’est qu’on demande à un humain de tenir de tête des dizaines de produits, de saisonnalités et de signaux faibles en même temps. Personne ne le fait bien à la main.
Ce que l’IA fait, et ce qu’elle ne fait pas
L’IA est bonne à ce travail précis : croiser l’historique de ventes et de commandes avec les signaux disponibles (saisonnalité, tendances, comportement d’un client ou d’une famille de produits) pour dégrossir une prévision. Elle voit des régularités qu’un cerveau humain ne peut pas tenir sur autant de références à la fois. Mais attention au piège : elle ne donne pas une vérité. Elle propose un chiffre de départ, plus honnête qu’une moyenne, et c’est tout. Le planificateur reste aux commandes. Il sait qu’un client va passer une grosse commande parce qu’il l’a eu au téléphone, il sait qu’une ligne est en maintenance la semaine prochaine. Ces informations-là ne sont nulle part dans l’historique. L’IA propose, l’humain ajuste avec sa connaissance du terrain. C’est un point de départ, pas un verdict.
Le préalable : une donnée de ventes exploitable
Avant tout ça, il faut un socle. Une prévision ne vaut que ce que vaut l’historique sur lequel elle s’appuie. Si vos données de ventes et de commandes sont éparpillées, incomplètes ou pleines de trous, l’IA va apprendre sur du bruit et sortir des prévisions confiantes mais fausses. Ce n’est pas un détail technique : c’est le préalable. La bonne nouvelle, c’est que cette donnée existe presque toujours quelque part, dans l’ERP ou dans des tableurs. Il faut juste la rendre exploitable, et c’est souvent un chantier court.
La où l’IA n’a rien à faire
Soyons clairs sur la limite. L’IA est faite pour le régulier, le répétitif, ce qui ressemble au passé. Elle n’a rien à faire sur l’événement exceptionnel : un client qui double sa commande pour une raison qu’elle ignore, une rupture chez un fournisseur, un coup de chaud commercial inédit. Sur ces situations-là, c’est le jugement humain qui décide, point. Vouloir confier l’exceptionnel au modèle, c’est le meilleur moyen de se planter avec assurance. L’IA dégrossit le travail répétitif pour libérer du temps de cerveau sur ce qui compte vraiment : les décisions que seul un humain qui connaît son terrain peut prendre. L’IA avec nous, pas à notre place.
Pour le panorama complet, lisez le guide L’IA dans l’industrie. Voir aussi : La donnée qui dort. Vous vous demandez par où commencer ? Situez votre maturité IA en 2 minutes, ou parlons-en 20 minutes.