Les systèmes d’IA multi-agents prennent en charge l’exécution de la chaîne d’approvisionnement alors que les réseaux d’entreprise sont confrontés à des rendements décroissants des tableaux de bord statiques, poussant les directeurs logistiques vers une exécution autonome.
Les modèles de demande prédictifs affichent des recommandations, mais les planificateurs humains continuent de clarifier chaque action. Les systèmes multi-agents remplacent cette étape d’approbation au-delà des limites opérationnelles ciblées.
Au lieu d’attendre les exécutions de planification hebdomadaires, des modèles logiciels indépendants ingèrent la télémétrie en temps réel des ETA des transporteurs, des caméras de triage et des événements du système de gestion d’entrepôt. Les agents exécutent le réacheminement du fret, le rééquilibrage des stocks de sécurité et l’attribution des quais directement dans le logiciel de ressources de l’entreprise.
Lenovo a signalé cette transition opérationnelle sur son infrastructure mondiale iChain sur 180 marchés, plus de 30 usines et 100 centres logistiques. Le fabricant de matériel a relié un agent d’exécution des commandes et un agent de gestion des risques directement aux plateformes de transaction existantes.
Selon Lenovo, les décisions d’exécution ont été prises trois fois plus rapidement, la réponse aux perturbations quatre fois plus rapidement, l’évaluation des risques a fonctionné avec une précision de 85 % et la précision des livraisons a augmenté de 30 %.
Systèmes multi-agents nommés sur des chaînes d’approvisionnement en direct
Un fabricant de pièces automobiles de taille moyenne, documenté par Simor Consulting, a déployé cinq agents spécialisés dans 15 pays et 200 fournisseurs sur une période de production de 18 mois. L’entreprise a enregistré une augmentation des livraisons à temps de 82 pour cent à 94 pour cent.
L’industriel a constaté que son agent de perturbation détectait les menaces d’approvisionnement 48 heures avant les équipes de surveillance manuelle. Les agents de communication ont interagi de manière fluide avec les fournisseurs historiques. Le dialogue a échoué avec des fournisseurs inconnus jusqu’à ce que le logiciel catalogue leurs comportements de réponse spécifiques.
Les essais de routage logistique interentreprises montrent des résultats comparables. Un premier exercice de réseau virtuel mené par Fujitsu et Rohto Pharmaceutical a permis de réduire les coûts de transport jusqu’à 30 pour cent. Les deux sociétés ont programmé un essai élargi sur la chaîne physique en direct de Rohto entre janvier 2026 et mars 2027.
Les couches multi-agents générales diffèrent en supervisant simultanément plusieurs fonctions opérationnelles indépendantes. Les fabricants industriels Kohler et Belden ont construit cette base via Databricks.
Kohler a déployé un agent superviseur qui coordonne la demande, l’inventaire et la planification des espaces. Belden a conçu un graphique de fournisseurs à plusieurs niveaux avec des agents de tâches répondant aux incidents de transport, ciblant l’exécution autonome et la correction des données de base dans les phases ultérieures.
Des garde-fous opérationnels régissent les actions des agents à plusieurs niveaux
L’autonomie supervisée nécessite des limites rigides pour protéger le capital et les relations avec les fournisseurs. Les agents non contrôlés peuvent aggraver les erreurs dans les systèmes intégrés d’achat et d’expédition.
Des fils de déclenchement financiers et opérationnels doivent être installés avant d’autoriser les écritures directes du système, notamment :
- Les scripts de réacheminement des transports n’ont d’autorité que dans le cadre de plafonds de coûts stricts et de deltas d’accord de niveau de service.
- Les ajustements de stock qui dépassent les valeurs financières ou les pourcentages de volume prédéfinis sont automatiquement suspendus pour autorisation manuelle du planificateur.
- Les agents de communication destinés aux fournisseurs restent limités aux modes brouillon sur des comptes fournisseurs non vérifiés jusqu’à ce que la précision des interactions dépasse les références établies.
L’exécution automatisée des entrepôts reste largement confinée aux modèles de simulation plutôt qu’aux opérations d’étage non assistées. Des recherches menées par le Massachusetts Institute of Technology (MIT) et Symbotic ont démontré une augmentation du débit de 25 % grâce à la coordination des trajets multi-robots au sein d’installations de distribution de commerce électronique simulées.
NVIDIA a publié son architecture de référence Multi-Agent Intelligent Warehouse pour démontrer les méthodes de planification inter-flotte. Les installations de production séparent toujours le mouvement robotique de la compensation autonome des transactions.
L’essai étendu de chaîne en direct de Rohto, prévu jusqu’en mars 2027, est le prochain test public de ces boucles d’exécution limitées.
Apprenez-en davantage sur l’IA physique pendant le Expo sur l’IA physique organisé à Amsterdam, Londres et en Amérique du Nord.
