Konstantin Zlobin : l’IA se heurte à la réalité opérationnelle après les pilotes

Konstantin Zlobin revient sur une discussion organisée lors de LogiPharma Asia 2026 autour d’une question centrale : comment faire passer l’IA du stade des pilotes à des systèmes de planification capables de fonctionner à l’échelle ?

Son principal constat est que l’IA elle-même n’est pas nécessairement le principal obstacle. L’IA assistive améliore déjà la productivité des planificateurs, mais son intégration dans la planification intégrée exige qu’elle soutienne l’ensemble du processus de décision, et non des tâches isolées. Les décisions de demande et d’approvisionnement doivent rester connectées, avec des données cohérentes, des cycles structurés et une gouvernance claire.

Cette distinction est importante, car un pilote peut fonctionner avec des données sélectionnées, un périmètre réduit et une supervision étroite. La planification opérationnelle implique au contraire des hypothèses changeantes, des objectifs concurrents, plusieurs horizons et des décisions affectant les stocks, les capacités, le service, les coûts et les engagements réglementaires.

La formulation de Zlobin résume bien le problème : l’IA n’échoue pas nécessairement pendant le pilote ; elle rencontre des difficultés lorsqu’elle se confronte à la réalité opérationnelle. À l’échelle, la gouvernance des données, l’intégration et la responsabilité décisionnelle deviennent aussi importantes que la performance du modèle.

Le contexte pharmaceutique renforce cette pertinence. LogiPharma Asia réunit des responsables Supply Chain, opérations et logistique des secteurs pharmaceutique et sciences de la vie, autour de la résilience, de la collaboration et des technologies émergentes. L’édition 2026 s’est tenue à Singapour les 16 et 17 juin.

Angle Dataleo

Ce retour constitue un signal important pour l’IA Supply Chain, car il distingue l’expérimentation contrôlée de l’industrialisation de l’aide à la décision. La question n’est pas seulement de savoir si un assistant peut commenter une prévision ou résumer une exception, mais s’il peut fonctionner dans un cycle de planification gouverné, avec des données fiables, des droits de décision explicites et une possibilité de dérogation humaine.

Avant tout passage à l’échelle, les responsables doivent préciser quelle décision est améliorée, qui possède la logique sous-jacente, comment les résultats alimentent le S&OP et les processus demande-approvisionnement, et ce qui se passe lorsque la recommandation est erronée. Sans ces contrôles, l’IA risque de devenir une couche isolée supplémentaire à côté des APS, ERP et fichiers Excel plutôt qu’un composant d’une architecture décisionnelle cohérente.