L'écart de compétences AI dans les talents supply chain nécessite une refonte des rôles, pas seulement du recrutement
Rajavel Sekaran souligne l’augmentation rapide de la demande pour des professionnels combinant expertise supply chain et compétences pratiques en IA. En s’appuyant sur une analyse de Gartner portant sur 35 millions d’offres d’emploi, il indique que la demande pour des profils supply chain maîtrisant l’IA a progressé de 387 % depuis le premier trimestre 2023.
Ce déficit reflète trois évolutions simultanées. L’IA est introduite dans la prévision de la demande, l’évaluation fournisseurs et la logistique ; les organisations recherchent des personnes capables de comprendre à la fois les décisions opérationnelles et l’IA ; et les filières traditionnelles de recrutement et de formation ne s’adaptent pas assez vite. Sekaran souligne également le départ à la retraite de professionnels expérimentés et la perte de connaissances institutionnelles qui en résulte.
Ses recommandations aux dirigeants supply chain sont de développer la maîtrise de l’IA en interne, de repenser les rôles conçus avant la transition actuelle et de travailler avec des partenaires externes lorsque les capacités technologiques ou de mise en œuvre ne peuvent pas être construites assez rapidement.
Perspective opérationnelle : la transformation des compétences doit partir des décisions et des responsabilités, et non d’une formation générique à l’IA. Les organisations doivent identifier quelles tâches de planification, d’achats, de logistique et d’exécution seront assistées ou réalisées par l’IA, qui reste responsable du résultat et quelles preuves doivent être examinées avant d’accepter une recommandation.
La formation doit s’appuyer sur les processus, données et scénarios d’échec propres à l’organisation. Les descriptions de poste doivent distinguer l’utilisation des modèles, la validation, l’escalade et les responsabilités de gouvernance. Les connaissances critiques doivent aussi être documentées dans des sources approuvées, avec responsables identifiés, contrôle de version et procédures de revue avant d’être intégrées dans des agents IA ou des outils d’aide à la décision.