Contexte

Dans la compétition mondiale actuelle, la chaîne logistique globale¹ (CL) constitue un enjeu important pour contribuer à l'efficacité opérationnelle des entreprises. Fonctionnant sur la base de l’entreprise élargie, elle couvre l’ensemble des flux physiques, informationnels et financiers, depuis les clients des clients jusqu’aux fournisseurs des fournisseurs. Elle permet ainsi, à la société, d’avoir une vision globale de son activité, de se focaliser sur la satisfaction du client en recherchant l’optimisation de l’ensemble de cette chaîne.

Au cours des dernières années, les industriels furent les principaux instigateurs de l’évolution de la CL dans le but d’optimiser fabrication et distribution. Aujourd’hui, le niveau de qualité de fabrication – facteur d’avantage compétitif à long terme – s’est peu à peu uniformisé. La nouvelle source d’avantage compétitif devient donc la capacité à satisfaire au mieux les demandes des clients en termes de livraison [Hakanson² et Wondergem³, 1999]. F. Doche confirme dans [Doche et al., 1999] que l’acquisition d’un nouveau client peut coûter jusqu’à vingt fois plus cher que la fidélisation d’un client existant. Une réduction des défections de 5% génère une hausse des bénéfices de 25% à 85%. Il ne sert donc à rien de dépenser des fortunes pour recruter de nouveaux clients si l’on n’est pas capable, avant tout, de fidéliser sa propre clientèle. Aujourd'hui, le comportement client a évolué, les clients sont de plus en plus exigeants et les industriels doivent répondre au mieux à leurs besoins en matière de personnalisation, de rapidité de traitement des commandes et de livraison.

La réponse à ces besoins n’est pas facile à atteindre dans le contexte de la CL qui est définie comme « un réseau d’organisations – qui supporte des flux physiques, informationnels et financiers – impliquées par des relations en amont et en aval, dans différents processus et activités, qui fournissent un produit ou un service, dans le but de satisfaire le client » [Christopher, 1992] (d’autres définitions sont données par plusieurs auteurs dans la littérature, comme [Muckstadt et al., 2001] [Stadtler et Kilger, 2000] [Swaminathan et al., 1998] [Eymery, 1997] [Lee et al., 1997]). Cette définition souligne la complexité plus ou moins grande des réseaux ainsi constitués. Ils peuvent en effet faire intervenir plusieurs dizaines, voire centaines, d’installations réparties sur toute la planète. La complexité de l’architecture de la CL entraîne une difficulté de gestion des flux physiques et d’informations depuis les approvisionnements en matières premières jusqu’à la mise à disposition des produits finis aux clients sur le lieu d’achat ou de consommation, puisque dans un contexte industriel, les données concernant ces deux flux sont parfois imprécises (comme par exemple les temps de production ou les temps de transports), souvent incertaines (comme par exemple les décisions prises par les concurrents) et certaines évolueront durant le cycle de vie de la chaîne (comme par exemple la demande client). En conséquence, les très bonnes performances obtenues par une solution dans des conditions données pourront être détériorées de façon drastique si ces conditions varient. C’est pourquoi les notions de robustesse et de solutions robustes sont devenues des concepts clés depuis quelques années dans le management industriel et logistique.

La problématique de la fidélisation et la satisfaction des clients en matière de rapidité de traitement des commandes et de livraison a suscité les intérêts d’un nombre important de chercheurs et supply chain managers. Plusieurs techniques et méthodes ainsi que des outils informatiques d’aide à la décision sont développées et mises en œuvre entre les acteurs d’une CL – dans le cadre du supply chain management – en vue de coordonner leurs décisions et répondre ainsi à ce besoin. C’est dans le cadre de ces travaux que s’inscrit la principale contribution présentée dans ce mémoire. Nous visons à proposer des solutions liées aux systèmes d’information des chaînes logistiques au moyen des agents d’interface ⁴ intelligents qui soient capables d’aider à la prise de décision collaborative [Chehbi, 2007]. Ceci, en vue de permettre aux différentes entreprises d’avoir la capacité à satisfaire au mieux les demandes des clients en termes de livraison, plus particulièrement, lors de la présence :

• des commandes incertaines : une commande incertaine est une commande dont l’occurrence n’est pas assurée,
• des commandes imprécises : une commande imprécise est une commande dont la quantité commandée n’est pas connue avec exactitude,
• des exceptions (problème de production, problème de transport, erreur sur prévisions, retard de livraison, etc.) pouvant altérer le bon déroulement d’un processus de fabrication, d’approvisionnement ou de livraison.