Quand l'IA change les règles de l'apprentissage, les chaînes d'approvisionnement doivent aussi changer

Un professeur de mathématiques de l'Université de Californie à Berkeley a cessé de noter les devoirs pour leur exactitude après avoir conclu que les outils d'IA peuvent désormais aider les étudiants à produire des réponses de haute qualité trop facilement. Le professeur Richard Borcherds accorde désormais des points principalement pour l'achèvement des devoirs et base les notes sur des examens en personne, sans appareil.

Sa décision est plus qu'un débat sur la politique universitaire. C'est un avertissement pour chaque industrie qui dépend de talents qualifiés, y compris les chaînes d'approvisionnement mondiales : lorsque l'IA peut générer des résultats soignés, les organisations doivent apprendre à évaluer le jugement, l'application et la responsabilité, et pas seulement la réponse finale.

La leçon pour les chaînes d'approvisionnement

Le travail dans la chaîne d'approvisionnement a longtemps récompensé les personnes capables d'analyser des données, de résoudre des problèmes opérationnels et de produire des plans précis. L'IA change cette équation en rendant disponibles en quelques secondes les prévisions, les options d'itinéraire, les recommandations d'inventaire, les résumés de fournisseurs et même les ébauches de négociations.

Mais un résultat d'IA qui semble correct n'est pas la même chose qu'une décision commerciale judicieuse. Un planificateur peut recevoir une prévision de demande précise, mais doit néanmoins la confronter à une promotion, une contrainte de fournisseur, une perturbation portuaire, un événement météorologique ou un changement de comportement du client. La contribution humaine passe de la production de la réponse à la remise en question, la validation et l'action.

Des réponses au jugement

La préoccupation de Borcherds est que la notation des réponses finales ne prouve plus qu'un étudiant comprend les mathématiques sous-jacentes. Le même problème s'applique aux chaînes d'approvisionnement : un rapport soigné généré par l'IA ne prouve pas qu'un planificateur comprend le risque d'inventaire, la capacité des fournisseurs, les règles commerciales ou les conséquences d'une rupture de stock.

Les futurs talents de la chaîne d'approvisionnement doivent donc être formés à expliquer leur raisonnement, à défendre une recommandation, à identifier les lacunes en matière de données et à prendre des décisions lorsque les informations sont incomplètes. Ce sont ces compétences qui restent précieuses lorsque l'IA peut générer la première ébauche, le calcul ou le scénario alternatif.

Repenser le développement des talents

L'industrie de la chaîne d'approvisionnement ne devrait pas réagir en interdisant l'IA ou en la traitant comme un raccourci. Au lieu de cela, elle devrait repenser l'apprentissage et le travail afin que les jeunes professionnels utilisent l'IA comme un partenaire de réflexion tout en développant leur jugement opérationnel essentiel.

Cela signifie aller au-delà de la formation des personnes à l'exécution de tâches de routine. Les apprentissages, les simulations en direct, les négociations avec les fournisseurs, les exercices de réponse aux perturbations et les projets opérationnels réels peuvent montrer si un jeune professionnel est capable de traduire l'analyse en action responsable. Les employeurs devraient évaluer la manière dont les candidats formulent les problèmes, remettent en question les recommandations de l'IA, collaborent entre les fonctions et expliquent les compromis derrière une décision.

Protéger l'apprentissage de niveau débutant

Gartner rapporte que 55 % des leaders de la chaîne d'approvisionnement s'attendent à ce que l'IA agentique réduise le besoin d'embauches de niveau débutant, tandis que 51 % s'attendent à une évolution vers la supervision des agents d'IA. Dans le même temps, 86 % conviennent que l'IA exigera de nouveaux processus pour développer les futurs viviers de talents.

Cela crée un risque : si l'IA absorbe les tâches de routine par lesquelles le personnel junior apprenait autrefois, les entreprises pourraient avoir du mal à développer la prochaine génération de planificateurs et de leaders opérationnels expérimentés. La solution consiste à repenser les rôles de niveau débutant autour de la prise de décision supervisée, de la gestion des exceptions, de l'engagement des fournisseurs et de l'apprentissage continu, et non pas simplement à les supprimer.

Développer des talents prêts pour l'IA

Les organisations de la chaîne d'approvisionnement devraient faire de la littératie en IA une compétence essentielle, mais la définir largement. Il ne suffit pas de savoir comment interroger un modèle ; les professionnels doivent comprendre la qualité des données, les limites des modèles, les biais, la cybersécurité, la responsabilité et quand le jugement humain doit l'emporter sur une recommandation automatisée.

Une approche pratique consiste à associer chaque flux de travail activé par l'IA à un point de contrôle humain. Par exemple, l'IA peut identifier une perturbation probable de l'approvisionnement, mais un planificateur doit vérifier la source, évaluer l'impact commercial, consulter les partenaires concernés et décider de la réponse. Cela préserve la rapidité tout en maintenant la responsabilité.

L'essentiel

La décision du professeur de Berkeley montre que l'IA force l'éducation à distinguer entre produire une réponse et posséder une compréhension. Les chaînes d'approvisionnement mondiales sont confrontées au même défi. Les organisations qui prospéreront seront celles qui utiliseront l'IA pour amplifier le jugement humain, repenseront les rôles en début de carrière comme des opportunités d'apprentissage et développeront des talents capables de diriger des réseaux complexes à travers l'incertitude.

Source : https://www.ndtv.com/world-news/california-professor-stops-grading-homework-after-spotting-students-growing-reliance-on-ai-12240518