- Utiliser l'IA et les outils d'analyse pour améliorer prévisions, achats et suivi des stocks.
- Mesurer la fiabilité d'une prévision (erreur moyenne en pourcentage) avant de l'utiliser.
- Garder les décisions d'achat et les informations de transport sous contrôle humain et sécurisées.
Ce module complète les 12 semaines du programme. Il n'ajoute pas d'examen : certificats et diplôme s'obtiennent comme avant. Les outils sont décrits tels que connus en novembre 2026 ; ils évoluent vite.
1Prévision de la demande et gestion des stocks
Les méthodes de prévision vont de la moyenne mobile aux modèles statistiques ou d'apprentissage automatique. L'IA générative aide surtout à écrire les formules ou scripts, à expliquer une méthode, et à repérer des tendances saisonnières dans un historique de consommation.
Conditions de fiabilité :
- Des données propres : consommations réelles (pas les quantités distribuées quand il y a eu rupture), unités cohérentes, ruptures signalées.
- Une mesure de l'erreur : l'erreur absolue moyenne en pourcentage (MAPE) compare prévision et réalité sur les mois passés.
- Le jugement terrain : un afflux de déplacés, une épidémie ou une saison des pluies inhabituelle ne figurent pas dans l'historique.
Dans l'action anticipatoire, des modèles de prévision (inondations, sécheresse) déclenchent des financements avant le pic de crise ; ils reposent sur des seuils validés à l'avance par des experts, pas sur un assistant conversationnel.
2Achats : analyser les offres sans déléguer la décision
L'IA peut :
- Préparer un dossier d'appel d'offres à partir de votre modèle : spécifications claires, critères et pondérations.
- Construire le tableau comparatif des offres (prix, délais, conformité technique, garanties) à partir des documents reçus.
- Signaler les pièces manquantes ou les incohérences (prix unitaire × quantité différent du total).
Mais l'évaluation et l'attribution restent la responsabilité du comité d'achat, selon les règles de l'organisation et du bailleur. Les offres des fournisseurs sont confidentielles : n'utilisez qu'un compte professionnel approuvé, et jamais pendant la période de confidentialité avec un outil grand public. Toute erreur d'extraction (un délai mal lu) peut fausser la notation : vérifiez chaque chiffre sur l'offre originale.
3Transport, accès et imagerie
Outils utiles : cartes et données d'accès partagées par le Cluster logistique, analyses d'imagerie satellite (par exemple celles d'UNOSAT ou de services spécialisés) pour évaluer routes, ponts ou zones inondées, et suivi GPS des véhicules.
L'IA peut aider à calculer des itinéraires, comparer coûts et délais, ou résumer des rapports d'accès. Précautions :
- Une carte ou une image peut être datée : vérifiez la date d'acquisition et confirmez avec les équipes sur place.
- Les itinéraires, horaires et positions des convois sont des informations de sécurité : jamais dans un outil grand public.
- L'optimisation de coût ne doit pas primer sur la sécurité et l'acceptation locale.
4Entrepôts, douanes et documents
- Stocks : formules d'alerte pour les dates de péremption (premier périmé, premier sorti), les seuils de réapprovisionnement et les écarts d'inventaire.
- Douanes : l'IA peut aider à comprendre une procédure ou préparer une liste de colisage, mais les codes douaniers, les exonérations et les licences se vérifient auprès du transitaire et de l'administration. Une erreur de code peut bloquer un envoi pendant des semaines.
- Biens à double usage et sanctions : contrôles faits avec les listes officielles et les procédures de conformité.
- Produits de santé : la qualité des produits suit les exigences des autorités de réglementation et de l'organisation ; l'IA ne remplace pas la préqualification.
5Données, responsabilité et environnement
Une chaîne d'approvisionnement produit beaucoup de données : bons de commande, bons de livraison, listes de distribution. Les listes de distribution contiennent des données personnelles : appliquer la minimisation et ne jamais les envoyer à un outil non approuvé.
Responsabilité : si une prévision fausse provoque une rupture de stock de médicaments, la responsabilité reste celle de l'organisation. Documentez la méthode, l'erreur mesurée et les décisions prises. Enfin, l'IA peut aider à estimer l'empreinte carbone d'un transport ou à comparer achat local et importation : ces estimations dépendent de facteurs d'émission à citer et à vérifier.
Exercice : mesurer l'erreur d'une prévision
Situation. Un modèle a prévu la consommation mensuelle de kits d'hygiène. Sur trois mois : prévu 1 000, réel 800 ; prévu 1 200, réel 1 000 ; prévu 900, réel 900.
Questions. 1) Calculez l'erreur absolue en pourcentage de chaque mois (|prévu − réel| / réel). 2) Calculez la MAPE. 3) Utilisez-vous le modèle tel quel ?
Corrigé. 1) 200 / 800 = 25 % ; 200 / 1 000 = 20 % ; 0 / 900 = 0 %. 2) MAPE = (25 + 20 + 0) / 3 = 15 %. 3) Le modèle surestime deux mois sur trois : il peut servir de base, mais il faut corriger le biais (vérifier si les « réels » ne sont pas réduits par des ruptures), suivre l'erreur chaque mois et garder un stock de sécurité calculé à partir de cette erreur.
À retenir
- Une prévision vaut ce que valent les données : consommations réelles, ruptures signalées, unités cohérentes.
- Mesurer l'erreur (MAPE) avant d'utiliser un modèle, et la suivre chaque mois.
- L'IA prépare le tableau comparatif ; le comité d'achat évalue et attribue.
- Itinéraires, horaires et positions des convois : jamais dans un outil grand public.
- Douanes, sanctions et qualité des produits : vérification auprès des sources officielles.
Quiz d'auto-évaluation
6 questions d'auto-évaluation, corrigées immédiatement. Elles ne comptent pas dans les examens.
Le Mini MBA IA et action humanitaire (Claude et Gemini) approfondit ces sujets en 12 semaines.