Cette étude analyse l'intégration de l'intelligence artificielle (IA) dans la gestion des chaînes d'approvisionnement à travers une revue systématique et une analyse bibliométrique de 292 articles (2020–2023) provenant de Scopus. Elle examine trois domaines : l'évolution de la recherche (RQ1), l'impact de l'IA sur les processus (RQ2) et son influence stratégique (RQ3). Les résultats révèlent que l'apprentissage automatique (16 études) et l'apprentissage profond (sept études) dominent, optimisant les prévisions de demande et la gestion des stocks (Rana & Daultani, 2023). Des secteurs tels que l'industrie alimentaire bénéficient de réductions de déchets grâce à l'IA (Kumar et al., 2021), tandis que l'industrie automobile améliore la maintenance prédictive (Dumitrascu et al., 2020). Cependant, des défis persistent : manque de validation empirique, biais algorithmiques et difficultés d'adoption par les petites et moyennes entreprises (PME) (Fosso Wamba, 2022). Stratégiquement, l'IA renforce la résilience des chaînes d'approvisionnement (Christopher & Holweg, 2017), mais son potentiel hybride (par exemple, IA + blockchain) reste sous-exploité (Arunmozhi et al., 2022). Les implications théoriques soulignent la nécessité de modèles dynamiques intégrant des critères socio-économiques, tandis que les praticiens doivent adapter l'IA aux circonstances spécifiques de l'industrie. Cette étude fournit des informations précieuses pour guider les chercheurs et les praticiens dans l'exploitation des technologies IA pour améliorer l'efficacité, la résilience et la performance des chaînes d'approvisionnement.
Ghouati et al. (Thu,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: