Dr. Manuella GERMANOS
La chaîne d’approvisionnement alimentaire courte est un système de distribution alimentaire avec un minimum d’intermédiaires entre les agriculteurs et les consommateurs, comme c’est le cas pour les marchés de producteurs [1]. Cela signifie que les clients achètent soit directement auprès de leurs producteurs locaux, soit via un distributeur local qui travaille directement avec l’agriculteur, favorisant ainsi les économies locales et donnant aux clients accès à des produits plus frais [2].
Dans le monde numérique, l’IA a intégré presque tous les aspects de la vie quotidienne. Cependant, les chaînes d’approvisionnement à petite échelle en général, et les acteurs de la chaîne courte en particulier, restent trop éloignés de cette transformation numérique [3 4].
Avec la prise de conscience croissante du public des avantages d’acheter des produits locaux, qui entraîne une demande croissante pour les produits issus de la chaîne courte [5 6], il est crucial d’encourager la transformation numérique de cette chaîne pour répondre à la demande et accroître sa résilience.
1. Le défi
La chaîne courte présente des défis spécifiques lorsqu’il s’agit d’apporter des solutions numériques. Cela s’explique principalement par la nature fragmentée de la chaîne où les acteurs partagent rarement les données nécessaires à la coordination et à la traçabilité, en partie pour protéger leur vie privée, mais aussi par manque de moyens [7].
Pourtant, les acteurs de cette chaîne doivent continuellement prendre des décisions pour assurer la bonne marche de leurs opérations, décisions qui dépendent parfois de la performance des autres acteurs. Par exemple, la société de transport devra planifier ses livraisons en fonction des commandes passées par les clients des détaillants, et les agriculteurs devront planifier les récoltes et le stockage en fonction des besoins des détaillants. Cela souligne la nécessité d’une plateforme capable de gérer la planification et les résultats de tous ces acteurs. Pour compliquer davantage la situation, la chaîne courte fait face à de nombreuses incertitudes : demande des clients, rendements agricoles, prix des produits, délais opérationnels [8].
Assurer la résilience de la chaîne et numériser ses différents aspects est nécessaire pour protéger l’emploi de ces petits producteurs, accroître leurs bénéfices et réduire leur empreinte carbone.
Figure 2 : Une chaîne d’approvisionnement alimentaire courte simplifiée
2. Comment l’IA peut-elle aider ?
Différentes technologies d’IA peuvent intervenir à divers stades de la chaîne courte pour assister les acteurs dans leur prise de décision :
- Les agriculteurs peuvent s’appuyer sur des modèles pour prédire leurs rendements, choisir les produits à cultiver, les commandes à accepter, et planifier leur calendrier de culture et de récolte.
- Les détaillants peuvent utiliser des modèles pour planifier leurs commandes et gérer leurs stocks, aidant à minimiser les coûts associés face à de nombreuses incertitudes telles que la demande, le rendement, le délai et la qualité. Ces modèles peuvent aussi prédire la demande des clients et le rendement des produits.
- Les entreprises de transport peuvent utiliser des modèles pour planifier les itinéraires des chauffeurs et optimiser l’emballage des produits dans les camions.
Ces quelques propositions ne font qu’effleurer ce que l’IA peut offrir à la chaîne courte.
3. Aller au-delà de l’IA
D’autres technologies peuvent être mobilisées pour la transformation numérique de la chaîne courte :
- Des capteurs peuvent aider à surveiller l’état des sols, alerter les agriculteurs en cas d’anomalies et indiquer s’il faut irriguer, agissant ainsi comme un système d’alerte précoce pour réduire les pertes et assurer une meilleure régularité de la qualité. Ces capteurs peuvent également aider les transporteurs à suivre les conditions des produits pendant le transport, évitant ainsi des conditions de stockage sous-optimales.
- Le GPS et les QR codes peuvent permettre de suivre les produits du champ à la table du consommateur, garantissant un marquage temporel précis et la traçabilité.
- Une plateforme générale pourrait aider les acteurs de la chaîne, et surtout les agriculteurs, à trouver de la main-d’œuvre en fonction de leurs besoins saisonniers et changeants. Elle pourrait aussi servir de boutique e-commerce, reliant les habitants à leurs agriculteurs et facilitant l’achat de produits locaux.
4. Limites
Développer un tel cadre englobant différents modèles et aspects est déjà un défi, aggravé par la connaissance technologique limitée de certains acteurs de la chaîne courte. De plus, la mise en place de technologies telles que les capteurs génère des coûts que même les plus petits acteurs peuvent ne pas pouvoir supporter.
5. Conclusion
Travailler à la numérisation de la chaîne courte est une tâche fastidieuse mais nécessaire pour aider l’économie locale. Mettre à profit diverses méthodes numériques permettrait d’optimiser la performance des acteurs et d’assurer la résilience de la chaîne face à l’imprévu. Les modèles de modélisation, d’optimisation, d’apprentissage automatique et d’IoT peuvent être à l’avant-garde de cette innovation. Bien que l’intégration de ces technologies à tous les niveaux de la chaîne soit fastidieuse, elle s’impose comme une nécessité qui ne saurait être différée.
Références
[1] F. Gori and A. Castellini, “Alternative Food Networks and Short Food Supply Chains: A Systematic Literature Review Based on a Case Study Approach,” Sustainability, vol. 15, no. 10, p. 8140, May 2023, doi: 10.3390/su15108140.
[2] M. Raftowicz, K. Solarz, and A. Dradrach, “Short Food Supply Chains as a Practical Implication of Sustainable Development Ideas,” Sustainability, vol. 16, no. 7, p. 2910, Mar. 2024, doi: 10.3390/su16072910.
[3] A. Saha, R. Raut, and M. Kumar, “Digital technology adoption challenges in the agri-food supply chain from the perspective of attaining sustainable development goals,” Int. J. Logist. Manag., vol. 36, no. 2, pp. 556–588, Feb. 2025, doi: 10.1108/IJLM-09-2023-0412.
[4] T. Dibbern, L. A. S. Romani, and S. M. F. S. Massruhá, “Main drivers and barriers to the adoption of Digital Agriculture technologies,” Smart Agric. Technol., vol. 8, p. 100459, Aug. 2024, doi: 10.1016/j.atech.2024.100459.
[5] M. González-Azcárate, J. L. Cruz Maceín, and I. Bardají, “Why buying directly from producers is a valuable choice? Expanding the scope of short food supply chains in Spain,” Sustain. Prod. Consum., vol. 26, pp. 911–920, Apr. 2021, doi: 10.1016/j.spc.2021.01.003.
[6] K. Kiss, C. Ruszkai, A. Szűcs, and G. Koncz, “Examining the Role of Local Products in Rural Development in the Light of Consumer Preferences—Results of a Consumer Survey from Hungary,” Sustainability, vol. 12, no. 13, p. 5473, Jul. 2020, doi: 10.3390/su12135473.
[7] K. Kosior and P. Młodawska, “Understanding Market Actors’ Perspectives on Agri-Food Data Sharing: Insights from the Digital Food Passports Pilot in Poland,” Agriculture, vol. 14, no. 12, p. 2340, Dec. 2024, doi: 10.3390/agriculture14122340.
[8] R. Mohamed and M. M. Ismail, “Leveraging an Uncertainty Methodology to Appraise Risk Factors Threatening Sustainability of Food Supply Chain,” Neutrosophic Syst. Appl., vol. 19, pp. 30–52, Jul. 2024, doi: 10.61356/j.nswa.2024.19320.