L'IA Infor Process Mining réduit les frais d'expédition de 50 %
Infor et Amazon Web Services ont dévoilé de nouveaux outils de fabrication et de distribution lors de la Foire de Hanovre en avril 2026, intégrant l'IA Infor Process Mining pour automatiser les flux industriels complexes. Le constructeur naval de l'Arkansas, Xpress Boats, a déployé cette technologie sur ses processus d'achats, de commandes et de production afin de détecter les goulots d'étranglement opérationnels en moins d'une semaine. Pour les entreprises industrielles, ce déploiement a permis de réduire les frais d'expédition urgente de 50 % et d'accélérer la vitesse de diagnostic des problèmes de 98 %.
Ce que cela change pour les opérations industrielles
L'IA Infor Process Mining offre aux entreprises industrielles une visibilité directe sur les goulots d'étranglement opérationnels dans leurs flux de production et d'exécution. En comparant les données opérationnelles en direct aux flux de processus idéaux, les fabricants peuvent repérer les retards avant qu'ils ne provoquent le dépassement des délais de livraison ou ne contraignent à recourir à des transports d'urgence coûteux.
Lors du déploiement initial chez Xpress Boats, l'outil a réduit les coûts d'expédition urgente de 50 %. Le constructeur de bateaux a également enregistré une amélioration de 98 % de la vitesse de diagnostic des problèmes de processus et a réduit de 95 % le temps de traitement des retours dans l'ensemble de ses opérations de la chaîne d'approvisionnement.
Comment Xpress Boats a utilisé le process mining pour résoudre les retards
Le constructeur naval de l'Arkansas Xpress Boats a mis en œuvre un logiciel de process mining pour analyser les flux opérationnels clés de ses usines. Le système a évalué les données relatives aux processus d'approvisionnement, de traitement des commandes et de planification de la production, identifiant les points de friction entre ces services en moins d'une semaine.
À la suite de ces résultats, Xpress Boats a commencé à tester d'autres agents pour les bons de commande, les commandes clients, le grand livre, la comptabilité fournisseurs et la comptabilité clients. L'association du process mining, de l'automatisation et de l'intelligence générative vise à identifier les inefficacités, à appliquer des correctifs et à optimiser en continu les flux de la chaîne logistique.
Ce que proposent les agents IA Infor AWS pour le secteur industriel
Les nouveaux agents IA Infor AWS pour le secteur industriel s'exécutent de manière native sur AWS pour planifier, raisonner et exécuter des tâches au cœur des flux industriels. Le catalogue couvre six domaines opérationnels : la gestion rentable des projets, la livraison des projets dans les délais, le process mining et le renseignement opérationnel, la gestion des stocks, les opérations financières et la gestion de la qualité.
Les entreprises peuvent également créer des agents personnalisés grâce à Infor Agent Factory. Cet environnement se connecte à Amazon Bedrock AgentCore, Amazon Bedrock et Amazon SageMaker, permettant aux développeurs d'entreprise de déployer des modèles spécialisés adaptés aux processus internes des usines.
Comment Infor CloudSuite Industrial AI s'intègre dans les flux de travail
Infor CloudSuite Industrial AI se concentre sur des outils par rôle conçus autour des exigences des micro-verticaux industriels. Rick Rider, vice-président senior de la gestion des produits chez Infor, a souligné que l'IA industrielle nécessite un contexte direct issu des données des ateliers, des nomenclatures de fabrication et des registres de la chaîne d'approvisionnement, plutôt que des capacités d'IA génériques.
Infor a développé ces outils sur AWS depuis octobre 2025. La suite complète d'agents reste actuellement disponible de manière limitée, aucune des deux entreprises n'ayant encore annoncé de date de lancement généralisé.
Les obstacles à l'adoption de l'IA opérationnelle chez les industriels
Les éditeurs de logiciels industriels introduisent des agents automatisés sur un marché où de nombreux fabricants continuent de faire face à des difficultés liées à leur infrastructure informatique sous-jacente. Une étude de McKinsey publiée en décembre auprès de plus de 100 directeurs des opérations d'entreprises industrielles réalisant au moins 1 milliard de dollars de chiffre d'affaires a révélé que 46 % d'entre eux rencontraient des limitations liées aux données ou aux systèmes IT et OT, tandis que la moitié identifiait la culture d'entreprise comme un obstacle majeur à l'adoption de l'IA opérationnelle.
Les concurrents développent également leurs outils industriels. SAP a annoncé des agents dédiés à la fabrication et à la chaîne d'approvisionnement dont la disponibilité générale est prévue pour les deuxième et troisième trimestres 2026, tandis que Microsoft a indiqué exploiter plus de 25 agents de chaîne logistique au sein de ses propres opérations, avec l'objectif de dépasser les 100 d'ici la fin de l'année 2026.
Questions et réponses
Comment Infor Process Mining réduit-il les frais d'expédition dans l'industrie ?
Infor Process Mining identifie les goulots d'étranglement dans les flux d'achats, de ventes et de production en moins d'une semaine. En mettant en lumière les inefficacités structurelles et en accélérant de 98 % la vitesse de diagnostic des problèmes, les industriels peuvent résoudre les retards opérationnels et éliminer les transports d'urgence superflus, ce qui a permis à Xpress Boats de réduire ses coûts d'expédition urgente de 50 %.
Quels sont les principaux avantages des agents IA Infor et AWS pour l'industrie ?
Ces agents IA automatisent les tâches dans six domaines fonctionnels, notamment la gestion des stocks, la livraison des projets et le contrôle qualité. Conçus de manière native sur AWS, ils exploitent le contexte des ateliers et de la chaîne d'approvisionnement tout en permettant aux entreprises de créer des agents personnalisés via Infor Agent Factory avec Amazon Bedrock AgentCore.
À quelle vitesse le process mining peut-il offrir un retour sur investissement dans la chaîne logistique ?
Chez Xpress Boats, le process mining a permis d'identifier les goulots d'étranglement opérationnels dans la chaîne logistique en moins d'une semaine. Ce déploiement a généré une amélioration immédiate de 98 % de la vitesse de diagnostic des problèmes et a réduit le temps de traitement des retours de 95 %.
Le regard de MOZGII
Comment nous le construirions
Pour concevoir un système d'exploration de processus destiné aux activités industrielles, nous commencerions par une intégration directe avec les principales sources de données de l'entreprise. Le système ingérerait les relevés opérationnels issus des cycles de l'achat au paiement, de la commande au recouvrement et de la demande à la fabrication. Nous croiserions les journaux de stocks et d'expéditions en temps réel avec les flux de référence afin de détecter les goulots d'étranglement. Des agents automatisés signaleraient les retards de traitement des commandes avant que les équipes d'exécution ne doivent recourir à des transports urgents et onéreux.
La supervision humaine demeurerait essentielle au sein de cette architecture. Les responsables de la chaîne logistique examineraient les recommandations automatisées concernant les bons de commande et les ajustements de production avant toute application. Le principal point de fragilité résiderait dans des données d'atelier incomplètes ou des bases de données de stocks obsolètes et cloisonnées. Pour éviter toute modification erronée, des contrôles automatisés mettraient en pause les mises à jour dès lors que les flux de données indiqueraient des enregistrements manquants ou des stocks contradictoires.
L'unique indicateur que nous suivrions serait le coût total des expéditions express rapporté au volume de transport standard. Dès que la détection des goulots d'étranglement fonctionnerait de manière fiable, nous concevrions des outils prédictifs pour anticiper les retards d'approvisionnement au sein du grand livre et des flux de comptabilité fournisseurs, avant que ne surviennent des arrêts d'usine.
Sources
D’où viennent les faits de cet article.