TotalEnergies carbure à l’IA avec FuturMaster

Filiale de la branche Marketing & Services du géant pétrolier français, TotalEnergies Marketing France a déployé cet été le nouveau module Demand Planning de FuturMaster, qui intègre des algorithmes de Machine Learning (voir suite). Ce projet d’amélioration des prévisions s’inscrit dans le programme global dénommé « New Liv » de remplacement de plusieurs outils informatiques actuellement utilisés par la vingtaine de « répartiteurs / dispatcheurs » de TotalEnergies, qui assurent le traitement des commandes en carburant de leurs portefeuilles respectifs de clients (sur un total en France de 2 355 stations-services et de clients grands comptes, industriels ou transporteurs) et supervisent les services de livraisons (d’où le terme Liv). A noter qu’environ la moitié des approvisionnements, en volumes, sont traités en mode « push », en VMI (Vendor Managed Inventory). L’objectif du projet avec FuturMaster est donc de donner davantage de visibilité aux équipes pour prendre des décisions tactiques et stratégiques en vue d’optimiser les coûts de distribution, tout en maintenant un taux de service élevé. Sur un périmètre de 56 produits et 3 357 clients, les prévisions fournies par le nouvel outil couvrent plusieurs horizons, le court comme le long terme. « Nous avons accès à des prévisions très court termes, au pas du jour voire de l’heure et avec une profondeur opérationnelle d’environ 15 jours, ce qui nous permet de constituer les portefeuilles de commandes, et une deuxième dimension de prévisions, au pas mensuel, voire trimestriel (jusqu’à 2 ans) pour le pilotage budgétaire et l’alimentation de nos dépôts de carburant » nous explique Franck Laroche, chef de projet New Liv au département Supply Logistique de TotalEnergies Marketing France. La solution est déjà en production à 100% sur deux gros dépôts de carburant, au Nord et au Sud de l’Hexagone, et les premiers résultats font état d’une acuité moyenne des prévisions qui dépasse les  90% (jusqu’à 95% sur certains produits). (voir suite) JLR