NVIDIA divise par 144 le temps de planification de la chaîne logistique grâce à cuOpt et aux agents d'IA

Au cours des cinq dernières années, le portefeuille de produits de NVIDIA a évolué, passant de processeurs graphiques dédiés à des usines d'IA entièrement intégrées à l'échelle du rack, où chaque déploiement chez un client nécessite la coordination d’écosystèmes complets, comprenant des GPU, des commutateurs, des cartes réseau, des câbles et des plateformes serveurs, qui doivent être livrés et assemblés de manière transparente. Plutôt que de considérer cette complexité croissante comme un risque, NVIDIA y a vu une opportunité de renforcer sa capacité de planification pour la rendre plus résiliente et mieux préparée pour l'avenir.

Afin d'anticiper l'évolution de la demande et les perturbations potentielles, NVIDIA a entrepris de moderniser sa méthode d'évaluation des scénarios hypothétiques sur l'ensemble de son réseau de bout en bout. 

L'objectif : aller au-delà de la planification manuelle par lots et adopter une approche plus dynamique et à haute fréquence permettant d'évaluer en continu les alternatives à mesure que les conditions changent.

Des événements tels que les fermetures d'usines en cas de pandémie ou les changements d'itinéraires d'expédition ont souligné à quel point il était essentiel d'anticiper les perturbations et non pas seulement d'y réagir. Les équipes ont pris conscience que, pour maintenir une croissance à l'échelle des Data Centers, elles avaient besoin d'outils de planification capables d'anticiper différents scénarios, leur permettant ainsi de simuler rapidement différentes options et de prendre des décisions éclairées bien avant que les répercussions ne se fassent sentir sur la chaîne d'approvisionnement physique.

L'équipe d'ingénierie informatique et opérationnelle de NVIDIA a lancé AI Planner, un programme interne pluriannuel visant à intégrer les technologies d'IA de NVIDIA à tous les niveaux de la planification de notre chaîne d'approvisionnement. L'objectif poursuivi n'était pas une amélioration progressive, mais un changement radical, à savoir réduire la durée des cycles de planification critiques de plusieurs heures à quelques minutes, et donner aux responsables de la chaîne d'approvisionnement les moyens de générer et d'étudier des scénarios d'optimisation sans nécessiter de compétences approfondies en recherche opérationnelle.

Au cœur d'AI Planner se trouve le solveur d'optimisation des décisions NVIDIA cuOpt accéléré par GPU. Avec des performances jusqu’à 10 fois supérieures à celles des principaux solveurs basés sur un processeur pour les problèmes de programmation linéaire (LP), cuOpt a permis à l’équipe de résoudre des modèles d’optimisation complexes et à grande échelle qui, auparavant, étaient trop lents pour permettre une planification interactive.

L'équipe a créé Max-Supply, un modèle d'optimisation unifié qui représente le réseau d'approvisionnement mondial de NVIDIA sous la forme d'un seul programme de programmation linéaire à entiers mixtes (MILP). Max-Supply modélise l'ensemble de la chaîne d'approvisionnement, du wafer au serveur, comme un système interconnecté, ce qui permet aux responsables de la planification d'évaluer simultanément, à l'échelle de l'ensemble du réseau, les répercussions en aval d'un changement (contrainte de production, évolution de la demande, pénurie de composants). NVIDIA cuOpt, qui s'exécute sur une infrastructure sur site accélérée, traite ces modèles volumineux de manière native sur le GPU, ce qui permet de réaliser en quelques minutes des tâches qui nécessitaient auparavant toute une nuit.

Des solveurs puissants ne servent à rien si les planificateurs ne peuvent pas interagir avec eux. Pour combler cette lacune en matière d'utilisabilité, l'équipe a superposé un système de raisonnement multi-agents au-dessus de cuOpt, basé sur des grands modèles de langage de pointe et les microservices NVIDIA NIM™. Le système d'agents sert d'interface intelligente entre le planificateur et le moteur d'optimisation, gérant l'ensemble de la boucle :

• Comprendre l'intention des planificateurs à partir de questions en langage naturel
• Traduire l'intention en données et modifications de modèles
• Orchestrer des exécutions d'optimisation via cuOpt
• Interpréter les résultats et expliquer les compromis aux responsables de la planification dans un langage simple

Cette conception résout ce que l'équipe appelle le « paradoxe de l'ergonomie » des outils d'optimisation. En effet, les modèles suffisamment sophistiqués pour gérer la complexité des solutions NVIDIA étaient jusqu'à présent réservés aux spécialistes. Grâce à la couche d'agents alimentée par Nemotron, n'importe quel planificateur de la chaîne logistique peut soumettre une requête en langage naturel (« Qu'advient-il de la disponibilité de nos GPU si l'usine X est indisponible pendant deux semaines ? ») et recevoir un scénario optimisé avec une explication, sans écrire la moindre ligne de code ni attendre l'intervention d'un analyste de recherche opérationnelle.

Le programme de planification basé sur l'IA a été lancé avec trois axes de travail désormais opérationnels : 

• Allocation aux clients : optimisation de la façon dont l'approvisionnement est distribué entre les clients
• AVC (disponible par rapport à engagé) : adéquation entre les livraisons engagées et l'offre disponible 
• Max-Supply : le modèle de réseau complet de bout en bout

Les trois s'exécutent sur l'infrastructure accélérée sur site de NVIDIA et sont intégrés aux systèmes d'entreprise, notamment SAP.

Vitesse et agilité des scénarios

Les scénarios hypothétiques, qui nécessitaient auparavant une journée entière, sont désormais exécutés en moins de 10 minutes, soit une réduction d'un facteur de plus de 144. Cela signifie que les responsables de la planification peuvent exécuter des dizaines de scénarios au cours d'une seule fenêtre de décision plutôt que d'en choisir un ou deux et d'attendre le lendemain pour obtenir des réponses. 

Les équipes soumettent désormais leurs plans à des tests de résistance pour anticiper les hausses de la demande, les contraintes d'approvisionnement, les changements d'itinéraires et les interruptions temporaires de production avant que ces événements ne se produisent.

Productivité et évolutivité

Outre la rapidité, AI Planner offre une augmentation de la productivité des planificateurs multipliée par six, ce qui signifie que chaque planificateur peut désormais évaluer et gérer un nombre nettement plus important de scénarios d'approvisionnement qu'auparavant. Cela leur a permis de s'adapter à la complexité croissante de leurs activités et de répondre à l'évolution de leurs besoins.

La plateforme a également permis de fédérer les équipes. Les équipes commerciales et opérationnelles, qui fonctionnaient auparavant selon des processus de planification distincts, collaborent désormais autour de modèles de scénarios communs, ce qui améliore la coordination et réduit le temps consacré à réconcilier des projets contradictoires entre les différents groupes.

Une influence au-delà de NVIDIA

Le déploiement interne de NVIDIA est devenu une architecture de référence pour l'écosystème logiciel de la chaîne d'approvisionnement au sens large. L'implémentation d'AI Planner est partagée avec les principaux éditeurs de logiciels indépendants (ISV) en tant que modèle pour l'optimisation agentique de la chaîne logistique accélérée par GPU. NVIDIA a également rendu disponible un modèle d'agents cuOpt open source qui permet aux développeurs de transformer les requêtes en langage naturel en modèles d'optimisation, rendant ainsi cette approche accessible aux entreprises au-delà du service informatique de NVIDIA.

« Les systèmes basés sur l'optimisation ont augmenté la vitesse et la qualité des décisions », déclare Debora Shoquist, vice-présidente exécutive des opérations chez NVIDIA. « Les scénarios de planification de la production, dont l'élaboration prenait auparavant plusieurs jours, sont désormais réalisés en quelques minutes, ce qui permet aux responsables de peser le pour et le contre et de prendre des décisions éclairées en temps réel. »

Le programme AI Planner connaît une expansion rapide. L'équipe travaille actuellement sur plusieurs nouveaux axes de travail qui permettront d'étendre l'optimisation basée sur l'IA à d'autres processus clés de la chaîne d'approvisionnement.

À plus long terme, l'équipe envisage une chaîne d'approvisionnement entièrement proactive, dans laquelle des agents d'IA surveillent en permanence les signaux émanant du réseau de l'offre et de la demande, identifient les risques émergents, proposent des réponses optimisées et permettent aux responsables de la planification d'agir efficacement avant même que les perturbations ne se propagent. Ce prix Franz Edelman a également ouvert la voie à une collaboration plus étendue avec les communautés de la recherche opérationnelle et de l'IA, renforçant ainsi la position de NVIDIA à la croisée de l'accélération par GPU et de l'intelligence décisionnelle d'entreprise.