DE LA SIMULATION A EVENEMENT DISCRET AU MACHINE LEARNING POUR LA CHAINE LOGISTIQUE

International audience; Cet article cherche essentiellement à découvrir si le Machine Learning (ML) peut mieux résoudre les problèmes d'aide à la décision de la Supply Chain (SC) par rapport à la simulation à événement discret. Il propose ainsi une étude comparative basée sur l'analyse des convergences, des divergences ainsi que des complémentarités des deux approches. Il s'appuie enfin sur un cas académique pour illustrer les différents propos issus de cette comparaison. Plusieurs résultats découlent de cette étude. Tout d'abord, le ML ne peut pas traiter tous les problèmes d'aide à la décision dans le contexte de la SC. Ensuite, dans le cas ou le modèle est connu, les deux approches sont exploitables toutes les deux avec des avantages et des inconvénients, mais elles sont également complémentaires. Enfin, dans le cas ou le modèle est inconnu, on ne peut avoir recours à la simulation, le ML reste alors l'unique solution.