Caractérisation de la chaîne logistique à

l'ère de l'Industrie 4.0 et du commerce

électronique
Table des matières
Introduction ............................................................................................................................................................... 3
L'ère de l'industrie 4.0 et du commerce électronique ...................................................................................... 4
L’industrie 4.0 ...................................................................................................................................................... 4
La quatrième révolution industrielle ................................................................................................................ 4
La transformation du commerce par la numérisation .................................................................................. 5
Les modèles d'affaires basés sur le commerce électronique ..................................................................... 5
Le contexte québécois ....................................................................................................................................... 7
La logistique dans cet écosystème en transformation...................................................................................... 8
Les acteurs principaux ....................................................................................................................................... 8
Particuliers ....................................................................................................................................................... 8
Commerçants ................................................................................................................................................... 8
Distributeurs ..................................................................................................................................................... 8
Producteurs et manufacturiers ..................................................................................................................... 9
Transporteurs .................................................................................................................................................. 9
Compagnies de progiciels............................................................................................................................ 9
3PL et 4PL ........................................................................................................................................................ 9
Firmes de conseils ........................................................................................................................................... 9
Les défis à l'échelle de la chaîne d'approvisionnement.............................................................................. 9
La convergence de l'exploitation des données et des systèmes cyberphysiques ................................... 10
Collecte ............................................................................................................................................................... 10
Transfert ............................................................................................................................................................. 11
Stockage............................................................................................................................................................. 12
Valorisation ........................................................................................................................................................ 13
Utilisation ............................................................................................................................................................ 15
Conclusion ............................................................................................................................................................... 17
Références .............................................................................................................................................................. 18

2
Introduction
L'industrie et le commerce sont en profonde mutation. Ils sont à la fois tirés en avant par de nouvelles applications,
et propulsés par des développements technologiques extraordinaires [1]. Ces applications sont apparues pour
répondre à des besoins d’accroître la flexibilité de la production, d'individualiser et de personnaliser les produits,
de réduire les temps de développement et d'innovation, de décentraliser et d'accélérer la prise de décision, et
d'utiliser plus efficacement les ressources. Les innovations scientifiques dans les domaines de l'Internet des Objets,
la robotique, le Big Data et l'Intelligence artificielle permettent maintenant aux systèmes de s'interconnecter pour
se coordonner, se diagnostiquer et s'optimiser ensemble, avec une autonomie par rapport à l'humain toujours
croissante. Ces systèmes cyberphysiques sont amenés à se développer à l'échelle de chaînes logistiques et au-
delà, un trait propre à cette quatrième révolution industrielle.

Ces nouveautés nécessitent l'adoption de paradigmes innovant pour être bien intégrés et exploités. Au Québec,
la grande majorité des entreprises est encore au commencement de ce virage. Le gouvernement s'est récemment
doté d'une stratégie numérique s'inspirant de l'Allemagne et d'autres pays, afin notamment d'encourager et
accélérer ce processus. Du point de vue de la logistique spécifiquement, de nombreux acteurs sont concernés,
allant des manufacturiers aux clients, en passant par les commerçants et les transporteurs. Dans le cadre de cet
écosystème qu'ils forment, ils seront amenés à devoir transformer leurs pratiques dans les prochaines années
pour espérer rester compétitifs. Et c'est seulement au prix d'importants efforts de coordination et de collaboration
que les initiatives individuelles pourront s'aligner à travers la chaîne pour être réellement profitables.

La donnée a une place privilégiée au cœur de cette effervescence. Ces sources sont multiples, tels des utilisateurs,
des machines, des systèmes, des produits ou des infrastructures intelligents. Cela complique bien sûr l'interfaçage
et la consolidation entre ces entités hétérogènes amenées à s'en échanger. Mais au-delà, les nouvelles méthodes
de valorisation sont régulièrement déployées avec des résultats spectaculaires. Leur particularité est de mettre
pleinement à contribution la puissance de calcul et de stockage en constante augmentation des ordinateurs.
L'utilisateur humain commence déjà à en voir l'impact autour de lui, à travers des recommandations
personnalisées, la réalité augmentée, les voitures sans conducteurs, ou les assistants personnels et robots
collaboratifs qui interagissent avec lui.

Ce dossier est une exploration de cette transformation de l'industrie et du commerce, ayant des impacts sur la
société au complet. Les enjeux autour des données et de la synergie accrue entre les entreprises préfigurent la
place au premier plan et le rôle de catalyseur que la logistique va prendre dans les prochaines années.

3
L'ère de l'industrie 4.0 et du commerce électronique
Les avancées scientifiques et les changements de pratiques ont marqué plusieurs étapes clés de l'évolution de
l'humanité. Parmi celles-ci, trois en particulier sont considérées des révolutions industrielles. La première, datant
du 18e et 19e siècle et apparue en Europe et en Amérique, est associée à la mécanisation de la production et
l'exploitation de l'eau et de la vapeur comme sources d'énergie. Ceci a transformé progressivement et en
profondeur une société originalement agraire et artisanale en une société commerciale et industrielle. La seconde
révolution a eu lieu à la fin du 19e et au début du 20e siècle avec l'adoption de l'électricité comme source
d'énergie, qui dès lors rend possibles les chaînes d'assemblage et la production de masse. L'avènement de
l'électronique puis des ordinateurs à partir de la deuxième moitié du 20 e siècle entraîne la troisième révolution,
caractérisée par l'automatisation et la connectivité à l'échelle mondiale grâce à l’internet. De nos jours, les
possibilités entrouvertes par les nouvelles technologies mènent à l’autonomisation de la production, rendue
possible par l'informatisation et l'interconnexion généralisées des systèmes anciennement automatisés
individuellement.

L’industrie 4.0
À l'avant-garde de ce tournant se situent le gouvernement allemand, et sa résolution de se doter d'un plan
révolutionnaire pour l'innovation. Le projet de Stratégie Haute-Technologie pour l'Allemagne a été lancé en
2006 et regroupe des acteurs à l'échelle nationale impliqués dans l'innovation, afin de définir une vision
commune. Le mandat de ces experts était de formuler des objectifs pour un large éventail de champs
d'innovation, de définir des priorités, et d’introduire de nouveaux instruments comme des compétitions et des
alliances pour l'innovation. En 2010, une mise à jour majeure appelée Stratégie Haute-Technologie 2020 [2] a
eu lieu. Dans son plan d'action, on retrouve la création d’un groupe de travail sur l'Industrie 4.0 à mettre en place
en 2012. Depuis, le terme Industrie 4.0 ne cesse de prendre de la popularité. Il est à noter que ce dernier faisait
partie d’un seul projet futur parmi dix proposant de développer des solutions innovantes dans des domaines
considérés prioritaires tels que le climat et l'énergie, la santé et la nutrition, la mobilité, la sécurité, et les
communications.

Ce groupe de travail a finalisé son rapport de recommandations en 2013 [3], suite auquel trois associations
professionnelles se sont coordonnées pour créer la Plattform Industrie 4.0 [4]. Cette plateforme constitue un point
de contact centralisé pour les compagnies, le gouvernement et les scientifiques ayant pour objectif de développer
et d’implémenter des technologies, des standards ainsi que des modèles d'affaires et d'organisation en lien avec
l'Industrie 4.0. L'année suivante, elle est intégrée à la "Nouvelle Stratégie High-Tech" [5], et se concrétise à
travers la collaboration d'une pléthore de programmes, institutions, organismes et compagnies [6]. Depuis sa
création, la plateforme n’a cessé d’étendre ses activités ainsi que son organisation[7]. Elle compte dans son
effectif plusieurs standards, guides, recommandations, outils et études importantes. De plus, elle coordonne les
ententes avec des organismes et gouvernements étrangers. Son succès a inspiré en 2017 une autre plateforme
allemande basée sur le même principe et focalisée sur l'Intelligence artificielle [8].

La quatrième révolution industrielle

Cette perspective innovante de l'Industrie 4.0 est maintenant reconnue comme le fondement d'une quatrième
révolution industrielle. Cependant, une définition unanimement acceptée n'existe toujours pas [9]. Le groupe de
travail chargé initialement d'étudier l'Industrie 4.0 la voit comme "l'intégration technique des Systèmes Cyber-
Physique à la manufacture et la logistique, et l'utilisation de l'Internet des Objets et des Services dans les
processus industriels, ce qui aura des implications sur la création de valeur, les modèles d'affaires, les services
en aval et l'organisation du travail" [3]. D'autres adoptent une vision plus générale en la définissant comme "un
terme collectif regroupant des technologies et concepts pour l'organisation de la chaîne de valeur" [10]. Mais
au-delà, la plupart s'entendent sur ses fondements, caractérisés par une nouvelle capacité à recueillir et traiter
des données en quantité massive, par exemple à l'aide de l'internet des objets, de l'infonuagique et de
l'intelligence artificielle, ainsi qu'une auto-organisation décentralisée et l'intercommunication d'entités physiques
modulaires étroitement liées à ces données. Le terme système cyberphysique décrit souvent ces entités donnant
naissance aux usines intelligentes et aux produits intelligents [11].

4
Plusieurs problématiques couramment associées à l'Industrie 4.0 ressortent dans la littérature scientifique. Parmi
elles, on trouve la définition d'une architecture globale et de modèles rendant possible cette évolution vers des
systèmes extrêmement complexes [11], [12]. En dépend par exemple les standards que les machines et logiciels
déjà existants ou en cours de développement devront respecter. Concernant le secteur industriel, sa
restructuration pour le rendre compatible avec une telle architecture est aussi un enjeu majeur [13]–[16]. À ce
titre, plusieurs outils d'évaluation de cet état de préparation sont en développement [17], [18]. On retrouve aussi
des questionnement sur la compatibilité ou complémentarité avec la méthode de production Lean [19]–[22].
Certains s'interrogent d'ailleurs sur la réelle faisabilité et les défis d'une réorganisation de l'industrie basée sur
les motivations contradictoires de compétition entre entreprises et de coopération avec l'ensemble du système
[23]. D'autres encore s'inquiètent de l'impact de cette transformation sur les plus petites entreprises comme les
PME, dont le degré de préparation et la capacité d'adaptation semblent être proportionnels à la taille [24].

La transformation du commerce par la numérisation

C'est au début des années soixante-dix que pour la première fois la mise en réseau de machines a permis
l’échange de transactions bancaires entre grandes institutions financières aux États-Unis. Par la suite, d'autres
protocoles spécialisés d'échanges de données (en anglais "Electronic Data Interchange", abréger EDI) sont
apparus permettant alors de généraliser le type d'information échangée entre les entreprises. Prolongeant le
développement de l'internet, l'invention du World Wide Web entraîne la définition du terme commerce
électronique comme un modèle d'affaire où les transactions sont effectuées sur des réseaux électroniques [25].
Les particuliers ont enfin accès à cette technologie pour interagir avec les entreprises. L'engouement pour les
réseaux sociaux à partir de la fin des années deux mille rend possible une foule de nouvelles possibilités pour le
commerce électronique [26].

Pour le secteur manufacturier, ce développement a donné le jour à de nouvelles demandes et envies du

consommateur, et ainsi de nouveaux défis et opportunités pour les entreprises. Celles-ci se trouvent alors
confrontées à devoir être présents sur une multitude de fronts physiques et virtuels. Le temps de traitement des
commandes est devenu lui aussi un facteur crucial, impliquant d'accélérer autant que possible toutes les étapes
du processus, incluant la communication de l'information. L’émergence des produits personnalisés, autant en
fonctionnalité qu'en esthétique, incite de plus en plus les compagnies à proposer des interfaces riches pour la
configuration, allant jusqu'à pouvoir téléverser un modèle 2D ou 3D. Bien au-delà de ce secteur, le commerce
électronique apparaît donc comme une composante essentielle d'une solution globale nécessitant aussi de
repenser la manufacture et la logistique. L'identification des facteurs favorisant son adoption par les PME est
l'un des sujets de recherche les plus populaires du moment dans ce domaine [27] [28].

Les modèles d'affaires basés sur le commerce électronique

Le commerce électronique désigne l'échange de biens ou de services entre deux entités sur les réseaux
informatiques, notamment Internet. Il s'applique à tous les modèles de revenu, qu'ils soient à la demande, sur
abonnement ou communautaire, et facilite en particulier ce dernier [29]. Les biens numériques y trouvent
évidement une plateforme de diffusion idéale, mais les biens physiques en profitent également, peu importe
qu'il s'agisse, de biens produits par le vendeur ou par un tiers, vendus directement, par drop shipping ou par
affiliation. Bien souvent, le lieu d'échange physique traditionnel se retrouve virtualisé. Dans le cas des services,
différentes plateformes pour les places de marchés virtuelles, le courtage, le cyberapprentissage ou les services
bancaires ont été développés.

Les transactions peuvent avoir lieu entre différents acteurs, et selon leur nature on retrouve différentes classes
de relation. Par exemple, une entreprise faisant affaire avec d’autres via le commerce électronique est classée
dans la catégorie Business-to-Business ou B2B, alors qu'avec des particuliers (par exemple la vente au détail) il
s'agit de Business-to-Client ou B2C. Similairement, des particuliers commerçant avec des entreprises (par exemple
une offre de services) font du Client-to-Business ou C2B, alors qu'avec d'autres particuliers (par .exemple le
covoiturage), il s'agit de Client-to-Client ou C2C, aussi appelé Peer-to-peer ou P2P, ou plus largement économie
collaborative [30]–[32].

La stratégie d'une compagnie inclut habituellement diverses approches classiques pour se distinguer de ses
concurrents, et le commerce électronique peut être utilisé comme catalyseur à leur mise en œuvre. Par exemple,

5
quand le prix ou l'étendue de l'offre est l'argument clé, la boutique en ligne permet non seulement de réduire
les coûts liés à l'infrastructure, mais aussi de présenter l'information de manière plus efficace. Quand le service
est mis en avant, en soi ou comme complément à une vente, les interactions numériques permettent de gagner en
réactivité et de supprimer ou de réduire les barrières géographiques. Lorsque l'accent est mis sur une valeur
ajoutée au produit, tels la personnalisation, la qualité, la traçabilité ou les outils d'accompagnement à l'utilisation,
une plateforme web permet de mettre en scène ces atouts pour en maximiser l'impact. Plus globalement, un
investissement dans des outils numériques dans le contexte du commerce permet d'améliorer la visibilité d'une
entreprise, de réduire ses coûts, de faciliter et d’accélérer la communication avec ses clients et le reste des acteurs
de la chaîne d'approvisionnement.

Les pratiques propres au commerce électronique confèrent aussi généralement un avantage concurrentiel aux
entreprises qui les adoptent. Le téléphone cellulaire y joue souvent un rôle essentiel, comme en témoignent les
études montrant la prépondérance de cette option pour commander en ligne [33], [34]. L’utilisation du téléphone
dans le commerce électronique a donné naissance au commerce mobile, qui dénote l'ensemble des moyens mis
en œuvre pour l'utiliser à son plein potentiel. Au-delà de rendre possible en tout temps et de n'importe où l'accès
au commerçant, il peut également présenter une information contextualisée, à l'aide de GPS, de code-barre ou
de RFID, ou encore permettre d'explorer un produit avec des vidéos ou de la réalité augmentée. En parallèle,
le commerce social utilise spécifiquement les médias sociaux pour promouvoir des produits et entretenir un contact
privilégié avec les clients actuels et potentiels [35]–[37]. Finalement, le commerce intelligent se base sur des
techniques d'intelligence artificielle et de valorisation de données massives [38]. Les applications les plus
courantes et qui sont directement en interaction avec le client sont les recommandations basées sur les préférences
et le profil du client, les chatbots, les systèmes de traduction de site web ou de conversation avec l'équipe de
support. D'autres applications en arrière-plan incluent la gestion de relation client, avec le suivi de l'évolution de
l'image d'une marque dans les médias sociaux, la détection de fraude, et l'automatisation du traitement des
différentes composantes d'une commande, allant de la production à la livraison, et intersectant la logistique.

Certains commerçants ont le choix de rester purement virtuels, alors que d'autres, contraints par le fait qu'ils
doivent ultimement livrer un bien physique, incorporent le commerce électronique dans une stratégie plus large,
en complément à leur succursale physique. Poussé à l'extrême, cela donne le commerce omnicanal, visant à
l'intégration totale, unifiée et transparente des différents moyens de communication et distribution d'une
entreprise, en contraste au commerce multicanal qui n'a pas cette même qualité d'intégration [39]–[43]. Le but
est de créer à travers différents médiums une unique expérience digitale pour le consommateur. Un client
pourrait hypothétiquement voir sur une application de réseau social sur son cellulaire une publicité pour un
produit, aller ensuite le consulter en magasin pour confirmer son choix, et finalement le commander de son
ordinateur au travail, pour se le faire livrer chez lui. Le commerce omnicanal est en particulier relié à la chaîne
d'approvisionnement omnicanal, consolidant les inventaires des différents canaux de distribution en un seul, et
mettant en place une stratégie logistique coordonnée entre tous [44]–[46]. Toutes ces approches se
complémentent pour améliorer la performance d'une entreprise, et révèlent les transformations futures attendues
de chacun pour rester compétitives.

Dans le cas des PME en particulier, le commerce électronique requiert plusieurs investissements et plusieurs
mesures. Dans un premier temps, l’entreprise doit s’investir dans le développement d‘un site web muni d'une
boutique en ligne qui constitue à la fois une vitrine locale et internationale. Ce site offre un confort accru aux
potentiels clients pour interagir avec la marque et les produits, stimulant ainsi les achats. Dans un deuxième
temps, un investissement dans une présence sur les réseaux sociaux est un moyen rapide et peu dispendieux de
se faire connaître, de se bâtir une image, et de mener des campagnes publicitaires. Toutefois, le manque de
fonds ou de compétences techniques peut limiter l'exploitation de son plein potentiel. L’entreprise étant la
responsable de la sécurité des données de ses clients doit prendre les mesures nécessaires pour éviter les risques
de fraude et veiller à ce que son image ne soit touchée d'une éventuelle crise dans les médias sociaux qui ne
serait pas rapidement et adroitement résolue. De plus, certains produits pourraient ne pas être adaptés à la
vente en ligne, et un petit volume d'affaires peut s'avérer insuffisant pour pallier aux différents coûts logistiques
associés. Mais au final, pour un coût d'installation et de gestion faible, l'implémentation du commerce électronique
peut être extrêmement bénéfique pour une PME, et son impact peut être encore décuplé avec une orientation

6
entrepreneuriale forte [47]. Il peut apporter une nette plus-value à l'entreprise en matière de compétitivité, et
peut même entrouvrir la possibilité de rivaliser avec de plus grosses compagnies [48, p. 555].

Le contexte québécois
Le gouvernement québécois élabore en 2012 le projet PME 2.0, visant à accompagner 30 entreprises des
secteurs de l’aérospatiale, de la mode et du vêtement dans leur passage au numérique [49]. Suite à son succès,
une deuxième phase est reconduite pour trois ans dans le budget et Plan économique du Québec de 2015-
2018. Sa portée s'étend vers tous les secteurs pour favoriser l’adoption de solutions permettant aux détaillants
de profiter pleinement des outils du commerce électronique, et à faire entreprendre le virage des PME
manufacturières vers l’industrie 4.0 [50]. À cela s'ajoute la nouvelle Stratégie Maritime, qui vise notamment à
favoriser l’implantation de pôles logistiques, définis comme des zones regroupant plusieurs modes de transport
et des activités à valeur ajoutée, et visant à assurer un traitement efficace, rapide et sécuritaire d’un large flux
de marchandises. Ces trois domaines apparaissent dès lors clairement comme des enjeux clés.

L'année d’après, le gouvernement a présenté dans son budget les premiers éléments de sa stratégie numérique,
affirmant la nécessité pour les entreprises manufacturières de se convertir à l'Industrie 4.0 pour assurer leur
compétitivité [51]. Cette stratégie identifie cinq axes d'intervention, détaillés dans la foulée dans un Plan d'action
en économie numérique, développé à travers le Ministère de l'Économie, de la Science et de l'Innovation [52].
Son deuxième axe s'adresse spécifiquement aux entreprises, visant à accélérer d'une part la transformation
numérique des entreprises, et d'autre part l’adoption du commerce électronique, notamment en proposant de
créer des pôles logistiques dédiés à ce dernier. Le plan détaille 28 mesures pour mobiliser les différents acteurs.
À la suite du plan, un processus de cocréation s'entame où collaborent citoyens, entreprises, organisations, experts
du milieu et plusieurs ministères, pour finaliser la stratégie à adopter.

Pendant la durée de ce processus, plusieurs mesures importantes sont implémentées, dont voici quelques
exemples. Pour l'industrie tout d'abord, le plan d'action entraîne la création d'un nombre d'outils, tels que la
feuille de route industrie 4.0 pour informer et sensibiliser les entrepreneurs [53], l'autodiagnostic numérique ADN
4.0 pour aider les entreprises manufacturières à évaluer leur maturité numérique en vue d'une évolution [54], et
encore des ateliers de formation et des programmes d'accompagnement. Investissement Québec lance en
complément son Initiative Manufacturière, chargée en particulier d'organiser des tournées de sensibilisation à
l'Industrie 4.0 à travers le Québec [55]. Pour le commerce au détail ensuite, le ministère met en place le
programme Virage numérique qui offre l'équivalent de cinq jours d'accompagnement avec des spécialistes pour
implanter une solution de commerce électronique, incluant diagnostic, développement de plan d'action, sélection
d'un fournisseur, accompagnement et formation [56]–[58]. Concernant la logistique, Le MÉSI mandate le CEFRIO
d'accompagner quatre groupes d'entreprises souhaitant mettre en commun des services, afin de créer des pôles
logistiques en commerce électronique [59]. Et plus généralement, le portail web Entreprises Québec voit le jour,
proposant un guichet unique regroupant tous les services et ressources pour les entreprises, pour en faciliter
l'accès et encourager l'utilisation des multiples programmes proposés [60].

À la fin de 2017, au terme de plus d'une année de cocréation, la Stratégie Numérique est dévoilée. Ce projet
de société ambitieux vise à améliorer par le numérique la qualité de vie de tous les Québécois, à doter le
Québec d'une vision, et à coordonner les différentes actions gouvernementales [61]. Il s'organise en sept
orientations, ayant chacune un objectif correspondant, mesurable au terme de cinq ans. Celles-ci couvrent un
vaste champ allant des préoccupations individuelles aux infrastructures. La cinquième orientation, pour une
économie d'excellence numérique, concerne tout particulièrement les entreprises. Son premier sous-objectif est
de continuer les efforts pour convertir le secteur manufacturier à l'industrie 4.0 et celui du commerce de détail
au commerce électronique, et son troisième est d'accroître la présence des entreprises et des organisations
québécoises sur les marchés québécois et mondiaux, à l'aide de moyens numériques incluant le commerce
électronique. Ceci conduit au déploiement de nouveaux outils, par exemple à travers la collaboration du MÉSI
et du Bureau de Normalisation du Québec qui créent ensemble la certification Vitrine 4.0, reconnaissant par-là
les entreprises à même de servir de modèle et d'inspirer les autres dans le passage au numérique 4.0 [62]. Les
plus récentes initiatives cette année concernent par exemple l'IA, avec la création de la supergrappe Scale.ai et
la Stratégie pour l'essor de l'écosystème québécois en intelligence artificielle [63], ou encore le rapport de
réflexion en profondeur sur l'économie collaborative [64].

7
La logistique dans cet écosystème en transformation
La gestion logistique, ou plus simplement logistique est une discipline impliquant de multiples acteurs, incluant des
manufacturiers, fournisseurs, intermédiaires, prestataires de services et clients. Elle se préoccupe de plusieurs
fonctions clés, couvrant des échelles de temps allant des opérations quotidiennes à la planification stratégique
à long terme, et des points de vue allant de l'interne à l'entreprise jusqu'à la vision d'ensemble du réseau complet.
Ces contextes et applications variées engendrent parfois un flou ou une confusion quant à sa définition et sa
portée exacte [65]–[67]. La définition utilisée ici est celle d'Industrie Canada, qui la caractérise comme "la
branche de la gestion de la chaîne d'approvisionnement qui s'occupe de planifier, de mettre en œuvre et de
gérer le flux de produits et de renseignements entre le point d'origine et le point de consommation, le tout dans
le but de satisfaire aux exigences des clients" [68]. Elle est parfois étendue pour englober également les flux
de personnes.

Les progrès technologiques et scientifiques de la dernière décennie entraînent un bouleversement en fond du

secteur industriel, identifiés par les termes de quatrième révolution industrielle et d'Industrie 4.0. La logistique
fait organiquement partie de cet écosystème, et s'en trouve également profondément transformée. Bien que vue
historiquement comme une fonction à faible valeur ajoutée, elle est maintenant clairement identifiée comme un
levier primordial pour la compétitivité, en mettant au premier plan la satisfaction du client et de ses
préoccupations typiques de disponibilité, temps de livraison et état du produit à la livraison [69].

Les acteurs principaux

Les manufacturiers et les commerçants s'appuient depuis toujours sur la logistique pour mener à bien leurs
opérations de distribution. Mais au-delà de cette fonction évidente, l'écosystème d'une chaîne
d'approvisionnement est riche et complexe. Ces nombreux acteurs sont souvent en compétition lorsqu'ils
fournissent un même service, et leurs marges dépendent des autres acteurs en amont et en aval d'eux dans le
réseau. Ils sont généralement classés dans les catégories décrites ci-dessous. Pour chacune, les nouveaux enjeux
et besoins émergeant en parallèle de la formalisation de l'Industrie 4.0 et du déploiement à grande échelle du
commerce électronique sont présentés.

Particuliers
Le rôle et les habitudes des particuliers ont beaucoup évolué depuis l'arrivée de l'internet, et la démocratisation
du commerce électronique qui l'a suivi. L'offre des produits qui leur est ainsi accessible ne cesse de croître. Elle
s'étend depuis récemment aux produits alimentaires réfrigérés, nécessitant une infrastructure spécifique pour
garantir la chaîne du froid, parfois pour plusieurs températures différentes au sein d'une même commande [70].
Ce genre d'infrastructure peut également s'adapter à la livraison de médicament, faisant plus largement partie
d'une nouvelle gamme de produits et services qui se développent pour les prochaines générations de personnes
âgées, habituées au mode de magasinage numérique [71]. De plus, traditionnellement consommateur, les
particuliers prennent maintenant également en charge certains services logistiques grâce à l'économie
collaborative, comme le transport de personne ou de colis [72].

Commerçants
L'évolution des consommateurs rend le passage au commerce électronique impératif pour les commerçants [47].
La stratégie de commerce omnicanal se répercute dans un besoin correspondant de logistique omnicanal [44],
[45], [73], [74].

Distributeurs
Les centres de distribution sont présentement l'un des maillons de la chaîne d'approvisionnement où les
technologies associées à l'Industrie 4.0 sont les plus implantées et visibles. Habituellement contraint à trouver un
équilibre entre coût des opérations et efficacité, l'automatisation permet maintenant d'améliorer ces deux
facteurs simultanément, et de créer des entrepôts intelligents [75] [76].

8
Producteurs et manufacturiers
La volonté de satisfaire toujours plus le client conduit au concept de production à la demande et de batch size
one, une production de masse de lots personnalisés de petite taille, qui favorise la décentralisation de la
production [77], [78]. L'approvisionnement doit être également repensé, notamment avec l'arrivée de la
manufacture additive [79]–[81].

Transporteurs
La numérisation de la chaîne d'approvisionnement nécessite de mettre à jour les technologies du transport afin
d'assurer l'interopérabilité [82], [83], et la traçabilité à travers le réseau [84]–[86]. La réorganisation des
stratégies de gestions de stocks aux différents maillons et l'économie collaborative forcent à réinventer par
exemple le transport du dernier kilomètre [87]–[89].

Compagnies de progiciels
Les infrastructures de gestions, de communications et de coordinations qu'ils apportent aux compagnies sont
essentielles pour le bon fonctionnement de tous les acteurs. Ces logiciels ou solutions infonuagiques doivent sans
cesse innover dans la valorisation de l'information récoltée des systèmes cyberphysiques émergeant, tout en
s'assurant de la sécurité des données en quantité massive [90] [91]. De plus, la nécessité d'interconnexion
croissante des systèmes, à l'interne et avec les autres acteurs, implique de converger urgemment vers des
standards de communication [92] [93].

3PL et 4PL
Ils représentent respectivement les prestataires de services logistiques spécialisés, et les intégrateurs et
coordonnateurs de ressources tierces variées à l'échelle de la chaîne d'approvisionnement. Les plateformes de
courtage électronique dynamisent et accélèrent maintenant leurs négociations entre l'offre et la demande, et le
partage de l'information entre les acteurs rend possible l'optimisation à plus grande échelle d'un réseau en
constante évolution et complexification [94] [95].

Firmes de conseils
Les firmes de conseils suivent de près l'évolution des technologies, et les intègrent déjà aux solutions qu'elles
proposent. Parmi les nouvelles pratiques qui se développent, on retrouve l'analyse avancée des données qui
présente des opportunités d'augmenter la compétitivité de leurs clients, en incorporant plus de flexibilité dans
leurs planifications et leurs parcs de ressources [96]–[100].

Les défis à l'échelle de la chaîne d'approvisionnement

La variété des préoccupations de ces multiples acteurs révèle l'ampleur de l'impact de l'Industrie 4.0 et du
commerce électronique sur la logistique et la chaîne d'approvisionnement [101]–[104]. L'interconnexion
croissante des chaînes de tous les domaines invite naturellement une vision holistique, où ce réseau global
fondamentalement entrelacé au secteur industriel et commercial converge avec eux vers un système cyberphysique
géant [105]. Dès lors au moins à un certain degré, la coopération au niveau des ressources et de l'information
devient à la fois absolument nécessaire et bénéfique pour tous. Elle reste pourtant difficile à mettre en œuvre
dans un contexte aussi complexe, souvent compétitif, et où les outils n'existent pas tous encore [23] [106] [107].
Le développement de la logistique écoresponsable est un autre impératif, heureusement encouragé par les
économies qu'elle permet et l'incorporation régulière de la logistique inverse dans la conception des chaînes
d'approvisionnement [108]–[111]. Finalement, l'impact sur l'humain demeure un facteur crucial à tous les échelons
des entreprises. La transformation constante des outils et de l'environnement de travail nécessite une adaptation
continue, la transition des compétences vers des disciplines toujours plus informatisées, et la création de nouveaux
paradigmes de pensées [112]–[114].

9
La convergence de l'exploitation des données
et des systèmes cyberphysiques
La palette de nouvelles technologies apparue ces dernières années est particulièrement stimulante pour les
compagnies qui souhaitent innover et gagner un avantage compétitif. Celles-ci reposent toutes sur les données
qui constituent la fondation commune cruciale pour comprendre la révolution industrielle.

Les données sont au cœur de l'émergence de systèmes cyberphysiques, définis comme un système composé
d'éléments informatiques supervisant et contrôlant des entités physiques en étroite intégration avec ses utilisateurs
et d'autres systèmes. Ces entités physiques peuvent être autant regroupées géographiquement que distribuées
à travers le monde, et comprennent capteurs et mécanismes agissant sur le monde réel. Elles sont l'évolution
naturelle du concept d'un ensemble de systèmes embarqués, datant des années soixante, qui serait partiellement
coordonné. À ce titre, l'Internet des Objets et l'Intelligence artificielle peuvent être vus comme l'équivalent du
corps et de l'intelligence humaine, dont la synergie rend possible la création d'un tel système tangible et
autonome, capable de recueillir ses propres données, d'en apprendre, pour ensuite agir sur le monde physique.

Pour développer les solutions du futur de la logistique 4.0, fondées sur ces deux notions, il est impératif de bien
comprendre les outils technologiques à disposition. Le reste de ce chapitre présente un survol des différentes
technologies, autant sur le plan de leur utilité propre, que de leurs interactions, interdépendances et
complémentarités. Elles sont organisées selon des étapes typiques du cycle de vie des données: collecte, transfert,
stockage, valorisation et utilisation. Pour chaque étape, plusieurs technologies courantes ou en cours
d'expérimentation sont présentées et illustrées par des exemples dans l'industrie.

Collecte
L'idée de mesurer fait partie de l'histoire de l'humanité, notamment à travers l'empirisme et la méthode
expérimentale. Ceci a conduit au fil du temps à développer une multitude de technologies de capteurs physiques
aux utilisations diverses et nombreuses. La quantité d'information disponible à notre époque est donc réellement
étourdissante. Dépendamment de sa source, elle peut être simple, unique et statique, tel un identifiant, ou alors
complexe, multidimensionnelle et dynamique, incluant l'état, la position, le comportement et le contexte en temps
réel. Ceci s'applique aussi bien à des objets, qu'à des personnes, des événements ou des environnements.

La nouveauté présente réside dans un concept nommé l'Internet des Objets (en anglais "Internet of Things",
abréger IoT), dont l'idée est de créer un réseau d'objets identifiables connectés à internet. L'objet peut être soit
directement relié au moyen de son propre système embarqué, soit relayé par l'intermédiaire d'un autre système,
par exemple des balises avec un téléphone cellulaire. Cela lui donne la capacité de communiquer
périodiquement ou en temps réel des informations internes et des mesures issues de ses capteurs, donnant ainsi
une opportunité à ces données d'être immédiatement valorisées et utilisées par d'autres entités. Celles-ci
pourraient même ensuite renvoyer des commandes aux actionneurs de l'objet de départ. Rolls Royce équipe
déjà ses réacteurs de tels capteurs, et inclus maintenant dans son service de faire le suivi de ceux-ci en temps
réel, en particulier pour la maintenance prédictive et l'optimisation de l'utilisation de carburant. LG offre
également présentement toute une gamme d'appareils électroménagers connectés, incluant réfrigérateurs, fours,
machine-à-laver et robots aspirateurs, que l'utilisateur peut consulter et gérer à distance au moyen de son
téléphone cellulaire. Ultimement, la frontière entre physique et numérique est amenée à s'estomper, grâce
notamment à des concepts comme le jumeau numérique (en anglais "Digital Twin), ou le Physical Internet et son π-
container.

La miniaturisation et la baisse des prix a donné naissance à de nombreuses solutions technologiques abordables
et facilement accessibles, à adjoindre ou à intégrer à des objets plus petits. Les plus populaires incluent des
balises passives et actives basées sur la RFID ou le Bluetooth, des capteurs connectés par WiFi ou GSM, ou encore
des mini-ordinateurs prêts à être embarqués tels que le Raspberry Pi Zero W, un ordinateur miniature complet
avec Wifi et Bluetooth pour $10. Walmart expérimente en ce moment le suivi à travers toute la chaîne
alimentaire du porc en Chine et des mangues au Mexique, en équipant ses aliments de telles balises. Le

10
déploiement à grande échelle et la normalisation de ces technologies permettent d'envisager dans le futur encore
plus de synergies, par exemple entre un produit et un réfrigérateur intelligent.

Un autre type de données important provient directement de la multitude de systèmes informatiques qui nous
entoure, par leurs interactions, et par l'utilisation que nous en faisons. Libéré des contraintes physiques, les
limitations pour leur collecte se retrouvent le plus souvent être la capacité de stockage et la légalité de leur
obtention. L'un des exemples les plus notables est la compagnie d'achat en ligne Amazon, qui a innové en
suggérant des produits ciblés à l'utilisateur lors de sa navigation à travers le site. Ce ciblage est rendu possible
grâce à l'archivage et l'analyse de toutes les transactions, pages visitées, recherches et autres informations,
recoupées entre les utilisateurs, permettant une précision phénoménale dans la prédiction de produits intéressants
pour l'utilisateur, qu'il est ensuite facile de lui proposer. De nombreuses compagnies proposent maintenant un
service gratuitement sur internet, dans le but de transformer à son insu l'utilisateur, son identité, et toutes les
données qui s'y rattachent en un produit que la compagnie peut ensuite vendre ou exploiter. Des géants tels que
Google et Facebook en ont fait leur modèle d'affaire avec succès.

Transfert
Les moyens de télécommunication ont connu un essor particulier au début du 19 e siècle avec l'invention du
télégraphe. Ce système basé sur des signaux électriques propagé dans un câble permit pour la première fois
de transmettre un message entre deux personnes sur une immense distance quasi instantanément. Depuis, d'autres
médiums ont été exploités comme les ondes radio et plus généralement électromagnétiques, ou la fibre optique.
Avec l'apparition du réseau internet, toute machine a maintenant la possibilité d'être accessible et communiquer
à travers le monde entier. Et comme vu précédemment, de plus en plus d'objets se dotent de cette capacité. Les
enjeux principaux sont donc la standardisation et l'interopérabilité.

L'échange d'information entre des entités électronique est souvent appelé communication machine à machine (de
l'anglais "Machine to Machine", abrégé M2M). Ce concept datant du 20 e siècle a parmi ses applications
principales en industrie la télémétrie et le partage d'information, ou encore le contrôle automatisé d'une machine
et même d'une usine au complet, à travers l'implémentation d'un système d'acquisition et de contrôle de données
(de l'anglais "Supervisory Control and Data Acquisition", abrégé SCADA).

À ce jour, plusieurs formats d'échange de données informatisé (abrévié EDI) existent dans l'industrie pour échanger
des informations logistiques entre compagnies, les plus courants étant l'UN/EDIFACT (seul standard international,
développé par l'Organisation des Nations Unies, prédominant à travers le monde sauf en Amérique du Nord)
et le ANSI ASC X12 (plus ancien, prédominant en Amérique du Nord, développé par l'American National
Standards Institute). Ces standards datent des années quatre-vingt et leur spécification témoigne des limitations
de l'époque. Les tentatives passées pour les remplacer par des standards plus adéquats pour la technologie
moderne, par exemple basées sur le langage XML, sont malheureusement restées infructueuses. Beaucoup de
systèmes utilisent un autre format en interne, et se retrouve à artificiellement devoir convertir leurs données en
une version d'un format archaïque (comme ceux cités plus haut) pour le transmettre, et impliquant que le système
à l'autre extrémité reconvertit à son tour ces données en un format plus exploitable. Ceci est malheureusement
un frein puissant à l'interconnexion des systèmes, à l'innovation et à la collaboration entre compagnies.

Pour changer cette situation, plusieurs projets existent afin de proposer des standards de communications entre
entités modernes et adaptés aux besoins et à la technologie présente et du futur proche. Par exemple, le
consortium allemand à l'origine de l'Industrie 4.0 a mis un accent tout particulier sur la définition d'une
«Administration Shell», un format standardisé pour présenter toutes les informations pertinentes d'une entité
[115]. L'information ainsi formatée accompagnerait la machine et serait une porte d'entrée pour qu'une autre
machine s'y connectant puisse immédiatement se configurer pour interagir avec la première.

D'autres exemples incluent Google avec Eddystone et Apple avec iBeacon, qui proposent chacun un format pour
l'implémentation d'une balise permettant d'augmenter un objet physique d'information numérique accessible à
distance et de la capacité de le localiser. Combiné à la connexion internet d'un téléphone intelligent, ces projets
contribuent à rendre tangible pour le consommateur le concept d'Internet des Objets. Celui-ci peut par exemple
immédiatement interagir dans un magasin avec des produits équipés de cette technologie.

11
Stockage
Avec l'explosion de la quantité des données amassées et l'enjeu stratégique qu'elles revêtent, le stockage est
l'étape critique pour en garantir l'accessibilité, la confidentialité et l'intégrité.

Avec le déploiement à l'échelle mondiale d'internet, de nouveau modèle de gestion de données sont apparus
comme alternative au modèle traditionnel de stockage centralisé sur le site propre d'une entreprise. Les solutions
nuagiques (de l'anglais "cloud"), un mot utilisé pour décrire plus généralement les services décentralisés et
flexibles offerts par un tiers, accessibles de manière simple et transparente, sont maintenant omniprésentes. Les
fonctionnalités de base incluent bien sûr d'héberger les données, que ça soit pour des particuliers avec par
exemple Google avec Drive ou Dropbox, ou pour des entreprises avec Amazon et son service Amazon S3. Ces
derniers offrent spécifiquement une infrastructure capable de s'échelonner dynamiquement au volume des
données, d'être robuste et d'avoir un temps de réponse extrêmement rapide.

De nombreuses compagnies, par exemple celles de logiciel d'entreprise, offrent ainsi leurs produits avec un
modèle Software as a Service (abrévié SaaS). Le produit est accessible par l'entremise d'un abonnement, et le
fournisseur de service prend en charge le stockage des données, en complément au service de valorisation offert
sur ces données. Cette approche à l'avantage d'être beaucoup plus simple à déployer et gérer pour une
entreprise, au prix d'une perte de contrôle et d'autonomie comparativement aux solutions traditionnelles. Tous
les grands fournisseurs, tels que SAP, Oracle ou Sage, le propose déjà depuis quelque temps.

Cette avalanche d'information à gérer a également conduit à développer un nouveau champ d'expertise relié
aux mégadonnées (en anglais "big data"). Ces dernières sont caractérisées tout d'abord par leur volume
impressionnant, qui peut nécessiter d'intégrer une profusion de sources disparates et éparpillées, comme des
informations provenant de capteurs, des transactions d'utilisateur et des sources d'information sur le web. La
deuxième caractéristique est la rapidité étourdissante d'acquisition et de croissance en taille de ces données
accumulées. Finalement, ces données sont caractérisées par la diversité de leur nature, où l'information est dans
le meilleur cas structurée comme pour des mesures ou des transactions au format standardisé, ou plus récemment
non structurée, tel que du texte, des images, ou du son. Un ensemble de données avec ces caractéristiques est
ingérable de manière traditionnelle à l'aide d'une base de données SQL sur un serveur courant. Il est nécessaire
de mettre en place une architecture de serveurs dédiés, où l'information est distribuée sur plusieurs espaces de
stockage organisé adéquatement et optimisé au maximum pour la vitesse et le parallélisme. Le modèle
relationnel avec des tableaux n'est pas suffisant, et nécessite d'être complété par d'autres mécanismes de
stockage et d'interrogation regroupés sous le terme NoSQL. L'accès et le travail sur ces données nécessitent de
surcroît des outils spécialisés, tels que les projets Hadoop et Spark de la fondation Apache, inspirée par le cadre
applicatif MapReduce développé par Google.

Un autre aspect important du stockage de données est d'en garantir la confidentialité. Avec l'éparpillement de
la masse des données d'une entreprise et la connexion à de nombreux niveaux de son réseau interne à l'internet,
ceci est un défi constant. Il s'agit d'une part de protéger une information qui revêt une importance stratégique
et qui permet d'avoir un avantage compétitif, en ne la partageant qu'avec les entités autorisées. D'autre part,
il est primordial de maintenir la réputation de l'entreprise, qui se retrouve responsable de données
potentiellement sensibles, comme les informations bancaires d'individus ou leurs déplacements, et dont le vol
pourrait porter atteinte à sa crédibilité aux yeux du public.

À tout ceci s'ajoute finalement la notion d'intégrité des données. La première problématique est de prévenir la
perte ou dommage à travers des solutions de sauvegarde. D'une part, la répartition à travers le monde des
infrastructures et leur interconnexion rend possible la réplication des données, autant pour en garder plusieurs
copies, que pour la rendre disponible proche des utilisateurs, peu importe leur localisation. D'autre part, il existe
des compagnies telles qu’Iron Mountain qui offrent un service de stockage hors-ligne dans des chambres fortes.

Une autre problématique est la confiance portée aux données et leur synchronisation, en particulier lorsqu'elles
sont créées, partagées et maintenues en continu par plusieurs acteurs collaborant partiellement, mais aux intérêts
divergents. Les solutions précédentes ne sont pas suffisantes, et il faut habituellement faire appel à une autorité
centrale à laquelle tous les acteurs s'entendent pour faire confiance. Cependant, ce paradigme est complètement

12
bouleversé par le développement récent du concept de blockchain, l'équivalent virtuel d'un livre de compte
partagé entre tous les acteurs, et où tous partagent également la responsabilité de le maintenir intègre.

Cette nouvelle technologie a connu un succès phénoménal dans l'espace des dix années depuis sa création. La
première application a historiquement été les cryptomonnaies, des devises virtuelles basées et échangées sur
internet et dont la plus connue demeure le Bitcoin. Celles-ci peuvent être créées de toutes pièces par des individus
ou des organismes indépendants de gouvernements, et démontre avec succès la possibilité de s'affranchir d'une
autorité centrale et des frontières pour la validation de données partagée. Leur succès est tel que plusieurs
grandes compagnies les acceptent même maintenant comme forme de paiement, incluant Microsoft sur la partie
de sa boutique en ligne dédiée aux produits Windows et aux jeux Xbox.

Cette application monétaire se limite principalement à archiver avec consensus l'ensemble des transactions
d'échange entre utilisateurs. Mais au-delà, certains Blockchains supportent maintenant des contrats intelligents
(de l'anglais "smart contracts"). Ceux-ci permettent d'automatiser la vérification et l'exécution d'un contrat
détaillé et enregistré dans un Blockchain. La Linux Foundation chapeaute plusieurs projets de logiciel libre
permettant à chacun de créer et déployer un tel Blockchain, dont le plus fameux est Hyperledger Fabric
développé en partenariat avec IBM. Ce dernier sert d'ailleurs de fondation pour un grand nombre de projets
actuels. La cryptomonnaie Ethereum est également reconnue pour déjà offrir, en parallèle de l'aspect financier,
cette fonctionnalité de contrat intelligent, qui a été utilisée avec succès notamment par la compagnie Axiom Zen
et son jeu CryptoKitties, ou encore dans des projets pilotes de distribution comme la plateforme de musique Ujo.
De nombreuses applications plus spécifiques à la logistique sont reconnues, dont la plus intéressante en ce moment
est certainement la traçabilité. Plusieurs exemples existent déjà à des degrés variés d'avancement, comme
Maersk avec les conteneurs de transport maritime, Walmart avec les produits frais, Everledger avec les diamants,
ou le Blockchain in Transport Alliance (abrévié BiTA) avec son développement de standard à l'échelle de
l'industrie du transport routier et regroupant une myriade de compagnies telle Fedex et UPS.

Valorisation
Les données constituent le cœur et la matière première de l'informatique décisionnelle (en anglais "Business
Intelligence", abrégé BI), qui regroupent l'ensemble des concepts et méthodes utilisées pour améliorer les
décisions prises par une compagnie, et ce à tous ses échelons, stratégique, tactique et opérationnel. La masse
prodigieuse de données maintenant disponibles et les avancées récentes scientifiques ont conduit à l'émergence
de la science des données (en anglais "Data Science"). Cette nouvelle discipline se situe à la rencontre des
mathématiques, des statistiques, de l'informatique et de la visualisation des données, et a pour but de valoriser
les données à l'aide de méthodes innovantes. Son importance aujourd'hui s'observe par la myriade d'offres
d'emploi créé chaque jour pour des spécialistes dans ce domaine.

La première étape préliminaire pour la valorisation consiste à préparer des données à être exploitées,
idéalement en continu. Le processus débute par l'extraction des données exploitables à partir des données brutes
disponibles dans les espaces de stockage discutés plus haut. Celles-ci sont filtrées et validées, nécessitant parfois
d'être corrigées ou rejetées. Intervient ensuite une phase de transformation qui nettoie, normalise et organise les
données, afin de les rendre compatibles avec les systèmes déjà en place. Finalement, ces nouvelles données sont
mises à disposition dans une infrastructure adéquate, par exemple un entrepôt de données (en anglais "Data
Warehouse", abréger DW), qui les rend accessibles aux autres processus chargés de les travailler.

Une fois le terrain ainsi préparé, trois champs d'applications analytiques complémentaires existent. Le premier
est descriptif, consistant à analyser et présenter les informations sur le passé observé. Les rapports et les
indicateurs clés de performances (en anglais "Key Performance Indicator", abréger KPI) sont préparés ici. Le
deuxième est prédictif, cherchant à anticiper le futur ou l'impact de décisions. Déterminer le score de crédit d'un
individu ou la publicité la plus pertinente pour une classe d'utilisateurs en sont les exemples classiques. Le
troisième est prescriptif, visant à déterminer les décisions à prendre pour atteindre un objectif et à présenter les
implications de chaque option. Le choix des routes des camions ou la planification de la production et de
l'approvisionnement illustrent des applications de ces méthodes.

13
Les techniques utilisées pour réaliser ces analyses sont variées. Elles s'appuient le plus souvent sur des domaines
tels que les statistiques, la recherche opérationnelle, la simulation et l'apprentissage automatique (en anglais
"Machine Learning", abrégé ML). Ce dernier contribue notamment à nous rapprocher de plus en plus de créer
des intelligences artificielles (en anglais "Artificial Intelligence", abrégé AI) générale, capable de s'adapter,
apprendre et réaliser des tâches nécessitant caractéristiquement l'intelligence humaine. Ce domaine est très à la
mode et permet d'exploiter indirectement la masse de données à disposition, en laissant des algorithmes
apprendre et déterminer eux-mêmes l'information à utiliser pour atteindre leurs objectifs. Ceci contraste avec
l'approche antérieure de l'intelligence artificielle, qui nécessitait que des experts déterminent à l'avance les
règles pour utiliser les données. Parmi les familles d'apprentissages les plus utilisées en ce moment, définies par
les données à disposition et leurs natures, il existe l'apprentissage non supervisé qui extrait de l'information à
partir de données, l'apprentissage supervisé qui apprend à classer des données à partir d'exemple déjà
classifié, et l'apprentissage par renforcement qui détermine une politique de décision en fonction de l'état pour
des problèmes de décisions séquentielles.

Bon nombre de ces algorithmes sont implémentés à l'aide d'un réseau de neurones artificiels (en anglais "Artificial
Neural Network", abréger ANN), qui donnent ces dernières années des résultats époustouflants. Dans les versions
les plus poussées de ces réseaux, il devient possible d'obtenir une représentation hiérarchique et plus
fondamentale des données et du problème à l'aide de l'apprentissage profond (en anglais "deep learning"), qui
permet d'apprendre sur la nature du problème considéré en même temps que de le résoudre. Il est même
possible de combiner plusieurs réseaux de neurones, par exemple en les mettant en compétions dans des réseaux
antagonistes génératifs (en anglais "Generative Adverserial Networks", abrégé GANs), ou en les opposant à
eux-mêmes. Ce dernier procédé a été illustré avec panache par la célèbre intelligence artificielle de Google
nommée AlphaGo Zero ayant appris par lui-même à jouer au go mieux que tout humain ou programme le
précédent, ce jeu étant pourtant encore récemment réputé trop complexe pour être appréhendé par les
machines.

Les avancées technologiques sont étroitement entremêlées à celles de la théorie. Les réseaux plus complexes et
grands nécessitent du matériel toujours plus performant pour être entraînés en un temps raisonnable. À ce jour,
il est déjà possible d'accélérer grandement l'entraînement en équipant un ordinateur ou des serveurs de cartes
graphiques spécialisées supportant les librairies de calcul parallèle CUDA. La compagnie Nvidia offre par
exemple une gamme étendue de produits à des prix variables, incluant de telles cartes graphiques, des serveurs,
des plateformes pour automobiles et pour système embarqué. Intel Movidius propose même du matériel dédié
sous forme de clé USB à un prix très intéressant, ayant pour but d'améliorer les capacités d'un ordinateur
standard ou d'être adjoint très facilement à un système embarqué, tel celui d'un drone. Plus généralement, de
multiples entreprises proposent maintenant d'utiliser pour l'apprentissage automatique leur plateforme
d'infonuagique (en anglais "cloud computing"), menant à l'apparition de service dédié sous le nom de Machine
Learning as a Service (abrévié MLaaS), comme ceux proposés par Amazon avec Amazon ML et Amazon
SageMaker, Microsoft avec Azure Machine Learning ou Google avec Google Prediction API et Google ML
Engine. Certains, comme IBM avec Watson Analytics et Google avec Cloud Natural Language API, proposent
également de louer leurs réseaux préentraînés à certaines tâches spécialisées, telles le traitement automatique
du langage naturel (en anglais "Natural-Language Processing", abrégé NLP). Cette dernière fonctionnalité
s'avère d'une utilité cruciale en commerce électronique pour agréger les évaluations des clients et les opinions
sur les médias sociaux.

L'apprentissage automatisé a donc de nombreuses applications et solutions techniques pour la mettre en œuvre
à toutes sortes d'échelles et de budgets. Siemens et GE l'utilisent depuis de nombreuses années pour superviser
leurs usines, incluant la détection d'inefficacité, l'entretien préventif et plus généralement l'anticipation de
problèmes. Fort de ce succès à l'interne, elles entreprennent maintenant de commercialiser ces technologies sous
les noms respectifs de MindSphere et Brilliant Manufacturing Suite. Dans un ordre d'idée similaire, Amazon teste
présentement son supermarché autonome Amazon Go, capable de suivre en temps réel ses clients et le contenu
de leur panier d'achats, puis de les facturer automatiquement lorsqu'ils en ressortent. Google et Amazon sont
bien sûr célèbres pour l'utiliser à des fins publicitaires, respectivement pour placer des annonces d'autres
compagnies sur des sites tiers, ou la vente additionnelle en interne. Et Netflix l'utilise pour optimiser ces
recommandations personnalisées de visionnement, afin d'accrocher l'utilisateur dès les premières précieuses

14
secondes. La reconnaissance faciale est une autre application déjà bien implantée dans des compagnies comme
Facebook, qui l'utilise par exemple pour identifier les individus sur une photo, ou pour éviter l'ouverture de
compte multiple ou malicieuse. La détection de fraude étant un enjeu important, plusieurs compagnies dont c'est
la spécialité existent déjà, et la compagnie SAS intègre un tel outil à sa gamme. Finalement, la création
d'itinéraires routiers est critique aux entreprises de transport, et de nombreuses solutions commerciales sont
disponibles, soit directement intégrées au système de gestion de la flotte, soit comme module ou service
complémentaire. Uber et son utilisation de la plateforme Google Maps API en est un excellent exemple.

Utilisation
Lorsque l'information ainsi obtenue est destinée à être transformée en objet physique, l'apparition récente des
techniques de manufacture additive, communément appelée "impression 3D" permet d'accélérer ce processus.
Ces techniques s'incorporent naturellement dans la méthodologie de prototypage rapide, pour des objets créés
à l'aide de conception assistée par ordinateur. Elles permettent de surcroît de réduire les coûts et d'expérimenter
avec des formes impossibles à réaliser par d'autres moyens. La liste des matériaux disponible s'allonge aussi
constamment, contribuant à la diversité des applications, comme avec la compagnie ICON capable d'imprimer
maintenant une petite maison en ciment. Ces technologies sont encore à leur début, mais la production de produits
finis pour l'industrie est déjà d'actualité, par exemple chez GE avec certains des morceaux de série de ses
réacteurs LEAP-1A.

Cette nouvelle approche de la manufacture facilite la production de pièce unique ou en petite quantité à la
demande, concept appelé en anglais batch size one. Porsche produit ainsi des pièces de remplacement pour ses
anciens modèles de collection. Pour les consommateurs, cela se traduit également par la possibilité
d'hyperpersonnalisation de ce qu'ils achètent. Elle peut se limiter à certains éléments externes, comme avec les
fabricants automobiles MINI ou Daimler Group, ou aller jusqu'à des objets spécifiés entièrement par les données
de l'acheteur, comme avec les services de Shapeways ou Thingify. La gestion de stock s'en trouve grandement
simplifiée, et permet même d'envisager des approches comme celle d'Amazon, projetant d'avoir des camions
munis d'imprimantes 3D qui se mettraient en route dès le moment de la commande d'un objet, imprimeraient en
route et livreraient directement une fois arrivés à destination.

Cette innovation contribue notamment au modèle de manufacture comme un service (en anglais "Manufacturing
as a Service", abréger MaaS), où une compagnie pilote un tiers et lui communique dynamiquement son inventaire
à produire selon ses besoins. Siemens développe présentement un système appelé Click2Make dont le rôle est
à terme d'orchestrer ses ressources et les organiser en temps réel pour satisfaire la demande. Il détermine
automatiquement, à partir de plans et spécifications d'un produit fourni par un client, les compétences humaines
et robotiques nécessaires à associer pour créer et assembler chaque pièce, et se charge ensuite d'affecter
dynamiquement des ressources à ces tâches dans l'usine la plus pertinente.

Rendues dans le domaine de l'information pure, les données doivent cette fois-ci s'intégrer à l'expérience de
l'utilisateur. Les téléphones cellulaires, que la majorité de la population possède déjà, permettent par exemple
d'y accéder immédiatement et simplement. Cette possibilité motive d'ailleurs les entreprises à sauver de l'argent
en permettant à leurs employés d'utiliser leurs propres appareils, donnant naissance au concept de Bring Your
Own Device (abrégé BYOD). Les objets équipés de codes-barres ou de balises RFID et Bluetooth, ainsi que le
positionnement GPS, donnent accès à l'information de manière contextuelle et dynamique. En prolongeant cette
idée, les technologies de réalité augmentée superposent cette information à l'environnement, qui s'avère
particulièrement utile s'il est nécessaire de les utiliser pour agir sur celui-ci. Un téléphone intelligent ou une tablette
peut être utilisé à cette fin. Apple a notamment investi dans la création de son interface de programmation
ARKit, pour faciliter le développement d'application utilisant cette technologie. Plusieurs compagnies se sont
immédiatement lancées dans cette avenue, comme IKEA avec IKEA Place permettant de visualiser le placement
de meubles virtuel dans sa maison, et American Airlines avec des indications pour se déplacer dans un aéroport.
Les lunettes intelligentes sont une autre alternative pour l'affichage, où Google avec son Google Glass et Daqri
avec ses Smart Glasses conduisent activement de la recherche, le second se concentrant tout particulièrement sur
les applications industrielles. Sur le terrain, DHL a déjà déployé et rendu standard ce genre de lunettes dans
plusieurs de ses entrepôts. Celles-ci assistent à la cueillette en permettant de travailler plus confortablement les
mains libres, affichant directement quels objets ramasser et où les déposer, et permettant ainsi d'accélérer le

15
travail et réduire les erreurs. D'autres comme Boeing et Caterpillar l'utilisent pour aider respectivement à
l'assemblage et la maintenance.

Pour intégrer harmonieusement humains et intelligences artificielles, plusieurs modalités existent. Très populaire
en ce moment est celle de l'assistant personnel intelligent, qui rend les interactions avec une machine bien plus
fluide et organique à l'aide de la voix. Les projets de chatbots en compétition d'Amazon avec Alexa, Google
avec Google Assistant, Apple avec Siri et Microsoft avec Cortana démontrent l'engouement général. Cette
technologie se retrouve déployée sur des ordinateurs, des téléphones intelligents et tablettes, des plateformes
dédiées, ou s'intègre à d'autres objets. Dans cette dernière catégorie, on compte présentement des haut-parleurs,
frigos, lampes, et plus globalement des maisons intelligentes et voitures, mais les applications sont sans fin.

Il est également possible d'entremêler les capacités d'un humain à celles d'un robot. Dans sa forme la plus
primitive, il s'agit simplement d'une extension de l'humain, comme avec des robots médicaux. En y ajoutant une
intelligence artificielle, il devient alors possible de créer des robots collaboratifs ou cobots (de l'anglais
"collaborative robots"). La compagnie KUKA a ainsi développé le bras robotisé "LBR iiwa", capable de travailler
en complémentarité avec un humain. Un bras robotisé traditionnel est extrêmement puissant et peu sensible ou
réactif à son environnement, ce qui est préoccupant pour la sécurité des humains à proximité, nécessitant le plus
souvent de délimiter un périmètre autour du robot. De plus, en cas d'imprévu, le robot est incapable ou limité
dans sa capacité à remédier à la situation ou s'adapter. Cette nouvelle famille de robots remédie à ces
problèmes, permettant un travail conjoint et potentiellement un apprentissage du robot par l'exemple. La
compagnie Effidence a créé elle un chariot intelligent nommé EffiBOT, capable d'assister un travailleur effectuant
une cueillette dans un entrepôt en transportant sur son dos une charge et en le suivant, tout en évitant les potentiels
obstacles. Une autre utilisation possible confie au robot la tâche de guider cette fois-ci le travailleur d'un
emplacement de cueillette au prochain. DHL a mené avec succès un projet pilote avec une flotte de ces robots
dans l'un de ces entrepôts.

Finalement, plusieurs systèmes dotés d'intelligences artificielles autonomes sont présentement en train d'être
développés et testés. La famille regroupant les véhicules autonomes de livraison répond notamment à un besoin
clé de la logistique. Les projets les plus connus comprennent le service de drone Amazon Prime Air de Amazon,
les systèmes de navigation pour voiture de Uber, Waymo (compagnie sœur de Google) ou NVIDIA, la semi-
remorque tout électrique de Tesla, ou le navire-cargo développé par Yara et Kongsberg. Ceux-ci s'intégreront
dans une ville devenant elle-même intelligente.

Déployées à l'échelle d'un bâtiment, de telles technologies rendent possibles les magasins et usines intelligentes
du futur. Amazon a notamment racheté et complètement intégré la compagnie Kiva Systems, qui a développé
des robots mobiles dont le rôle est de déplacer des étagères stockant des produits. Ceux-ci, coordonnée par un
système central, éliminent la phase de déplacement de la cueillette en amenant directement la bonne étagère
à la personne qui doit y ramasser un objet. L'entrepôt autonome devient ainsi fluide et réactif, s'organisant et
s'optimisant en fonction de la demande. Et enfin, la compagnie Symbiotic a développé un centre de distribution
complètement automatisé, débutant du déchargement d'une palette entrante sur un convoyeur, jusqu'au moment
où une palette sortante est chargée à nouveau sur un camion. Ses technologies sont déjà déployées partiellement
ou entièrement dans des entrepôts de Target, Walmart ou encore C&S Wholesale Grocers. Ce dernier possède
notamment un entrepôt entièrement autonome qui emploie moins d'une dizaine de personnes, chargées
uniquement de surveiller le système et d'intervenir en cas de problème. Tout le reste, incluant de défaire et faire
les palettes, de ranger et récupérer les produits, et d'acheminer ces produits à travers l'entrepôt, est gérée par
cette nouvelle génération révolutionnaire de systèmes cyberphysiques.

16
Conclusion
Le Québec, comme une grande partie du reste du monde, est seulement au début de ce virage numérique. Le
commerce électronique devient tranquillement une évidence, et une majorité d'entreprises de toutes tailles ont
une présence sur le web, sous une forme ou une autre. Malheureusement, bon nombre de PME accusent à l'interne
un lourd retard en termes d'infrastructure informatique. Elle utilise encore des feuilles de calculs Excel ou du
papier pour gérer leurs activités, au lieu d'organiser leur entreprise à l'aide de progiciels de gestion intégrée
et d'autres outils modernes. Cela entraîne en particulier une lenteur de communication et de coordination fatale
à la flexibilité et réactivité, cruciale à notre époque. De plus, la difficulté conséquente d'accès aux données
historiques de fonctionnement empêche de les valoriser pour améliorer les décisions stratégiques, tactiques et
opérationnelles futures. C'est sans même compter que par exemple l'Intelligence Artificielle et l'apprentissage
machine sont particulièrement gourmand de telles données. Pour la plupart un grand travail de rattrapage de
base va donc être nécessaire afin de juste satisfaire les prérequis vers l'Industrie 4.0.

Dans ce contexte, le domaine de la logistique se retrouve confronté à un défi de taille: coordonner la

collaboration d'acteurs à des niveaux de maturité excessivement disparates et souvent incompatibles. Les
maillons les plus faibles ont un impact majeur sur l'efficacité et la compétitivité de l'écosystème complet d'une
chaîne d'approvisionnement, et sont dans l'urgence de s'adapter ou risque d'être écarté. Cependant, bien qu'une
telle transformation soit un travail long et complexe, il est possible (et même souvent préférable) de commencer
progressivement la transformation d'une entreprise par quelques processus clés. Pour les dirigeants et les experts
en logistique, l'enjeu est donc maintenant de planifier et réaliser les étapes de ce début de virage numérique
propres à chacun, en cohérence avec leur environnement respectif. De tels choix stratégiques individuels, s'ils sont
judicieux, auront déjà à court terme un impact positif sur l'ensemble des acteurs d'un réseau. Il est donc primordial
pour tous de s'engager dans ce mouvement, pendant qu'il en est encore temps.

17
Références
[1] H. Lasi, P. Fettke, H. G. Kemper, T. Feld, and M. Hoffmann, “Industry 4.0,” Bus. Inf. Syst. Eng., vol. 6, no.
4, pp. 239–242, Aug. 2014.

[2] German Federal Ministry of Education and Research, “Ideas. Innovation. Prosperity. - High-Tech
Strategy 2020 for Germany,” 2010.

[3] Industrie 4.0 Working Group, “Recommendations for implementing the strategic initiative INDUSTRIE
4.0 - Final report of the Industrie 4.0 Working Group,” 2013.

[4] Plattform Industrie 4.0, “Plattform Industrie 4.0 - Digital Transformation ‘Made in Germany,’” 2018.

[5] German Federal Ministry of Education and Research, “The new High-Tech Strategy - Innovations for
Germany,” 2014.

[6] Germany Trade and Invest, “Industrie 4.0 - Smart Manufacturing for the Future,” 2014.

[7] Plattform Industrie 4.0, “Structure of the Plattform Industrie 4.0,” 2018. [Online]. Available:
https://www.plattform-i40.de/I40/Redaktion/EN/Downloads/Publikation-gesamt/composition-
industrie-4-0.pdf?__blob=publicationFile&v=11. [Accessed: 23-Mar-2018].

[8] Plattform Lernende Systeme, “Plattform Lernende Systeme - Homepage.” [Online]. Available:
https://www.plattform-lernende-systeme.de/home-en.html. [Accessed: 28-Mar-2018].

[9] Y. Lu, “Industry 4.0: A survey on technologies, applications and open research issues,” J. Ind. Inf. Integr.,
vol. 6, pp. 1–10, Jun. 2017.

[10] M. Hermann, T. Pentek, and B. Otto, “Design Principles for Industrie 4.0 Scenarios,” in 2016 49th
Hawaii International Conference on System Sciences (HICSS), 2016, pp. 3928–3937.

[11] J. Lee, B. Bagheri, and H.-A. Kao, “A Cyber-Physical Systems architecture for Industry 4.0-based
manufacturing systems,” Manuf. Lett. , vol. 3, pp. 18–23, 2015.

[12] Plattform Industrie 4.0 and VDMA (German Mechanical Engineering Industry Association), “Guideline
Industrie 4.0 - Guiding principles for the implementation of Industrie 4.0 in small and medium sized
businesses,” 2016.

[13] Y. Wang, G. Wang, and R. Anderl, “Generic Procedure Model to Introduce Industrie 4.0 in Small and
Medium-sized Enterprises,” in Proceedings of the World Congress on Engineering and Computer Science,
2016, pp. 971–976.

[14] J. Fleischer, G. Lanza, and V. Schulze, “Toolbox for the efficient implementation of Industrie 4.0 based
on use cases Succesful implementation of Industrie in Small and Medium Enterprises,” 2016.

[15] J. Jäger, O. Schöllhammer, M. Lickefett, and T. Bauernhansl, “Advanced complexity management

strategic recommendations of handling the ‘Industrie 4.0’ complexity for small and medium
enterprises,” Procedia CIRP 57, vol. 57, pp. 116–121, 2016.

[16] J. Schlechtendahl, M. Keinert, F. Kretschmer, A. Lechler, and A. Verl, “Making existing production
systems Industry 4.0-ready: Holistic approach to the integration of existing production systems in
Industry 4.0 environments,” Prod. Eng., vol. 9, no. 1, pp. 143–148, 2014.

[17] K. Lichtblau et al., “Industrie 4.0 Readiness,” Cologne, Germany, 2015.

18
[18] Plattform Industrie 4.0 and acatech (German National Academy of Science and Engineering),
“Industrie 4.0 Maturity Index,” 2017.

[19] D. Kolberg and D. Zühlke, “Lean Automation enabled by Industry 4.0 Technologies,” IFAC-
PapersOnLine, vol. 48, no. 3, pp. 1870–1875, 2015.

[20] A. Sanders, C. Elangeswaran, and J. Wulfsberg, “Industry 4.0 Implies Lean Manufacturing: Research
Activities in Industry 4.0 Function as Enablers for Lean Manufacturing,” J. Ind. Eng. Manag., vol. 9, no. 3,
pp. 811–833, 2016.

[21] B. Mrugalska and M. K. Wyrwicka, “Towards Lean Production in Industry 4.0,” Procedia Eng., vol. 182,
no. December, pp. 466–473, 2017.

[22] B. G. Rüttimann and M. T. Stöckli, “Lean and Industry 4.0 - Twins, Partners, or Contenders? A Due
Clarification Regarding the Supposed Clash of Two Production Systems,” J. Serv. Sci. Manag., vol. 9,
pp. 485–500, 2016.

[23] R. B. Bouncken and S. Kraus, “Innovation in knowledge-intensive industries: The double-edged sword of
coopetition,” J. Bus. Res., vol. 66, no. 10, pp. 2060–2070, 2013.

[24] L. Sommer, “Industrial Revolution - Industry 4 . 0 : Are German Manufacturing SMEs the First Victims of
this Revolution ?,” J. Ind. Eng. Manag., vol. 8, no. 5, pp. 1512–1532, 2015.

[25] Entreprises Québec, “Commerce électronique,” Entreprises Québec. [Online]. Available:

https://www2.gouv.qc.ca/entreprises/portail/quebec/marketing?g=marketing&sg=&t=s&e=330359
0196. [Accessed: 11-Apr-2018].

[26] R. G. Curty and P. Zhang, “Social commerce: Looking back and forward,” in Proceedings of the
American Society for Information Science and Technology, 2011, vol. 48, no. 1, pp. 1–10.

[27] E. Villa, L. Ruiz, A. Valencia, and E. Picón, “Electronic Commerce: Factors Involved in its Adoption from a
Bibliometric Analysis Electronic Commerce: Factors Involved in its Adoption from a Bibliometric Analysis
Electronic Commerce: Factors Involved in its Adoption from a Bibliometric Analysis,” J. Theor. Appl.
Electron. Commer. Res., vol. 13, no. 1, pp. 39–70, 2018.

[28] R. T. Watson, P. Berthon, L. F. Pitt, and G. M. Zinkhan, Electronic Commerce: The Strategic Perspective.
BCcampus, 2014.

[29] M. Rappa, “Business Models on the Web,” Managing the Digital Enterprise, 2010. [Online]. Available:
http://digitalenterprise.org/models/models.html[1/17/10. [Accessed: 09-Apr-2018].

[30] J. Schor, “Debating the Sharing Economy,” J. Self-Governance Manag. Econ., vol. 4, no. 3, pp. 7–22,
2016.

[31] M. A. Cusumano, “How traditional firms must compete in the sharing economy,” Communications of the
ACM, vol. 58, no. 1, pp. 32–34, 23-Dec-2014.

[32] H. Heinrichs, “Sharing Economy: A Potential New Pathway to Sustainability,” GAIA - Ecol. Perspect. Sci.
Soc., vol. 22, no. 4, pp. 228–231, Dec. 2013.

[33] K. Pousttchi, D. Tilson, K. Lyytinen, and Y. Hufenbach, “Introduction to the Special Issue on Mobile
Commerce: Mobile Commerce Research Yesterday, Today, Tomorrow—What Remains to Be Done?,”
Int. J. Electron. Commer., vol. 19, no. 4, pp. 1–20, Oct. 2015.

[34] J.-J. Hew, “Hall of fame for mobile commerce and its applications: A bibliometric evaluation of a

19
 decade and a half (2000–2015),” Telemat. Informatics, vol. 34, no. 1, pp. 43–66, Feb. 2017.

[35] Z. Huang and M. Benyoucef, “The effects of social commerce design on consumer purchase decision-
making: An empirical study,” Electron. Commer. Res. Appl., vol. 25, pp. 40–58, Sep. 2017.

[36] A. H. Busalim and A. R. C. Hussin, “Understanding social commerce: A systematic literature review and
directions for further research,” Int. J. Inf. Manage., vol. 36, no. 6, pp. 1075–1088, Dec. 2016.

[37] X. Lin, Y. Li, and X. Wang, “Social commerce research: Definition, research themes and the trends,” Int.
J. Inf. Manage., vol. 37, no. 3, pp. 190–201, Jun. 2017.

[38] Z. Song, Y. Sun, J. Wan, L. Huang, and J. Zhu, “Smart e-commerce systems: current status and research
challenges,” Electron. Mark., pp. 1–18, Nov. 2017.

[39] W. Piotrowicz and R. Cuthbertson, “Introduction to the Special Issue Information Technology in Retail:
Toward Omnichannel Retailing,” Int. J. Electron. Commer., vol. 18, no. 4, pp. 5–16, Jul. 2014.

[40] M. Yrjölä, M. T. Spence, and H. Saarijärvi, “Omni-channel retailing: propositions, examples and
solutions,” Int. Rev. Retail. Distrib. Consum. Res., pp. 1–18, Mar. 2018.

[41] K. L. Ailawadi and P. W. Farris, “Managing Multi- and Omni-Channel Distribution: Metrics and
Research Directions,” J. Retail., vol. 93, no. 1, pp. 120–135, Mar. 2017.

[42] S. Kumar, P. Joshi, and Z. Saquib, “Ubiquitous Commerce : The New World of Technologies,” Int. J. Life
Sci. Eng., vol. 1, no. 2, pp. 50–55, 2015.

[43] D. R. Bell, S. Gallino, and A. Moreno, “How to Win in an Omnichannel World,” MIT Sloan Manag. Rev.,
vol. 56, no. 1, pp. 45–54, 2014.

[44] A. Hübner, J. Wollenburg, and A. Holzapfel, “Retail logistics in the transition from multi-channel to
omni-channel,” Int. J. Phys. Distrib. Logist. Manag., vol. 46, no. 6/7, pp. 562–583, Jul. 2016.

[45] J. Wollenburg, A. Hübner, H. Kuhn, and A. Trautrims, “From bricks-and-mortar to bricks-and-clicks :

Logistics networks in omni-channel grocery retailing,” Int. J. Phys. Distrib. Logist. Manag., p. IJPDLM-10-
2016-0290, Jan. 2018.

[46] E. Galipoglu, H. Kotzab, C. Teller, I. Ö. Yumurtaci Hüseyinoglu, and J. Pöppelbuß, “Omni-channel

retailing research – state of the art and intellectual foundation,” Int. J. Phys. Distrib. Logist. Manag., p.
IJPDLM-10-2016-0292, Feb. 2018.

[47] M. Abebe, “Electronic commerce adoption, entrepreneurial orientation and small- and medium-sized
enterprise (SME) performance,” J. Small Bus. Enterp. Dev., vol. 21, no. 1, pp. 100–116, Feb. 2014.

[48] E. Turban, J. Outland, D. King, J. K. Lee, T.-P. Liang, and D. C. Turban, Electronic Commerce 2018 : a
Managerial and Social Networks Perspective. Springer International Publishing, 2017.

[49] CEFRIO, “Le programme PME 2.0.” [Online]. Available: http://www.pmenumerique.ca/a-propos-de-

pme-20/. [Accessed: 28-Mar-2018].

[50] Gouvernement du Québec, “Budget 2015-2016 - Le Plan économique du Québec,” 2015.

[51] Gouvernement du Québec, “Budget 2016-2017 - Le Plan économique du Québec,” 2016.

[52] Ministère de l’Économie de la Science et de l’Innovation (MÉSI), “Plan d’action en économie numérique,”
2016.

20
[53] Ministère de l’Économie de la Science et de l’Innovation (MÉSI) and Productique Québec, “Feuille de
route industrie 4.0,” 2016.

[54] Ministère de l’Économie de la Science et de l’Innovation (MÉSI), “ADN 4.0 – Autodiagnostic,” 2017.
[Online]. Available: https://sondage.economie.gouv.qc.ca/index.php/159143?lang=fr. [Accessed: 29-
Mar-2018].

[55] Investissement Québec, “Découvrir l’industrie 4.0.” [Online]. Available:

http://www.manufacturiersinnovants.com/fr/industrie-4-0. [Accessed: 29-Mar-2018].

[56] Ministère de l’Économie de la Science et de l’Innovation (MÉSI), “Le Virage Numérique des détaillants
Québécois,” 2017. [Online]. Available: https://leviragenumerique.com/. [Accessed: 29-Mar-2018].

[57] PME 2.0 and CEFRIO, “Lancer ses opérations de commerce électronique - Guide de référence sur les
processus d’affaires et les équipes à mettre en place pour sa boutique en ligne,” 2017.

[58] PME 2.0 and CEFRIO, “Compétences numériques - Des compétences nécessaires pour soutenir le
passage au numérique des PME,” 2016.

[59] CEFRIO and Ministère de l’Économie de la Science et de l’Innovation (MÉSI), “Proposition d’une
démarche d’accompagnement d’entreprises dans le cadre du projet Pôle logistique en commerce
électronique,” 2017.

[60] Ministère de l’Économie de la Science et de l’Innovation (MÉSI), “Entreprises Québec.” [Online].

Available: https://www2.gouv.qc.ca/entreprises/portail/quebec. [Accessed: 29-Mar-2018].

[61] Gouvernement du Québec, “Stratégie numérique du Québec,” 2017. [Online]. Available:

https://www.economie.gouv.qc.ca/fileadmin/contenu/documents_soutien/strategies/economie_numeri
que/sommaire-dynamique/strategie-numerique-du-quebec.html. [Accessed: 29-Mar-2018].

[62] Ministère de l’Économie de la Science et de l’Innovation (MÉSI), “Vitrine 4.0 - MESI.” [Online].
Available: https://www.economie.gouv.qc.ca/objectifs/ameliorer/strategie-
numerique/page/activites-
22965/?no_cache=1&tx_igaffichagepages_pi1%5Bmode%5D=single&tx_igaffichagepages_pi1%5
BbackPid%5D=21559&tx_igaffichagepages_pi1%5BcurrentCat%5D=&cHash=0f02c748c3cc8f0cb8
4. [Accessed: 29-Mar-2018].

[63] Comité d’orientation de la grappe en intelligence artificielle, “Stratégie pour l’essor de l’écosystème
québécois en intelligence artificielle,” 2018.

[64] Groupe de travail sur l’économie collaborative (GTEC), “L’économie collaborative - Comprendre.
Encadrer. Accompagner.,” 2018.

[65] J. R. Stock and S. L. Boyer, “Developing a consensus definition of supply chain management : a
qualitative study,” Int. J. Phys. Distrib. Logist. Manag., vol. 39, no. 8, pp. 690–711, Sep. 2009.

[66] R. R. Lummus, D. W. Krumwiede, and R. J. Vokurka, “The relationship of logistics to supply chain
management: developing a common industry definition,” Ind. Manag. Data Syst., vol. 101, no. 8, pp.
426–432, Nov. 2001.

[67] B. J. Gibson, J. T. Mentzer, and R. L. Cook, “Supply Chain Management : the pursuit of a consensus
definition,” J. Bus. Logist., vol. 26, no. 2, pp. 17–25, Sep. 2005.

[68] Industrie Canada, Association chaîne d’approvisionnement et logistique Canada, and Manufacturiers et
Exportateurs du Canada, “L’état de la logistique : le rapport canadien 2008,” 2008.

21
[69] J. T. Mentzer, T. P. Stank, and T. L. Esper, “Supply Chain Management and its Relationship to Logistics,
Marketing, Production, and Operations management,” J. Bus. Logist., vol. 29, no. 1, pp. 31–46, Mar.
2008.

[70] A. H. Hübner and M. Ostermeier, “Food distribution with multi-compartment vehicles,” in 8th
International Scientific Symposium on Logistics (ISSL 2016) - Logistics in the times of the 4th industrial
revolution, 2016, no. June.

[71] DHL, “The Future of Life Sciences and Healthcare Logistics - A DHL perspective on key trends and
technologies,” 2017.

[72] J. B. Schor and C. J. Fitzmaurice, “Collaborating and Connecting: The emergence of the sharing
economy,” in Handbook of research on sustainable consumption, L. A. Reisch and J. Thøgersen, Eds.
Edward Edgar Publishing, 2015, p. 480.

[73] A. Hübner, A. Holzapfel, and H. Kuhn, “Distribution systems in omni-channel retailing,” Bus. Res., vol. 9,
no. 2, pp. 255–296, Aug. 2016.

[74] B. Montreuil, “Omnichannel Business­‐to-‐Consumer Logistics and Supply Chains: Towards

Hyperconnected Networks and Facilities,” in 14th IMHRC Proceedings (Karlsruhe, Germany – 2016),
2016.

[75] C. K. M. Lee, Y. Lv, K. K. H. Ng, W. Ho, and K. L. Choy, “Design and application of Internet of things-
based warehouse management system for smart logistics,” Int. J. Prod. Res., pp. 1–16, Oct. 2017.

[76] H. Ma, “Logistics 4.0 Technologies Driven Approaches for Warehouse Operations: A Framework of
Resource Management System,” NTNU, 2017.

[77] C. J. Bartodziej, The concept industry 4.0 : an empirical analysis of technologies and applications in
production logistics. Springer Gabler, 2017.

[78] D. T. Matt, E. Rauch, and P. Dallasega, “Trends towards Distributed Manufacturing Systems and
Modern Forms for their Design,” Procedia CIRP, vol. 33, pp. 185–190, Jan. 2015.

[79] A. H. Glas and F. C. Kleemann, “The Impact of Industry 4.0 on Procurement and Supply Management:
A Conceptual and Qualitative Analysis,” Int. J. Bus. Manag. Invent. ISSN (Online, vol. 5, no. 6, pp. 55–
66, 2016.

[80] KPMG and Florida State University, “Future-proof Procurement,” 2016.

[81] DHL, “3D Printing and the Future of Supply Chains - A DHL perspective on the state of 3D printing and
implications for logistics,” 2016.

[82] M. Maslarić, S. Nikoličić, and D. Mirčetić, “Logistics Response to the Industry 4.0: the Physical Internet,”
Open Eng., vol. 6, no. 1, Jan. 2016.

[83] P. Pujo and F. Ounnar, “Cyber-Physical Logistics System for Physical Internet,” in Service Orientation in
Holonic and Multi-Agent Manufacturing, T. Borangiu, D. Trentesaux, A. Thomas, and O. Cardin, Eds.
Springer, Cham, 2018, pp. 303–316.

[84] F. Dabbene, P. Gay, and C. Tortia, “Traceability issues in food supply chain management: A review,”
Biosyst. Eng., vol. 120, pp. 65–80, Apr. 2014.

[85] M. M. Aung and Y. S. Chang, “Traceability in a food supply chain: Safety and quality perspectives,”
Food Control, vol. 39, pp. 172–184, May 2014.

22
[86] W. Zhou and S. Piramuthu, “IoT and Supply Chain Traceability,” in Future Network Systems and Security
(FNSS 2015), Springer, Cham, 2015, pp. 156–165.

[87] S. F. W. T. Lim, X. Jin, and J. S. Srai, “Consumer-driven e-commerce : A literature review, design
framework, and research agenda on last-mile logistics models,” Int. J. Phys. Distrib. Logist. Manag., vol.
48, no. 3, pp. 308–332, Apr. 2018.

[88] S. F. W. T. Lim and J. S. Srai, “Examining the anatomy of last-mile distribution in e-commerce
omnichannel retailing,” Int. J. Oper. Prod. Manag., p. IJOPM-12-2016-0733, Feb. 2018.

[89] DHL, “Sharing Economy Logistics - Rethinking logistics with access over ownership,” 2017.

[90] F. Almada-Lobo, “The Industry 4.0 revolution and the future of Manufacturing Execution Systems
(MES),” J. Innov. Manag., vol. 3, no. 4, pp. 16–21, 2015.

[91] F. De Felice, A. Petrillo, and F. Zomparelli, “Design and control of logistic process in an Italian
Company: Opportunities and Challenges based on Industry 4.0 principles,” in Summer School F. Turco -
Industrial Systems Engineering, 2016, pp. 31–35.

[92] M. Ben-Daya, E. Hassini, and Z. Bahroun, “Internet of things and supply chain management: a literature
review,” Int. J. Prod. Res., pp. 1–24, Nov. 2017.

[93] K. Witkowski, “Internet of Things, Big Data, Industry 4.0 – Innovative Solutions in Logistics and Supply
Chains Management,” Procedia Eng., vol. 182, pp. 763–769, Jan. 2017.

[94] D. Horenberg, “Applications within Logistics 4.0 - A research conducted on the visions of 3PL service
providers,” University of Twente, 2017.

[95] L. Saglietto, “Towards a Classification of Fourth Party Logistics (4PL),” Univers. J. Ind. Bus. Manag., vol.
1, no. 3, pp. 104–116, 2013.

[96] Deloitte, “The rise of the digital supply network - Industry 4.0 enables the digital transformation of
supply chains,” Deloitte, 2016. [Online]. Available:
https://www2.deloitte.com/insights/us/en/focus/industry-4-0/digital-transformation-in-supply-
chain.html. [Accessed: 20-Apr-2018].

[97] KPMG International, “Demand-driven supply chain 2.0,” 2017.

[98] PwC, “Shifting patterns - The future of the logistics industry,” 2016.

[99] McKinsey & Company, “McKinsey - Ops 4.0 Fueling the next 20 percent productivity rise with digital
analytics.pdf,” McKinsey & Company Insights, 2017. [Online]. Available:
https://www.mckinsey.com/business-functions/operations/our-insights/ops-4-0-fueling-the-next-20-
percent-productivity-rise-with-digital-analytics#0. [Accessed: 18-Apr-2018].

[100] DHL and Detecon Consulting, “Logistics Trend Radar 2016,” 2016.

[101] N. Szozda, “Industry 4.0 and its impact on the functioning of supply chains,” LogForumJ.LOG, vol. 134,
no. 134, pp. 401–414, 2017.

[102] E. Hofmann and M. Rüsch, “Industry 4.0 and the current status as well as future prospects on logistics,”
Comput. Ind., vol. 89, pp. 23–34, Aug. 2017.

[103] J. I. Rodriguez, M. Blanco, and K. Gonzalez, “Proposal of a Supply Chain Architecture Immersed in the
Industry 4.0,” in Proceedings of the International Conference on Information Technology & Systems (ICITS

23
 2018), 2018, pp. 677–687.

[104] R. Kampf, L. Ližbetinová, and K. Tišlerová, “Management of Customer Service in Terms of Logistics
Information Systems,” Open Eng., vol. 7, no. 1, pp. 26–30, Mar. 2017.

[105] M. Keller and M. Rosenberg, “How Virtualization, Decentralization and Network Building Change the
Manufacturing Landscape: An Industry 4.0 Perspective,” Int. J. Inf. Commun. Eng., vol. 8, no. 1, 2014.

[106] I. J. Timm and F. Lorig, “Logistics 4.0 - A challenge for simulattion,” in 2015 Winter Simulation
Conference (WSC), 2015, pp. 3118–3119.

[107] J. Monostori, “Supply chains robustness: Challenges and opportunities,” Procedia CIRP, vol. 67, pp.
110–115, Jan. 2018.

[108] M. Eskandarpour, P. Dejax, J. Miemczyk, and O. Péton, “Sustainable supply chain network design: An
optimization-oriented review,” Omega, vol. 54, pp. 11–32, Jul. 2015.

[109] DHL, “Fair and Responsible Logistics - A DHL perspective on how to create lasting competitive
advantage,” 2015.

[110] K. Govindan, H. Soleimani, and D. Kannan, “Reverse logistics and closed-loop supply chain: A
comprehensive review to explore the future,” Eur. J. Oper. Res., vol. 240, no. 3, pp. 603–626, Feb.
2015.

[111] M. Bernon, J. Cullen, and J. Gorst, “Online retail returns management : Integration within an omni-
channel distribution context,” Int. J. Phys. Distrib. Logist. Manag., vol. 46, no. 6/7, pp. 584–605, Jul.
2016.

[112] J. Dregger, J. Niehaus, P. Ittermann, H. Hirsch-Kreinsen, and M. ten Hompel, “Challenges for the future
of industrial labor in manufacturing and logistics using the example of order picking systems,” Procedia
CIRP, vol. 67, pp. 140–143, 2018.

[113] S. J. Blöchl and M. Schneider, “Simulation Game for Intelligent Production Logistics – The PuLL®
Learning Factory,” Procedia CIRP, vol. 54, pp. 130–135, Jan. 2016.

[114] M. Wrobel-Lachowska, Z. Wisniewski, and A. Polak-Sopinska, “The Role of the Lifelong Learning in
Logistics 4.0,” in Advances in Human Factors in Training, Education, and Learning Sciences. AHFE 2017,
2018, pp. 402–409.

[115] Plattform Industrie 4.0, Alliance Industrie du Futur, and Piano Industria 4.0, “The Structure of the
Administration Shell: Trilateral Perspective from France, Italy and Germany,” 2018.

24