Un délai de livraison promis découlait des effectifs : combien de personnes étaient disponibles pour planifier les commandes, traiter les exceptions et informer les clients en cas de problème. Qui disposait de plus de capacité pouvait s'adapter plus vite et donc promettre un délai plus court. C'était le terrain de jeu, et sur ce terrain, un responsable commercial savait à peu près où il se situait par rapport à la concurrence : les effectifs sont visibles, ou du moins estimables.
Cette hypothèse ne vaut plus partout. Là où la planification, le traitement des commandes et les mises à jour clients sont en grande partie effectués par l'IA, le délai de livraison n'est plus fonction du nombre de personnes qui travaillent, mais de la qualité du système mis en place derrière. Deux entreprises avec le même effectif peuvent alors promettre des délais de livraison totalement différents. Ce n'est pas une projection d'avenir : cela se produit aujourd'hui, déjà chez l'une, pas encore chez l'autre.
Derrière un délai de livraison promis se trouve une série de tâches qui se répartissent en trois catégories.
Une partie peut être entièrement reprise par l'IA : combiner les positions de stock, la capacité de production et les délais de transport pour aboutir à une date de livraison réalisable est un travail de calcul, et le calcul est précisément le domaine où l'IA est systématiquement plus rapide et plus cohérente qu'un planificateur qui fait cela en parallèle d'autres tâches.
Une partie se fait avec un contrôle humain : en cas de perturbation — un fournisseur qui fait défaut, une commande qui s'écarte du schéma habituel — l'IA peut proposer un délai de livraison ajusté, mais quelqu'un approuve ou rejette cette proposition, avec justification. La rapidité de cette approbation déterminera la rapidité avec laquelle le nouvel engagement parvient au client.
Une partie reste du travail humain : le client qui appelle parce qu'une livraison a été reportée deux fois veut une explication et une pesée qui va au-delà d'un simple clic sur un bouton. La quantité de ce type d'échange encore nécessaire dépend de la qualité avec laquelle les deux premières catégories fonctionnent déjà — moins il y a de perturbations qui passent inaperçues, moins ce genre d'échanges est nécessaire.
La différence entre les entreprises ne réside pas dans la question de savoir si elles utilisent l'IA, mais dans ce qui est déjà connecté. Un système de planification déconnecté de la gestion des stocks n'apporte que peu de gain, quelle que soit la sophistication du modèle qui le sous-tend. Une entreprise où les données de commandes, les stocks et la planification du transport s'articulent déjà entre eux peut y superposer immédiatement un modèle de planification et ajuster le délai de livraison vers le bas. Une entreprise où ces données se trouvent dans des systèmes disparates et des feuilles de calcul doit d'abord remettre tout cela en ordre avant qu'il y ait quoi que ce soit à automatiser.
Cela explique pourquoi ce basculement ne se produit pas partout à la même vitesse, et pourquoi deux concurrents sur le même marché, avec un effectif équivalent, peuvent tout de même promettre un délai de livraison différent. Cela ne dit rien sur le nombre de personnes qui travaillent ou devraient travailler ; c'est un arbitrage à part, avec ses propres exigences légales, qui n'est pas abordé ici.
Si le délai de livraison passe d'une question d'effectifs à une question de système, ce sur quoi vous comparez les concurrents change aussi. Demander combien de personnes travaillent à la planification n'apporte plus grand-chose. Il est plus pertinent de savoir si un concurrent respecte ses délais de livraison de façon constante, à quelle vitesse il s'ajuste en cas de perturbation, et si cela se voit déjà en amont dans l'assurance avec laquelle il ose annoncer une date de livraison.
C'est justement l'un des endroits où la manière d'obtenir des informations utilisables sur des concurrents qui ne publient pas de chiffres devient pertinente : le délai de livraison est l'une des rares dimensions qui peut être vérifiée en pratique, via ses propres commandes ou des signaux clients, même sans qu'un concurrent en partage les chiffres.
Le délai de livraison n'est pas non plus indépendant des autres dimensions. Un délai plus court accompagné de davantage d'erreurs n'est pas un gain ; la manière dont ces deux éléments se rapportent l'un à l'autre est abordée dans comment l'IA change la concurrence sur la qualité. Et un délai de livraison qui n'est court que pour les commandes standards indique quelque chose de différent d'un délai qui tient bon même sur une large gamme de produits, comme évoqué dans comment l'IA change la concurrence sur la largeur de gamme. Qui retrouve, dans son propre marketing et dans celui de ses concurrents, surtout des promesses de rapidité interchangeables sans réelle distinction, reconnaît le schéma décrit dans pourquoi les concurrents se ressemblent tous dans leurs promesses.
La question de savoir si le délai de livraison est, dans votre entreprise, une question d'effectifs ou déjà une question de système, est difficile à trancher avec un regard global ; quel travail derrière cela peut réellement être repris par l'IA se détermine tâche par tâche, avec le werkscan de FTE TO AI.
Pour la comparaison avec les concurrents, une première étape plus modeste consiste à identifier sur quels points vous pensez l'emporter en matière de délai de livraison, puis à vérifier avec le dimensiecheck gratuit lesquelles de ces affirmations peuvent être défendues par des preuves. Le benchmark complet, avec scores et matrice de preuves par dimension, est en cours de construction.