Résumé Technique : Agents IA pour le Contrôle des Stocks : Complémentarité Humain-LLM-RO

Formulation du Problème

L'article aborde le problème de contrôle des stocks multi-périodes, un défi fondamental en recherche opérationnelle où un décideur doit déterminer les quantités à commander pour répondre à une demande incertaine sur un horizon fini. Le cadre spécifique concerne un produit unique avec :

• Dynamique d'État : Stock disponible, commandes en transit et historique de la demande.
• Incertitudes : Demande stochastique et délais d'approvisionnement stochastiques (incluant la possibilité de commandes perdues où les expéditions n'arrivent jamais).
• Objectif : Maximiser le profit total, défini comme le chiffre d'affaires des ventes moins les coûts de stockage pour les stocks restants.
• Contraintes : Les décisions sont prises de manière séquentielle avec un délai d'observation d'une période ; les ventes perdues ne sont pas reportées.

Le défi central réside dans le fait que les algorithmes traditionnels de Recherche Opérationnelle (RO), bien que théoriquement fondés et efficaces sur le plan computationnel, reposent sur des hypothèses rigides (par exemple, demande stationnaire, délais connus) qui échouent souvent lorsque les distributions de demande évoluent ou que des informations contextuelles (par exemple, saisonnalité, ruptures d'approvisionnement) sont difficiles à encoder formellement. À l'inverse, les Grands Modèles de Langage (LLM) offrent un raisonnement flexible et une connaissance du monde, mais manquent de précision mathématique pour les calculs optimaux de gestion des stocks et peuvent être mal calibrés par rapport aux structures de coûts.

Méthodologie

L'étude est organisée en deux parties : un benchmark algorithmique et une expérience avec humain dans la boucle.

Partie 1 : Benchmark Algorithmique (InventoryBench)

Les auteurs construisent InventoryBench, un benchmark comprenant 1 320 instances :

• 720 Instances Synthétiques : Basées sur 10 familles de modèles de demande paramétriques (par exemple, stationnaire, changements de moyenne, tendances, saisonnalité, autocorrélation) croisées avec trois régimes de délais (zéro, fixe, stochastique) et trois fractiles critiques (rapports de coûts).
• 600 Instances Réelles : Dérivées de données de ventes historiques de 200 produits de mode H&M distincts, intégrant des modèles de demande réels et des descriptions de produits.

Quatre méthodes de prise de décision sont évaluées en utilisant trois LLM de pointe (Gemini 3 Flash, Grok 4.1 Fast, GPT-5 Mini) :

1. RO : Une politique de stock de base plafonnée pilotée par les données utilisant des estimations de demande empiriques.
2. LLM : Un agent prenant toutes les décisions basées sur le contexte et l'historique sans apport de RO.
3. RO→LLM : Le pipeline RO génère une recommandation ; le LLM l'examine (avec raisonnement) et décide de la modifier ou non.
4. LLM→RO : Le LLM estime les paramètres incertains (moyenne de la demande, variance, délai) basés sur le contexte ; ces estimations alimentent la politique de stock de base plafonnée pour le calcul final.

Partie 2 : Expérience avec Humain dans la Boucle

Une expérience contrôlée en classe avec 69 participants jouant à un jeu de gestion des stocks basé sur le web à travers trois modes de collaboration :

• Mode A (RO→Humain) : Les humains reçoivent des recommandations de RO et prennent la décision finale.
• Mode B (RO→LLM→Humain) : Les humains reçoivent les recommandations de RO, le raisonnement/recommandation du LLM, et prennent la décision finale.
• Mode C (RO→LLM + Guidance Humaine) : Le LLM prend des décisions autonomes ; les humains fournissent une guidance stratégique de haut niveau à des points de contrôle périodiques.

Cadre Théorique pour la Complémentarité

L'article introduit un cadre théorique pour distinguer la complémentarité au niveau de la population et au niveau individuel.

• Niveau Population : La performance moyenne de l'équipe dépasse le maximum de la performance humaine moyenne et de la performance IA moyenne.
• Niveau Individuel : La performance collaborative d'un individu spécifique dépasse le maximum de sa performance solo et de la performance solo de l'IA.
• Contribution : Les auteurs dérivent une borne inférieure sans distribution (Théorème 1) sur la fraction d'individus qui éprouvent une complémentarité strictement positive. Cette borne est estimée en utilisant la statistique de Kolmogorov–Smirnov entre les distributions des performances solo et collaboratives, permettant d'estimer les bénéfices individuels sans observer la même personne dans les deux conditions.

Résultats Clés

Performance Algorithmique

• Complémentarité : Les méthodes hybrides surpassent constamment les méthodes isolées. RO→LLM atteint la meilleure performance globale (récompense normalisée de 0,538), soit une amélioration de 21 % par rapport à la RO seule.
• Forces Contextuelles : Les LLM excellent dans la détection des changements de demande, l'intégration de connaissances mondiales spécifiques au produit (par exemple, saisonnalité des maillots de bain) et l'identification des ruptures d'approvisionnement (commandes perdues).
• Précision Mathématique : Les algorithmes RO fournissent la précision nécessaire pour les calculs de stock de base, en particulier sous des délais d'approvisionnement déterministes.
• Calibration : Les LLM purs sont moins bien calibrés par rapport aux structures de coûts (fractiles critiques) que les méthodes RO ou hybrides. À mesure que l'influence du LLM augmente, la réactivité au fractile critique diminue.
• Sensibilité aux Délais : Sous des délais stochastiques (avec commandes perdues), les méthodes où le LLM prend la décision finale (RO→LLM) sont supérieures car elles peuvent détecter et s'adapter aux expéditions perdues, tandis que les méthodes basées sur la RO échouent à ajuster les stocks manquants dans la chaîne d'approvisionnement.

Interaction Humain-IA

• Supériorité du Mode B : Le mode RO→LLM→Humain (Mode B) produit la performance la plus élevée, surpassant significativement à la fois le Mode A (RO→Humain) et le Mode C (LLM + Guidance).
• Valeur du Jugement Humain : Les modes de collaboration humaine surpassent leurs équivalents automatisés (Mode A > RO ; Mode B > RO→LLM), démontrant que le jugement humain ajoute une valeur au-delà des méthodes automatisées seules.
• Complémentarité Individuelle : En appliquant la borne inférieure théorique, l'étude constate que 30 % à 60 % des individus éprouvent une complémentarité strictement positive. Cela indique que les gains ne sont pas simplement un effet de sélection (où les humains faibles suivent l'IA et les humains forts l'ignorent) mais représentent une synergie véritable où les humains utilisent le raisonnement de l'IA pour améliorer leurs propres décisions.
• Mécanismes de Valeur : Les humains ajoutent de la valeur en réagissant aux tendances de la demande, en détectant les anomalies (comme les commandes perdues) et en appliquant un raisonnement saisonnier — des capacités qui reflètent les forces des LLM par rapport à la RO pure, suggérant une relation de « copilote » où les deux agents raisonnent contextuellement mais avec des profils d'erreur différents.

Signification et Revendications

L'article revendique fournir des preuves systématiques qu'une gestion efficace des stocks bénéficie d'un système complémentaire plutôt que d'un remplacement d'une méthode par une autre.

• Synergie : La RO fournit une discipline structurelle et une précision mathématique ; les LLM contribuent par la connaissance du monde et le raisonnement contextuel ; les humains fournissent le jugement situationnel et la supervision.
• Nouveauté dans la Recherche Humain-IA : Contrairement aux résultats antérieurs suggérant que la collaboration humain-IA dégrade souvent la performance ou échoue à dépasser le meilleur composant individuel, cette étude démontre une complémentarité véritable dans un cadre de prise de décision séquentielle avec des signaux contextuels riches.
• Contribution de Ressources : Les auteurs publient InventoryBench (un benchmark de 1 320 instances) et le Jeu de Stocks Humain-IA (interface web open-source) pour faciliter les recherches futures en gestion de la chaîne d'approvisionnement et en collaboration humain-IA.

Les auteurs concluent que bien que de nombreuses directions restent ouvertes (par exemple, architectures d'agents plus riches, pools de participants plus larges), leurs résultats établissent que l'intégration de la RO, des LLM et du jugement humain crée un pipeline de décision robuste face aux changements de demande et aux incertitudes d'approvisionnement, surpassant tout composant unique isolé.