Predicting Hidden Links in Informal Palm Oil Supply Chains

Les entreprises manufacturières font face à des risques et enjeux touchant les droits de la personne, le travail des enfants, les pratiques de développement durable et la résilience dans l’ensemble de leur chaîne d’approvisionnement. En particulier dans le secteur agroalimentaire où les chaînes d’approvisionnement ont une structure extrêmement complexe, la cartographie de la chaîne d’approvisionnement est une tâche à la fois cruciale et difficile. Elle permet de connaître l’état de la chaîne d’approvisionnement qui comprend l’échange d’information et de produits entre les entreprises, les fournisseurs et les individus impliqués. En outre, la traçabilité des produits de la chaîne d’approvisionnement alimentaire a connu un intérêt croissant dans les dernières années, suite à divers problèmes de qualité et de sécurité alimentaire pour les consommateurs. Afin d’être en mesure de suivre et de tracer les produits tout au long de la chaîne d’approvisionnement, les exploitants du secteur alimentaire doivent conserver les informations pertinentes des fournisseurs et suivre tous les produits et leur transformation à toutes les étapes de la production. Alors que les organisations connaissent généralement les conditions des fournisseurs de premier rang, elles ont du mal à cartographier et à tracer la production du niveau inférieur, qui opère dans des économies informelles. Environ 68 % de la main-d’œuvre en Asie-Pacifique est informelle, ce qui équivaut à plus de la moitié de la main-d’œuvre mondiale [1]. Les acteurs des économies informelles communiquent verbalement ou avec des contrats manuscrits et effectuent des transactions en espèces, ne laissant aucune trace numérique sur laquelle s’appuie habituellement les outils de cartographie de chaînes d’approvisionnement. Cette étude illustre un système de cartographie et de traçabilité dans la chaîne d’approvisionnement informelle d’huile de palme en Indonésie. Les données ont été obtenues à partir d’une application mobile utilisée par les principaux acteurs des premières étapes de la chaîne d’approvisionnement : agriculteurs, transporteurs, rampes de chargement et usines. Nous proposons une méthode pour prédire les liens cachés dans les chaînes d’approvisionnement informelles à partir d’un réseau de transaction incomplet. Tout d’abord, un modèle de cartographie de la chaîne d’approvisionnement est proposé, suivi d’un modèle de prédiction des liens basé sur l’apprentissage, dévoilant 40 % de nouveaux liens. Cette visibilité accrue est particulièrement importante au niveau des relations entre l’agriculteur et les transporteurs. Deuxièmement, un modèle de traçabilité des produits est construit avec les données disponibles, et amélioré sous un problème d’optimisation des flux du réseau. Cette étude révèle les goulots d’étranglement cachés dans le flux d’informations : l’approvisionnement des transporteurs et la destination des rampes de chargement. Enfin, cette étude nous montre qu’il est nécessaire d’obtenir des données sur plus d’utilisateurs pour découvrir plus de liens, notamment au niveau des usines. Cela devrait être le point de départ pour les entreprises de niveau supérieur - usines, raffineries et fabricants dans le cas de l’huile de palme - pour agir sur des pratiques autrefois dissimulées.