Redesign Mining: Khouribga’s Model to Outsmart Fragile Logistics
"Nous avons cessé de suivre des recettes figées. Désormais, le modèle pense comme un chef étoilé," déclare Bassma Azzamouri, professeure assistante à l’Institut de Géologie et des Mines Durables de l’UM6P. À Khouribga, son modèle ne se contente pas de planifier : il s’adapte et négocie des compromis. C’est un changement radical : on passe de flux figés à des chaînes d’approvisionnement dynamiques.
Khouribga n’est pas le genre d’endroit qui attire naturellement l’attention. Et pourtant, à 120 kilomètres au sud-est de Casablanca, dans une ville principalement connue pour ses gisements de phosphate et son paysage aride, une transformation subtile est en cours.
Cette transformation n’implique ni nouvelles machines, ni nouvelles usines, ni technopoles futuristes. Du moins, pas encore. L’infrastructure reste familière. Le produit – la roche phosphatée, essentielle à l’agriculture mondiale – n’a rien de nouveau.
Et pourtant, les opérations sont en train de changer de manière à potentiellement redéfinir la logistique industrielle non seulement en Afrique, mais dans tous les secteurs mondiaux encore dépendants de chaînes d’approvisionnement rigides et fragiles.
Pendant des décennies, les chaînes logistiques minières fonctionnaient sur des modèles déterministes : les flux étaient prédéfinis, les recettes rigides, et les écarts corrigés a posteriori. La complexité était gérée par la simplification, non par la sophistication. À Khouribga, qui abrite l’un des plus grands gisements de phosphate au monde, cette chaîne devait évoluer.
Au cœur de cette révolution discrète se trouve le « modèle de pilotage intégré », un modèle de planification dynamique mené par la chercheuse Bassma Azzamouri et développé, testé et validé sur une période de 18 mois.
"Nous sommes passés de recettes figées à des approches flexibles et dynamiques, avec une compréhension complète de l’infrastructure, des exigences clients et de l’état des ressources," explique Azzamouri. " Il ne s’agit pas simplement d’optimisation. C’est une approche fondée sur la connaissance."
Le travail de l’équipe repose sur un modèle de programmation linéaire en nombres entiers mixtes (MILP). Ce modèle d’optimisation est spécifiquement adapté au secteur minier. Il prend en compte non seulement quoi produire, mais aussi comment, quand, et à partir de quelles matières premières, en tenant compte des contraintes physiques réelles et de la variabilité de la qualité des intrants.
Un système modulaire conçu pour l’adaptation
Ce qui rend cette approche remarquable, c’est l’utilisation de formulations mathématiques pour planifier la production, remplaçant les règles de production rigides par une logique adaptable.
Dans le modèle traditionnel, si une commande client exigeait un mélange de trois phosphates bruts – par exemple 40 % de la mine A, 30 % de la mine B, et 30 % de la sortie lavée C – ces proportions étaient fixes, souvent définies des années auparavant. Si l’un des ingrédients n’était pas disponible en qualité ou en quantité suffisante, toute la chaîne était bloquée. Résultats : retards et surcoûts.
Dans le nouveau système, les volumes deviennent des variables de décision, non plus des paramètres figés. Le modèle exécute des permutations – guidées principalement par les exigences du client, la disponibilité des matières premières et la capacité des équipements – pour produire un plan de production révisé chaque semaine, voire chaque jour selon les besoins.
"C’est la différence entre suivre une recette et être un chef capable de cuisiner avec ce qu’il trouve dans le frigo," résume Bassma.
Prenons un exemple issu de l’étude. La commande 1, destinée à l’export, avait un profil chimique strict : BPL entre 65–66 %, SiO₂ entre 2,2–3,9 %, Cd inférieur à 25 ppm. Avec les méthodes classiques, cela nécessitait l’utilisation de minerais rares à haute teneur (HTM, THT), coûteux et sensibles sur le plan environnemental.
Grâce au modèle MILP, l’équipe a pu produire un mélange viable à partir de minerais de qualité moyenne plus abondants – atteignant les spécifications tout en réduisant les besoins en enrichissement de 17 % et le coût par tonne.
L’optimisation comme tactique
Ce n’est pas qu’un exercice académique. Le modèle a été déployé avec des données réelles : 88 flux de matières premières distincts, 4 propriétés chimiques (BPL, SiO₂, MgO, Cd), plusieurs voies de transport, et des délais de livraison contraignants. Il s’exécute sur un serveur équipé de 12 vCPU et 64 Go de RAM, résolvant des contraintes complexes en moins de 30 minutes par horizon de planification.
Mais la véritable innovation n’est pas la vitesse. C’est l’alignement – horizontal et vertical.
Horizontalement, le modèle relie tous les maillons : extraction, lavage, mélange, chargement. Un retard dans une unité de lavage ajuste automatiquement le plan de mélange en aval. Un manque de matière première dans la Mine 4 déclenche une réaffectation depuis la Mine 2 – si les tolérances de qualité le permettent. Aucune intervention manuelle requise.
Verticalement, il aligne les objectifs stratégiques (réduire les coûts, économiser l’eau, respecter les spécifications clients) avec les décisions tactiques et opérationnelles. Chaque composante de la fonction objectif est pondérée, ce qui permet aux responsables de la chaîne d’approvisionnement de réorienter les priorités : maximiser la qualité, minimiser les coûts, ou désengorger les stocks.
"Quand on ajuste les pénalités du modèle, on ajuste en réalité les priorités de l’entreprise," explique Azzamouri. "On ne reçoit pas simplement un planning. On reçoit un signal tactique."
Pourquoi est-ce crucial aujourd’hui ?
Partout dans le monde, les industries comprennent que la planification statique ne fonctionne plus. Dans l’énergie, les réseaux doivent intégrer des renouvelables intermittents. Dans l’agro-industrie, les unités de mélange s’adaptent aux déséquilibres saisonniers. Dans la logistique, les perturbations sont devenues la norme.
L’Afrique, en particulier, fait face à une pression accrue : marchés en croissance rapide, infrastructures sous-développées, forte vulnérabilité aux chocs externes. Mais elle a aussi un atout : la possibilité de concevoir des systèmes optimisés dès le départ.
La refonte de Khouribga propose un modèle. Elle démontre que même dans un secteur historique avec des processus enracinés, il est possible d’améliorer la chaîne d’approvisionnement. Non pas par la technologie tape-à-l’œil ou les investissements colossaux, mais en repensant la logique décisionnelle.
"Notre infrastructure n’a pas changé," conclut Azzamouri. "Mais notre façon de prendre des décisions, si. Et cela a tout changé."
Des mines aux modèles… et au-delà
Les implications sont vastes. Des usines d’engrais en Éthiopie pourraient utiliser la même logique pour ajuster dynamiquement les mélanges NPK. Des hubs logistiques au Kenya pourraient reconfigurer leurs itinéraires en fonction des retards portuaires. Des centrales pourraient gérer leurs intrants énergétiques de manière adaptative.
Même dans le secteur minier, le modèle est transférable. Cuivre, bauxite, cobalt – tout minerai nécessitant un traitement complexe et aux intrants variables pourrait en bénéficier.
Un dernier mot sur la durabilité : les minerais riches en phosphate comme le HTM et le THT sont rares et coûteux écologiquement. Le modèle permet d’instaurer des « pénalités de rareté » pour préserver ces ressources pour les cas critiques, tout en répondant aux commandes ordinaires avec des mélanges de qualité moyenne. Ce n’est pas seulement une chaîne d’approvisionnement optimisée. C’est de la diplomatie des ressources