Deep Learning en tant que moteur de prévision de 5e génération
Dans le cadre de notre engagement fondamental à fournir les prévisions les plus précises que la technologie peut produire, nous sommes fiers d’annoncer que notre moteur de prévision de 5e génération est désormais en ligne chez Lokad. Ce moteur apporte l’amélioration d’exactitude la plus significative que nous ayons jamais réussie dans une seule version. La conception du moteur repose sur une version relativement récente de machine learning appelée deep learning. Pour les supply chains, d’importantes améliorations de la précision des prévisions peuvent se traduire par des retours tout aussi conséquents, en servant plus de clients, en les servant plus rapidement, tout en prenant moins de risques de stocks.
De la prévision probabiliste au deep learning
Il y a environ 18 mois, nous annoncions la 4ème génération de notre technologie de prévision. La 4ème gen a été la première à fournir de véritables prévisions probabilistes. Les prévisions probabilistes sont essentielles dans les supply chains car les coûts se concentrent aux extrêmes statistiques, lorsque la demande est imprévisiblement élevée ou faible. En revanche, les méthodes de prévision traditionnelles – comme les prévisions quotidiennes, hebdomadaires ou mensuelles – ne se préoccupent que de fournir des prévisions médianes ou moyennes et restent aveugles au problème. Par conséquent, ces méthodes échouent généralement à offrir des retours satisfaisants pour les entreprises.
En partie par hasard, il s’avère que le deep learning est intrinsèquement orienté vers les prévisions probabilistes par conception. La motivation de cette approche était toutefois entièrement indépendante des préoccupations de supply chain. Les algorithmes de deep learning privilégient une optimisation reposant sur une perspective probabiliste/bayésienne avec des indicateurs tels que cross entropy car ces indicateurs fournissent d’énormes valeurs de gradient, particulièrement adaptées au gradient descent, l’algorithme unique qui rend le deep learning possible.
Dans le cas spécifique des supply chains, il se trouve que les fondations du deep learning sont parfaitement en phase avec les exigences réelles du métier !
Au-delà du battage médiatique de l’intelligence artificielle
L’intelligence artificielle – propulsée par le deep learning en pratique – a été le mot à la mode en 2017. Les affirmations sont audacieuses, captivantes et, eh bien, floues. Du point de vue de Lokad, nous constatons que la majorité de ces technologies IA entreprise ne répondent pas à leurs promesses. Très peu d’entreprises parviennent à obtenir plus d’un demi-milliard de dollars de financement, comme Instacart, pour réunir une équipe de deep learning de calibre mondial afin de relever avec succès un défi de supply chain.
Avec cette version, Lokad rend une technologie de prévision de niveau IA accessible à toute entreprise raisonnablement « digitalisée ». De toute évidence, l’ensemble repose toujours sur des données historiques de supply chain, celles-ci devant être accessibles à Lokad ; mais notre technologie ne requiert aucune expertise en deep learning. Contrairement à presque toutes les technologies IA « entreprise », Lokad ne s’appuie pas sur une ingénierie manuelle des caractéristiques. Pour nos clients, la transition de nos précédentes prévisions probabilistes vers le deep learning se fera sans accroc.
Lokad est la première entreprise de logiciels à proposer une technologie de prévision de niveau IA clé en main, accessible aussi bien aux tout petits le e-commerce gérés par une seule personne qu’aux plus grands réseaux de supply chain pouvant inclure des milliers d’emplacements et un million de références de produits.
L’ère du GPU computing
Le deep learning est resté quelque peu niche jusqu’à ce que la communauté parvienne à améliorer ses propres briques logicielles pour exploiter les GPUs (graphic processing units). Ces GPUs diffèrent largement des CPUs (central processing units), qui alimentent encore la grande majorité des applications de nos jours, à l’exception notable des jeux vidéo, qui reposent intensivement à la fois sur les CPUs et les GPUs.
En parallèle de la réécriture complète de notre moteur de prévision pour cette 5e itération, nous avons également considérablement amélioré l’infrastructure bas niveau de Lokad. En effet, pour servir les entreprises, la plateforme Lokad exploite désormais aussi bien les GPUs que les CPUs. Lokad profite désormais des machines équipées de GPU disponibles à la location sur Microsoft Azure, la cloud computing platform qui supporte Lokad.
Grâce à la puissance de calcul massive des GPUs, nous rendons nos prévisions non seulement plus précises, mais également beaucoup plus rapides. Grâce à une grille de GPUs, nous obtenons désormais les prévisions environ 3 à 6 fois plus rapidement pour tout ensemble de données de taille conséquente (*).
(*) Pour les ensembles de données ultra-petits, notre moteur de prévision de 5e génération est en fait plus lent et prend quelques minutes supplémentaires – ce qui est en grande partie sans conséquence en pratique.
Lancements de produits et promotions
Notre moteur de prévision de 5e génération apporte des améliorations substantielles aux situations de prévision ardues, notamment lors des lancements de produits et des promotions. De notre point de vue, les lancements de produits, bien que très difficiles, restent légèrement plus simples que les prévisions pour les promotions. La différence de difficulté est due à la qualité des données historiques, invariablement inférieure pour les promotions par rapport aux lancements de produits. Les données de promotion s’améliorent avec le temps une fois que les processus d’assurance qualité appropriés sont en place.
En particulier, nous voyons le deep learning comme une énorme opportunité pour les marques de mode qui peinent avec des lancements de produits qui dominent leurs ventes : lancer un nouveau produit n’est pas l’exception, c’est la norme. Ensuite, comme les variantes de couleur et de taille augmentent considérablement le nombre de SKUs, la situation devient encore plus complexe.
Accès anticipé au deep forecasting
Nous prévoyons de mettre à niveau progressivement l’ensemble de notre clientèle vers notre tout nouveau moteur de prévision. Ce déploiement progressif a pour but de s’assurer que nous n’introduisons pas par inadvertance des régressions pour lesquelles la dernière version pourrait s’avérer moins précise que l’ancienne. Puisque la version 5.0 est identique en apparence à la version 4.0, la mise à niveau sera totalement transparente. Les clients ne constateront qu’un supplément de précision. D’ici la fin du premier trimestre 2018, toutes les prévisions générées via Envision seront propulsées par la version 5.0.
