Deep Learning comme moteur de prévision de 5e génération
Dans le cadre de notre engagement fondamental à fournir les prévisions les plus précises que la technologie puisse produire, nous sommes fiers d’annoncer que notre 5e génération de moteur de prévision est désormais disponible chez Lokad. Ce moteur apporte la plus grande amélioration de précision que nous ayons jamais réussi à réaliser en une seule version. La conception du moteur repose sur une variante relativement récente de l’apprentissage automatique appelée deep learning. Pour les chaînes d’approvisionnement, de grandes améliorations de la précision des prévisions peuvent se traduire par des rendements tout aussi importants, en servant plus de clients, en les servant plus rapidement, tout en faisant face à moins de risques de stocks.
De la prévision probabiliste à l’apprentissage profond
Il y a environ 18 mois, nous annoncions la 4e génération de notre technologie de prévision. La 4e génération a été la première à fournir de véritables prévisions probabilistes. Les prévisions probabilistes sont essentielles dans les chaînes d’approvisionnement car les coûts sont concentrés sur les extrêmes statistiques, lorsque la demande est inattendue et élevée ou faible. En revanche, les méthodes de prévision traditionnelles - comme les prévisions quotidiennes, hebdomadaires ou mensuelles traditionnelles - qui se concentrent uniquement sur la fourniture de prévisions médianes ou moyennes, sont aveugles au problème. En conséquence, ces méthodes échouent généralement à fournir des rendements satisfaisants pour les entreprises.
En partie par hasard, il s’avère que l’apprentissage profond est fortement orienté vers les prévisions probabilistes par conception. La motivation de cette perspective était cependant totalement indépendante des préoccupations de la chaîne d’approvisionnement. Les algorithmes d’apprentissage profond favorisent l’optimisation basée sur une perspective probabiliste / bayésienne avec des métriques telles que l’entropie croisée car ces métriques fournissent d’énormes valeurs de gradient qui sont particulièrement adaptées à la descente de gradient stochastique, l’algorithme “un” qui rend l’apprentissage profond possible.
Dans le cas spécifique des chaînes d’approvisionnement, il se trouve que les fondements de l’apprentissage profond sont parfaitement alignés sur les exigences commerciales réelles !
Au-delà du battage médiatique de l’intelligence artificielle
L’intelligence artificielle - alimentée par l’apprentissage profond en pratique - a été le mot à la mode de l’année 2017. Les revendications sont audacieuses, captivantes et, eh bien, floues. Du point de vue de Lokad, nous constatons que la majorité de ces technologies d’IA d’entreprise ne sont pas à la hauteur de leurs attentes. Très peu d’entreprises peuvent sécuriser plus d’un demi-milliard de dollars de financement, comme Instacart, pour réunir une équipe de deep learning de classe mondiale afin de relever avec succès un défi de chaîne d’approvisionnement.
Avec cette version, Lokad rend la technologie de prévision de qualité IA accessible à toute entreprise raisonnablement “digitalisée”. Évidemment, tout cela est toujours alimenté par des données historiques de chaîne d’approvisionnement, donc les données doivent être accessibles à Lokad ; mais notre technologie ne nécessite aucune expertise en deep learning. Contrairement à presque toutes les technologies d’IA “d’entreprise”, Lokad ne repose pas sur l’ingénierie manuelle des caractéristiques. En ce qui concerne nos clients, la transition de nos prévisions probabilistes précédentes à l’apprentissage profond se fera en toute transparence.
Lokad est la première entreprise de logiciels à fournir une technologie de prévision de qualité IA clé en main, accessible aussi bien aux petites entreprises de commerce électronique qu’aux plus grands réseaux de chaîne d’approvisionnement pouvant inclure des milliers de sites et un million de références de produits.
L’ère du calcul GPU
L’apprentissage profond est resté quelque peu de niche jusqu’à ce que la communauté parvienne à mettre à niveau son propre bloc de construction logiciel pour tirer parti des GPU (unités de traitement graphique). Ces GPU diffèrent largement des CPU (unités centrales de traitement), qui alimentent encore la grande majorité des applications de nos jours, à l’exception notable des jeux informatiques, qui dépendent intensivement à la fois des CPU et des GPU.
Avec la réécriture complète de notre moteur de prévision pour cette 5e itération, nous avons également considérablement amélioré l’infrastructure de bas niveau de Lokad. En effet, pour servir les entreprises, la plateforme Lokad exploite désormais les GPU ainsi que les CPU. Lokad tire désormais parti des machines alimentées par GPU qui peuvent être louées sur Microsoft Azure, la plateforme de cloud computing qui prend en charge Lokad.
Grâce à la puissance de traitement massive des GPU, nous rendons non seulement nos prévisions plus précises, mais aussi beaucoup plus rapides. Grâce à une grille de GPU, nous obtenons maintenant les prévisions environ 3 à 6 fois plus rapidement, pour n’importe quel ensemble de données de taille importante (*).
(*) Pour les ensembles de données ultra-petits, notre moteur de prévision de 5e génération est en réalité plus lent et prend quelques minutes de plus - ce qui est largement insignifiant en pratique.
Lancements de produits et promotions
Notre moteur de prévision de 5e génération apporte des améliorations substantielles aux situations de prévision difficiles, notamment les lancements de produits et les promotions. De notre point de vue, les lancements de produits, bien que très difficiles, restent un peu plus faciles que les prévisions de promotions. La différence de difficulté est due à la qualité des données historiques, qui est invariablement plus faible pour les promotions par rapport aux lancements de produits. Les données de promotion s’améliorent avec le temps une fois que les processus appropriés d’assurance qualité sont en place.
En particulier, nous considérons l’apprentissage profond comme une opportunité massive pour les marques de mode qui ont du mal avec les lancements de produits qui dominent leurs ventes : le lancement d’un nouveau produit n’est pas l’exception, c’est la règle. Ensuite, comme les variantes de couleur et de taille gonflent considérablement le nombre de SKU, la situation devient encore plus complexe.
Accès anticipé à la prévision profonde
Nous prévoyons de mettre à niveau progressivement l’ensemble de notre base de clients vers notre tout dernier moteur de prévision. Ce déploiement progressif vise à nous assurer de ne pas introduire involontairement des régressions où la dernière version pourrait s’avérer moins précise que l’ancienne. Comme la version 5.0 est identique à la version 4.0 sur le plan externe, la mise à niveau sera entièrement transparente. Les clients ne remarqueront que la précision supplémentaire. D’ici la fin du premier trimestre 2018, toutes les prévisions générées par Envision seront alimentées par la version 5.0.
