L'incrémentalisme est le fléau des supply chains
L’un des chemins les plus sûrs vers l’échec en gestion de la supply chain est l’état d’esprit « apprendre à marcher avant de courir ». Cette analogie est trompeuse car elle présente le progrès comme un voyage préordonné. Cet état d’esprit peut être qualifié d’incrémentalisme, et pour de nombreuses grandes entreprises opérant des supply chains tout aussi vastes, l’incrémentalisme est l’une des plus grandes forces qui empêche toute amélioration d’intervenir, parfois pendant des périodes allant jusqu’à une décennie.

L’inaction pure ne doit pas être confondue avec l’incrémentalisme, car elle est bien plus bénigne. En effet, contrairement à l’inaction, l’incrémentalisme exige d’importants investissements continus en ressources. De plus, l’incrémentalisme constitue une source énorme de distraction pour la haute direction, tandis que l’inaction, au contraire, laisse la possibilité de s’occuper d’autres questions urgentes.
L’incrémentalisme commence généralement avec l’intention d’améliorer un indicateur de performance : améliorer la précision des prévisions, améliorer le taux de service, réduire le niveau de stocks, réduire le délai d’approvisionnement, etc. La nature quantitative de l’indicateur fonde l’initiative comme une entreprise « rationnelle » – voire scientifique –. Afin d’améliorer l’indicateur de performance, une partie de l’organisation est identifiée comme le « goulot d’étranglement » : le moteur de prévisions, le processus de S&OP, le logiciel de planification, etc. Ensuite, une initiative d’entreprise est formée pour améliorer ce segment.
Au niveau de l’entreprise, le niveau d’acceptation par défaut de l’incrémentalisme est élevé. Aucun plissement d’ailes. Les structures de pouvoir au sein de l’organisation ne sont pas remises en cause. La mission reste la même. Personne n’est marginalisé ou remplacé. Le seuil est simplement relevé d’un cran pour un ou quelques indicateurs de performance. Cela pourrait mettre la pression sur quelques équipes si l’objectif n’était pas trivialement accessible de toute façon en faisant des compromis ailleurs. Par exemple, augmenter les taux de service est trivial tant que vous ne prêtez pas attention à la génération continue de stocks morts ; réduire les délais d’approvisionnement des fournisseurs est également trivial tant que vous ne prêtez pas attention aux augmentations de prix différées. Les équipes le savent instinctivement, d’où leur manque de résistance.
L’incrémentalisme est alimenté par les silos. Chaque silo vient avec sa propre cohorte d’experts qui ne regardent le problème que sous l’angle dicté par le silo lui-même :
- L’équipe de prévisions pense en termes de précision des prévisions.
- L’équipe d’achats pense en termes de prix d’achat.
- L’équipe de réapprovisionnement pense en termes de taux de service.
- L’équipe de tarification pense en termes d’élasticité des prix.
- etc.
Pourtant, en supply chain, l’incrémentalisme échoue presque invariablement. Les équipes de réapprovisionnement de Blockbuster se sont très probablement félicitées pour leurs taux de service en constante amélioration jusqu’à la toute fin, lorsque Netflix les a complètement mis hors d’activité. Plus généralement, l’incrémentalisme échoue dès qu’il est question de systèmes. En effet, les systèmes sont plus que la somme de leurs parties, et par conséquent, ce qui est bon pour une partie du système n’est pas ce qui est bon pour le système dans son ensemble.
Une analogie automobile est éclairante : un moteur plus puissant ne rend pas une voiture meilleure. Un tel moteur ajoute du poids, et par conséquent, il augmente la consommation de carburant, il accroît l’usure de nombreuses pièces mécaniques, il réduit l’efficacité des freins, etc. La meilleure conception de voiture est un équilibre soigné entre les pièces, et non pas une coalition de pièces « meilleures »1.
Une supply chain souffre exactement du même type de problèmes. Des taux de service plus élevés impliquent plus de dépenses en capital, plus de gaspillage, plus de stocks morts, moins de rotations de stocks, une agilité réduite, etc. Cependant, comme les systèmes de supply chain tendent à être relativement opaques, les inconvénients associés à une amélioration supposée peuvent être difficiles à percevoir. Toutefois, ne pas voir ces inconvénients ne protégera pas l’entreprise de la pénalité financière réelle qui en découle.
Plus précises séries temporelles prévisions peuvent sembler souhaitables. Cependant, malgré une précision accrue, toute une série d’inconvénients peut apparaître:
- Le pourcentage réduit d’erreur ne se traduit pas par moins de dollars d’erreur.
- Les prévisions peuvent être moins stables numériquement, entraînant plus de chaos opérationnel.
- Le logiciel peut être moins fiable, provoquant des arrêts de production.
- Le logiciel pourrait être moins sécurisé, entraînant des accidents de cybersécurité.
- Le logiciel pourrait être plus opaque, augmentant considérablement les coûts de maintenance.
- etc.
Plus généralement, l’incrémentalisme échoue en supply chain parce qu’il met l’accent sur le fait de faire « plus de la même chose ». Malheureusement, pour la plupart des entreprises, le jeu de la supply chain se joue depuis des décennies. Quels que soient les fruits à portée de main qui pouvaient exister, ceux-ci ont été cueillis il y a des décennies. Quant aux améliorations « linéaires » restantes, elles tendent à être difficiles à atteindre, généralement bien au-delà du seuil de rendements nets négatifs.
Inversement, l’incrémentalisme écarte les problèmes difficiles, quelle que soit leur importance :
- L’incertitude concernant l’avenir est irréductible.
- L’analyse des données va à l’encontre de la conception de la base de données qui les alimente.
- Le fournisseur de logiciels d’entreprise est incité à l’échec.
- Les cannibalisations et substitutions sont omniprésentes.
Pour la plupart des problèmes réellement difficiles, la base initiale est soit inexistante, soit erronée.
La notion de prévision de délai d’approvisionnement reste totalement absente des systèmes de prévisions classiques2. En conséquence, comme les délais d’approvisionnement ne sont pas abordés de manière statistique, il n’y a rien à améliorer dans le système. Aussi bizarre que cela puisse paraître, de nos jours, la plupart des systèmes de prévisions dans les grandes entreprises, bien que complexes et très coûteux, ignorent les délais d’approvisionnement. Les prévisions de délai d’approvisionnement sont l’archétype de la base inexistante.
Inversement, investir dans des développements logiciels ad hoc pour pallier aux défauts de conception d’un fournisseur de logiciels est une démarche contre-productive. Les améliorations apportées sur une mauvaise solution de fournisseur ne feront que l’enraciner dans l’entreprise. Plus l’organisation est grande, plus il devient difficile de gérer les coûts irrécupérables. Des dépenses extravagantes sur des solutions défectueuses surviennent de manière routinière3 comme illustrations de mauvaises bases de référence.
La principale difficulté à aborder des améliorations non-incrémentales n’est pas de nature technique, mais sociale. Puisqu’il vaut mieux être approximativement correct que parfaitement erroné, il est généralement techniquement aisé d’améliorer, au moins un peu, un système en le rendant légèrement moins dysfonctionnel pour traiter quelque chose qui avait jusqu’à présent été complètement ignoré.
Les améliorations non-incrémentales en supply chain sont difficiles à vendre, car il n’y a personne à qui les vendre. Prenons l’exemple de la tarification et de la planification. Il est évident que changer le prix modifie la demande. Si la demande change, alors la planification (par exemple la production) doit également changer. Pourtant, peu d’entreprises, et encore moins de fournisseurs de logiciels, tentent de s’attaquer à ce problème fondamental, à savoir l’enchevêtrement de la tarification et de la planification. En effet, une solution de tarification (ou une solution de planification), même interne, peut être vendue à l’équipe de tarification (ou à l’équipe de planification). Cependant, une solution combinée tarification+planification pourrait ne être vendue qu’au PDG – ou peut-être à un membre du conseil d’administration. Malheureusement, si à la fois une équipe de planification et une équipe de tarification sont en place, alors, par définition, ces sujets ne devraient pas concerner directement le PDG, et les préoccupations concernant la solution tarification+planification sont transmises aux équipes concernées, pour être rapidement écartées en tant que n’étant ni de la responsabilité de l’équipe de tarification ni de celle de l’équipe de planification.
-
Parfois, il est possible d’améliorer une partie sans dégrader quoi que ce soit d’autre. Ces améliorations sont très souhaitables car, lorsqu’elles se produisent, le système dans son ensemble bénéficie d’un « repas gratuit ». Par exemple, l’article de 2021 automemcpy: A framework for automatic generation of fundamental memory operations réalise exactement cela : la flotte entière d’ordinateurs exploitée par Google a bénéficié d’une amélioration de performance de 1% grâce à la réimplémentation de 3 primitives de manipulation de la mémoire. Malheureusement, de telles améliorations autonomes sont très difficiles à réaliser. ↩︎
-
Les systèmes basés sur des règles pour gérer les délais d’approvisionnement ne comptent pas, selon moi, comme accomplissant quoi que ce soit de statistiquement significatif en ce qui concerne la prévision des délais d’approvisionnement. ↩︎
-
Entre 2011 et 2018, Lidl a célèbrement gaspillé 500M€ en tentant de réparer la solution de réapprovisionnement de stocks de SAP. De tels résultats sont fréquents, mais ils sont rarement divulgués au grand public (bien que l’aventure de Lidl ait fait la une des médias grand public en raison de son ampleur), car ils constituent une source d’embarras autant pour le fournisseur que pour l’équipe de direction du client. ↩︎