Lorsqu’une entreprise commande une centrale électrique complète, des machines industrielles lourdes ou des flottes d’avions ou de voitures, elle s’attend à ce que cet investissement génère des revenus pour les années à venir, voire des décennies. Pour garantir le retour sur investissement, la maintenance et l’entretien à long terme de ces équipements sont cruciaux et représentent généralement une part importante, voire la majorité, des coûts du projet. Afin de couvrir ce risque, il est devenu courant de recourir à des contrats de maintenance/service à long terme proposés par la partie vendeuse (OEM, MRO ou autre).
Ces accords peuvent prendre plusieurs formes. Cependant, l’essentiel est presque toujours le même : le risque financier de la maintenance est entièrement ou partiellement transféré au vendeur sur une période déterminée (années ou décennies) pour un prix fixé au début du contrat. La question qui se pose alors est la suivante : parmi les deux parties, qui peut mieux évaluer ce risque et prendre le dessus dans la négociation ? Et pour le vendeur, comment optimiser son processus pour maximiser la marge pendant le contrat ?
Évaluer le risque avant la vente et vivre avec
Étant donné l’importance financière des contrats de maintenance à long terme, et le fait qu’il n’est pas rare qu’un vendeur vende lui-même l’équipement à un prix très réduit tout en comptant sur le contrat de maintenance pour générer des marges, la tarification et les conditions du service sont généralement au centre des négociations entre les parties.
Les entreprises utilisent une variété d’outils et de processus pour estimer les coûts liés aux différentes actions de maintenance qui peuvent être attendues (coût des pièces à remplacer, main-d’œuvre dédiée pour chaque type d’intervention, coûts d’interruption de service…). Cependant, bien que cette estimation puisse être complexe, elle ne résout qu’une petite partie du problème. Le véritable défi réside dans la probabilité que ces événements générateurs de coûts se produisent à un moment donné et à quelle fréquence à long terme. Si le vendeur sous-estime le risque, il peut finir par perdre de l’argent au cours du contrat. En revanche, si le vendeur surestime le risque, en surestimant ainsi son offre de service, il peut finir par perdre le contrat entièrement.
La réalité des contrats à long terme est que le coût final est très incertain et peut donc raisonnablement varier dans une large fourchette. Toute tentative de trouver une valeur “précise” qui serait “juste” ou du moins “proche de la vérité” suggère une véritable méconnaissance du processus de prévision. Il n’y a tout simplement pas “une valeur précise” ; toute estimation prévisionnelle comportera un niveau de risque, et c’est l’évaluation de ce risque (financier), exprimé en dollars, qui devrait être au centre du processus de prévision.
Une fois que l’accord de maintenance est signé, le vendeur devra vivre avec. Cependant, cela ne signifie pas que l’effort de prévision s’arrête là. Au contraire, des mises à jour régulières sur le risque sont nécessaires pour garantir la viabilité du contrat. Cela comprend :
- Des prévisions à court terme pour optimiser les ressources (stocks de pièces de rechange et main-d’œuvre) à maintenir afin de garantir un temps de réponse approprié et un taux de service adéquat. Ces prévisions sont à court terme dans le sens où elles se concentrent sur un “horizon de processus” (ou délai de traitement) afin de rendre ce processus aussi efficace que possible.
- Des prévisions à long terme pour affiner l’évaluation du risque encore supporté par l’entreprise pour le reste du contrat, et le calcul, le cas échéant, des provisions pour pertes. Le danger avec les contrats de maintenance à long terme est que la plupart des coûts sont souvent accumulés vers la fin, tandis que les revenus sont généralement reconnus régulièrement pendant la durée du contrat.
Limites des approches classiques de la prévision de maintenance
Évaluer le risque et les coûts qui y sont associés est une tâche difficile, et malheureusement, ce problème est généralement l’un de ceux pour lesquels les approches classiques utilisées par la plupart des entreprises fonctionnent mal. Les méthodes les plus simples, qui reposent sur les spécifications fournies par le fabricant (par exemple, les données de type MTBUR), ne donnent qu’une représentation médiocre de la réalité, car la fiabilité des pièces est souvent fortement influencée par des facteurs externes (utilisation, environnement…). Dans notre expérience, les véritables modèles de fiabilité ont peu à voir avec les chiffres théoriques, surtout à long terme.
Les méthodes classiques plus avancées, qui reposent sur des prévisions statistiques “classiques” traditionnelles, échouent également à rendre compte de la réalité des modèles rencontrés avec les pièces de rechange. Ces méthodes reposent sur l’hypothèse selon laquelle la prévision de la maintenance est tout simplement similaire à toute autre prévision de “demande” et peut donc être abordée de la même manière. C’est malheureusement faux. Plusieurs spécificités rendent la prévision de la maintenance difficile :
- Événements rares : les pannes mécaniques sont par définition des événements rares, donc lorsqu’on examine des pièces spécifiques, s’appuyer fortement sur des modèles offrant des motifs “lisses” (tout comme les meilleures ventes au détail) est quelque peu naïf.
- Remplacements par vagues : la réalité de la maintenance est souvent que la perturbation du service est plus coûteuse que les pièces défectueuses elles-mêmes. C’est une forte incitation à remplacer les pièces par vagues, plutôt qu’une par une, pour éviter les temps d’arrêt inutiles. Cela invalide l’hypothèse selon laquelle les différentes pièces ont des modèles de maintenance “indépendants” et, avec elle, la plupart des modèles de prévision populaires qui reposent sur cette hypothèse.
- Niveaux de service extrêmement élevés attendus : compte tenu du coût d’une interruption de service, les niveaux de service attendus pour les contrats de maintenance sont souvent extrêmement élevés, bien au-dessus de la fourchette généralement ciblée dans d’autres industries. Par exemple, le coût d’un avion immobilisé (incident AOG) peut atteindre plusieurs centaines de milliers de dollars par jour.
- Cycle de réparation en boucle fermée : de nombreuses pièces sont tout simplement trop coûteuses pour être jetées. Certaines sont envoyées pour vérification et réparation, puis réimportées dans les stocks pour une utilisation future. Cela sort l’entreprise du scénario traditionnel de “vente et réapprovisionnement”. Une fois que l’entreprise a acheté la pièce, elle peut rester en stock pendant longtemps. Cela rend la décision d’achat pour augmenter les stocks d’autant plus sérieuse, car elle engage l’entreprise sur une longue période.
Cependant, le plus grand obstacle est le concept de prévision classique lui-même. Par définition, la prévision au sens classique n’est ni une prédiction ni une supposition, aussi précise soit-elle. Il s’agit d’une estimation statistique de la médiane attendue de la demande/coût. Ainsi, dans ce cas, les prévisions classiques appliquées pour estimer le coût global d’un contrat de maintenance fourniraient une valeur qui aurait, par définition, 50% de chances d’être supérieure ou inférieure au coût réel. Bien sûr, d’un point de vue financier, ces probabilités sont inacceptables dans cette situation, ce qui rend le concept de prévision classique sans pertinence. En fin de compte, la clé pour générer des prévisions adéquates est d’adopter une perspective financière sur le processus de prévision dès le départ.
L’objectif est de s’appuyer sur des “scénarios prévisionnels” prenant directement en compte dans la prévision la couverture financière cible (risque financier, niveau de service) à atteindre, et donc les forces motrices financières sous-jacentes. Et c’est là que la prévision quantile intervient.
Une perspective financière sur la prévision : les quantiles
La prévision pour la maintenance est avant tout une optimisation financière, à la fois sur le risque financier sur l’ensemble du contrat et sur la façon dont le processus de maintenance peut se permettre d’être efficace tout en maintenant la couverture/niveau de service souhaité. Plus l’estimation des coûts/niveaux de stock nécessaires est élevée, plus la probabilité de voir cette estimation dépassée par la réalité est faible, mais il est important de garder à l’esprit qu’aucune estimation ne peut garantir une couverture à 100%.
Ces scénarios peuvent être générés grâce à des prévisions quantiles, qui sont en fait une extension des prévisions classiques : au lieu de chercher la valeur qui a 50% de chances de couvrir la demande/coûts futurs, les prévisions quantiles nous permettent de déterminer n’importe quel seuil, que ce soit 10%, 60%, 80% ou 98%, dans la distribution des coûts/risques.
Estimation des coûts globaux et du risque restant
L’objectif est de générer des prévisions correspondant aux différents niveaux de risque que l’entreprise serait prête à accepter. Cette analyse devrait prendre la forme de plusieurs scénarios simulés, allant de la couverture minimale acceptable, fournissant un prix plancher non négociable, à des niveaux de couverture plus élevés, fournissant des scénarios plus favorables à un prix plus élevé.
En réalité, la tarification des contrats de maintenance sera en grande partie déterminée par la “volonté de payer” du client et le degré de concurrence. Par conséquent, le fournisseur est généralement contraint de modérer ses prix, mais la génération des scénarios mentionnés ci-dessus permettra au fournisseur de quantifier réellement le risque auquel il est confronté pour un certain niveau de tarification.
Ces scénarios sont également particulièrement utiles lorsqu’ils sont mis à jour pendant le contrat pour évaluer le risque sur le reste du contrat, et ainsi déterminer si des provisions doivent être créées ou ajustées, et dans quelle mesure. Cette approche offre le grand avantage de fournir une quantification du risque, permettant ainsi une estimation financière directe et un contrôle complet du niveau de prudence à adopter.
Optimisation du processus de maintenance dans le contrat
En ce qui concerne l’optimisation des ressources/inventaires, la situation idéale consisterait à fixer un niveau de service cible à atteindre et à calculer le niveau de ressources/inventaires minimum correspondant nécessaire pour garantir ce niveau de service. Cela en soi est difficile compte tenu des spécificités du contrat de maintenance mentionnées ci-dessus, mais peut être réalisé grâce aux prévisions quantiles qui permettent, de la même manière que pour les scénarios ci-dessus, de cibler directement le niveau de service souhaité et d’évaluer les besoins correspondants.
Cependant, la réalité de la maintenance est souvent plus compliquée, car les entreprises ont généralement besoin de fonctionner avec un budget limité et doivent arbitrer entre les différentes parties pour s’assurer qu’elles obtiennent le meilleur retour sur investissement en termes de niveau de service par dollar investi. Cette optimisation est rendue possible en générant une grille quantile, qui est la représentation des résultats pour tous les types de pièces de tous les scénarios possibles, dans la plage des niveaux de service acceptables (combien de pièces de chaque type seraient nécessaires pour assurer l’ensemble de la gamme des niveaux de service possibles). Cela permet à l’entreprise de naviguer dans cette grille pour déterminer l’inventaire le plus efficace à maintenir dans le cadre d’une contrainte budgétaire.