00:00:07 Introduction et parcours de Pierre Khoury et Shippeo.
00:01:25 La visibilité en temps réel dans les supply chains et son importance.
00:02:59 La technologie de Shippeo et son fonctionnement pratique.
00:04:00 L’impact de la visibilité en temps réel sur la prise de décision dans les supply chains.
00:07:03 Les défis techniques auxquels Shippeo est confronté et comment les surmonter.
00:10:01 Prise en compte de divers problèmes pour l’algorithme d’estimation du temps d’arrivée.
00:11:07 Les avantages des données granulaires en temps réel pour l’efficacité de la supply chain.
00:12:55 La nécessité de la granularité dans les données de la supply chain et l’identification des problèmes potentiels.
00:15:14 Briser les silos dans la supply chain grâce à l’information partagée.
00:16:30 L’approche des compagnies maritimes et les avantages pour les parties prenantes.
00:17:19 Les défis de la prédiction et de l’optimisation sans visibilité en temps réel.
00:18:35 L’avenir de la visibilité en temps réel et les actions correctives tactiques.
00:19:56 La visibilité en temps réel comme sujet majeur de la supply chain et la création de valeur grâce au partage des données.
Résumé
Dans cette interview, Kieran Chandler s’entretient avec Joannes Vermorel, fondateur de Lokad, et Pierre Khoury, PDG de Shippeo, sur l’importance de la visibilité en temps réel dans les supply chains. Vermorel souligne la nécessité d’une optimisation basée sur des mesures précises, tandis que Khoury met en avant la technologie de Shippeo qui agrège les données et les points GPS pour déterminer les temps d’arrivée estimés. La visibilité en temps réel permet une meilleure prise de décision et peut aider à atténuer les problèmes potentiels. Malgré les défis techniques, Vermorel et Khoury s’accordent sur la valeur des données en temps réel pour le suivi des actifs et l’évitement de perturbations coûteuses. Le partage des données de Shippeo vise à briser les silos et à améliorer l’efficacité de la supply chain.
Résumé étendu
Dans cette interview, l’animateur Kieran Chandler s’entretient avec Joannes Vermorel, fondateur de Lokad, une entreprise spécialisée dans l’optimisation de la supply chain, et Pierre Khoury, PDG et co-fondateur de Shippeo, un leader européen de la visibilité de la supply chain. Ils discutent de l’importance de la visibilité en temps réel dans les supply chains, des défis auxquels ils sont confrontés et de la façon dont la technologie est utilisée pour résoudre ces problèmes.
Pierre Khoury commence par partager son parcours en tant qu’ingénieur, son expérience dans la finance et la création de Shippeo il y a quatre ans. L’objectif de l’entreprise était d’apporter une visibilité en temps réel au transport routier, qui était une boîte noire depuis 40 ans. Shippeo compte désormais 70 employés et est un leader dans le suivi du transport routier en Europe.
Joannes Vermorel explique la règle cardinale de l’optimisation : on ne peut pas optimiser ce que l’on ne mesure pas. Les supply chains sont difficiles à optimiser car elles sont très dispersées et réparties sur plusieurs continents. Historiquement, les gens ont suivi des éléments statiques, tels que ce qui se trouve dans les entrepôts. Cependant, les supply chains impliquent le suivi d’éléments en mouvement comme les camions et les expéditions. La visibilité en temps réel est cruciale pour accéder à ces informations sans attendre des jours que les données parviennent au siège, ce qui permet une meilleure optimisation.
Pierre Khoury explique comment la technologie de Shippeo fonctionne en pratique. L’entreprise a développé plus de 150 connecteurs vers différents systèmes, tels que les systèmes de télématique et de répartition pour les transporteurs, ainsi que des applications mobiles pour les transporteurs plus petits. Shippeo agrège les données et les points GPS toutes les trois à cinq minutes, quelle que soit la source, puis utilise l’analyse prédictive pour déterminer les heures d’arrivée estimées.
Joannes Vermorel souligne l’importance de la visibilité en temps réel d’un point de vue d’optimisation de la supply chain. Connaître l’état des expéditions permet de prendre de meilleures décisions, comme acheter davantage ou changer de fournisseurs. Par exemple, si un fournisseur est censé livrer des produits dans dix jours mais que l’expédition est retardée, le suivi en temps réel via Shippeo peut aider à identifier le problème et permettre des stratégies d’atténuation, telles que passer une commande d’urgence auprès d’un autre fournisseur pour éviter les retards de production.
La visibilité en temps réel dans les supply chains est essentielle pour une meilleure optimisation et prise de décision. La technologie de Shippeo contribue à résoudre le problème de longue date du suivi des éléments en mouvement dans le transport routier, permettant aux entreprises de prendre des décisions plus éclairées et d’atténuer les problèmes potentiels.
Joannes Vermorel explique que le principal défi auquel ils sont confrontés est le manque d’informations provenant des systèmes transactionnels tels que les ERP, les WMS et les systèmes de gestion des commandes. Ces systèmes ne fournissent pas d’informations sur ce qui se passe après l’envoi d’un bon de commande, ce qui crée de l’incertitude dans la supply chain. Il estime que même si les approches probabilistes continueront d’exister, l’incertitude peut être considérablement réduite avec des données en temps réel provenant d’entreprises comme Shippeo.
Pierre Khoury aborde les défis techniques auxquels ils sont confrontés, tels que la connexion de plus de 150 systèmes différents, garantir un flux de données stable et cohérent pour des millions de points GPS, gérer le changement dans l’industrie du transport qui est lente à s’adapter, et maintenir des pipelines de données de haute qualité. Il souligne l’importance de prendre en compte des facteurs tels que le trafic, les pauses des conducteurs, les temps de chargement et de déchargement et les conditions météorologiques pour créer des heures d’arrivée estimées précises.
Vermorel et Khoury s’accordent sur la grande valeur des données en temps réel dans les supply chains, car elles permettent aux entreprises de suivre des actifs physiques coûteux et d’éviter des retards ou des perturbations coûteux. Vermorel souligne que même si les actifs eux-mêmes ne sont pas chers, leur disponibilité ou leur indisponibilité peut avoir un impact significatif sur la supply chain.
Khoury donne un exemple de la façon dont les données en temps réel de Shippeo ont aidé un client pendant les manifestations des Gilets Jaunes en France, leur permettant de repositionner leurs camions et d’éviter des livraisons coûteuses en hélicoptère ou en avion. Il mentionne également que le niveau de granularité de leurs données, avec des mises à jour toutes les trois à cinq minutes, peut être bénéfique pour toutes les parties impliquées dans la supply chain, y compris les entrepôts, les clients, les équipes de transport et les équipes de service client.
Vermorel explique que les problèmes surviennent fréquemment aux frontières des supply chains, où des retards peuvent survenir pour diverses raisons, telles que le non-enlèvement des marchandises à temps ou une mauvaise communication entre différents systèmes. Il souligne l’importance des délais d’approvisionnement fins, qui peuvent fournir des informations précieuses pour optimiser les processus de la supply chain. Vermorel note que même si les données en temps réel sont importantes, l’analyse n’a pas nécessairement besoin de rester au niveau de la minute ; par exemple, l’optimisation à l’échelle du réseau peut impliquer de penser en termes de jours plutôt que de minutes.
Khoury ajoute que les supply chains sont intrinsèquement composées de plusieurs acteurs, qui ont souvent une approche cloisonnée de l’information. En partageant des informations en temps réel sur le transport, Shippeo vise à briser ces silos et à améliorer l’efficacité globale. Il donne un exemple de la façon dont des informations actualisées peuvent aider à réduire les temps d’attente dans les entrepôts, ce qui entraîne des coûts de transport plus bas et une meilleure productivité pour toutes les parties impliquées.
Lorsqu’on lui demande quels sont les principaux clients de Shippeo, Khoury explique que leur principal objectif est les expéditeurs, car ce sont eux qui bénéficient le plus de la solution et peuvent en favoriser l’adoption dans toute la supply chain. Le système est fourni gratuitement aux transporteurs et aux autres parties prenantes pour encourager une participation généralisée.
Vermorel souligne l’importance de la visibilité en temps réel dans l’optimisation de la supply chain, expliquant que cela peut aider à éliminer une grande partie de l’incertitude qui complique la prise de décision. Les approches probabilistes peuvent être utiles pour faire face à l’incertitude, mais réduire autant que possible cette incertitude est toujours très souhaitable. Il envisage que Lokad soit en mesure d’offrir des décisions de supply chain plus efficaces à différents niveaux, des commandes d’achat à long terme aux réponses tactiques d’urgence.
Khoury conclut en soulignant l’intérêt croissant pour la visibilité en temps réel dans les supply chains, Gartner la classant comme un sujet majeur. Il estime que le partage d’informations avec d’autres systèmes peut créer une valeur supplémentaire et favoriser un écosystème collaboratif qui profite à tous les acteurs de la supply chain.
Transcription complète
Kieran Chandler: Aujourd’hui, je suis ravi de vous annoncer que nous sommes rejoints par Pierre Khoury, PDG et co-fondateur de Shippeo, qui va nous parler un peu des avantages et des défis de la visibilité en temps réel dans les supply chains. Pierre, merci beaucoup de nous rejoindre.
Pierre Khoury: Merci, Kieran. Je suis très heureux d’être ici.
Kieran Chandler: Super. Si vous pouviez simplement commencer par nous parler un peu de votre parcours et nous expliquer comment Shippeo est né.
Pierre Khoury: Oui, donc par formation, j’étais ingénieur, et je suis passé par la finance où j’ai co-fondé un fonds de capital-investissement. Ensuite, il y a quatre ans, nous avons lancé Shippeo dans le but d’avoir une visibilité en temps réel sur le transport, en particulier le transport routier, qui a été une boîte noire pendant les 40 dernières années. Aujourd’hui, Shippeo est une entreprise de 70 employés et nous sommes le leader en Europe pour le suivi du transport routier sur tout le continent.
Kieran Chandler: Et, comme toujours, ce ne serait pas LokadTV sans Joannes Vermorel. Alors, Joannes, peut-être pourriez-vous nous en dire un peu plus sur ce qu’est la visibilité en temps réel en ce qui concerne les supply chains.
Joannes Vermorel: La règle cardinale de l’optimisation est que vous ne pouvez pas optimiser ce que vous ne mesurez pas. Donc, si quelque chose vous reste opaque, vous n’avez aucun espoir d’optimiser quoi que ce soit. Dans les supply chains, c’est très difficile car c’est très distribué, avec des choses réparties littéralement sur plusieurs continents. Historiquement, les gens ont commencé à suivre ce qui ne bougeait pas, comme ce que vous avez dans les entrepôts. Tant que les choses sont statiques, ce n’était pas facile, mais cela a commencé il y a plusieurs décennies. Maintenant, le problème est que les supply chains concernent tout ce qui est en mouvement, comme les camions et les expéditions, et là ça devient très difficile. La visibilité en temps réel consiste à accéder à ces informations sans avoir à attendre des jours, de sorte que toutes les données puissent remonter au siège. C’est un défi car si vous ne le faites pas bien, vous perdez l’opportunité d’optimiser simplement parce que cela arrive trop tard. Donc, la visibilité en temps réel est très importante à cet égard.
Kieran Chandler: D’accord, donc c’est un peu la théorie derrière tout ça. Pierre, pourriez-vous nous en dire un peu plus sur comment cela fonctionne réellement en pratique ? Comment la technologie fonctionne-t-elle chez Shippeo ?
Pierre Khoury: Comme je l’ai dit, c’était un défi et un problème non résolu depuis les 40 dernières années. Nous nous sommes donc organisés pour d’abord résoudre l’hétérogénéité des systèmes informatiques des transporteurs. Nous avons développé plus de 150 connecteurs avec différents types de systèmes, tels que des systèmes de dispatching télématiques pour les transporteurs et notre application mobile pour les petits transporteurs. Nous agrégeons les données et les points GPS toutes les trois à cinq minutes, quelle que soit la source, puis nous pouvons faire de l’analyse prédictive là-dessus, en particulier l’estimation de l’heure d’arrivée.
Kieran Chandler: Et Joannes, pourquoi cela intéresse-t-il Lokad ? Pourquoi est-ce intéressant ?
Joannes Vermorel: Pour nous, lorsque nous voulons décider si nous devons acheter plus ou peut-être acheter auprès d’un fournisseur différent, afin d’optimiser cette décision, cela dépend de ce que vous avez ou de ce que vous aurez très probablement dans un certain laps de temps.
Kieran Chandler: Par exemple, si vous réalisez qu’un fournisseur peut livrer des produits en dix jours, mais qu’il sera en retard de cinq jours, et grâce à Shippeo, vous le savez déjà parce que le suivi vous indique que le camion n’a presque pas bougé ces derniers jours. Qu’est-ce que cela signifie ?
Joannes Vermorel: Cela signifie que vous pouvez décider de prévenir ce qui deviendrait un incident de production, ou votre usine de fabrication s’arrêterait simplement parce que vous n’avez pas les matières premières, en passant une commande d’urgence auprès d’un fournisseur qui est peut-être plus cher mais qui est très proche et peut livrer ce dont vous avez besoin le lendemain. Mais si vous voulez avoir des mesures de correction d’urgence très agiles, vous avez besoin de ces données. Pour nous, le grand défi est que fréquemment, tout ce que nous avons, ce sont des données provenant de systèmes transactionnels tels que les ERP, les WMS ou les systèmes de gestion des commandes, qui ne donnent aucune information en dehors de l’endroit où les choses ont été envoyées. Fréquemment, nous ne savons pas plus que la commande d’achat a été envoyée, et ce qui se passe après cela, nous ne le savons pas. En fin de compte, nous saurons qu’elle a été reçue, mais ce sera très, très tard.
Kieran Chandler: Donc, est-ce que cela remplacerait en quelque sorte l’approche probabiliste que nous adoptons pour les délais de livraison ? Est-ce que cela serait complètement éradiqué si nous avions des clients qui utilisent Shippeo ?
Joannes Vermorel: Je pense que les approches probabilistes resteront car si vous êtes à mi-chemin d’une livraison qui est censée prendre quelques jours, lorsque vous êtes au premier jour, vous avez encore un certain degré d’incertitude qui persiste pour les quatre derniers jours. Mais la question est que cette incertitude peut être considérablement réduite, surtout au fur et à mesure que le temps passe. Ce qui est intéressant avec Shippeo, c’est que si vous avez quelque chose qui est censé prendre cinq jours pour le transport, comme traverser toute l’Europe, au quatrième jour, si votre camion est là où vous vous attendez à ce qu’il soit, l’incertitude restante est presque nulle. En revanche, sans Shippeo, nous en sommes au quatrième jour, et nous ne savons rien de plus que ce que nous avions au jour zéro car le camion n’est pas encore là, c’est sûr, mais s’il y a un retard, nous ne le savons pas. Donc, nous avons toujours cette situation très incertaine, alors qu’avec Shippeo, au quatrième jour d’une livraison qui est censée prendre cinq jours, il ne reste presque aucune incertitude, ce qui est excellent et vous conduirait à une meilleure optimisation simplement grâce à une réduction de l’incertitude.
Kieran Chandler: Donc, il s’agit essentiellement de raffiner ces probabilités. Pierre, pourriez-vous m’en dire un peu plus sur certains des défis techniques auxquels vous êtes confrontés ? Je veux dire, lorsqu’on travaille en temps réel, cela ne peut pas être très simple. Quels sont certains des défis qui se posent ?
Pierre Khoury: Bien sûr, je dirais qu’il y a trois défis principaux. Le premier défi, d’un point de vue technique, consiste à connecter plus de 150 systèmes différents et à les regrouper dans un modèle de données canonique unique en temps réel, et à avoir un flux de données stable et cohérent pour des millions de points GPS chaque jour. Le deuxième défi concerne la gestion du changement. Le transport est généralement très lent à changer, et c’est un grand défi de le faire, d’intégrer les transporteurs, les utilisateurs, de les former et d’obtenir les résultats que nous souhaitons. Le troisième défi concerne la qualité des données et le fait d’avoir les bonnes règles pour récupérer les données et avoir quelque chose de cohérent et de haute qualité.
Kieran Chandler: Joannes, seriez-vous d’accord pour dire qu’il y a un besoin de ces données ? Je veux dire, il semble qu’aujourd’hui il y a tellement de données qui sont collectées. Avons-nous vraiment besoin de cela dans les chaînes d’approvisionnement ? Je veux dire, je pourrais probablement éternuer et quelqu’un quelque part collecterait ces données. Avons-nous vraiment besoin de cela dans les chaînes d’approvisionnement ? Il s’agit de données très précieuses. Nous ne parlons pas de tweets aléatoires ; nous parlons de camions, et un camion aura généralement plusieurs centaines de milliers d’euros de marchandises. Si vous transportez des produits électroniques ou tout ce qui n’est pas trivial, en supposant que vous ne transportez pas de terre ou de sable, ce que vous déplacez à travers ces chaînes d’approvisionnement est extrêmement précieux. Alors, est-ce logique de collecter ces données ?
Joannes Vermorel: Oui, cela a du sens car vous suivez des actifs qui valent littéralement des tonnes d’argent. Vous vous trouvez fréquemment dans des situations très asymétriques où ce que vous livrez n’est peut-être pas si cher, juste de petites pièces qui valent le prix du métal. Mais si vous ne les avez pas, et que vous avez une usine entière qui cesse de fonctionner, alors vous avez des centaines de personnes qui ne peuvent plus travailler, simplement parce que vous êtes en attente jusqu’à ce que vous ayez ces pièces de réparation qui sont en cours de livraison. Les données sont incroyablement précieuses car elles peuvent être attachées à des actifs physiques qui sont coûteux, mais aussi, même s’ils ne sont pas coûteux en eux-mêmes, leur disponibilité ou leur indisponibilité peuvent avoir des coûts très élevés pour d’autres éléments de vos chaînes d’approvisionnement.
Kieran Chandler: Alors, où fixons-nous la limite en termes de données que vous collectez réellement ? Il est évidemment bon de savoir où se trouve un camion à un moment donné, mais surveillez-vous les rapports de circulation ? Prenez-vous même en compte la météo ? Où fixez-vous la limite ?
Pierre Khoury: Nous devons prendre en compte tous ces problèmes pour avoir une estimation fiable de l’heure d’arrivée, en tenant compte de la circulation, des pauses pour les conducteurs, des temps de repos légaux et des schémas de chargement et de déchargement. Nous prenons tout cela en compte dans notre algorithme d’apprentissage automatique pour avoir quelque chose de fiable. Je pense que nous construisons l’un des meilleurs algorithmes d’estimation de l’heure d’arrivée en Europe. Juste pour donner un exemple de ce que Joannes a dit, l’un de nos clients nous a envoyé un e-mail pour nous remercier en décembre à cause des manifestations des Gilets Jaunes. La circulation ne se déroulait pas comme d’habitude, mais ils ont pu l’anticiper, repositionner leurs camions et atténuer le risque dans leur plan de production. Ils n’ont subi aucun effet des manifestations, et au contraire, ils auraient pu être contraints d’utiliser des livraisons par hélicoptère ou par avion pour leurs produits à un coût très élevé. C’est un bon exemple de la valeur que nous apportons.
Kieran Chandler: Les Gilets Jaunes sont certainement un exemple très spécifique. Donc, vous avez mentionné que vous avez un niveau de granularité des mises à jour toutes les trois à cinq minutes de données, c’est bien ça ?
Pierre Khoury: Oui, c’est exact. La nouvelle frontière que nous ouvrons est celle des données en temps réel, grâce aux points GPS. Nous collectons des données toutes les trois à cinq minutes, en fonction du système du transporteur. C’est très granulaire et cela nous permet de voir beaucoup de choses, comme les temps de chargement, les temps de déchargement et les problèmes qui peuvent survenir sur la route. Ces données sont précieuses pour toutes les parties prenantes car l’idée n’est pas de restreindre l’accès à ces données, mais de les partager avec les bonnes règles et d’accorder l’accès à d’autres parties prenantes, comme l’entrepôt, le client final, l’équipe de transport et l’équipe du service client. Au final, tout le monde peut être plus productif et efficace car il sait ce qui va se passer. J’aimerais mentionner Amazon car, au final, tous les clients, même pour les livraisons B2B, veulent avoir la même expérience qu’avec un colis Amazon B2C.
Kieran Chandler: Merci, Amazon est la chose dont nous semblons parler chaque semaine. Lorsque nous ne parlons pas en termes de minutes, nous parlons plutôt en termes d’heures voire de jours. Ce niveau de granularité n’est-il pas un peu trop élevé ? Avons-nous vraiment besoin de ce niveau de granularité ?
Joannes Vermorel: Oui, car fréquemment, surtout pour le transport, nous n’en avons pas besoin pour tout, mais dans le transport, vous devez estimer le nombre de problèmes qui peuvent survenir dans la supply chain aux frontières. Par exemple, vous pouvez avoir une livraison qui est faite à un entrepôt, mais ensuite la marchandise n’est récupérée que le lendemain ou huit heures plus tard. Beaucoup de choses peuvent se produire réellement aux frontières. La plupart du temps, les marchandises ne bougent pas ou ne sont pas transformées. Ainsi, ces délais de réalisation très fins ont du sens du point de vue de la supply chain. Nous n’essayons pas d’avoir des mesures sub-millisecondes comme si vous essayiez d’optimiser la distribution de paquets sur Internet. La granularité est plutôt de l’ordre de quelques minutes, ce qui a du sens lorsque vous avez une opération physique qui doit avoir lieu.
Et en effet, une fois que nous avons ces informations, nous pouvons détecter beaucoup de choses, mais cela ne signifie pas que toutes les analyses qui en découleront resteront au niveau de la minute. Par exemple, si vous essayez d’optimiser et de compresser les délais qui s’étendent sur plusieurs semaines, vous disposez de mesures en minutes qui vous permettront de mettre en évidence de nombreuses choses, probablement des schémas légèrement dysfonctionnels, en particulier aux frontières des systèmes. Le principal problème dans les supply chains survient lorsque quelque chose passe d’un système à un autre, que ce soit un logiciel, une entreprise ou des équipes. C’est là que les écarts peuvent se produire, et ensuite vous avez des retards accidentels. Vous pouvez les supprimer, et généralement, lorsque vous voulez faire une optimisation à l’échelle du réseau, vous allez passer à quelque chose qui ressemble davantage à une optimisation, où vous pensez en termes de jours plutôt que de minutes. Mais cela dépend vraiment du type de problème.
Pierre Khoury: Juste pour compléter ce que Joannes a dit, par définition, la supply chain est une chaîne, ce qui signifie qu’il y a plusieurs acteurs au sein de la chaîne, et ces acteurs ont aujourd’hui une approche et une information très cloisonnées. Ce que nous faisons, c’est partager les informations sur le transport pour que tous les acteurs disposent des bonnes informations et brisent ces silos pour optimiser. Et oui, parfois, l’information en temps réel est importante. Par exemple, savoir qu’au sein d’un entrepôt, il y a deux heures d’attente au moment du chargement et deux heures d’attente au moment des livraisons. Grâce aux informations sur l’emplacement d’un camion et à son heure d’arrivée, vous pouvez réduire cela jusqu’à 50 % et avoir moins de temps d’attente, ce qui signifie moins de coûts de transport, moins de coûts de stockage et une plus grande productivité pour tous. C’est la même chose pour les transporteurs car ils n’attendent pas pour rien. Nous pensons que ce genre d’exemple est un bon exemple d’une situation gagnant-gagnant-gagnant pour tout le monde.
Kieran Chandler: Parlons de ces différents acteurs le long de la chaîne. Sur qui devrait-on mettre l’accent ? Qui devrait être le principal client de Shippeo ? Devrait-il s’agir du détaillant qui passe réellement commande des stocks, ou devrait-il s’agir des entreprises de transport elles-mêmes ?
Pierre Khoury: Notre modèle est basé sur l’approche de l’expéditeur. Nous pensons que c’est l’acteur qui bénéficiera le plus et qui poussera la solution vers le changement. Donc, notre client est l’expéditeur, et le système est gratuit pour toutes les parties prenantes, y compris le transporteur. Le système est 100% gratuit pour les transporteurs, et nous essayons.
Kieran Chandler: D’impliquer autant d’acteurs que possible. D’accord, super. Et Joannes, nous allons commencer à conclure un peu aujourd’hui. Mis à part les délais de livraison, pourquoi y a-t-il autant d’intérêt à examiner cela ? Je veux dire, comment pouvez-vous voir les deux outils fonctionner si bien ensemble ?
Joannes Vermorel: En ce moment, nous faisons souvent, je dirais, des suppositions hasardeuses concernant l’état que nous essayons d’optimiser. Oui, nous mesurons autant que possible en récupérant les stocks que nous avons, mais la réalité est que toutes ces choses qui sont en commande, où vous avez des quantités en commande ou entre les lieux, très souvent, c’est juste opaque. Cela complique inutilement parce que cela nous force à avoir des estimations de l’état du système. Non seulement cela complique la modélisation, mais cela rend également l’optimisation moins efficace. Plus il y a d’incertitude, plus vous avez besoin d’une approche probabiliste pour survivre numériquement parlant. Cependant, cela ne signifie pas que l’incertitude est souhaitable. Surtout lorsque vous avez la possibilité de supprimer presque toute l’incertitude en ayant quelque chose qui est encore probabiliste mais beaucoup plus compressé, cela rend tout plus facile. Il existe des classes entières d’actions correctives, des actions correctives super tactiques, qui ne sont possibles que si vous faites cela. Fréquemment, en ce moment, il pourrait y avoir des actions correctives que nous pourrions suggérer en théorie aux clients avec très peu d’effort, étant donné que nous avons déjà fait le travail d’intégration des données de leurs ERP et de nombreuses autres sources. Mais en l’absence de l’état en temps réel des expéditions, nous ne pouvons pas effectuer ces optimisations et générer des suggestions correctives. À l’avenir, je vois de plus en plus de capacités pour Lokad de fournir des décisions optimisées de la supply chain à de nombreux niveaux, certaines pour une commande en Asie, et d’autres très tactiques, telles que le réapprovisionnement d’urgence nécessaire en passant une commande dès maintenant à un fournisseur proche qui est beaucoup plus cher pour une petite quantité qui vous aidera à survivre au retard.
Kieran Chandler: D’accord, nous laisserons le dernier mot à Pierre, en tant qu’invité. Quelle est la principale leçon que vous souhaitez que les gens retiennent de la visibilité en temps réel au sein des supply chains ?
Pierre Khoury: Je tiens à dire que je pense que la visibilité en temps réel est l’un des sujets les plus chauds dans les supply chains ces jours-ci. Ce n’est pas seulement moi qui le dis ; Gartner l’a classé comme l’un des sujets les plus importants. Cette discussion est très intéressante pour voir comment nous pouvons créer de la valeur en la combinant avec d’autres. Notre mission chez Shippeo est vraiment de nous concentrer sur la visibilité en temps réel, d’agréger des données et de fournir des informations prédictives à ce sujet. Mais nous constatons que si nous partageons des informations avec d’autres systèmes, bien sûr, approuvées par l’expéditeur, cela crée un autre niveau de valeur. Ce genre d’écosystème est ce que nous aimons apporter aux clients et à la supply chain mondiale.
Kieran Chandler: D’accord, nous devons en rester là, mais merci pour votre temps ce matin.
Pierre Khoury: Merci beaucoup.
Kieran Chandler: C’est tout pour cette semaine. Merci beaucoup de nous avoir suivi et nous serons de retour la semaine prochaine avec un nouvel épisode. D’ici là, merci de nous avoir regardés.
