00:00:05 Le rôle et les responsabilités d’un Supply Chain Scientist.
00:00:31 Le parcours de Maximilian et comment il a rejoint l’entreprise.
00:02:03 La raison pour laquelle l’entreprise a mis en place le rôle de Supply Chain Scientist.
00:04:14 Les trois composantes du rôle d’un Supply Chain Scientist.
00:07:35 La priorité d’un Supply Chain Scientist le matin.
00:08:02 Équilibrer la communication avec les clients et le travail de mise en œuvre.
00:08:44 Difficulté avec l’approche classique consistant à avoir des rôles distincts pour la communication et la mise en œuvre.
00:11:02 L’avantage d’être le point de contact unique pour les clients et d’avoir un rôle de mise en œuvre directe.
00:12:54 Le défi d’être responsable de plusieurs rôles et parties prenantes.
00:14:25 La difficulté de convertir des data scientists en Supply Chain Scientists.
00:16:00 Discussion sur les progrès des étudiants en doctorat dans les domaines de l’ingénierie logicielle et de la science des données.
00:17:07 Ce qui est gratifiant dans le rôle d’un Supply Chain Scientist.
00:18:16 Explication de la diversité de l’équipe chez Loca et pourquoi ce n’était pas intentionnel.
00:22:48 Les conseils de Max pour quelqu’un envisageant une carrière dans l’industrie de la supply chain.
00:23:00 Les conseils de Joannes pour les aspirants Supply Chain Scientists.
Résumé
Dans cette interview, Kieran Chandler discute du rôle des Supply Chain Scientists chez Lokad avec le fondateur Joannes Vermorel et le Supply Chain Scientist Maximilian Barth. Vermorel explique que les data scientists traditionnels étaient insuffisants, ce qui a conduit à la création du rôle de Supply Chain Scientist. Barth partage que les Supply Chain Scientists se concentrent sur les aspects techniques, relationnels et de gestion de projet. L’approche unique de Lokad implique que les Supply Chain Scientists interagissent directement avec les clients, éliminant ainsi les managers intermédiaires. Vermorel et Barth soulignent l’importance de la résolution pratique des problèmes, de l’expérience pratique et de l’ouverture d’esprit pour réussir dans l’industrie de la supply chain. Ils mettent également l’accent sur la valeur d’une main-d’œuvre diversifiée, en privilégiant les compétences et les compétences plutôt que la nationalité ou le genre.
Résumé étendu
Dans cette interview, Kieran Chandler, l’animateur, discute du rôle et de l’importance des Supply Chain Scientists chez Lokad, une entreprise spécialisée dans l’optimisation de la supply chain. Il est rejoint par Joannes Vermorel, le fondateur de Lokad, et Maximilian Barth, un Supply Chain Scientist chez Lokad.
Maximilian Barth commence par partager son parcours et comment il est arrivé chez Lokad. Il mentionne qu’il est allemand et a vécu dans différents pays, dont les États-Unis, la Finlande et l’Australie, avant de s’installer en France. Comme la plupart des Supply Chain Scientists chez Lokad, il a une formation STEM, mais son expertise se situe dans la finance. Barth souligne les similitudes entre la finance et la gestion de la supply chain, car les deux impliquent une optimisation pour un rendement maximal tout en minimisant l’exposition au risque.
Joannes Vermorel explique la raison de la mise en place du rôle de Supply Chain Scientist chez Lokad. Initialement, l’entreprise a essayé de travailler avec des data scientists traditionnels, mais cela s’est avéré inefficace. Vermorel se compte parmi les premiers data scientists inadéquats, car il travaillait alors sur la biologie computationnelle et l’apprentissage automatique distribué. Cependant, il a rapidement réalisé que se concentrer sur les détails minutieux d’une supply chain était essentiel pour obtenir des résultats concrets.
Vermorel insiste sur l’importance de l’engagement dans la gestion de la supply chain. Il oppose l’approche consistant à utiliser des technologies sophistiquées à celle qui consiste à se concentrer sur les résultats pratiques réels. Cette dernière implique de prêter une attention particulière aux risques financiers et aux performances, et de passer du temps à comprendre les risques et comment ils se manifestent dans le système. En revanche, la première approche peut consister à passer du temps à peaufiner des algorithmes, ce qui n’a pas nécessairement un impact significatif sur la performance de la supply chain.
Tout au long de l’interview, la discussion met en évidence l’importance des Supply Chain Scientists chez Lokad, la valeur de leur expertise spécialisée et la nécessité de se concentrer sur des résultats pratiques pour optimiser efficacement les supply chains.
Ils ont discuté des rôles et des défis auxquels sont confrontés les Supply Chain Scientists avec Joannes Vermorel, le fondateur de Lokad, et Maximilian Barth, un Supply Chain Scientist chez Lokad. La conversation aborde les aspects multifacettes du rôle d’un Supply Chain Scientist, en équilibrant le temps entre la programmation, la communication avec les clients et la gestion des problèmes urgents, ainsi que l’importance d’éviter une mentalité de “zéro défaut”.
Le rôle d’un Supply Chain Scientist, tel qu’expliqué par Barth, comprend un aspect technique (programmation et compréhension des besoins des clients), un aspect relationnel (communication avec les clients et identification des bonnes questions à résoudre) et un aspect de gestion de projet (priorisation des tâches et avancement des projets). Vermorel souligne que le contexte est important, car des problèmes urgents tels qu’une pandémie ou un problème d’ERP peuvent exiger une attention immédiate. Les Supply Chain Scientists doivent constamment réévaluer les priorités des tâches en fonction de leur impact potentiel en euros ou en dollars.
Barth développe l’importance d’équilibrer le temps entre la mise en œuvre et la communication avec les clients. En général, l’équilibre se situe autour de 20% de communication et 80% d’exécution. Il souligne qu’il est crucial de trouver le bon équilibre entre les réunions et le travail pour s’assurer que les intérêts des clients sont respectés et que leurs attentes sont alignées sur le travail en cours.
Vermorel réfléchit aux défis liés à l’utilisation d’une approche classique où une personne est responsable de la communication avec les clients et une autre de la partie technique. Cette méthode conduit souvent à une perte d’informations lorsque les messages passent d’une partie à l’autre. En conséquence, Lokad a adopté une approche plus intégrée où les Supply Chain Scientists gèrent à la fois les aspects techniques et de communication, favorisant ainsi une meilleure compréhension des besoins des clients et des solutions efficaces.
Vermorel partage ses premières expériences dans l’entreprise, où il portait plusieurs casquettes, de la vente aux données en passant par la supply chain et la science des données. Il a réalisé que la méthode conventionnelle de répartition des tâches entre différents rôles était inefficace et ne permettrait pas une mise à l’échelle efficace.
Vermorel met en évidence l’approche unique adoptée chez Lokad, où des Supply Chain Scientists comme Maximilian Barth traitent directement avec les clients, éliminant ainsi le besoin de chefs intermédiaires ou d’ingénieurs logiciels. Cette approche nécessitait des outils dédiés pour réduire le temps passé sur les aspects techniques. Barth identifie le principal défi de son rôle dans la gestion de plusieurs parties prenantes tout en assumant différentes responsabilités. Il souligne l’avantage d’être le point de contact unique, ce qui réduit la perte de connaissances pendant le processus.
Lorsqu’on lui demande comment passer d’un data scientist à un supply chain scientist, Vermorel explique que c’est en réalité plus difficile pour les data scientists que pour ceux ayant une formation numérique plus générale. Il soutient que les supply chain scientists doivent avoir le goût des questions quantitatives, mais leur attention doit se porter sur la résolution de problèmes d’ingénierie tangibles et concrets. Les data scientists peuvent avoir du mal à détourner leur attention des algorithmes vers des solutions pratiques, même si ces solutions sont relativement simples.
Vermorel conclut que bien que Lokad emploie des docteurs en philosophie, l’accent principal de l’entreprise est mis sur la fourniture de recettes numériques efficaces pour aider les clients à prendre des décisions basées sur les données à un niveau élevé concernant leurs opérations de supply chain. La discussion porte sur leurs rôles, la diversité de la main-d’œuvre de l’entreprise et les conseils pour les aspirants supply chain scientists.
Joannes explique que Lokad recrute des personnes pour des postes d’ingénierie logicielle et de résolution de problèmes de supply chain. Les data scientists travaillent souvent sur des projets à long terme, tandis que les supply chain scientists comme Maximilian se concentrent sur la résolution de problèmes pratiques à plus court terme. Maximilian trouve la diversité des problèmes et la possibilité de les résoudre pour les clients gratifiantes. Il mentionne comment les solutions de Lokad automatisent souvent les processus manuels, libérant ainsi du temps pour les clients et fournissant des informations précieuses.
Lorsqu’on lui demande à propos de la diversité de l’équipe de Lokad, Joannes précise qu’il ne s’agissait pas d’un choix délibéré de créer une équipe multiculturelle. Au lieu de cela, la politique d’embauche de l’entreprise est basée sur les compétences et les capacités, sans exclure les personnes en fonction de leur nationalité, de leur langue ou de leur genre. Il insiste sur le fait qu’ils privilégient les candidats intelligents et orientés vers les résultats, ce qui conduit naturellement à une main-d’œuvre diversifiée.
Maximilian conseille à ceux qui envisagent une carrière dans la supply chain d’apprendre à poser les bonnes questions et de voir les choses sous différents angles, car les projets ont généralement plusieurs parties prenantes. La pensée holistique et la compréhension des besoins de toutes les parties impliquées sont des compétences essentielles dans ce domaine.
Joannes recommande aux aspirants supply chain scientists d’acquérir une expérience du monde réel, plutôt que de se concentrer uniquement sur les algorithmes mathématiques ou les compétitions comme Kaggle. Il souligne l’importance de comprendre les défis liés aux données réelles, de traiter avec différentes parties prenantes et de fournir des solutions pratiques qui peuvent fonctionner sans supervision constante. En résumé, les deux invités soulignent l’importance de l’expérience pratique, de la résolution de problèmes pratiques et de l’ouverture d’esprit pour réussir dans l’industrie de la supply chain.
Transcription complète
Kieran Chandler: Précédemment sur cette chaîne, nous avons discuté de l’importance d’un spécialiste de la supply chain par rapport à quelqu’un ayant des compétences plus classiques en science des données. Ici, chez Lokad, cela s’appelle le supply chain scientist, et aujourd’hui, nous avons la chance d’être rejoints par l’un des nôtres, Maximilian Barth, qui va nous en dire un peu plus sur son rôle quotidien et ses responsabilités. Alors, Max, merci beaucoup de nous rejoindre aujourd’hui, et peut-être, comme toujours, tu pourrais commencer par nous en dire un peu plus sur ton parcours et comment tu es arrivé chez Lokad.
Maximilian Barth: Bien sûr. Comme vous pouvez probablement le deviner grâce à mon nom de famille, je ne suis pas français, contrairement à beaucoup de mes collègues de la communauté des sciences de la supply chain. Je suis un expatrié travaillant en France ; je suis allemand. Mais, comme tout le monde, j’ai vécu dans plusieurs endroits différents. J’ai vécu aux États-Unis pendant mon enfance, en Finlande pendant un certain temps, puis en Australie, et maintenant je suis ici en France. Comme tous les supply chain scientists chez Lokad, j’ai une formation STEM - science, technologie, ingénierie et mathématiques. Ce qui me distingue peut-être un peu, c’est que j’ai une formation en finance. Je n’ai pas une formation d’ingénieur classique ou quelque chose comme ça. Cependant, je pense que la finance fonctionne bien avec le travail dans la supply chain, car les deux sont très similaires. En finance, vous optimisez généralement vos portefeuilles pour obtenir des rendements tout en minimisant le risque auquel vous pourriez être confronté sur les marchés. C’est très similaire dans la science de la supply chain. Nous essayons d’optimiser les stocks de nos clients pour un rendement maximal avec une exposition minimale au risque et à la variation de la demande.
Kieran Chandler: Génial. Aujourd’hui, Johannes, nous parlons d’une journée dans la vie d’un supply chain scientist. Je sais que nous en avons déjà parlé, mais peut-être vaut-il la peine de revenir sur la raison pour laquelle vous avez mis en place cette capacité de supply chain scientist chez Lokad.
Joannes Vermorel: Comme d’habitude, ce n’était pas comme un coup de génie. Nous avons essayé d’avoir des data scientists de la manière traditionnelle, et ça s’est mal passé. D’ailleurs, je m’inclus moi-même dans la première vague de data scientists inadéquats. Lokad a été fondée alors que je quittais mon doctorat, qui était en biologie computationnelle. À l’époque, ce n’était pas exactement le terme utilisé, mais c’était essentiellement de l’apprentissage automatique distribué, donc c’était de la science des données dans toute sa splendeur. Mais il s’est avéré que prêter attention aux moindres détails d’une supply chain est vraiment important. Comme l’a souligné Maximilian, cela dépend de où se situe votre engagement. C’est une grande question. Est-ce que cela réside dans l’utilisation de technologies sophistiquées, ou est-ce que cela réside dans l’obtention de résultats pratiques réels ? Vous pourriez penser que c’est juste une nuance subtile, mais en réalité, la réalité implique des choses très différentes, même dramatiquement différentes. Je veux dire, est-ce que vous vous souciez du risque financier et de la performance ? Si c’est le cas, vous allez passer du temps à discuter de ce que signifient les risques, ce que cela signifie dans votre système, et comment le comprendre. Ou bien passez-vous du temps à peaufiner un arbre de renforcement de gradient afin d’avoir une preuve de convergence légèrement plus probante ou autre chose qui vous donne un algorithme légèrement meilleur ?
Kieran Chandler: Aujourd’hui, nous allons en apprendre un peu plus sur ce que tu fais dans ton rôle quotidien. Quels sont les éléments essentiels de ton rôle ?
Maximilian Barth: Je pense que le rôle est en réalité très polyvalent. Il y a plusieurs composantes dans ce que tu fais chaque jour. Il y a évidemment l’aspect technique - tu codes beaucoup, tu essaies de comprendre les besoins précis de tes clients en matière de supply chain, les subtilités de leurs défis, et tu essaies vraiment de comprendre quelle solution leur conviendra le mieux et quels sont exactement leurs souhaits et leurs besoins. Cela se traduit également par la prochaine partie réelle du rôle, qui est l’aspect relationnel - être capable de parler aux clients, essayer de trouver les bonnes questions à résoudre pour eux, et comprendre où se situent leurs défis. Tu dois comprendre spécifiquement leurs besoins et ce qui les distingue des autres, afin de pouvoir construire la bonne solution pour eux. Je pense que le troisième aspect est probablement une perspective de gestion de projet. Nous travaillons généralement sur des projets où, surtout s’ils sont petits, nous sommes la personne principale qui le pilote du moins du point de vue de Lokad. Nous essayons donc de coordonner avec nos clients, de déterminer la meilleure façon d’avancer, de prioriser et de décider quelles tâches aborder en premier.
Kieran Chandler: Quelle est selon toi la partie la plus importante du rôle quotidien d’un scientifique de la supply chain ?
Joannes Vermorel: La partie la plus importante dépend vraiment du contexte. Lorsque la supply chain est en crise à cause d’une pandémie ou autre, il faut d’abord éteindre l’incendie. C’est là aussi que, encore une fois, la question de l’engagement entre en jeu. Si tu es un data scientist, ton engagement réside dans le fait d’avoir un algorithme supérieur. Je crois que fréquemment, la tâche la plus urgente et pressante est beaucoup plus banale. L’ERP pose des problèmes pour une raison quelconque, et les données sont complètement désordonnées. Tu te retrouves avec des enregistrements en double, des stocks complètement incorrects, etc. Tout ce qui doit être résolu doit l’être immédiatement. Le problème est qu’il y a tellement de problèmes que certains d’entre eux peuvent potentiellement être reportés. En termes de résolution, oui, ce serait bien que ce soit 100% propre, mais lorsque tu travailles sur une supply chain de taille importante, il est impossible d’éliminer complètement les erreurs - que ce soit dans l’ensemble de données que tu traites, dans les processus eux-mêmes ou dans la manière dont les gens consomment les résultats que tu leur donnes. Tu ne peux pas fournir une solution sans défaut. Donc, à un moment donné, tu dois à nouveau établir des priorités en fonction de l’impact financier. Je crois qu’en termes de pression, le scientifique de la supply chain est toujours en train de réévaluer ce qui doit être traité maintenant, ce qui est important et ce qui est stratégique.
Kieran Chandler: Quel est ton point de vue là-dessus, comment équilibres-tu ton temps entre la mise en œuvre du code, la communication avec les clients et le temps que tu passes à gérer les urgences ?
Maximilian Barth: Je pense que c’est en fait un très bon point. En général, le début de votre journée consiste toujours à vous assurer qu’il n’y a pas d’urgences. Vous arrivez au bureau, vérifiez tous vos comptes et vous assurez que rien n’a été cassé pendant la nuit. Nous avons des clients partout dans le monde, dans différents fuseaux horaires, donc pendant que nous dormons, ils travaillent en réalité. Votre priorité numéro un est de vous assurer que tout fonctionne comme prévu et que nos clients ont les tableaux de bord prêts à être utilisés. C’était en fait ma matinée aujourd’hui, à réparer un changement ERP qui ne nous avait pas été communiqué. Ce n’est pas la tâche la plus glamour, mais c’est certainement la chose la plus importante qui s’est produite ce jour-là. Après l’avoir réparé, toutes les données ont pu être mises à jour. En général, la répartition de votre temps dépend du jour et de la semaine. C’est une corde raide que vous devez marcher. Vous ne voulez pas passer trop de temps en réunions avec vos clients, car alors vous n’avez pas le temps de mettre en œuvre quoi que ce soit, mais vous ne voulez pas non plus travailler uniquement, car vous pourriez faire quelque chose qui n’est pas dans l’intérêt de votre client ou qui ne correspond pas à ce qu’il avait en tête. Vous devez vraiment communiquer étroitement et trouver le bon équilibre. Je pense qu’en général, l’équilibre entre le travail de mise en œuvre réel et la communication avec les clients, que ce soit par e-mails ou par appels, se situe probablement en moyenne entre 20% et 80%, avec 20% de communication et 80% de mise en œuvre de ce qui a été communiqué et discuté.
Kieran Chandler: Ce conflit est vraiment intéressant, n’est-ce pas ? Parce que vous devez passer plus de temps à communiquer et à avoir des réunions, mais évidemment, vous passez une partie de votre temps à vous sentir obligé de faire le côté plus technique des choses. C’est un rôle très polyvalent. Est-ce toujours le rôle que vous aviez envisagé, ou avez-vous déjà envisagé d’adopter une approche plus classique où une personne serait responsable de la relation avec le client et une autre personne se concentrerait entièrement sur le côté technique ?
Joannes Vermorel: Nous avons essayé la voie classique, et la voie classique consiste à avoir quelqu’un qui parle au client, puis cette personne rédige des spécifications, les transmet à l’informatique, et l’équipe informatique essaie de mettre en œuvre la communication. Vous vous retrouvez dans une situation où le message passe d’une personne à une autre, en faisant quelques sauts, et un pourcentage très élevé d’informations se perd à chaque saut. À la fin, vous vous retrouvez avec un ingénieur logiciel médiocre qui met en œuvre quelque chose qui n’a rien à voir avec le problème, avec cinq jours de latence simplement parce qu’il a dû passer par plusieurs personnes. Le problème était que c’était un peu cassé par conception. Pendant les premières années, j’ai réussi, avec l’aide de quelques collègues, à porter plusieurs chapeaux où j’étais le commercial vendant une idée au client, puis je commençais une mise en œuvre très bâclée, en passant la mise en œuvre bâclée à l’ingénieur logiciel en disant : “Cette chose fonctionne, mais en termes de qualité logicielle, c’est de la merde complète. Tu dois essayer de l’améliorer, un peu plus testée unitairement, un peu plus efficace en termes de performances, et peut-être un peu plus organisée.” Mais ils avaient déjà le prototype.
Kieran Chandler: L’objectif de cette approche est qu’elle est incroyablement archaïque en termes de technologie, et vous avez besoin de quelqu’un qui peut porter tous les chapeaux, vous savez, du commercial aux data scientists en passant par les scientifiques de la supply chain et le chef de produit, et tout. J’ai donc réalisé que cette façon de répartir le travail ne fonctionnerait jamais vraiment bien à grande échelle. Et d’ailleurs, je disais à nos clients à l’époque que fondamentalement tout le monde se plaignait de l’informatique, mais l’informatique se plaignait aussi de tout le monde parce que les gens de l’informatique disaient : “D’accord, ils disent que nous faisons un travail médiocre, mais regardez les spécifications et les exigences qu’ils nous donnent. C’est aussi médiocre, donc vous savez quoi, nous sommes au même niveau qu’eux.”
Joannes Vermorel: Mais c’est simplement la mauvaise façon de voir les choses. Et fondamentalement, ce que fait Maximilian, c’est qu’il n’y a pas de manager intermédiaire, vous savez ? Je veux dire, vous êtes littéralement, et je pense que c’est quelque chose de plutôt unique, le client vous parle. Je parle de véritables praticiens de la supply chain qui sont littéralement dans l’entrepôt, face aux magasins et tout. Et ensuite, ils vous parlent, et vous passez directement à la mise en œuvre de la recette. Il n’y a pas d’intermédiaire avec un ingénieur logiciel avec qui vous parlez. Vous ne coordonnez pas, mais pour cela, nous avons dû concevoir des outils dédiés afin que vous ne perdiez pas trop de temps à traiter des aspects purement techniques.
Kieran Chandler: Oui, je vois cela comme étant probablement l’un des grands défis pour un scientifique de la supply chain. Vous avez tellement de parties prenantes et de nombreuses personnes qui vous sollicitent pour votre attention, et vous jonglez avec tellement de choses. Ça doit être assez difficile. Alors, quel est selon vous le principal défi de votre rôle ?
Maximilian Barth: Je pense en fait que c’est probablement le principal défi - de devoir gérer autant de parties prenantes tout en assumant autant de rôles différents. L’avantage de cela est également que vous êtes le seul point de contact, et lorsque vous parlez à quelqu’un, vous êtes la personne qui a discuté du problème avec lui, mais aussi la personne qui sait ce qui a été mis en œuvre et comment cela a été fait. Il n’y a donc pas beaucoup de connaissances perdues dans la traduction entre les différentes étapes. Je pense que c’est le principal avantage, mais aussi évidemment le principal défi car vous devez être capable de faire tellement de choses différentes assez bien. Vous voulez être capable de réellement proposer une bonne solution à vos clients, mais aussi comprendre vraiment ce dont ils ont besoin.
Kieran Chandler: Oui, certainement. Il n’y a pas moyen d’y échapper, n’est-ce pas ? Si vous êtes en difficulté et que vous avez fait quelque chose de mal, vous êtes certainement tenu responsable. Pour un scientifique de la supply chain, nous sommes très insistants sur le fait qu’ils doivent avoir une certaine expertise en supply chain. Si vous étiez un data scientist, à quel point serait-il facile de passer au rôle de quelqu’un comme un scientifique de la supply chain comme Max ?
Joannes Vermorel: Le paradoxe est, et je crois que c’est le cas, qu’il est en réalité beaucoup plus difficile pour les data scientists de passer au rôle de scientifique de la supply chain que pour les ingénieurs génériques ou les personnes qui ont une inclination numérique en général. C’est drôle, il y a deux mots en français qui existent, mais je ne pense pas qu’il y ait une traduction en anglais. C’est la différence entre un mathématicien et un “matheux”, vous savez, quelqu’un qui a une inclination mathématique.
Kieran Chandler: Donc, la première question que j’ai concerne les qualités requises pour devenir un scientifique de la supply chain. Joannes, pouvez-vous nous dire quel genre de personnes vous recherchez ?
Joannes Vermorel: Ce dont nous avons besoin, ce sont des personnes qui ont le goût des chiffres. Les supply chains sont vastes, et vous ne pouvez pas simplement avoir une intuition sur des milliers de produits. Vous avez besoin de personnes qui ont le goût des chiffres en général. Mais le truc, c’est que c’est un rôle très appliqué. Maximilian aide littéralement les entreprises à prendre des décisions sur des millions d’euros d’actifs physiques. Ce sont vraiment des décisions tangibles qui sont prises à la fin de la journée. Vous devez avoir cette mentalité qui est un problème d’ingénierie très concret que vous résolvez. Et je sais que cela pourrait ne pas plaire au public de la science des données, mais mon expérience a été que c’est en réalité très difficile de convertir des personnes qui ont fait de la science des données pendant quelques années pour devenir réellement compétentes dans ce que nous appelons un scientifique de la supply chain, car encore une fois, l’accent n’est pas mis sur l’algorithme. L’accent est mis sur le fait que vous avez une recette numérique. Un autre épisode que nous avons récemment réalisé était que la recette numérique de bout en bout a vraiment du sens à un niveau très élevé, et peu importe si elle est sophistiquée ou non. Si vous pouvez vous en sortir avec une solution semi-triviale, excellent travail accompli et ajustez simplement, alors oui, vous n’obtiendrez pas un article juste parce que vous avez découvert qu’un léger coefficient numérique ajusté de la bonne manière fait des miracles. Vous ne pouvez pas publier là-dessus. Mais si cela fait le travail, vous savez, pourquoi pas ?
Maximilian Barth: Oui, et donc notre expérience a été que bien que nous ayons des doctorants qui le font, je veux dire, nous avons des personnes qui font des doctorats chez Lokad en réalité. Nous en avons cinq au total. Deux ont déjà terminé leur doctorat et trois sont encore en cours, mais je suis confiant qu’ils seront en mesure de défendre leur doctorat. Mais littéralement pour nous, ces personnes sont sur les voies de l’ingénierie logicielle pure, où ce n’est même pas la même échelle de temps. Je veux dire, les gens attaquent des problèmes et pensent à fournir une solution dans les trois prochaines années. C’est l’échelle de temps d’un data scientist du côté de la plateforme, donc ils réfléchissent à quelque chose comme la programmation différentiable. Nous avons quelqu’un qui fait un doctorat sur la programmation différentiable, et cette personne construit et conçoit littéralement les blocs de construction de la programmation différentiable, mais cette personne ne résout aucun problème réel de supply chain. Maximilian fait ça. Et lorsque vous travaillez, je ne suis pas sûr sur quel problème vous êtes, mais généralement le cadre temporel est, vous regardez de un jour à quelques mois à l’avance, mais certainement pas trois ans à l’avance. Ce n’est même pas la même échelle de temps.
Kieran Chandler: Et qu’en est-il de la partie gratifiante du travail, qu’aimez-vous vraiment ?
Maximilian Barth: Je pense que la chose la plus gratifiante est probablement la diversité des problèmes auxquels vous êtes confrontés et la façon tangible dont vous pouvez les résoudre. Un client vient vers vous avec quelque chose pour lequel il n’a pas encore trouvé de solution ou seulement une solution manuelle vraiment mauvaise où il travaille beaucoup dans Excel, et ensuite nous pouvons fournir quelque chose qui automatise cela.
Kieran Chandler: Il semble que Lokad puisse apporter beaucoup de valeur aux clients, non seulement en termes de prise de décision, mais aussi en fournissant une image plus claire de leur entreprise. Pouvez-vous parler un peu des aspects multiculturels et internationaux de l’équipe Lokad, en particulier des scientifiques de la supply chain ? Pourquoi avez-vous créé une équipe comme celle-ci et pourquoi était-ce important pour vous ?
Joannes Vermorel: Tout d’abord, je tiens à préciser que la diversité de notre équipe n’était pas un objectif spécifique, mais plutôt le résultat de ne pas exclure certaines catégories de personnes. En d’autres termes, nous n’avons pas créé une politique d’embauche diversifiée pour choisir délibérément des personnes de pays ou de milieux spécifiques. Je pensais simplement que je ne voulais pas que Lokad ait un aspect dans sa conception qui exclurait des personnes.
Par exemple, nous avons environ un tiers de femmes dans l’entreprise, ce qui est assez rare pour une entreprise technologique. Pour y parvenir, vous devez vous assurer que la structure de l’entreprise n’est pas directement défavorable aux jeunes femmes ou qu’elle favorise des comportements qui les feraient se sentir indésirables.
De même, nous sommes basés à Paris, mais si nous exigeons un français parfait, cela limiterait nos options à des Français ou à des personnes issues d’anciennes colonies françaises. En supprimant de telles barrières, nous attirons un groupe diversifié de candidats que nous pouvons ensuite évaluer en fonction de leurs compétences.
Il s’avère que les Français n’ont pas le monopole de l’intelligence et de la diligence. Aujourd’hui, seulement environ 40% de nos employés sont de nationalité française, les autres étant principalement originaires de l’Union européenne et d’ailleurs. Cette diversité n’est pas le résultat d’une discrimination active, mais plutôt d’une focalisation sur le jugement des personnes en fonction de leur capacité à être intelligentes et à accomplir des tâches.
Maximilian Barth: C’est exact, et il est important de souligner qu’en supprimant ces barrières et en se concentrant sur les compétences, nous sommes en mesure de réunir une équipe avec des perspectives et des expériences diverses. Cela profite finalement à l’entreprise et à nos clients, car cela nous permet d’aborder les problèmes sous différents angles et de trouver des solutions plus innovantes.
Kieran Chandler: Eh bien, il s’avère que nous finissons souvent par embaucher des personnes non françaises. J’adore vraiment la France, c’est mon pays où je suis né, mais en tant qu’employeur, je dois embaucher avant tout les personnes qui serviront le mieux l’entreprise, pas seulement celles qui se sont retrouvées nées au bon endroit.
Maximilian Barth: C’est une bonne chose que vous n’ayez pas exclu le français parfait, car je pense que Max et moi aurions été dans de beaux draps.
Kieran Chandler: Si vous commencez à conclure un peu maintenant, Max, quel conseil donneriez-vous à quelqu’un qui envisage peut-être une carrière dans l’industrie de la supply chain ou en tant que scientifique de la supply chain ?
Maximilian Barth: Je pense que pour mon travail, la compétence la plus importante que je trouve la plus précieuse, et ce qui m’a le plus aidé, c’est d’apprendre à poser les bonnes questions et à voir les choses sous différents angles. Nos projets ont généralement plusieurs parties prenantes, et même si vous avez une personne de contact avec qui vous parlez le plus, vous devez toujours vous rappeler qu’elle représente également d’autres personnes. Vous voulez donc vraiment vous assurer de trouver une solution holistique qui convienne à tout le monde. Je pense que la capacité à voir les choses d’un point de vue holistique et à poser les bonnes questions est probablement la compétence la plus importante que vous voulez développer.
Kieran Chandler: D’accord, super. Et Joannes, pour conclure, quel conseil donneriez-vous à quelqu’un qui aspire à devenir un scientifique de la supply chain ?
Joannes Vermorel: Soyez concret. Il y a tellement de façons de ne pas être concret. Kaggle est fantastique, mais ce ne sont que des jeux. Les algorithmes sont extrêmement intéressants, mais ce n’est pas concret, du moins pas directement. Ma suggestion est que si vous voulez commencer une carrière dans la supply chain, vous devez mettre les mains dans le cambouis. Plongez dans un ERP, commencez à regarder à quoi ressemblent réellement les données, pas la version idéalisée que vous obtenez dans les manuels scolaires, qui est déjà complètement nettoyée, parfaite et bien organisée. Et en effet, gérez de nombreux actionnaires. C’est vraiment difficile car à quel point votre solution est-elle bonne si l’entreprise finit par se battre entre elle ? Vous devez trouver un moyen pour que la solution soit acceptable pour toutes ces parties prenantes. C’est un défi très difficile, mais vous devez le faire tout en préservant vos valeurs d’ingénierie. Vous voulez avoir quelque chose qui ressemble à un processus capitaliste. Vous n’êtes pas seulement un consultant qui produit des PowerPoints et livre des choses. Maximilian, vous livrez quelque chose qui fonctionne en production et qui, espérons-le, peut même fonctionner sans vous, donc il y a un véritable actif qui est conçu et amélioré au fil du temps. Ce ne sont pas des PowerPoints qui sont livrés.
Kieran Chandler: D’accord, génial. Nous devrons conclure ici, mais merci à vous deux pour votre temps.
Maximilian Barth: Merci.
Kieran Chandler: C’est tout pour cette semaine. Merci beaucoup de nous avoir suivi, et nous vous retrouverons dans le prochain épisode. Merci de nous avoir regardés.
