00:00:07 Le rôle de Microsoft Excel dans l’industrie de la supply chain.
00:01:33 Les raisons de la popularité d’Excel et ses principaux atouts.
00:03:01 Les heuristiques et leur mise en œuvre dans les tableurs.
00:04:43 Excel comme impasse technologique et ses limitations.
00:06:46 Les problèmes de scalabilité et les idées reçues sur les limitations d’Excel.
00:08:01 Les limitations d’Excel et du modèle de programmation des tableurs.
00:09:38 Les problèmes de scalabilité dus à une logique complexe et répliquée.
00:11:39 S’éloigner des tableurs et le besoin de meilleures capacités de programmation.
00:13:27 Aller au-delà des heuristiques et adopter des approches modernes.
00:15:00 S’inspirer de Google et d’Amazon, et le rôle du machine learning dans l’optimisation de la supply chain.
00:16:00 L’importance de la prévision probabiliste dans l’optimisation de la supply chain.
00:17:10 Répondre au scepticisme concernant l’utilisation de technologies avancées plutôt que Microsoft Excel dans la gestion de la supply chain.
00:18:19 L’impact d’entreprises comme Amazon et Alibaba sur l’industrie.
00:19:45 Les conséquences de rester dans une impasse technologique.
00:20:01 Les usages appropriés d’Excel et ses limitations dans l’optimisation prédictive de la supply chain.
Résumé
Dans cette interview, Kieran Chandler et Joannes Vermorel, le fondateur de Lokad, discutent du rôle de Microsoft Excel dans la gestion de la supply chain. Vermorel qualifie Excel de “couteau suisse” des supply chains, reconnaissant ses forces en termes de programmabilité et de personnalisation. Cependant, il estime que les tableurs ont atteint une impasse technologique dans la gestion de supply chains complexes, les limitations du modèle de programmation entraînant des problèmes de réplication et de maintenance. Pour optimiser la supply chain, Vermorel suggère que les entreprises adoptent des techniques avancées comme le machine learning, remplaçant les heuristiques par des insights basés sur les données. Bien qu’Excel présente des atouts, pour une optimisation complexe, les organisations doivent aller au-delà des tableurs et suivre la voie tracée par des géants technologiques tels qu’Amazon et Alibaba.
Résumé Étendu
Dans cette interview, Kieran Chandler, l’animateur, discute du rôle de Microsoft Excel dans l’industrie de la supply chain avec Joannes Vermorel, le fondateur de Lokad, une entreprise de logiciels spécialisée dans l’optimisation de la supply chain. La conversation porte sur les raisons de la popularité d’Excel, ses points forts et l’utilisation des heuristiques dans l’industrie.
Vermorel estime que Microsoft Excel est le couteau suisse des supply chains, avec environ 90 % des supply chains dans le monde fonctionnant via Excel. Il attribue sa popularité au manque d’alternatives supérieures jusqu’à récemment, tant les options prétendument meilleures ne l’étaient pas réellement à plusieurs égards.
Les principaux atouts d’Excel résident dans sa programmabilité et son expressivité, permettant un haut niveau de personnalisation. Sa diffusion au sein des organisations signifie que les professionnels de la supply chain, répartis sur divers sites et lignes de produits, peuvent élaborer leurs propres heuristiques ou recettes numériques pour gérer leurs supply chains. Vermorel définit les heuristiques comme des recettes numériques qui ne sont pas prouvées exactes mais qui sont approximativement correctes. Ces heuristiques ont été éprouvées, testées et ajustées au fil du temps, et varient d’une division à l’autre et d’un lieu à l’autre.
Un exemple d’heuristique dans la gestion de la supply chain est de maintenir en stock exactement le double du nombre d’unités vendues lors de la même période l’année dernière, en considérant une fenêtre de trois mois. Bien que la logique derrière ces heuristiques ne soit pas toujours claire, elles se sont révélées efficaces et sont largement utilisées dans l’industrie.
L’animateur, Chandler, constate que les approximations de base ont été suffisantes pour l’industrie de la supply chain pendant des décennies. Vermorel est d’accord, mais souligne l’opportunité d’amélioration et d’optimisation à mesure que l’industrie évolue.
Ils ont évoqué les limitations des approches basées sur les tableurs dans l’optimisation de la supply chain, en se concentrant particulièrement sur Excel et ses équivalents. Vermorel explique que les entreprises ont déjà exploité au maximum le potentiel des heuristiques dans des environnements de type tableur, et que cette technologie a atteint une impasse. La discussion aborde les raisons de cela et les problèmes inhérents à l’utilisation des tableurs pour la gestion complexe de la supply chain.
Vermorel note que les entreprises ont commencé à explorer le potentiel de la technologie des tableurs dans les années 1990 et ont atteint un point relativement stable au début des années 2000. Malgré quelques avancées, il estime que les tableurs, y compris Excel et des programmes similaires comme Google Sheets et OpenOffice, ont atteint une impasse technologique. Cela s’explique par le fait qu’après avoir optimisé leurs heuristiques, les seuls changements restants sont d’une importance négligeable.
Chandler demande à Vermorel de clarifier les limitations de l’approche basée sur les tableurs. Vermorel explique que certains pensent à tort que le problème d’Excel réside dans son incapacité à gérer de grandes quantités de données. Cependant, il estime que le véritable problème se situe dans le modèle de programmation. Il soutient que si Microsoft voulait augmenter la scalabilité d’Excel pour gérer des milliards de lignes de données, ils pourraient le faire, mais ils choisissent de ne pas le faire car ils reconnaissent que c’est une impasse d’un point de vue pratique.
Le modèle de programmation des tableurs, selon Vermorel, n’est pas scalable car il implique une réplication massive de la logique. Lorsqu’un utilisateur souhaite appliquer une logique à davantage de données, il la copie-colle à travers le tableur, ce qui conduit à un processus de programmation inefficace. Cette réplication devient encore plus problématique lorsque les organisations tentent de consolider plusieurs heuristiques à l’échelle de l’entreprise, entraînant une complexité accrue et des difficultés à gérer l’information.
À titre d’exemple, Vermorel décrit un scénario où un tableur de petite échelle contient quelques centaines de produits et deux ou trois heuristiques. Lorsque le périmètre est étendu et que davantage d’heuristiques sont nécessaires pour des segments plus vastes, le problème de complexité se pose. Tenter de gérer des centaines d’heuristiques à travers une organisation entière en utilisant des tableurs devient un cauchemar ingérable.
L’interview met en lumière l’impasse technologique atteinte par les approches basées sur les tableurs dans l’optimisation de la supply chain. Les limitations résident dans le modèle de programmation, qui implique une réplication massive de la logique et une incapacité à gérer la complexité lors d’une montée en échelle vers des périmètres et des organisations plus importants. Cela rend les tableurs inadaptés pour répondre aux besoins complexes de la gestion de la supply chain dans le paysage économique actuel.
La conversation tourne autour des défis liés à l’utilisation des tableurs pour la gestion complexe de la supply chain et de la nécessité de les dépasser pour une meilleure efficacité et scalabilité.
Vermorel souligne que les tableurs sont souvent utilisés pour gérer les supply chains, mais qu’ils ne constituent pas une solution optimale en raison de leurs limitations à gérer la complexité. Il fait remarquer que le modèle de programmation utilisé dans les tableurs conduit souvent à une duplication de la logique, rendant ainsi la maintenance et le débogage difficiles. Cela devient particulièrement problématique lorsqu’il s’agit de gérer de grands tableurs contenant des centaines de formules différentes pour accommoder les diverses heuristiques employées par les professionnels de la supply chain.
Lorsqu’on lui demande comment les entreprises peuvent se détourner des tableurs, Vermorel affirme que simplement reproduire la logique des tableurs dans un autre système ne conduirait qu’à des améliorations marginales. Au lieu de cela, les organisations doivent repenser fondamentalement leur approche et adopter des méthodes plus avancées, telles que le machine learning, pour remplacer les heuristiques par des insights basés sur les données.
En évoquant les leçons que l’on peut tirer des géants technologiques comme Google et Amazon, Vermorel explique que ces entreprises sont passées au-delà des systèmes à base de règles en utilisant le machine learning pour tirer des enseignements des données historiques. Cela leur permet d’optimiser leurs supply chains de manière plus efficace. Cependant, il note que la clé du succès avec le machine learning réside dans l’adoption d’une perspective de prévision probabiliste, comme l’ont démontré les recherches et publications d’Amazon.
Abordant les inquiétudes des professionnels de la supply chain sceptiques quant au fait de se détourner d’Excel, Vermorel reconnaît qu’Excel présente de nombreuses qualités positives, telles que sa stabilité et sa scalabilité. Cependant, il avertit qu’il représente une impasse technologique pour l’optimisation prédictive de la supply chain. Il exhorte les praticiens à se demander si leur industrie peut se permettre de rester à un plateau, surtout lorsque des concurrents comme Amazon et Alibaba poursuivent agressivement des avancées technologiques dans la gestion de la supply chain.
Vermorel conclut en soulignant qu’Excel n’est pas fondamentalement défectueux, et qu’il peut encore s’avérer utile pour la saisie de données et d’autres tâches plus simples. Cependant, pour une optimisation complexe de la supply chain, les entreprises doivent aller au-delà des tableurs et adopter des techniques plus avancées.
Transcription complète
Kieran Chandler: Aujourd’hui, nous allons discuter de cette aspiration et comprendre pourquoi la remplacer est plus facile à dire qu’à faire. Alors Joannes, quel rôle attribuez-vous à Microsoft Excel dans l’industrie de la supply chain ?
Joannes Vermorel: Je veux dire, c’est littéralement le couteau suisse des supply chains. C’est comme les briquets BIC, utilisé partout pour pratiquement toutes sortes de besoins. Il est vraiment impressionnant de voir tout ce qui se fait via Excel. D’après moi, je dirais que probablement plus de 90 % des supply chains dans le monde fonctionnent via Excel, et non via SAP ou des systèmes ERP. Les systèmes ERP gèrent les actifs, mais en ce qui concerne l’optimisation prédictive de la supply chain, je dirais que plus de 90 % de celle-ci est réalisée grâce à Excel.
Kieran Chandler: Si plus de 90 % de l’industrie l’utilisent, pourquoi est-il si populaire et pourquoi les gens y sont-ils aussi dépendants ?
Joannes Vermorel: C’est intéressant. Je veux dire, la première partie de la réponse est que, jusqu’à très récemment, il n’y avait pas tant d’alternatives supérieures. La plupart des alternatives prétendument supérieures ne l’étaient pas réellement à plusieurs égards. Donc, les gens n’ont pas abandonné Excel non pas parce qu’ils étaient stupides ou qu’ils y étaient attachés de manière religieuse, mais simplement parce qu’il n’y avait pas d’alternatives crédibles.
Kieran Chandler: Alors, quelles sont les caractéristiques d’Excel qui le rendent si puissant, et pourquoi les gens l’apprécient-ils ?
Joannes Vermorel: L’une des choses qui le rend si puissant est que l’on peut combiner la programmabilité avec un niveau d’expressivité qu’offre ce type de système. La deuxième chose, c’est qu’il est largement diffusé au sein de votre organisation. De nombreux professionnels de la supply chain, répartis dans différents pays, sites et lignes de produits, peuvent élaborer leurs propres heuristiques.
Kieran Chandler: Au fait, que voulez-vous dire par heuristiques ? Comment les définissez-vous ?
Joannes Vermorel: Les heuristiques sont en quelque sorte une recette numérique qui n’est pas prouvée exacte. C’est la meilleure tentative d’obtenir quelque chose d’approximativement correct. Habituellement, d’un point de vue purement mathématique, l’heuristique n’est même pas correcte, mais ça fonctionne d’une certaine manière. Par exemple, une heuristique courante dans la supply chain consiste à avoir en stock le double du nombre d’unités vendues lors de la même période l’année dernière, en considérant une fenêtre de trois mois. Ces heuristiques ont été éprouvées, testées, et les chiffres magiques, tels que la durée de la fenêtre ou le facteur utilisé, ont été ajustés au fil du temps et varient d’une division à l’autre et d’un lieu à l’autre. Ce qui est formidable avec les tableurs, c’est que vous pouvez les intégrer dans votre organisation à travers une multitude de tableurs qui mettent en œuvre toutes ces heuristiques diverses.
Kieran Chandler: Donc, ce que nous constatons dans l’industrie, c’est que cette approximation de base est suffisante, et que de nombreuses supply chains fonctionnent essentiellement ainsi depuis des décennies.
Joannes Vermorel: Exactement. Quand on dit “suffisant”, c’est intéressant car elles fonctionnent de cette manière depuis des décennies, et de mon point de vue, c’est intéressant parce que maintenant…
Kieran Chandler: De nos jours, je considérerais Excel comme une technologie en impasse. Les entreprises ont donc déjà eu largement le temps de concevoir les heuristiques, de les affiner, et d’en tirer le meilleur parti. Il est intéressant de constater qu’elles en sont arrivées au point d’avoir exploité au maximum les heuristiques possibles avec Excel. Et quand je dis Excel, je ne veux pas uniquement parler d’Excel, je parle de tout type de logiciel offrant un environnement de type tableur. Par exemple, Google Sheets serait exactement identique à Excel à cet égard. Peu importe que ce soit exactement Excel ou peut-être l’alternative OpenOffice, cela n’a pas vraiment d’importance. Ainsi, il est intéressant de noter que ces entreprises ont exploré ce qu’il était possible de faire avec un tableur pendant les années 90, et je pense qu’elles ont atteint, pour de nombreuses grandes entreprises, un stade relativement stabilisé au début des années 2000. Nous sommes maintenant près de deux décennies après avoir mis en place quelque chose qui est déjà en quelque sorte stabilisé, où il n’y a vraiment rien de nouveau à cet égard. Et c’est effectivement une technologie en impasse, car une fois que vous avez compilé vos bases, une fois que vous avez fait cela, les seules choses qui restent sont, je dirais, des éléments légèrement négligeables. Alors, vous dites que c’est une impasse technologique, donc qu’est-ce qui manque réellement ? Quel est le problème avec ce genre d’approche basée sur les tableurs ?
Joannes Vermorel: Certaines personnes ne comprennent pas les limites d’Excel. Une incompréhension courante est que vous avez un problème de scalabilité avec Excel, que vous ne pouvez pas traiter beaucoup de données. Oui, en effet, vous ne pouvez pas traiter des téraoctets de données avec des feuilles de calcul Excel, mais ce n’est en réalité pas un véritable problème. Si Microsoft avait décidé de ne pas avoir de feuilles de calcul capables de gérer des milliards de lignes, ce n’est pas qu’ils n’en auraient pas pu. Ils ont augmenté la limite de 65 000 lignes maximum à environ un million de lignes dans Excel 97. Ils auraient pu augmenter la limite à un milliard de lignes avec une version différente d’Excel orientée vers le traitement de données à grande échelle. Alors, la question est : pourquoi Microsoft n’augmente-t-il pas simplement la scalabilité d’Excel ? C’est parce qu’ils savent aussi que c’est une impasse d’un point de vue pratique.
Ce qui n’est pas scalable avec Excel ou les feuilles de calcul en général, c’est le modèle de programmation. Le modèle de programmation consiste à ce que, chaque fois que vous avez une logique dans une feuille de calcul, si vous voulez en faire davantage, vous copiez-collez essentiellement cette logique dans toute votre feuille de calcul. D’un point de vue de programmation, ce que vous faites est une réplication massive de votre logique. Vous avez une formule, et maintenant vous avez un million de copies de votre formule d’origine. Si vous avez une grande organisation, l’un des atouts de cette organisation à travers les feuilles de calcul était que chacun pouvait avoir ses propres heuristiques. Mais si vous prenez une feuille de calcul avec quelques centaines de produits et que vous avez deux ou trois heuristiques qui fonctionnent bien, puis que vous décidez de consolider dans une feuille de calcul plus grande les une vingtaine d’heuristiques différentes dont vous avez besoin pour ce périmètre élargi, soudainement votre feuille de calcul se retrouve avec un problème de complexité. Votre feuille de calcul commence à contenir non seulement deux formules qui ont été copiées-collées, mais vingt formules qui ne sont pas utilisées de la même façon partout dans la feuille de calcul, et cela devient assez compliqué. Si vous essayez d’étendre à des centaines d’heuristiques à travers toute l’organisation, alors cela devient un véritable cauchemar.
Kieran Chandler: Les feuilles de calcul sont un peu lourdes et ces calculs semblent prendre du temps. C’est cette logique répliquée qui est en cause, n’est-ce pas ?
Joannes Vermorel: Oui, en grande partie. Le modèle de programmation aboutit à une logique dupliquée partout. Le problème concerne entièrement la maintenance de cette logique. Comment faire pour maintenir une feuille de calcul Excel qui contient littéralement des centaines de formules différentes ? Je ne parle pas de centaines de formules différentes avec simplement une formule distincte par colonne, car c’est la solution facile. Imaginez une feuille de calcul Excel avec un million de lignes, et certaines de ces lignes possèdent une formule qui n’est pas simplement la même que celle située au-dessus ou en dessous. Différents praticiens de la supply chain, travaillant sur différentes gammes de produits et segments, utilisent des heuristiques différentes. Si vous prenez cela en compte, vous vous retrouvez avec une feuille de calcul super compliquée et très difficile à maintenir. Les feuilles de calcul ne supportent pas bien l’augmentation de la complexité, et il devient cauchemardesque de les maintenir, de les déboguer et même de comprendre ce qui se passe dans ces grandes feuilles de calcul.
Kieran Chandler: Alors, comment peut-on s’éloigner de ces feuilles de calcul ? Les organisations y ont passé des années à les construire, et il y a beaucoup de logique intégrée en elles.
Joannes Vermorel: Tout d’abord, vous avez besoin de capacités de programmation, mais vous ne voulez pas reproduire ce que vous aviez auparavant. Si vous vous contentez de reproduire la logique des feuilles de calcul que vous aviez, vous vous retrouverez avec quelque chose qui ne sera pas meilleur que ce que vous aviez. Ce ne sera qu’un peu mieux en termes de sauvegardes légèrement améliorées et de gestion des droits d’accès. Fondamentalement, si vous vous contentez de reproduire votre feuille de calcul dans un autre système, vous allez vous retrouver coincé dans une impasse technologique. Vous gagnerez peut-être quelques pourcents d’efficacité en plus, mais ce sera très faible. Une fois cela fait, vous n’obtiendrez rien de mieux. Vous pourriez également perdre en agilité car le nouveau système pourrait être légèrement plus rigide. Donc, vous devez penser à quelque chose qui va au-delà de ce que peuvent offrir les heuristiques. Vous devez vous réinventer et opter pour quelque chose qui vous donne la chance de faire mieux.
Kieran Chandler: Vous avez mentionné les Googles et les Amazons qui ont dépassé cela et mettent en œuvre des approches plus modernes. Que pouvons-nous apprendre d’eux et de ce qu’ils ont mis en place ?
Joannes Vermorel: La particularité du machine learning moderne est de dépasser l’étape des systèmes basés sur des règles. La première étape de la copie de l’intelligence humaine dans les années 60 était celle des moteurs basés sur des règles, ou moteurs de décision. Les heuristiques utilisées dans la supply chain sont exactement cela – ce sont des règles pour décider s’il faut acheter plus, produire plus ou allouer plus dans un domaine. Si vous voulez aller au-delà, vous devez vous réinventer et adopter des techniques modernes de machine learning pour améliorer vos processus de supply chain.
Kieran Chandler: Nous avons atteint ce stade où nous disposons de systèmes basés sur des règles et nous avons affiné ces règles. Si nous regardons ce que font Google et Amazon, ils disent : “Oh, nous faisons du machine learning”, ce qui en fait un mot à la mode, et c’est un machine learning très avancé qui pourrait être qualifié d’IA. Fondamentalement, c’est quelque chose de très simple. Au lieu d’avoir un ensemble statique de règles maintenues manuellement, nous voulons apprendre ces règles à partir des données historiques.
Joannes Vermorel: Ce dont vous avez besoin, c’est essentiellement de capacités de programmation, mais vous avez également besoin de capacités de machine learning, afin que la plupart de ces heuristiques puissent être apprises directement à partir des données elles-mêmes. Ce n’est pas quelque chose d’extrêmement compliqué, mais si votre paradigme de programmation est incorrect, alors cela ne fonctionne tout simplement pas, et le machine learning ne fonctionne pas. Le paradigme dominant pour la supply chain quantitative, jusqu’à ce que quelques entreprises comme Amazon ou Lokad commencent à penser différemment, consistait à réaliser des prévisions de demande classiques où il n’y a qu’un seul futur. Nous faisons la prévision, et ensuite tout est basé sur ce seul futur. Malheureusement, si vous abordez le problème à partir de ce point de départ, cela ne fonctionne tout simplement pas, et vous n’arrivez jamais à reproduire la performance de ces heuristiques soi-disant stupides. Si vous voulez surpasser ces heuristiques, vous devez opter pour une perspective de prévision probabiliste, et alors vous aurez une chance de les dépasser. C’est exactement ce que semble faire Amazon, d’après leurs recherches publiées.
Kieran Chandler: Si nous commençons à rassembler les éléments maintenant, que diriez-vous à un praticien sceptique de la supply chain qui regarde probablement ceci et qui dispose de ses systèmes qui fonctionnent, peut-être un peu maladroitement, mais qui fonctionnent en utilisant Microsoft Excel ? Y a-t-il vraiment un intérêt à s’en éloigner ?
Joannes Vermorel: Si vous utilisez Excel et que vous l’avez probablement fait pendant une ou deux décennies, la première chose serait de reconnaître que vous êtes dans une impasse technologique. Cela peut être acceptable, mais cela ne va pas s’améliorer. N’attendez pas que la prochaine version de Microsoft résolve quoi que ce soit. Excel est déjà un excellent produit. Il est très stable, il ne plante pas, il est assez scalable et il possède de nombreuses bonnes propriétés. Il ne va pas s’améliorer beaucoup. Les alternatives aux feuilles de calcul ne feront aucune différence. Elles pourraient s’améliorer marginalement, mais fondamentalement, cela ne changera rien. La question est : pouvez-vous vivre avec le fait que vous êtes simplement dans une impasse ? Certaines industries peuvent vivre sur un plateau, mais en ce qui concerne la supply chain, ce que je constate, c’est que des entreprises comme Amazon, Alibaba et Zalando sont très agressives techniquement parlant, et elles vont très vite. Elles obtiennent vraiment des résultats au niveau de la supply chain, et elles ne font pas cela avec des feuilles de calcul. Donc, je pense que la leçon est que vous êtes sur un plateau. Certaines personnes s’en sortent bien mieux, et ce n’est pas du battage publicitaire. La croissance d’Amazon et d’Alibaba est réelle. Pouvez-vous vraiment vous permettre d’être et de rester dans une impasse technologique ? Peut-être, peut-être pas.
Kieran Chandler: Donc, pour conclure, diriez-vous qu’Excel fonctionne sur du temps emprunté et que l’on peut réellement envisager un jour où il n’y aurait plus du tout Excel dans l’industrie ?
Joannes Vermorel: Ne vous méprenez pas. Excel est utilisé fréquemment, non pas pour l’optimisation prédictive, mais pour la saisie de données, pour l’entrée de données tabulaires. Microsoft a gagné la guerre des feuilles de calcul à la fin des années 80 non pas parce qu’ils avaient les meilleurs calculs pour Excel, mais parce que la saisie de données via Excel était plus facile. Il existe de nombreuses situations où l’utilisation d’une feuille de calcul
Kieran Chandler: Parce que la saisie de données via Excel était plus facile, je pense, vous savez, il existe de nombreuses situations où l’utilisation d’une feuille de calcul est tout à fait acceptable. Ce que je dis, c’est que si vous voulez faire de l’optimisation prédictive de la supply chain pour des réseaux de supply chain quelque peu complexes, Excel est, pour cet objectif spécifique, en fin de compte dépassé. Pour beaucoup d’autres choses, Excel va très bien. Bon, des dernières réflexions, Joannes ?
Joannes Vermorel: Surveillez simplement cet espace de près, je suppose.
Kieran Chandler: Même chose pour cette semaine. Merci de nous avoir suivis, et nous nous reverrons la prochaine fois. Au revoir pour l’instant!
