Le rôle d'Excel dans la Supply Chain

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 feuilles de calcul.
00:04:43 Excel en tant que voie technologique sans issue et ses limites.
00:06:46 Problèmes de scalabilité et idées fausses sur les limites d’Excel.
00:08:01 Limitations d’Excel et modèle de programmation des feuilles de calcul.
00:09:38 Problèmes de scalabilité dus à une logique complexe et répliquée.
00:11:39 S’éloigner des feuilles de calcul et la nécessité 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 Amazon, et le rôle de l’apprentissage automatique 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 quant à l’utilisation de technologies avancées plutôt que Microsoft Excel dans la gestion de la supply chain.
00:18:19 L’impact des entreprises comme Amazon et Alibaba sur l’industrie.
00:19:45 Les conséquences de rester dans une impasse technologique.
00:20:01 Les utilisations appropriées d’Excel et ses limites dans l’optimisation prédictive de la supply chain.

Résumé

Dans cette interview, Kieran Chandler et Joannes Vermorel, 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 points forts en termes de programmabilité et de personnalisation. Cependant, il estime que les feuilles de calcul ont atteint une impasse technologique dans la gestion des supply chains complexes, les limites du modèle de programmation entraînant des problèmes de réplication et de maintenance. Pour optimiser les supply chains, Vermorel suggère aux entreprises d’adopter des techniques avancées telles que l’apprentissage automatique, remplaçant les heuristiques par des informations basées sur les données. Bien qu’Excel présente des avantages, pour une optimisation complexe, les organisations doivent aller au-delà des feuilles de calcul et suivre les traces des géants de la technologie 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, fondateur de Lokad, une entreprise 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 mondiales gérées via Excel. Il attribue sa popularité au manque d’alternatives supérieures jusqu’à récemment, car de nombreuses options soi-disant meilleures n’étaient pas réellement supérieures à plusieurs égards.

Les principaux atouts d’Excel résident dans sa programmabilité et son expressivité, ce qui permet un haut niveau de personnalisation. Sa diffusion au sein des organisations signifie que les praticiens de la supply chain dans différents lieux 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 correctes mais qui sont approximativement correctes. Ces heuristiques ont été testées, éprouvées et ajustées au fil du temps et varient d’une division à une autre et d’un lieu à un autre.

Un exemple d’heuristique dans la gestion de la supply chain consiste à conserver en stock exactement deux fois le nombre d’unités vendues sur la même période de l’année précédente, en considérant une fenêtre de trois mois. Bien que le raisonnement derrière de telles heuristiques ne soit pas toujours clair, elles se sont révélées efficaces et sont largement utilisées dans l’industrie.

L’animateur, Chandler, observe que des approximations de base ont été suffisantes pour l’industrie de la supply chain pendant des décennies. Vermorel est d’accord mais souligne les opportunités d’amélioration et d’optimisation à mesure que l’industrie évolue.

Ils ont discuté des limites des approches basées sur les feuilles de calcul dans l’optimisation de la supply chain, en se concentrant particulièrement sur Excel et ses équivalents. Vermorel explique que les entreprises ont déjà atteint le potentiel maximal des heuristiques dans les environnements de type feuille de calcul, et que cette technologie a atteint une impasse. La discussion aborde les raisons de cela et les problèmes inhérents à l’utilisation de feuilles de calcul pour la gestion complexe de la supply chain.

Vermorel note que les entreprises ont commencé à explorer le potentiel de la technologie des feuilles de calcul dans les années 1990 et ont atteint un point relativement stable au début des années 2000. Malgré certaines avancées, il estime que les feuilles de calcul, y compris Excel et des programmes similaires comme Google Sheets et OpenOffice, ont atteint une impasse technologique. Cela est dû au fait que, après avoir optimisé leurs heuristiques, les seuls changements restants sont insignifiants.

Chandler demande à Vermorel de préciser les limites de l’approche basée sur les feuilles de calcul. Vermorel explique que certaines personnes pensent à tort que le problème avec Excel réside dans son incapacité à gérer de grandes quantités de données. Cependant, il estime que le véritable problème réside dans le modèle de programmation. Il soutient que si Microsoft voulait augmenter la capacité d’Excel à gérer des milliards de lignes de données, ils pourraient le faire, mais ils choisissent de ne pas le faire car ils le considèrent comme une impasse d’un point de vue pratique.

Selon Vermorel, le modèle de programmation dans les feuilles de calcul n’est pas évolutif car il implique une réplication massive de la logique. Lorsque les utilisateurs souhaitent appliquer une logique à plus de données, ils la copient et la collent dans la feuille de calcul, ce qui entraîne un processus de programmation inefficace. Cette réplication devient plus problématique lorsque les organisations tentent de consolider plusieurs heuristiques dans une grande organisation, ce qui entraîne une complexité accrue et une difficulté de gestion de l’information.

À titre d’exemple, Vermorel décrit un scénario où une feuille de calcul à petite échelle contient quelques centaines de produits et deux ou trois heuristiques. Lorsque la portée est élargie et que davantage d’heuristiques sont nécessaires pour des segments plus importants, le problème de complexité se pose. Essayer de gérer des centaines d’heuristiques dans toute une organisation à l’aide de feuilles de calcul devient un cauchemar ingérable.

L’interview met en évidence l’impasse technologique atteinte par les approches basées sur les feuilles de calcul pour 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 de l’extension à des portées et des organisations plus importantes. Cela rend les feuilles de calcul inadaptées pour répondre aux besoins complexes de la gestion de la supply chain dans le paysage commercial actuel.

La conversation tourne autour des défis liés à l’utilisation des feuilles de calcul pour la gestion complexe de la supply chain et de la nécessité de les dépasser pour une meilleure efficacité et évolutivité.

Vermorel souligne que les feuilles de calcul sont souvent utilisées pour gérer les supply chains, mais qu’elles ne constituent pas une solution optimale en raison de leurs limitations en matière de gestion de la complexité. Il souligne que le modèle de programmation utilisé dans les feuilles de calcul conduit souvent à une logique dupliquée, ce qui rend difficile la maintenance et le débogage. Cela devient particulièrement problématique lorsqu’il s’agit de grandes feuilles de calcul contenant des centaines de formules différentes pour accommoder les différentes heuristiques utilisées par les praticiens de la supply chain.

Lorsqu’on lui demande comment les entreprises peuvent se détourner des feuilles de calcul, Vermorel affirme que simplement reproduire la logique de la feuille de calcul 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 l’apprentissage automatique, pour remplacer les heuristiques par des informations basées sur les données.

En discutant des leçons qui peuvent être tirées des géants de la technologie tels que Google et Amazon, Vermorel explique que ces entreprises ont dépassé les systèmes basés sur des règles en utilisant l’apprentissage automatique pour apprendre à partir de données historiques. Cela leur permet d’optimiser leurs supply chains de manière plus efficace. Cependant, il note que la clé du succès avec l’apprentissage automatique est d’adopter une perspective de prévision probabiliste, ce qui a été démontré par les recherches et les publications d’Amazon.

En répondant aux préoccupations des praticiens de la supply chain sceptiques qui hésitent à abandonner Excel, Vermorel reconnaît qu’Excel présente de nombreuses qualités positives, telles que la stabilité et l’évolutivité. Cependant, il met en garde contre le fait qu’il représente une impasse technologique pour l’optimisation prédictive de la supply chain. Il exhorte les praticiens à réfléchir à la question de savoir si leur secteur peut se permettre de rester sur un plateau, surtout lorsque des concurrents comme Amazon et Alibaba poursuivent activement les avancées technologiques dans la gestion de la supply chain.

Vermorel conclut en soulignant que Excel n’est pas intrinsèquement défectueux et qu’il peut encore être utile pour la saisie de données et d’autres tâches plus simples. Cependant, pour une optimisation complexe de la supply chain, les entreprises doivent dépasser les feuilles de calcul 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 est, selon vous, le rôle de 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 la chose qui est comme les briquets BIC et utilisée partout pour à peu près n’importe quel type de tâches. C’est en fait très impressionnant tout ce qui est réalisé grâce à Excel. À mon avis, je dirais que probablement plus de 90% des supply chains dans le monde sont gérées via Excel, pas par des systèmes SAP ou 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% est réalisé via Excel.

Kieran Chandler: Si plus de 90% de l’industrie l’utilise, pourquoi est-il si populaire et pourquoi les gens en dépendent-ils autant?

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 beaucoup d’alternatives supérieures. La plupart des prétendues alternatives supérieures ne sont en réalité pas supérieures à plusieurs égards que nous pouvons décrire. Donc, les gens n’ont pas abandonné Excel non pas parce qu’ils étaient stupides ou y étaient attachés religieusement, 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 rendent très puissant est que vous pouvez combiner la programmabilité et un niveau d’expressivité qui vient avec ce genre de système. La deuxième chose est qu’il est largement distribué dans votre organisation. De nombreux praticiens de la supply chain dans différents pays, lieux 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 une sorte de recette numérique qui n’est pas prouvée correcte. C’est une meilleure tentative d’avoir quelque chose qui est approximativement correct. Habituellement, d’un point de vue mathématique pur, l’heuristique n’est même pas correcte, mais ça fonctionne. Par exemple, une heuristique courante de la supply chain consiste à avoir en stock deux fois le nombre d’unités vendues l’année dernière à la même période, en considérant une fenêtre de trois mois. Ces heuristiques ont été testées et éprouvées, et les chiffres magiques comme la durée de la fenêtre temporelle ou le facteur utilisé ont été ajustés au fil du temps et varient d’une division à une autre et d’un lieu à un autre. Ce qui est génial avec les feuilles de calcul, c’est que vous pouvez les intégrer dans votre organisation à travers une multitude de feuilles de calcul qui mettent en œuvre toutes ces diverses heuristiques.

Kieran Chandler: Donc, ce que nous constatons dans l’industrie, c’est que cette approximation de base est suffisante, et beaucoup de supply chains fonctionnent essentiellement ainsi depuis des décennies.

Joannes Vermorel: Exactement. Quand vous dites “suffisant”, c’est intéressant parce qu’elles fonctionnent ainsi depuis des décennies, et de mon point de vue, c’est intéressant parce que maintenant…

Kieran Chandler: De nos jours, je considère Excel comme une technologie sans avenir. Les entreprises ont déjà eu amplement le temps de développer des heuristiques, de les affiner et d’en tirer le meilleur parti. Il est intéressant de constater qu’elles sont parvenues au point où elles ont déjà atteint la plupart de ces heuristiques que l’on peut avoir avec Excel. Et quand je dis Excel, je ne parle pas seulement d’Excel, je parle de tout type de logiciel qui vous offre un environnement de type tableur. Par exemple, Google Sheets serait exactement la même chose qu’Excel à cet égard. Peu importe si c’est exactement Excel ; ce qui importe, c’est le modèle de données de tableau qui est important ici. Le fait que ce soit Excel ou peut-être l’alternative OpenOffice n’a pas vraiment d’importance. De manière intéressante, ces entreprises ont exploré ce que l’on peut faire avec un tableur dans les années 90, et je pense qu’elles sont parvenues au point où de nombreuses grandes entreprises disposent de quelque chose de relativement stabilisé au début des années 2000. Nous sommes maintenant presque deux décennies plus tard, avec quelque chose qui a déjà été assez stabilisé, où il n’y a rien de vraiment nouveau à cet égard. Et c’est en effet une technologie sans avenir, car une fois que vous avez compilé vos enjeux, une fois que vous avez fait cela, les seules choses qui restent sont, je dirais, des choses qui sont légèrement insignifiantes. Donc, vous dites que c’est une impasse technologique, alors qu’est-ce qui manque vraiment ? Quel est le problème avec cette approche basée sur les tableurs ?

Joannes Vermorel: Certaines personnes ne comprennent pas les limites d’Excel. Une idée fausse courante est que vous avez un problème d’évolutivité 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 tableurs Excel, mais ce n’est pas vraiment un problème. Si Microsoft a décidé de ne pas avoir de tableurs capables de gérer des milliards de lignes, ce n’est pas parce qu’ils ne pouvaient pas le faire. Ils ont augmenté la limite de 65 000 lignes maximum à plus d’un million de lignes dans Excel 97. Ils pourraient augmenter la limite à un milliard de lignes avec une version différente d’Excel axée sur le traitement de données à grande échelle. La question est donc : pourquoi Microsoft ne fait-il pas simplement évoluer la capacité 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 évolutif avec Excel ou les tableurs en général, c’est le modèle de programmation. Le modèle de programmation consiste à chaque fois que vous avez une logique dans un tableur, si vous voulez faire plus de la même chose, vous allez simplement copier et coller cette logique dans votre tableur. Du point de vue de la programmation, ce que vous faites, c’est une réplication massive de votre logique. Vous avez une formule, et maintenant vous avez un million de copies de votre formule originale. Si vous avez une grande organisation, les bons attributs de cette organisation grâce aux tableurs étaient que tout le monde pouvait avoir ses propres heuristiques. Mais si vous prenez un tableur avec quelques centaines de produits et que vous avez deux ou trois heuristiques qui fonctionnent bien, si vous dites maintenant que je vais consolider dans un tableur plus grand les 20 quelque heuristiques différentes dont j’ai besoin pour ce plus grand périmètre, soudainement votre tableur se retrouve avec un problème de complexité. Votre tableur commence à contenir non seulement deux formules qui ont été copiées et collées, mais 20 formules qui ne sont pas utilisées de la même manière partout dans le tableur, et cela commence à être assez compliqué. Si vous essayez de passer à des centaines d’heuristiques dans toute l’organisation, alors cela devient un cauchemar complet.

Kieran Chandler: Les tableurs sont un peu lourds et ces calculs semblent prendre du temps. C’est cette logique répliquée qui en est la raison, n’est-ce pas ?

Joannes Vermorel: Oui, en grande partie. Le modèle de programmation entraîne une logique dupliquée partout. Le problème réside dans la maintenance de cette logique. Comment maintenir une feuille de calcul Excel qui contient littéralement des centaines de formules différentes ? Je ne parle pas de centaines de formules différentes avec une seule formule distincte par colonne, car c’est la manière facile. Imaginez une feuille de calcul Excel avec un million de lignes, et certaines de ces lignes ont une formule qui n’est pas simplement la même formule que celle qui se trouve au-dessus ou en dessous. Différents praticiens de la supply chain travaillant sur différentes lignes de produits et segments utilisent différentes heuristiques. Si vous voulez prendre cela en compte, vous vous retrouvez avec une feuille de calcul très compliquée et très difficile à maintenir. Les tableurs ne gèrent pas bien la complexité croissante, et cela devient un cauchemar 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 se passer de ces tableurs ? Les organisations ont passé des années à les construire, et il y a beaucoup de logique en eux.

Joannes Vermorel: Tout d’abord, vous avez besoin de capacités de programmation, mais vous ne voulez pas répliquer ce que vous aviez avant. Si vous essayez simplement de reproduire la logique de la feuille de calcul que vous aviez avant, vous vous retrouverez avec quelque chose qui ne sera pas meilleur que ce que vous aviez avant. Ce ne sera que marginalement meilleur en termes de sauvegardes légèrement meilleures et de gestion des droits d’accès. Fondamentalement, si vous essayez simplement de reproduire votre feuille de calcul dans un autre système, vous serez bloqué dans une impasse technologique. Vous pouvez gagner quelques pour cent d’efficacité en plus, mais ce sera très mince. Une fois que vous en aurez fini avec cela, vous n’obtiendrez rien de mieux. Vous pouvez également perdre de l’agilité car le nouveau système pourrait être légèrement plus rigide. Donc, vous devez penser à quelque chose qui va au-delà de ce que vous pouvez obtenir grâce aux heuristiques. Vous devez vous réinventer et adopter quelque chose qui vous donne une chance de faire mieux.

Kieran Chandler: Vous avez mentionné les Google et les Amazon qui sont allés au-delà de cela et qui mettent en œuvre des approches plus modernes. Que pouvons-nous apprendre d’eux et de ce qu’ils ont mis en place ?

Joannes Vermorel: L’astuce du machine learning moderne est de passer l’étape des systèmes basés sur des règles. La première étape de la reproduction de l’intelligence humaine dans les années 60 était les moteurs basés sur des règles, ou les moteurs de décision. Les heuristiques utilisées dans la supply chain sont exactement cela - ce sont des règles pour décider si vous devez acheter plus, produire plus ou allouer plus dans une zone. Si vous voulez aller au-delà de cela, vous devez vous réinventer et adopter des techniques de machine learning modernes pour améliorer vos processus de supply chain.

Kieran Chandler: à un autre endroit et nous en sommes arrivés à ce stade où nous avons des systèmes basés sur des règles et nous avons réglé les règles. Si nous regardons ce que Google et Amazon font, ils disent : “Oh, nous faisons du machine learning”, donc cela devient un mot à la mode et c’est du machine learning très avancé qui peut 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 des capacités de programmation, mais vous avez également besoin de capacités d’apprentissage automatique, de sorte que la plupart de ces heuristiques peuvent 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, cela ne fonctionne tout simplement pas, et l’apprentissage automatique ne fonctionne tout simplement pas. Le paradigme dominant pour la supply chain quantitative jusqu’à ce que quelques entreprises comme Amazon ou Lokad commencent à penser différemment était d’avoir des prévisions de demande classiques où il n’y a qu’un seul futur. Nous faisons la prévision, puis 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 ne parvenez jamais à reproduire les performances de ces heuristiques soi-disant stupides. Si vous voulez surpasser ces heuristiques, vous devez adopter une perspective de prévision probabiliste, et alors vous avez une chance de surpasser les heuristiques. C’est exactement ce qu’Amazon semble faire, sur la base de leurs recherches publiées.

Kieran Chandler: Si nous commençons à rassembler les choses maintenant, que diriez-vous à un praticien de la supply chain sceptique qui regarde probablement cela et qui utilise ses systèmes qui fonctionnent plus ou moins bien, peut-être un peu lourds, mais qui fonctionnent en utilisant Microsoft Excel ? Y a-t-il vraiment une incitation à s’en éloigner ?

Joannes Vermorel: Si vous utilisez Excel et que vous l’utilisez probablement depuis une ou deux décennies, la première chose serait de reconnaître que vous êtes dans une impasse technologique. Cela peut être bien, 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 évolutif et il a de nombreuses bonnes propriétés. Il ne va pas s’améliorer beaucoup. Les alternatives aux feuilles de calcul ne vont pas faire de différence. Elles peuvent s’améliorer marginalement, mais fondamentalement, cela ne va pas faire de différence. La question est : pouvez-vous vivre avec le fait que vous êtes dans une impasse ? Certaines industries peuvent vivre en étant sur un plateau, mais en ce qui concerne la supply chain, ce que je vois, c’est que certaines entreprises comme Amazon, Alibaba et Zalando sont très agressives sur le plan technique et elles vont très vite. Elles obtiennent vraiment des résultats, du point de vue de la supply chain, et elles ne le font pas avec des feuilles de calcul. Donc, je pense que la leçon est que vous êtes sur un plateau. Certaines personnes font beaucoup mieux, et ce n’est pas du battage médiatique. La croissance chez Amazon et 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 est en sursis et que vous pouvez réellement envisager un jour où il n’y aura plus du tout d’Excel dans l’industrie ?

Joannes Vermorel: Ne vous méprenez pas. Excel est fréquemment utilisé, non pas pour l’optimisation prédictive, mais pour la saisie de données, pour les entrées de données tabulaires. Microsoft a remporté la guerre des feuilles de calcul à la fin des années 80 non pas parce qu’ils avaient les meilleures calculatrices pour Excel, mais parce que la saisie de données via Excel était plus facile. Il y a de nombreuses situations où l’utilisation d’une feuille de calcul est utile.

Kieran Chandler: Parce que la saisie de données via Excel était plus facile, je pense que, vous savez, il y a de nombreuses situations où l’utilisation d’une feuille de calcul est tout à fait acceptable. Ce que je veux dire, 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 usage spécifique, à la fin de sa vie. Pour de nombreuses autres choses, Excel convient parfaitement. D’accord, des dernières réflexions, Joannes ?

Joannes Vermorel: Gardez un œil attentif sur cet espace, je suppose.

Kieran Chandler: Même chose pour cette semaine. Merci de nous avoir suivi et à la prochaine fois. Au revoir pour le moment !