Accepter l'incertitude en SCM (avec Stefan de Kok)

00:00:07 Introduction de Stefan de Kok et de l’acceptation de l’incertitude dans les supply chains.
00:00:34 Le parcours de Stefan, la fondation de Wahupa, et les premières difficultés.
00:03:18 Les différentes catégories d’incertitude dans les supply chains et leur impact.
00:04:53 L’approche de Lokad pour gérer l’incertitude en utilisant la prévision probabiliste.
00:06:43 Approches traditionnelles pour gérer l’incertitude : les stocks tampons, les mécanismes de réponse, et l’ignorance.
00:08:01 Les conséquences d’ignorer les besoins des clients et de compter sur la réponse.
00:09:59 Discussion sur le passage à la prévision probabiliste.
00:12:35 Les épiphanies de Stefan et l’adoption de la prévision probabiliste.
00:14:01 Prendre conscience de l’importance du concept plutôt que de la méthode.
00:15:25 L’importance de changer les indicateurs traditionnels pour une meilleure prévision.
00:18:38 Aider les clients à adopter l’incertitude et les stratégies à employer d’un point de vue logiciel.
00:20:19 L’impact du passage d’une entreprise à une approche probabiliste.
00:22:38 Observer la disposition du marché à accepter l’incertitude et ce qui enthousiasme les intervenants pour le futur.
00:25:01 Remarques de clôture.

Résumé

Dans un épisode de Lokad TV, l’animateur Kieran Chandler interviewe Joannes Vermorel, fondateur de Lokad, ainsi que Stefan de Kok, cofondateur et PDG de Wahupa, pour discuter de l’incertitude dans la supply chain. Ils insistent sur l’importance d’accepter l’incertitude et de prendre en compte toutes les issues potentielles pour une meilleure gestion. La méthode traditionnelle de planification par scénarios est gourmande en ressources, tandis que la prévision probabiliste offre une solution concise. De Kok identifie trois façons dont les entreprises gèrent l’incertitude : en utilisant des buffers, en y répondant ou en l’ignorant. Les deux invités prônent l’adoption de la prévision probabiliste, l’ouverture sur les méthodes sans révéler la “secret sauce”, et l’utilisation d’indicateurs probabilistes pour la prise de décisions. Ils prévoient une adoption grand public des approches probabilistes à l’avenir.

Résumé détaillé

Dans cet épisode de Lokad TV, l’animateur Kieran Chandler interviewe Joannes Vermorel, fondateur de Lokad, une entreprise de logiciels spécialisée dans l’optimization de la supply chain, ainsi que Stefan de Kok, cofondateur et PDG de Wahupa. La discussion porte sur l’acceptation de l’incertitude au sein des supply chains, qui est traditionnellement gérée à l’aide de stocks tampons. Les invités évoquent également leurs parcours respectifs et les entreprises qu’ils ont fondées.

Stefan de Kok, cofondateur de Wahupa, a commencé sa carrière en mathématiques appliquées à l’Université Technique de Delft aux Pays-Bas. Après être entré sur le marché de l’emploi, il a découvert par hasard une entreprise de supply chain software et l’a rejointe. Au fil du temps, il a occupé divers postes, tels que consultant, gestion de produit, et consultant fonctionnel. Après s’être retrouvé sans emploi, il a décidé de concrétiser ses idées et de résoudre les problèmes qu’il avait identifiés au fil des ans. Son idée initiale était de créer une plateforme accessible aux petites entreprises, car les produits existants étaient principalement destinés aux grandes entreprises Tier 1. En 2003, il a eu du mal à trouver des personnes capables de construire la plateforme, mais il a finalement trouvé une équipe pour donner vie à sa vision.

L’incertitude est un aspect fondamental de la gestion de la supply chain, car tout ce qui se passera dans le futur est potentiellement incertain. Quelques exemples d’incertitude incluent les délais d’approvisionnement, les durées, les rendements en termes de qualité ou de note, et les taux. Stefan estime que les professionnels de la supply chain devraient considérer l’impact de toutes les combinaisons possibles de résultats futurs, même si cela peut être une tâche complexe.

Joannes Vermorel, le fondateur de Lokad, partage ses réflexions sur la manière d’aborder les défis posés par l’incertitude. Traditionnellement, les entreprises utilisaient des scénarios “what-if” pour se préparer à l’incertitude, mais cette approche peut rapidement devenir fastidieuse. Afin de gérer efficacement l’incertitude, les professionnels de la supply chain doivent envisager tous les futurs possibles ainsi que leurs impacts potentiels.

Vermorel explique que la méthode traditionnelle consistant à utiliser des scénarios pour traiter des problèmes complexes de supply chain est à la fois chronophage et gourmande en ressources. Cependant, la prévision probabiliste offre une solution élégante et concise qui peut être mise en œuvre grâce à la puissance de traitement brute. Cette approche présente l’avantage supplémentaire de nécessiter moins de personnes pour gérer et exploiter une supply chain, ce qui la rend plus efficace tant du point de vue logiciel qu’opérationnel.

De Kok explique qu’il existe trois principales manières pour les entreprises de gérer l’incertitude dans les supply chains : en utilisant des buffers, en répondant à l’incertitude au fur et à mesure qu’elle survient, ou en l’ignorant tout simplement. La plupart des entreprises emploient une combinaison de ces approches, mais le défi consiste à trouver le juste équilibre entre elles. Si les buffers ne sont pas précis, les entreprises doivent compenser en répondant, ce qui peut s’avérer coûteux. Les aspects auxquels il est impossible de répondre sont souvent ignorés, ce qui peut entraîner des dommages à long terme, l’insatisfaction des clients et, potentiellement, la faillite.

De Kok souligne également le rôle des buffers, tels que les délais d’approvisionnement, les capacités, et les stocks, dans la gestion de l’incertitude de la supply chain. Les entreprises disposent souvent de buffers gonflés pour prévenir les problèmes nécessitant une action réactive. Cependant, il note que de nombreuses entreprises peinent encore à atteindre leurs taux de service, car leur performance réelle est souvent déterminée par les actions réactives plutôt que par les buffers.

Vermorel explique que son entreprise, Lokad, a commencé avec des prévisions classiques avant de passer à la prévision probabiliste. Ils utilisaient initialement des prévisions quantiles, qui introduisent intentionnellement un biais afin de tenir compte des situations où prévoir la moyenne serait inexact. Ils sont ensuite passés à l’utilisation de grilles de quantiles, impliquant une augmentation progressive des biais, et enfin à la prévision probabiliste, qui prend en compte l’ensemble des biais simultanément.

De Kok révèle qu’il a eu une épiphanie concernant la valeur de la prévision probabiliste dès 2006, lorsqu’il a réalisé que les valeurs incertaines ne pouvaient pas être représentées par des nombres exacts. Il a commencé à développer une arithmétique probabiliste et a trouvé cela comme une solution élégante aux problèmes complexes de la supply chain. Au départ, de Kok gardait secrète son approche de la prévision probabiliste, la considérant comme un élément différenciateur clé pour son entreprise. Cependant, il a finalement découvert que d’autres entreprises, y compris Lokad, utilisaient également des méthodes similaires, prouvant ainsi la viabilité et la valeur de la prévision probabiliste dans l’industrie.

Stefan de Kok souligne qu’il existe plusieurs façons d’atteindre le même objectif dans l’optimization de la supply chain. Il met en avant quatre points clés : 1) accepter l’incertitude ; 2) adopter la prévision et la planification probabilistes ; 3) être transparent quant aux méthodes et aux idées sans révéler la “secret sauce” ; et 4) reconnaître que les indicateurs traditionnels sont insuffisants et doivent être remplacés par des indicateurs probabilistes. Vermorel et de Kok s’accordent à dire que changer ces indicateurs et utiliser des approches probabilistes sont essentiels pour une meilleure prise de décision dans la gestion de la supply chain.

Vermorel explique qu’une fois qu’un modèle probabiliste est en place, il permet la simulation de multiples futurs possibles, ce qui, à son tour, facilite l’évaluation des décisions et de leurs résultats potentiels. Il note également que la technologie et les algorithmes utilisés pour les prévisions sont moins importants que l’approche globale, comme en témoigne l’évolution des moteurs de prévision de Lokad.

De Kok affirme que pour aider les clients à accepter l’incertitude, il est essentiel de fournir des résultats explicites qui inspirent confiance. La visualisation des résultats est cruciale, car elle permet aux utilisateurs de comprendre l’éventail des valeurs possibles et leurs probabilités. Il compare la relation entre les fournisseurs de logiciels et les clients à celle entre mécanos et conducteurs, les premiers créant des outils sophistiqués que les seconds peuvent utiliser de manière simple et efficace.

Lorsqu’il s’agit de l’impact d’une approche probabiliste sur les entreprises, Vermorel souligne qu’elle fournit souvent des insights qui correspondent à l’intuition. Par exemple, une méthode de prévision classique peut suggérer de surstocker des produits périssables, tandis qu’une approche probabiliste équilibrerait plus précisément les risques associés aux ruptures de stock et au gâchis.

En termes d’acceptation par le marché, de Kok constate qu’il y a eu une réticence à accepter l’incertitude, mais que cette résistance diminue progressivement. Il identifie deux étapes d’acceptation : d’abord, reconnaître que des chiffres exacts ne suffisent pas pour gérer l’incertitude, et ensuite, surmonter les idées reçues sur la complexité des approches probabilistes. Il se montre optimiste quant à la tendance croissante à adopter ces méthodes et prévoit qu’elles deviendront finalement courantes dans l’industrie.

L’interview met en lumière la valeur de l’acceptation de l’incertitude, de l’adoption d’indicateurs probabilistes, et de l’utilisation de la visualisation pour une meilleure prise de décision dans l’optimization de la supply chain. Vermorel et de Kok prônent tous deux l’évolution continue des technologies de prévision et envisagent un avenir où les approches probabilistes seront adoptées par le grand public.

Transcription complète

Kieran Chandler: Aujourd’hui sur Lokad TV, nous sommes ravis d’accueillir Stefan de Kok, le fondateur de Wahupa, qui va nous expliquer pourquoi cette incertitude ne devrait pas être vue comme un obstacle, mais plutôt comme quelque chose à adopter. Alors, Stefan, merci beaucoup de nous rejoindre aujourd’hui. Pourrais-tu commencer par nous parler un peu de ton parcours et aussi de Wahupa, l’entreprise que tu as fondée ?

Stefan de Kok: Eh bien, merci Kieran et Joannes de m’avoir invité. Oui, je suis l’un des cofondateurs de Wahupa. J’ai commencé à étudier les mathématiques appliquées à l’Université Technique de Delft aux Pays-Bas et je n’avais jamais entendu parler de ce fameux concept de supply chain. Après être entré sur le marché de l’emploi, j’ai découvert par hasard une entreprise de supply chain software et je les ai rejoints. Je ne l’ai jamais regretté une seule seconde. Ensuite, j’ai réalisé de nombreux travaux pour eux et pour de nombreux clients dans le conseil, le conseil en logiciels, le conseil fonctionnel, et la gestion de produit logiciel. Puis, après une autre rencontre fortuite, je me suis retrouvé sans emploi, et c’est à ce moment-là que j’ai réalisé que toutes ces idées sur lesquelles je travaillais, tous les problèmes que j’avais découverts au fil des ans, je pouvais enfin agir sur eux, des choses que je n’avais pas pu faire auparavant.

Au départ, l’idée était de construire une plateforme qui serait bien plus qu’un S&OP à l’époque, incluant de nombreuses solutions best-of-breed mais pas la majorité des problèmes qu’elles rencontraient, principalement l’intégration. J’ai constaté qu’environ 70 % de chaque implémentation était consacrée à l’intégration, et je voulais créer une plateforme accessible aux petites entreprises. À cette époque, les produits étaient principalement destinés aux grandes entreprises Tier 1, et les petites entreprises confrontées aux mêmes problèmes ne disposaient pas vraiment d’une bonne solution. C’est ainsi que tout a commencé, et puis j’ai découvert, et cela remontait à 2003, que trouver des personnes capables de la construire était incroyablement difficile. Au fil des ans, j’ai fait évoluer l’idée, elle s’est développée, j’ai eu davantage d’épiphanies, et finalement, il y a quelques années, j’ai trouvé les gars que j’étais enfin convaincu pouvaient construire cette chose, et ils ont eux aussi été convaincus que c’était une excellente idée pour s’impliquer, et nous avons commencé.

Kieran Chandler: Et cela nous amène parfaitement à notre sujet du jour, qui est l’acceptation de l’incertitude au sein des supply chains. La demande est évidemment l’exemple le plus évident, mais quelles autres catégories d’incertitude pouvons-nous rencontrer ?

Stefan de Kok: Eh bien, tout ce qui se passera dans le futur est potentiellement incertain. Donc, si vous êtes dans la supply chain, vous devez penser non seulement aux quantités, mais peut-être aussi aux délais d’approvisionnement, aux durées, à la qualité ou au grade, aux rendements, aux taux, en fait tout ce qui va se passer dans le futur est incertain à divers degrés. Nous devons donc vraiment examiner l’impact, non seulement de la valeur moyenne de toutes ces choses futures, mais de toutes les combinaisons possibles de tous les futurs possibles, ce qui semble très complexe et l’est effectivement, mais c’est aussi ce que nous devons faire. Et une fois que quelque chose passe dans le passé, c’est presque certain. Certes, même dans le passé, il y a une part d’incertitude. Il y a des problèmes de données, et on ne sait peut-être même pas si quelque chose s’est réellement passé d’une certaine manière, mais pour la majeure partie, une fois que c’est arrivé, ce n’est plus incertain dans une large mesure, et quelque part au milieu…

Kieran Chandler: Joannes va se joindre à nous dans le cadre de notre discussion aujourd’hui, et Joannes, cette idée de faire face à un futur incertain est au cœur de l’approche de Lokad. Alors, comment abordez-vous ces défis ? Je veux dire, une approche traditionnelle serait d’utiliser des scénarios what-if, comme des scénarios optimistes et pessimistes.

Joannes Vermorel: Le principal problème avec la gestion d’un avenir incertain via des scénarios, c’est que cela devient rapidement incroyablement fastidieux et chronophage. Il faut tellement d’efforts pour détailler ces scénarios. Fait intéressant, avec la prévision probabiliste, d’une certaine manière, on force le problème par la brute. On pourrait penser que considérer tous les futurs possibles serait extraordinairement difficile, mais il s’avère qu’avec une puissance de traitement suffisante, il est en réalité beaucoup plus simple d’implémenter le logiciel et de le faire fonctionner plutôt que de gérer un système super complexe pour administrer de nombreux scénarios. C’est très intéressant car, non seulement c’est mathématiquement élégant et concis pour traiter des phénomènes complexes, mais c’est aussi efficace pour le supply chain, où l’on n’a pas tant de monde. C’est relativement léger, tant du point de vue du développement logiciel que du point de vue opérationnel, pour les personnes qui doivent gérer le système afin de faire fonctionner un supply chain. Voilà pourquoi je suis très intéressé et enthousiaste à propos de cette approche.

Kieran Chandler: Stefan, regardons quelques-unes des approches plus traditionnelles que les gens adoptent. Comment vois-tu ces approches classiques utilisées pour prendre en compte l’incertitude ?

Stefan de Kok: Il existe réellement deux ou trois manières différentes de gérer l’incertitude. La première consiste à utiliser des buffers ; la deuxième à réagir à l’incertitude dès qu’elle survient avec un mécanisme de réponse, tel que l’expédition accélérée ; et la troisième est simplement de l’ignorer. Chacun en fait un peu, et la question est de savoir combien investir dans chacune. Ce qui se produit généralement, c’est qu’avec les buffers, tout repose sur la précision. Si vous vous trompez dans votre buffer, vous devez surcompenser par une réaction, ce qui est généralement coûteux. Enfin, les éléments auxquels vous ne pouvez pas répondre sont ceux que vous devez ignorer, et ce sont eux qui causent les dégâts à long terme pour une entreprise. Les clients se fâchent, vous pouvez perdre des parts de marché, et cela peut même mener à des poursuites judiciaires ou à la faillite dans certains cas si vous ignorez le client trop longtemps.

Stefan de Kok: Les buffers les plus courants sont les délais, les capacités et les stocks. Les entreprises vont les augmenter car elles savent que si elles sont insuffisantes, elles rencontreront des problèmes nécessitant une réponse. Pour vous donner une indication, de nombreuses entreprises ciblent des taux de service de 95 à 99 pour cent, mais lorsque vous mesurez leur service effectif, elles n’atteignent au mieux que 90 pour cent, ou généralement, celles visant ces niveaux se situent dans les hauts 80. Quand vous creusez un peu, vous constatez que même ce chiffre est généralement dû à la réaction, et non au buffer initialement prévu. Elles ont donc recours à l’expédition accélérée à grands frais et avec beaucoup d’efforts, et le niveau d’instabilité et de gestion de crise est énorme. Leurs stocks ne leur fournissent peut-être qu’un taux de service de 73 pour cent, alors qu’ils visaient 98 pour cent. Cela met à rude épreuve les capacités de l’entreprise et érode les marges, ce que je pense être le statu quo de la plupart des supply chains aujourd’hui, avec un transfert sévère de toute la charge sur la partie de réponse.

Kieran Chandler: Examinons un peu l’approche probabiliste, Joannes. Il t’a fallu quelques années pour la développer, alors d’où vient cette idée ?

Joannes Vermorel: La prévision probabiliste, pour nous, fut un véritable parcours. Nous avons en réalité commencé avec la prévision classique, où l’on ne prévoyait que la moyenne. Puis, nous avions un client vendant des pièces automobiles, et nous nous sommes rendu compte que si nous étions

Kieran Chandler: Vous savez que c’était tellement épars, tellement intermittent, que prévoir zéro partout était, en termes de précision, très, très bon. C’était manifestement du non-sens complet, et nous avons d’abord opté pour des prévisions par quantile, ce qui voulait dire : “Oh non, vous ne voulez pas prévoir la demande moyenne, vous voulez prévoir quelque chose qui a un biais intentionnel.” Et une prévision avec un biais volontaire s’appelle une prévision par quantile. Ce fut la première étape pour dire, d’accord, qu’est-ce qui devrait simplement…

Joannes Vermorel: Comme l’a décrit Stefan, vous savez, ces situations avec ces articles de type C, ou encore A, B, C, ou les produits à faible rotation, comment savoir si vous devez avoir une, deux unités en stock ou peut-être trois au lieu d’utiliser simplement une gestion min/max ? D’abord, nous avons réalisé que la prévision par quantile était une première étape pour obtenir des résultats significatifs, vous savez, pour sortir de cette situation où prévoir zéro était la meilleure option. Cela n’avait absolument aucun sens. Puis nous avons pensé : “Oh, vous voulez une prévision avec un quantile, mais qu’en est-il d’ajuster ce quantile puisque l’on peut régler le degré de biais souhaité ?” Ensuite, nous sommes passés du quantile à des grilles de quantiles. Imaginons une série de biais s’incrémentant progressivement, puis nous avons réalisé : “Non, mais il vaudrait probablement mieux que tous les biais soient différents.” Et finalement, nous sommes arrivés à la grille de quantiles de contact, puis à la prévision probabiliste. Et puis nous avons, et d’ailleurs, il existe une littérature distincte, une littérature statistique, et il semble que beaucoup d’autres personnes dans la communauté statistique aient suivi le même parcours que nous, qui consiste à commencer par des prévisions ou des prédictions non biaisées, à passer à des prévisions biaisées, puis à explorer de nombreux biais avant d’essayer de tout faire en même temps. Et c’est cela, une prévision probabiliste. Voilà.

Kieran Chandler: D’accord, et Stefan, tu es probablement aussi l’une des rares personnes dans l’industrie en dehors de Lokad à adopter cette idée de prévision probabiliste. Qu’est-ce qui t’a amené à avoir ces idées ?

Stefan de Kok: Eh bien, je suppose que c’est ici que je parle de certaines de mes épiphanies. La première, qui était que des valeurs incertaines ne peuvent pas être représentées par des nombres exacts, remonte probablement à 2006, j’ai compris cela. Mais je n’avais pas encore percé le secret ; ce n’était pas une véritable épiphanie à ce moment-là. À l’époque, je n’avais pas trouvé comment faire fonctionner cela. Cela n’avait tout simplement aucun sens de procéder de cette manière. Finalement, j’ai travaillé sur le développement de ce que j’appelle une arithmétique probabiliste, et quand j’ai compris comment la faire fonctionner et jeté un regard en arrière, en constatant comment quelque chose qui paraissait si complexe était en réalité résolvable par quelque chose d’aussi élégant, tout s’est mis en place. Et c’est là que j’ai eu mon premier moment “aha”. Mais à l’époque, je gardais cela secret. Je pensais que c’était, vous savez, l’un de mes principaux éléments différenciateurs, donc ce n’était certainement pas à mettre en avant.

Ce n’est que plus tard, et c’est l’un de ces moments fortuits de ma carrière où je me suis retrouvé à avoir besoin d’argent et à chercher un emploi, que j’ai trouvé une autre entreprise située justement dans ma ville natale de Boston. L’une des trois entreprises dans le monde qui font cela, parmi Lokad, du moins à l’époque, et j’ai découvert qu’elles le faisaient depuis les années 1970. Elles le prouvent, mais elles gardent cela secret parce que c’était leur sauce secrète. Et j’ai découvert quelques éléments, et je pense que les points clés sont qu’il existe de nombreuses façons de…

Kieran Chandler: Je pense que l’essentiel est qu’il existe de nombreuses manières d’atteindre le même objectif. Chacune de vos approches est très différente, mais l’objectif ultime reste le même. Ce n’était donc pas tant la manière de procéder qu’il fallait promouvoir, mais le concept même selon lequel cela devait être fait. Que penses-tu de discuter et de promouvoir cette idée sans révéler la recette secrète qui rend vos entreprises si spéciales ?

Stefan de Kok: J’ai réalisé que je pouvais en parler, tenir un blog et écrire des articles à ce sujet sans pour autant dévoiler la recette secrète qui nous rend spéciaux. Il est important de sensibiliser les gens au fait que c’est, en fin de compte, ce que toute la planification et la prévision devront devenir dans la prochaine décennie ou donc. Une chose que je promeus plus récemment, c’est que les indicateurs traditionnels sont également erronés. Nous devons changer ces indicateurs et utiliser des prévisions probabilistes dans les usines ainsi que des indicateurs probabilistes pour mesurer leur valeur.

Joannes Vermorel: Absolument, je suis d’accord avec Stefan. Lorsque vous avez quelque chose de probabiliste, vous pouvez simuler de nombreux futurs possibles, et vous pouvez remettre en question chacune de vos décisions avec leur issue comme si vous connaissiez l’avenir. Cela vous offre un moyen très élégant de classer toutes vos décisions et de les prioriser. Cependant, je crois que la sauce secrète, ou la technologie qui se cache derrière, est moins importante. Chez Lokad, nous avons déjà abandonné cinq générations de moteurs de prévision, en croyant à chaque fois qu’il s’agissait de la plus grande innovation de tous les temps, pour réaliser deux ans plus tard qu’il existait une meilleure manière de faire.

Kieran Chandler: Joannes, il est intéressant que tu mentionnes l’exploitatibilité de la viabilité future. Peux-tu développer cette idée ?

Joannes Vermorel: Bien sûr. Le fait qu’il y ait de la variabilité dans l’avenir peut être exploité. Il ne s’agit pas seulement de se protéger et d’être plus résilient; vous pouvez également tirer avantage du fait qu’il y a de la variabilité dès le départ.

Kieran Chandler: Stefan, si nous commençons à voir les choses du point de vue du client, comment pouvons-nous les aider à adopter cette idée d’accepter l’incertitude ? Quelles stratégies peuvent-ils employer du point de vue logiciel ?

Stefan de Kok: L’élément clé est que si vous avez un moteur complexe et que vous obtenez un résultat de type “boîte noire”, cela n’inspire pas beaucoup de confiance. Le résultat devrait être explicite. Avec les probabilités, vous pouvez réaliser une quantité incroyable de choses. Vous pouvez montrer que nous ne pensons pas que la réponse sera un seul chiffre, mais que nous fournissons plutôt une plage de possibilités qui prend en compte l’incertitude.

Kieran Chandler: Pour être tout à fait précis, nous pensons que la réponse se situera entre plusieurs valeurs, et il existe une distribution indiquant comment ces valeurs peuvent survenir. Vous pouvez examiner cela à n’importe quel niveau, et il s’agit surtout de la visualisation de ces résultats. J’aime y voir presque une voiture, vous savez ? Nous sommes les mécaniciens, et le client est le conducteur. Autrefois, je savais comment fonctionnait ma voiture, et maintenant, elle est magnifique. J’y regarde, elle est splendide, mais je n’ai aucune idée de ce qui la fait fonctionner. Même le mécanicien doit brancher un câble pour la connecter à son ordinateur afin de comprendre ce qui se passe. C’est ainsi que je conçois les solutions du futur et ce que nous apportons tous : apporter cette sophistication tout en facilitant son utilisation pour l’utilisateur, le conducteur, afin d’obtenir un résultat qu’il peut utiliser et sur lequel il peut prendre des décisions plus sûres.

Joannes Vermorel: Très bien. En restant sur cette perspective client, qu’est-ce que cela signifie pour une entreprise de passer à cette approche probabiliste ? Lorsqu’on commence à penser aux probabilités, il s’agit d’essayer de réfléchir aux grandes forces que vous tentez d’équilibrer. Quels sont les problèmes que vous cherchez à atténuer ? Quels sont les goulots d’étranglement qui vont vous frapper le plus et vous nuire ? Habituellement, c’est assez amusant, car ces prévisions par rafale offrent simplement un moyen de quantifier. C’est comme les recettes qui, finalement, vous permettent de quantifier ce qui était souvent simplement évident en termes d’intuition. Ce n’est pas qu’elles produisent des perspectives fantastiques. Dans mon expérience, c’est plutôt l’inverse. Cela met en lumière des aspects qui étaient assez évidents dès le départ, mais pour la première fois, le système vous donne des chiffres qui correspondent, de manière très banale, à l’intuition. Par exemple, vous avez un produit hautement périssable ; ne stockez pas trop de produits dessus. Vous prenez un risque énorme en ayant un stock élevé pour un produit super périssable. Si vous adoptez une approche de prévision classique, elle se contentera de dire : “Oh, atteignez simplement un taux de service de quatre-vingt-dix-sept pour cent et c’est fini”, puis vous créez un surplus massif de produits qui expirent. Si vous optez pour l’approche probabiliste, la prévision pourrait même être pire, en réalité. Elle ne sera peut-être pas super bonne, mais elle sera tout simplement plus équilibrée, compte tenu du risque qu’à chaque rupture de stocks, vous connaissez la date d’expiration, et vous avez quelque chose de très…

Kieran Chandler: Coûteux et ainsi, cela oriente la décision vers quelque chose de bien plus sensé, à savoir de ne pas surstocker les fraises. Donc, je suis tout à fait d’accord avec l’idée que le fondateur a énoncé selon laquelle les détours commerciaux doivent, en quelque sorte, poursuivre la simplicité. Bien que, pour être honnête, je ne pense pas que Lokad ait eu le palmarès le plus brillant en matière de fournir les solutions les plus simples qui soient, mais au moins, ils essaient. D’accord, Stefan, je te laisse la dernière parole. D’après ce que tu as observé sur le marché, dirais-tu que les gens sont prêts à adopter l’idée d’accepter l’incertitude, et qu’est-ce qui t’enthousiasme vraiment pour l’avenir ?

Stefan de Kok: Je pense que nous y arrivons. J’ai été témoin de beaucoup de résistances au fil des ans, et cela a été une véritable bataille ardue, mais je pense que nous atteignons le sommet. La situation se simplifie, et je remarque moins d’opposition. Je pense que le marché commence à comprendre, et il existe une approche en deux étapes. La première étape est qu’un nombre exact n’est pas la bonne manière de traiter l’incertitude. La deuxième étape, c’est là que je perçois encore une petite friction. Ils pensent que c’est excessivement complexe. Ils disent, “Tout le monde qui dit que oui, vous pourriez le faire, mais…” Il y a toujours ce “mais”, et ce “mais” porte souvent sur le big data. Vous avez besoin de beaucoup de données pour le faire de manière probabiliste. Eh bien, ce n’est tout simplement pas vrai, n’est-ce pas ? Vous avez simplement besoin de données historiques, que vous trouvez dans chaque système ERP, pour résoudre le même problème que vous résoudriez de manière déterministe.

Une autre préoccupation que beaucoup de gens ont est de savoir comment gérer plusieurs futurs possibles. Ils pensent que cela va faire exploser le nombre de possibilités. Cependant, une prévision probabiliste pourrait conduire à un plan probabiliste ; il suffit de l’exprimer sous forme de distribution. C’est la partie avec laquelle, je pense, les gens peinent encore à ce stade. Mais je suis enthousiaste, je vois la tendance et où elle va. Je remarque de plus en plus d’acceptation de la part de personnes qui, auparavant, étaient farouchement opposées à cette approche. Je vois toujours plus de gens faire le saut, vivre leur épiphanie, et il s’agit donc d’atteindre cette masse critique, et cela sera adopté par le grand public. Je suis vraiment enthousiaste à ce sujet.

Kieran Chandler: D’accord, brillant. Eh bien, nous allons devoir en rester là, mais merci à vous deux pour votre temps. Merci beaucoup d’avoir été à l’écoute, et nous nous reverrons dans le prochain épisode. Au revoir pour l’instant.