00:00:07 Introduction à Stefan de Kok et à l’embrassement de l’incertitude dans les supply chains.
00:00:34 Le parcours de Stefan, la fondation de Wahupa et les difficultés initiales.
00:03:18 Différentes classes d’incertitude dans les supply chains et leur impact.
00:04:53 L’approche de Lokad pour faire face à l’incertitude en utilisant des prévisions probabilistes.
00:06:43 Approches traditionnelles pour gérer l’incertitude : stocks tampons, mécanismes de réponse et ignorance.
00:08:01 Conséquences de l’ignorance des besoins des clients et de la dépendance à la réponse.
00:09:59 Discussion sur le parcours vers les prévisions probabilistes.
00:12:35 Les révélations de Stefan et l’adoption des prévisions probabilistes.
00:14:01 Réalisation de l’importance du concept plutôt que de la méthode.
00:15:25 Importance de changer les métriques traditionnelles pour de meilleures prévisions.
00:18:38 Aider les clients à embrasser l’incertitude et les stratégies à adopter d’un point de vue logiciel.
00:20:19 L’impact d’une entreprise passant à une approche probabiliste.
00:22:38 Observer la préparation du marché à accepter l’incertitude et ce qui excite les interviewés pour l’avenir.
00:25:01 Remarques de clôture.
Résumé
Dans un épisode de Lokad TV, l’hôte Kieran Chandler interviewe Joannes Vermorel, fondateur de Lokad, et Stefan de Kok, co-fondateur et PDG de Wahupa, pour discuter de l’incertitude dans la supply chain. Ils insistent sur l’importance d’embrasser l’incertitude et de considérer toutes les issues possibles pour une meilleure gestion. La méthode traditionnelle de planification de scénarios est gourmande en ressources, tandis que les prévisions probabilistes offrent une solution concise. De Kok identifie trois façons dont les entreprises gèrent l’incertitude : en utilisant des stocks tampons, en y répondant ou en l’ignorant. Les deux invités préconisent l’adoption de prévisions probabilistes, en étant ouverts sur les méthodes sans révéler la “recette secrète”, et en utilisant des métriques probabilistes pour la prise de décision. Ils prévoient une adoption généralisée des approches probabilistes à l’avenir.
Résumé étendu
Dans cet épisode de Lokad TV, l’hôte Kieran Chandler interviewe Joannes Vermorel, fondateur de Lokad, une entreprise spécialisée dans l’optimisation de la supply chain, et Stefan de Kok, co-fondateur et PDG de Wahupa. La discussion porte sur l’embrassement de l’incertitude au sein des supply chains, qui est traditionnellement géré en utilisant des stocks tampons. Les invités discutent également de leurs parcours et des entreprises qu’ils ont fondées.
Stefan de Kok, co-fondateur de Wahupa, a commencé sa carrière en mathématiques appliquées à l’Université technique de Delft aux Pays-Bas. Après avoir intégré le marché du travail, il a accidentellement découvert une entreprise de logiciels de supply chain et les a rejoints. Au fil du temps, il a occupé différents postes, tels que la consultation, la gestion de produits et la consultation fonctionnelle. Après s’être retrouvé sans emploi, il a décidé d’agir sur ses idées et de résoudre les problèmes qu’il avait découverts au fil des ans. Son idée initiale était de créer une plateforme disponible pour les petites entreprises, car les produits existants étaient principalement destinés aux grandes entreprises de niveau 1. En 2003, il a eu du mal à trouver des personnes capables de construire la plateforme, mais a finalement trouvé une équipe pour donner vie à sa vision.
L’incertitude est un aspect essentiel de la gestion de la supply chain, car tout ce qui concerne l’avenir est potentiellement incertain. Quelques exemples d’incertitude incluent les délais d’approvisionnement, les durées, les rendements de qualité ou de grade, et les taux. Stefan estime que les professionnels de la supply chain devraient prendre en compte l’impact de toutes les combinaisons possibles de résultats futurs, même si cela peut être une tâche complexe.
Joannes Vermorel, fondateur de Lokad, partage ses réflexions sur l’approche des défis posés par l’incertitude. Traditionnellement, les entreprises utilisaient des scénarios “et si” 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 prendre en compte tous les futurs possibles et leurs impacts potentiels.
Vermorel explique que la méthode traditionnelle consistant à utiliser des scénarios pour résoudre des problèmes complexes de supply chain est à la fois chronophage et nécessite des ressources importantes. Cependant, la prévision probabiliste offre une solution élégante et concise qui peut être mise en œuvre à l’aide de 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 façons dont les entreprises gèrent l’incertitude dans les supply chains : en utilisant des tampons, en répondant à l’incertitude au fur et à mesure qu’elle se produit, ou en l’ignorant simplement. La plupart des entreprises utilisent une combinaison de ces approches, mais le défi réside dans le bon équilibre entre elles. Si les tampons ne sont pas précis, les entreprises doivent compenser en répondant, ce qui peut être coûteux. Les aspects auxquels il est impossible de répondre sont souvent ignorés, ce qui peut entraîner des dommages à long terme, une insatisfaction des clients et éventuellement une faillite.
De Kok met également en évidence le rôle des tampons, tels que les délais d’approvisionnement, les capacités et les stocks, dans la gestion de l’incertitude de la supply chain. Les entreprises ont souvent des tampons gonflés pour éviter les problèmes nécessitant une action réactive. Cependant, il souligne que de nombreuses entreprises ont encore du mal à atteindre leurs niveaux de service ciblés, car leurs performances réelles sont souvent influencées par les actions réactives plutôt que par les tampons.
Vermorel explique que son entreprise, Lokad, a commencé par des prévisions classiques mais est finalement passée à des prévisions probabilistes. Ils utilisaient initialement des prévisions de quantiles, qui introduisent intentionnellement un biais pour tenir compte des situations où la prévision de la moyenne serait inexacte. Ils sont ensuite passés à l’utilisation de grilles de quantiles, qui impliquaient une augmentation progressive des biais, puis à des prévisions probabilistes, qui tiennent compte de tous les biais en une seule fois.
De Kok partage qu’il a eu une révélation concernant la valeur des prévisions probabilistes dès 2006, lorsqu’il a réalisé que les valeurs incertaines ne peuvent pas être représentées par des chiffres exacts. Il a commencé à développer une arithmétique probabiliste et a trouvé une solution élégante aux problèmes complexes de la supply chain. Initialement, de Kok gardait son approche de prévision probabiliste secrète, car il la considérait 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, ce qui prouve la viabilité et la valeur des prévisions probabilistes dans l’industrie.
Stefan de Kok souligne qu’il existe différentes façons d’atteindre le même objectif dans l’optimisation de la supply chain. Il met en avant quatre points clés : 1) embrasser l’incertitude ; 2) adopter des prévisions et une planification probabilistes ; 3) être ouvert sur les méthodes et les idées sans révéler la “sauce secrète” ; et 4) reconnaître que les métriques traditionnelles sont insuffisantes et doivent être remplacées par des métriques probabilistes. Vermorel et de Kok conviennent tous deux que le changement des métriques et l’utilisation d’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 de simuler plusieurs futurs possibles, ce qui permet à son tour d’évaluer les décisions et leurs résultats potentiels. Il note également que la technologie et les algorithmes utilisés pour les prévisions sont moins importants que l’approche globale, comme le démontre l’évolution des propres moteurs de prévision de Lokad.
De Kok affirme que pour aider les clients à embrasser l’incertitude, il est essentiel de fournir des résultats auto-explicatifs qui inspirent confiance. La visualisation des résultats est essentielle, car elle permet aux utilisateurs de comprendre la gamme de valeurs possibles et leurs probabilités. Il compare la relation entre les fournisseurs de logiciels et les clients à celle entre les mécaniciens et les conducteurs, les premiers créant des outils sophistiqués pour que les seconds les utilisent facilement et efficacement.
Lorsqu’il discute de l’impact d’une approche probabiliste sur les entreprises, Vermorel souligne qu’elle fournit souvent des informations qui sont en accord avec l’intuition. Par exemple, une méthode de prévision classique peut suggérer une surstockage de produits périssables, tandis qu’une approche probabiliste équilibrerait plus précisément les risques liés aux ruptures de stock et à l’altération.
En ce qui concerne l’acceptation du marché, de Kok observe qu’il y a eu une résistance à l’adoption de l’incertitude, mais que cette résistance diminue progressivement. Il identifie deux étapes d’acceptation : d’abord, reconnaître que les chiffres exacts ne sont pas suffisants pour faire face à l’incertitude, puis surmonter les idées fausses 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 évidence la valeur de l’acceptation de l’incertitude, de l’adoption de mesures probabilistes et de l’utilisation de la visualisation pour une meilleure prise de décision dans l’optimisation de la supply chain. Vermorel et de Kok plaident tous deux en faveur de l’évolution continue de la technologie de prévision et prévoient un avenir où le grand public adoptera des approches probabilistes.
Transcription complète
Kieran Chandler : Aujourd’hui sur Lokad TV, nous sommes ravis d’accueillir Stefan de Kok, fondateur de Wahupa, qui va nous expliquer pourquoi cette incertitude ne devrait pas être considérée comme un obstacle, mais comme quelque chose qui devrait être embrassé. Donc, Stefan, merci beaucoup de nous rejoindre aujourd’hui. Peut-être pourriez-vous commencer par nous parler un peu de votre parcours et de Wahupa, l’entreprise que vous avez fondée.
Stefan de Kok : Eh bien, merci, Kieran, et Joannes de m’avoir invité. Oui, je suis l’un des co-fondateurs 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 cette chose appelée supply chain. Après avoir terminé mes études, par accident, j’ai découvert une entreprise de logiciels de supply chain et je les ai rejoints. Je n’ai jamais regretté cette décision. Ensuite, j’ai beaucoup travaillé pour eux et pour de nombreux clients en tant que consultant, consultant fonctionnel en logiciels, gestionnaire de produits logiciels. 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 j’avais travaillé, tous les problèmes que j’avais découverts au fil des ans, je pouvais enfin y faire quelque chose, des choses que je n’étais pas capable de faire auparavant.
L’idée originale était de construire une plateforme qui était quelque chose de plus grand que la S&OP à l’époque, qui incluait beaucoup de solutions de pointe mais pas beaucoup de problèmes, principalement l’intégration. J’ai constaté que près de 70% de chaque mise en œuvre était consacrée à l’intégration, et je voulais créer une plateforme disponible pour les petites entreprises. Même les produits de l’époque étaient principalement destinés aux grandes entreprises de premier rang, et les petites entreprises qui rencontraient les mêmes problèmes n’avaient pas vraiment de bonne solution. C’est ainsi que tout a commencé, et puis j’ai découvert, et c’était il y a longtemps, en 2003, que trouver des personnes capables de le construire était incroyablement difficile. Au fil des ans, j’ai fait évoluer l’idée, elle a grandi, j’ai eu plus d’épiphanies, et finalement, il y a quelques années, j’ai trouvé les personnes qui étaient convaincues de pouvoir enfin construire cette chose, et elles étaient convaincues que c’était une excellente idée de s’impliquer, et nous avons commencé.
Kieran Chandler : Et cela nous amène parfaitement à notre sujet d’aujourd’hui, qui est l’acceptation de l’incertitude au sein des supply chains. La demande est évidemment l’exemple le plus évident, mais quelles autres classes d’incertitude pouvons-nous rencontrer ?
Stefan de Kok : Eh bien, tout ce qui concerne l’avenir est potentiellement incertain. Donc, si vous êtes dans la supply chain, vous devez penser non seulement aux quantités, mais peut-être aussi aux délais, aux durées, à la qualité ou au grade, aux rendements, aux taux, à peu près tout ce qui va se produire à l’avenir 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, mais c’est aussi ce que nous devons faire. Et une fois que quelque chose passe dans le passé, c’est presque certain. Même dans le passé, il y a une certaine incertitude. Vous avez des problèmes de données et vous pourriez même ne pas savoir si quelque chose s’est réellement passé d’une certaine manière, mais pour la plupart, une fois qu’il est arrivé dans le passé, il n’est plus incertain dans une large mesure, et quelque part au milieu.
Kieran Chandler : Joannes va nous rejoindre dans le cadre de notre discussion aujourd’hui, et Joannes, cette idée de faire face à un avenir incertain est au cœur de l’approche de Lokad. Comment abordez-vous ces défis ? Je veux dire, une approche traditionnelle consisterait à utiliser des scénarios du type “et si”, comme des scénarios optimistes et pessimistes.
Joannes Vermorel : Le principal problème lorsqu’il s’agit de faire face à un avenir incertain à travers des scénarios, c’est que cela devient rapidement incroyablement fastidieux et chronophage. Cela demande tellement d’efforts pour énoncer ces scénarios. Fait intéressant, avec les prévisions probabilistes, d’une certaine manière, vous résolvez le problème de manière brute. Vous pourriez penser que considérer tous les futurs possibles serait incroyablement difficile, mais il s’avère que si vous disposez de suffisamment de puissance de traitement, il est en réalité beaucoup plus facile de mettre en œuvre le logiciel et de l’exécuter par rapport à la gestion d’un système super complexe pour gérer 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 la supply chain, où vous n’avez pas autant de personnes. 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 une supply chain. C’est pourquoi je suis très intéressé et enthousiaste à propos de cette approche.
Kieran Chandler : Stefan, regardons certaines des approches plus traditionnelles que les gens adoptent. Comment voyez-vous ces approches classiques utilisées pour tenir compte de l’incertitude ?
Stefan de Kok : Il y a vraiment deux ou trois façons différentes dont les gens gèrent l’incertitude. La première consiste à utiliser des tampons ; la deuxième consiste à répondre à l’incertitude au fur et à mesure qu’elle se produit avec un mécanisme de réponse, tel que l’expédition accélérée ; et la troisième consiste tout simplement à l’ignorer. Tout le monde fait un peu de chaque chose, et la question est de savoir combien vous devez investir dans chaque chose. Ce qui se passe généralement, c’est qu’avec les tampons, tout dépend de la précision. Si vous vous trompez avec votre tampon, vous devez compenser en répondant, ce qui est généralement coûteux. Enfin, les parties auxquelles vous ne pouvez pas répondre sont celles que vous devez ignorer, et celles-ci causent le plus de dommages à long terme à une entreprise. Les clients s’irritent, vous pourriez perdre des parts de marché, et cela pourrait même conduire à des poursuites judiciaires ou à la faillite dans certains cas si vous ignorez le client suffisamment longtemps.
Les tampons les plus courants sont les délais de livraison, les capacités et les stocks. Les entreprises les augmenteront car elles savent que si elles sont insuffisantes, elles rencontreront des problèmes qui nécessitent une réponse. Pour vous donner une indication, de nombreuses entreprises visent des taux de service de 95 à 99 pour cent, mais lorsque vous mesurez leur service réel, elles atteignent au mieux 90 pour cent, ou généralement, celles qui visent ces niveaux se situent dans les années 80 supérieures. Lorsque vous creusez davantage, vous constatez que même ce chiffre est généralement influencé par la réponse, et non par le tampon qu’elles avaient initialement prévu. Ainsi, elles accélèrent à des coûts élevés et avec beaucoup d’efforts, et le niveau d’instabilité et de lutte contre les incendies est hors normes. Leurs stocks ne leur fournissent peut-être qu’un taux de service de 73 pour cent, même si elles visaient 98 pour cent. Cela met à rude épreuve les capacités de l’entreprise et érode les marges, ce qui, je pense, est la norme pour la plupart des chaînes d’approvisionnement aujourd’hui, avec un transfert important de toute la charge vers la partie réponse.
Kieran Chandler : Regardons un peu l’approche probabiliste, Joannes. Il vous a fallu quelques années pour la développer, alors d’où vient cette idée ?
Joannes Vermorel : La prévision probabiliste a été un voyage pour nous. Nous avons en fait commencé par une prévision classique, où vous prévoyez simplement la moyenne. Ensuite, nous avons eu un client qui vendait des pièces de voiture, et nous avons réalisé que si nous faisions
Kieran Chandler : Vous savez que c’était tellement dispersé, si intermittent, que prévoir zéro partout était en fait, en termes de précision, très, très bon. C’était évidemment complet non-sens, et nous avons d’abord proposé des prévisions quantiles, qui étaient du genre, “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 intentionnel s’appelle une prévision quantile. C’était la première étape pour dire, d’accord, qu’est-ce qui devrait être juste…
Joannes Vermorel : Comme Stefan l’a décrit, vous savez, ces situations avec ces articles C, vous savez, A, B, C ou les articles à rotation lente, comment savez-vous si vous voulez avoir une, deux unités en stock ou peut-être trois et ne pas simplement avoir un min/max ? Donc, d’abord, nous avons réalisé que la prévision quantile était une première étape pour commencer à obtenir des résultats significatifs, vous savez, arrêter de sortir de cette situation où prévoir zéro est le meilleur. Cela n’avait aucun sens. Et puis nous avons réalisé, “Oh, vous voulez une prévision avec un quantile, mais que diriez-vous d’ajuster ce quantile car vous pouvez ajuster combien de biais vous voulez ?” Et puis nous sommes passés du quantile à la grille de quantiles. Prenons une série de biais augmentant de manière incrémentielle, et puis nous avons réalisé, “Non, mais nous devrions probablement avoir tous les biais différents.” Et puis nous en sommes arrivés à quantile, grille de contact, puis prévision probabiliste. Et puis nous, et d’ailleurs, il y a une littérature séparée, une littérature statistique, et il semble que beaucoup d’autres personnes de la communauté statistique ont fait le même voyage que nous, qui consiste essentiellement à commencer par des prévisions ou des prédictions non biaisées, passer à des prévisions biaisées, puis explorer de nombreux biais et essayer de tout faire en même temps. Et c’est une prévision probabiliste. Voilà.
Kieran Chandler: D’accord, et Stefan, vous êtes probablement l’une des rares personnes de l’industrie en dehors de Lokad à embrasser cette idée de prévision probabiliste. Alors, qu’est-ce qui vous a conduit à avoir ces idées ?
Stefan de Kok: Eh bien, je suppose que c’est là que je parle de certaines de mes révélations. La première, qui était que les valeurs incertaines ne peuvent pas être représentées par des chiffres exacts, je l’ai probablement eue dès 2006. Mais je n’avais pas encore trouvé comment le mettre en œuvre ; ce n’était pas encore une véritable révélation. À l’époque, je n’avais pas encore trouvé comment le faire fonctionner. Cela n’a tout simplement aucun sens de le faire de cette façon. Et finalement, j’ai travaillé sur le développement de ce que j’appelle une arithmétique probabiliste, et quand j’ai trouvé comment le faire fonctionner et que j’ai regardé en arrière, et que j’ai vu comment quelque chose qui semble si complexe pouvait en réalité être résolu par quelque chose d’aussi élégant, tout s’est mis en place. Et c’est là que j’ai eu mon premier moment d’illumination. Mais à l’époque, je gardais ça secret. Je pensais que c’était, vous savez, l’un de mes principaux atouts, donc je ne le divulguais pas encore.
Ce n’est que plus tard, et c’est l’un de ces moments de chance dans ma carrière où je me suis retrouvé à avoir besoin d’argent et à chercher un emploi, et j’ai trouvé une autre entreprise qui était juste dans ma ville natale de Boston. L’une des trois entreprises dans le monde qui font cela, parmi Lokad, et du moins à l’époque, et j’ai découvert qu’ils faisaient cela depuis les années 1970. Et ils l’ont prouvé, mais ils gardaient cela secret parce que c’était leur ingrédient secret. Et j’ai découvert quelques choses, et je pense que les principales sont qu’il y a plusieurs façons de parvenir au même résultat.
Kieran Chandler: Je pense que le point clé est qu’il y a plusieurs façons d’atteindre le même objectif. Chacune de vos approches est très différente, mais l’objectif ultime est le même. Donc, ce n’est pas la manière de le faire qui devait être promue, mais le concept qu’il fallait le faire. Que pensez-vous de discuter et de promouvoir cette idée sans révéler la recette secrète qui rend vos entreprises spéciales ?
Stefan de Kok: J’ai réalisé que je pouvais en parler, en écrire des articles, sans pour autant révéler la recette secrète qui nous rend spéciaux. Il est important de sensibiliser les gens au fait que c’est finalement ce que toutes les planifications et prévisions devront devenir dans la prochaine décennie environ. Une chose que je pousse plus récemment, c’est que les métriques traditionnelles sont également erronées. Nous devons changer les métriques et utiliser des prévisions probabilistes dans les usines et des métriques probabilistes pour mesurer la valeur de cela.
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 chaque décision que vous prenez avec son résultat comme si vous connaissiez l’avenir. Cela vous donne une manière très élégante de classer toutes vos décisions et de les prioriser. Cependant, je pense que la recette 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 que c’était la meilleure chose de tous les temps, pour réaliser deux ans plus tard qu’il y avait une meilleure façon de le faire.
Kieran Chandler: Joannes, il est intéressant que vous mentionniez l’exploitabilité de la viabilité future. Pouvez-vous développer cette idée ?
Joannes Vermorel: Bien sûr. Le fait qu’il y ait de la variabilité dans le futur peut être exploité. Il ne s’agit pas seulement de se protéger et d’être plus résilient ; vous pouvez également tirer parti du fait qu’il y ait de la variabilité en premier lieu.
Kieran Chandler: Stefan, si nous commençons à regarder 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 mettre en œuvre d’un point de vue logiciel ?
Stefan de Kok: La partie clé est que si vous avez un moteur complexe et que vous obtenez une sortie en boîte noire, cela ne suscite pas beaucoup de confiance. La sortie doit être auto-explicative. Avec des probabilités, vous pouvez faire énormément de choses. Vous pouvez montrer que nous ne pensons pas seulement que la réponse sera un seul chiffre, mais nous fournissons plutôt une gamme de possibilités qui tiennent compte de l’incertitude.
Kieran Chandler: Pour être honnête, nous pensons que la réponse peut être n’importe où entre plusieurs valeurs, et il y a cette distribution de la façon dont ces valeurs peuvent se produire. Vous pouvez regarder cela à n’importe quel niveau, et c’est vraiment une question de visualisation de ces résultats. J’aime penser que c’est presque comme une voiture, vous savez ? Nous sommes les mécaniciens, et le client est le conducteur. Autrefois, je savais comment fonctionnait ma voiture, et maintenant c’est magnifique. Je regarde à l’intérieur, c’est magnifique, 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 pense que les solutions du futur et ce que nous apportons sont tous à propos : apporter cette sophistication mais la rendre plus facile à utiliser pour l’utilisateur, pour le conducteur, et obtenir une sortie qu’ils peuvent utiliser et sur laquelle ils peuvent prendre des décisions plus sûres.
Joannes Vermorel: D’accord, super. En restant dans cette perspective client, que signifie pour une entreprise de passer à cette approche probabiliste ? Lorsque vous commencez à penser aux probabilités, il s’agit d’essayer de réfléchir aux grandes forces que vous essayez d’équilibrer. Quels sont les problèmes que vous essayez de réduire ? Quels sont les goulots d’étranglement qui vont le plus vous frapper et vous faire du mal ? Habituellement, c’est très drôle parce que ces prévisions en dents de scie vous donnent enfin un moyen de quantifier. C’est comme les recettes qui vous permettent enfin de quantifier ce qui était souvent évident en termes d’intuition. Donc, ce n’est pas comme si cela pouvait produire des idées fantastiques. Dans ma propre expérience, c’est plutôt le contraire. Cela met simplement en évidence des choses qui étaient assez évidentes dès le départ, mais pour la première fois, le système vous donne des chiffres qui correspondent en quelque sorte à l’intuition de manière très banale. Par exemple, si vous avez un produit très périssable, ne mettez pas trop de stock dessus. Vous prenez simplement un risque énorme avec un produit très périssable en ayant beaucoup de stocks. Si vous adoptez une approche de prévision classique, cela va simplement dire : “Oh, atteignez simplement un taux de service de quatre-vingt-dix-sept pour cent et c’est bon”, et ensuite vous créez simplement un excès de stocks massif avec des produits qui expirent. Si vous adoptez une approche probabiliste, la prévision pourrait même être pire, en fait. Elle pourrait même ne pas être super bonne, mais elle est simplement plus équilibrée, en tenant compte du risque que chaque fois que vous atteignez les ruptures de stock, vous connaissez la date d’expiration, vous avez quelque chose qui est très…
Kieran Chandler: Coûteux et donc, cela oriente la décision vers quelque chose de beaucoup plus sensé, qui est de ne pas surstocker les fraises. Donc, je suis tout à fait d’accord avec l’idée que le fondateur a dit que les détours commerciaux doivent poursuivre la simplicité. Bien que, pour être honnête, je ne pense pas que Lokad ait eu le meilleur bilan en matière de livraison de choses simples, mais au moins ils essaient. D’accord, Stefan, je te laisse le dernier mot. En fonction de ce que tu as observé sur le marché, dirais-tu que les gens sont prêts à embrasser l’idée d’accepter l’incertitude, et qu’est-ce qui t’excite vraiment pour l’avenir ?
Stefan de Kok: Je pense que nous y arrivons. J’ai été témoin de beaucoup de résistance au fil des ans, et c’était un peu une bataille difficile, mais je pense que nous atteignons le sommet. Cela devient plus plat, et je remarque moins de résistance. Je pense que le marché se rend compte, et il y a une approche en deux étapes. La première étape est qu’un chiffre exact n’est pas la bonne façon de gérer l’incertitude. La deuxième étape, c’est là que je vois encore un peu de friction. Ils pensent que c’est excessivement complexe. Ils disent : “Tout le monde dit oui, tu pourrais le faire, mais…” Il y a toujours ce “mais”, et le “mais” concerne souvent les big data. Il faut beaucoup de données pour le faire de manière probabiliste. Eh bien, ce n’est tout simplement pas vrai, n’est-ce pas ? Il vous suffit d’avoir des données historiques, que vous avez dans chaque système ERP, pour résoudre le même problème que vous le feriez de manière déterministe.
L’autre préoccupation que beaucoup de gens ont est de savoir comment gérer les futurs possibles multiples. Ils pensent que cela va faire exploser le nombre de possibilités. Cependant, une prévision probabiliste pourrait conduire à un plan probabiliste ; il vous suffit de l’exprimer en distribution. C’est la partie à laquelle je pense que les gens ont encore du mal à ce stade. Mais je suis enthousiaste, je vois la tendance, et je vois où cela va. Je vois de plus en plus d’acceptation de la part de certaines personnes qui étaient farouchement opposées à cette approche au début. Je vois de plus en plus de personnes faire le changement, avoir l’épiphanie, et donc c’est une question d’atteindre cette masse critique, et cela sera adopté par le grand public. Je suis sûr que je suis enthousiaste à ce sujet.
Kieran Chandler: D’accord, génial. Eh bien, nous devons en rester là, mais merci à vous deux pour votre temps. Merci beaucoup d’avoir regardé, et nous vous retrouverons dans le prochain épisode. Au revoir pour le moment.
