00:00:08 Introduction et parcours d’Eric Wilson chez IBF.
00:01:35 Défis de produire des chiffres utiles et des perspectives issues de l’analytics.
00:03:45 Le rôle des décisions d’entreprise dans l’utilisation de l’analytics.
00:05:31 Importance de planificateurs de la demande compétents et de la pénurie dans l’industrie.
00:07:25 Pénurie de talents dans le domaine de la supply chain et de l’analytics.
00:10:58 Le besoin d’un nouveau rôle de Supply Chain Scientist.
00:13:01 La pensée probabiliste dans la gestion de la supply chain.
00:14:41 L’importance croissante de la gestion de la supply chain dans les entreprises.
00:15:47 L’intérêt croissant des médias pour la gestion de la supply chain.
00:17:18 L’émergence des masters en supply chain dans des universités d’élite.
00:18:27 L’évolution de l’analytics et son rôle dans le futur.
00:19:59 Une technologie mature devenant invisible et se fondant dans le décor.
00:20:53 Exemple de la technologie anti-spam en tant que technologie mature et invisible.
00:23:59 Définition de l’intelligence artificielle et la valeur de poser les bonnes questions.
00:24:57 La supply chain silencieuse idéale et ses implications pour les planificateurs de la demande.
00:25:11 Les espoirs d’Eric pour son livre et les compétences que les planificateurs de la demande peuvent en tirer.
00:26:39 Remarques de clôture.
Résumé
Dans une interview avec Kieran Chandler, Joannes Vermorel, fondateur de Lokad, et Eric Wilson, un prévisionniste d’affaires certifié, il est question de l’importance croissante de l’analytics dans les organisations modernes. Ils examinent les défis liés à l’utilisation d’immenses quantités de données pour obtenir des insights pertinents et la nécessité de l’optimisation de la supply chain. Tous deux insistent sur l’importance d’une analytics opérationnelle pour une meilleure prise de décision. La conversation met en lumière la demande croissante de professionnels qualifiés en gestion de la supply chain et l’intégration de la technologie avec l’expertise en supply chain. À mesure que l’analytics continue d’évoluer, les organisations doivent s’adapter pour devenir plus agiles, réactives et prédictives afin de rester compétitives dans un marché en évolution rapide.
Résumé étendu
Dans cette interview, l’animateur Kieran Chandler est rejoint par Joannes Vermorel, le fondateur de Lokad, et Eric Wilson, un prévisionniste d’affaires certifié et animateur du podcast à la demande d’IBF. Ils évoquent le rôle de l’analytics dans les organisations modernes, en se concentrant sur les défis et les avantages liés à l’utilisation des données pour orienter les décisions d’entreprise.
Vermorel adopte une vision quelque peu controversée de l’analytics. Il estime qu’il est aisé de générer d’énormes quantités de données, mais bien plus difficile d’en extraire quelques insights précieux pour un usage humain. Il suggère que l’utilisation généralisée de l’analytics dans les entreprises échoue souvent à produire des informations utiles. Wilson, quant à lui, est d’avis que, bien qu’il soit essentiel de trier les immenses quantités de données pour en extraire des insights significatifs, les bénéfices de cette démarche surpassent de loin les coûts y associés.
Wilson souligne l’importance de transformer les données brutes en informations, puis en insights exploitables. Il reconnaît que de nombreuses entreprises peinent à atteindre le stade de l’insight, mais affirme que s’engager dans ce processus est indispensable. Les entreprises devraient utiliser les données pour mieux comprendre leurs consommateurs et l’économie, en particulier face à des défis tels que le COVID-19.
Tous deux conviennent que l’objectif ultime de l’analytics est de favoriser de meilleures décisions d’entreprise. Vermorel souligne qu’en l’absence d’un objectif concret et tangible, l’analytics peut mener à des réflexions ou actions non productives. Il critique l’utilisation généralisée des vanity metrics et le manque d’attention portée aux indicators (KPIs). En revanche, il suggère que les entreprises devraient se concentrer sur une prise de décision automatisée et opérationnelle fondée sur les données.
Le nouveau livre d’Eric Wilson, “Predictive Analytics for Business Forecasting,” est destiné aux demand planners. À mesure que les équipes de données se développent, la pression en faveur de la recherche de planificateurs de la demande compétents augmente. Wilson estime que les planificateurs de la demande possèdent les compétences nécessaires pour évoluer dans leurs fonctions, car ils sont programmés pour comprendre et communiquer les facteurs influençant les consommateurs et la demande.
Cette interview met en lumière les défis et les avantages de l’utilisation de l’analytics dans les organisations modernes. Alors que Vermorel critique l’accent excessif mis sur les données sans insights clairs et exploitables, Wilson insiste sur l’importance de transformer les données en informations précieuses pour la prise de décision. Les deux s’accordent sur la nécessité d’une analytics ciblée et opérationnelle pour favoriser de meilleures décisions d’entreprise.
La conversation commence par la reconnaissance, par Eric Wilson, de la pénurie actuelle de planificateurs de la demande, la demande pour leurs compétences ayant considérablement augmenté ces dernières années. Les salaires ont augmenté de 30 à 40 pour cent au cours des cinq dernières années, et les sites d’emploi sont constamment remplis d’offres pour ces postes. Bien qu’il existe des planificateurs de la demande qualifiés, il n’y en a tout simplement pas assez sur le marché.
Joannes Vermorel est d’accord, en affirmant que les talents sont rares et que les Supply Chain Scientist de haute qualité sont difficiles à trouver. Il compare la situation au trading quantitatif dans les banques, où un petit nombre de traders génèrent la majorité des rendements. Il estime que la technologie agit comme un multiplicateur de l’intelligence humaine, permettant à des individus plus compétents d’opérer plus rapidement et à plus grande échelle.
Vermorel souligne que la popularité croissante des data scientists au cours des cinq dernières années a entraîné un afflux de professionnels hautement compétents en technologie et en langages de programmation, tels que Python et des outils de machine learning comme PyTorch, Keras et TensorFlow. Cependant, il soutient qu’une simple maîtrise technique ne suffit pas à remplacer une compréhension approfondie des subtilités de la supply chain.
Pour Vermorel, le défi réside dans la capacité des Supply Chain Scientist à appliquer leurs compétences à des situations réelles, au-delà du cadre des géants de la technologie comme Google et Facebook. La difficulté consiste à affiner l’analyse de la supply chain, ce qui représente un type de défi différent de la gestion de grandes quantités de données.
Wilson envisage un avenir où les deux ensembles de compétences se fusionneraient pour créer un rôle de planificateur de la demande capable de gérer les changements quotidiens de modèles et d’intégrer l’analytics comme une capacité supplémentaire. Vermorel suggère, sur le ton de la plaisanterie, le terme “Supply Chain Scientist” pour ce type de poste, bien qu’il admette qu’il s’agit d’un terme inventé utilisé par Lokad pour différencier leurs rôles sur le marché.
L’interview met en lumière la demande croissante de professionnels compétents dans l’optimisation de la supply chain et les défis liés à la recherche de personnes qualifiées capables de gérer à la fois les aspects techniques et commerciaux du domaine. Alors que la technologie continue de progresser, la nécessité d’une compréhension approfondie des complexités de la supply chain et d’une collaboration efficace entre les planificateurs de la demande et les data scientists reste cruciale.
La conversation souligne l’importance de la pensée probabiliste dans la gestion de la supply chain, s’éloignant des approches déterministes. À mesure que l’industrie évolue, la planification de la demande et la supply chain sont devenues de plus en plus importantes pour les entreprises, les dirigeants se concentrant sur ces domaines plus que jamais.
La montée en popularité de la data science a entraîné l’apparition d’un flot de mots à la mode dans l’industrie, mais les intervenants soulignent la nécessité d’une compréhension plus approfondie des processus réels. Ils évoquent comment la gestion de la supply chain a progressivement bénéficié d’une attention accrue de la part d’universités prestigieuses, avec des professeurs et étudiants de premier plan qui explorent le domaine. Ce changement contribue à attirer davantage de talents dans l’industrie, qui devient de plus en plus complexe en raison de facteurs tels que la conformité et la mondialisation.
En regardant vers l’avenir, l’analytics jouera un rôle crucial dans l’évolution de la gestion de la supply chain. Les entreprises devront être plus agiles, réactives et prédictives pour suivre l’évolution du comportement des consommateurs. Cela impliquera une dépendance accrue à la planification de la demande et à l’optimisation de la supply chain pour soutenir des efforts de marketing ciblés. La démocratisation des données et de l’analytics continuera de faire évoluer l’industrie, accentuant l’importance de l’optimisation de la supply chain pour les entreprises.
Wilson prédit que les organisations deviendront plus plates et dépendantes de l’analytics pour orienter la prise de décision. Vermorel estime qu’à mesure que la technologie mûrit, elle devient invisible, se fondant dans le décor et fonctionnant de manière transparente. Il cite la technologie anti-spam comme exemple de technologie mature qui opère de manière discrète mais efficace.
Vermorel envisage l’avenir de l’analytics de la supply chain comme étant largement invisible, guidant des décisions routinières sans capter l’attention des hauts dirigeants. Cependant, il reconnaît que les supply chains sont diversifiées, et qu’aucune entreprise ou technologie unique ne peut conquérir l’ensemble du marché. Malgré son apparence discrète, Vermorel est convaincu que l’analytics avancée deviendra plus importante que jamais pour maintenir la compétitivité.
Interrogé au sujet de son livre sur l’analytics prédictive, Wilson explique qu’il ne s’agit pas d’un ouvrage lourd en mathématiques, mais plutôt d’une introduction au machine learning, à l’intelligence artificielle et à l’analytics prédictive destinée aux planificateurs de la demande. Le livre aborde les aspects humains, les processus, l’analytics et la technologie, en se concentrant sur la création d’organisations axées sur les données et la compréhension de l’utilisation efficace des données au sein de l’entreprise.
Full Transcript
Kieran Chandler: Salut, aujourd’hui nous avons le plaisir d’être rejoints par Eric Wilson, l’animateur des podcasts On Demand d’IBF. Nous allons discuter avec lui du rôle de l’analytics dans les organisations modernes et de ce que nous pouvons apprendre de son nouveau livre intitulé Predictive Analytics for Business Forecasting. Alors Eric, merci beaucoup de nous rejoindre en direct depuis les États-Unis. Pour commencer, pourrais-tu nous en dire un peu plus sur toi et sur ton rôle chez IBF ?
Eric Wilson: Je suis ravi de faire partie de cette aventure et de participer à votre émission. Je m’appelle Eric Wilson, je suis le thought leader de l’Institute of Business Forecasting. C’est en réalité une organisation mondiale avec plus de 50 000 membres à travers le monde. Nous nous consacrons spécifiquement à promouvoir la croissance de la planification de la demande, des prévisions, de l’analytics prédictive, du SNOP et des domaines connexes. C’est ce que nous faisons en tant qu’organisation. L’une de nos missions est de partager les connaissances, et c’est là que j’interviens. J’écris des articles et j’anime un podcast bi-hebdomadaire, IBF On Demand, que vous pouvez trouver sur YouTube ou partout où vous écoutez vos podcasts. Voilà, c’est un peu à propos de moi. J’ai environ 30 ans d’expérience dans trop d’industries et de postes différents, mais cela m’a permis d’arriver là où je suis aujourd’hui.
Kieran Chandler: Génial ! Aujourd’hui, Joannes, notre sujet porte entièrement sur l’analytics, en particulier dans les organisations modernes. Je crois que lorsque nous en avons discuté, tu avais une vision quelque peu controversée de l’analytics et de son rôle réel. Quel est ton point de vue initial ?
Joannes Vermorel: En résumé, je pense qu’il est très facile de produire un million de nombres par seconde avec un ordinateur, mais il est en réalité bien plus difficile d’en générer cinq par jour qui méritent d’être lus par des êtres humains. Le plus grand défi avec l’analytics est de produire quelque chose qui mérite l’attention d’un être humain. Mon observation informelle est que ce qui est actuellement répandu dans les entreprises, en particulier dans le segment de la supply chain, mais pas uniquement, ne répond pas à ce critère.
Kieran Chandler: Qu’en penses-tu, Eric ? Les données ont considérablement augmenté au cours des 20 dernières années. Dirais-tu que nous produisons désormais trop de nombres et que nous ne nous concentrons pas sur ce qui est vraiment important ?
Eric Wilson: Je ne pense pas qu’on puisse avoir trop de nombres, mais il y a du vrai dans ce que dit Joannes concernant la recherche de la bonne information. Les données, sous toutes leurs formes, ne sont que cela – des données brutes, les éléments de base à partir desquels on peut construire quelque chose. Transformer ces données en informations, puis en insights, est là que les entreprises rencontrent des difficultés. Cependant, les bénéfices d’atteindre ce stade surpassent de loin le coût du parcours. Les entreprises doivent se lancer dans ce processus, même si elles peinent actuellement, car transformer ces données brutes en insights utiles est crucial pour une organisation.
Kieran Chandler: Nous devons cesser de vivre dans le passé et commencer à envisager l’avenir, en découvrant de nouveaux insights sur les consommateurs et l’économie, surtout en ces temps que nous traversons actuellement avec le COVID. Il faut commencer à libérer ces insights.
Joannes Vermorel: L’un des insights clés sur lesquels nous nous concentrons chez Lokad est l’idée des décisions d’affaires. Où ces décisions peuvent-elles réellement changer la façon dont une entreprise fonctionne ? Avec l’analytics, il existe plusieurs voies qui peuvent mener à des activités ou pensées non productives. Il faut un objectif pratique et banal qui guide ce que vous faites avec votre analyse, les nombres, l’affichage, et tout le reste. Une décision est quelque chose qui a un impact physique et tangible sur la supply chain, comme une décision d’achat, un mouvement de stocks ou un changement de prix. Si vous regardez les nombres dans le but direct d’améliorer une décision, cela peut être bénéfique. Ce que je constate généralement, ce sont des océans de vanity metrics, où l’on se retrouve avec tellement de KPIs qu’il est presque insultant de les qualifier de “clé”. Ils manquent de focus et d’un mécanisme intégré ou d’une intention de les transformer en quelque chose d’exploitable à grande échelle et de manière complètement automatisée.
Kieran Chandler: Eric, dans ton nouveau livre, “Predictive Analytics for Business Forecasting,” l’accent est mis sur le planificateur de la demande. Nous avons remarqué dans l’industrie qu’à mesure que les équipes de données se développent, il y a une pression accrue pour trouver un planificateur de la demande compétent. Y a-t-il un manque dans l’industrie à ce sujet ?
Eric Wilson: Il y a à la fois un oui et un non à cela. Les planificateurs de la demande sont capables d’évoluer dans ce poste. Ils sont programmés pour observer ce qui impacte les consommateurs, ce qui influence la demande, pour comprendre et établir des connexions avec différentes variables. Ils sont faits pour communiquer cela dans la supply chain, dans la finance et dans d’autres parties de l’organisation, fournissant ainsi des insights utiles que d’autres secteurs peuvent exploiter. Ils possèdent les compétences nécessaires pour y parvenir. Cela dit, actuellement, nous constatons une pénurie de planificateurs de la demande parce que la demande pour ces profils est telle. Les salaires ont augmenté de 30 à 40 % au cours des cinq dernières années. Nous voyons les sites d’offres d’emploi se remplir même en ces temps, avec des personnes recherchant celles et ceux qui possèdent des compétences qualitatives, quantitatives et en communication pour combiner analytics et sens aigu des affaires au sein d’une organisation. Alors, sont-ils qualifiés ? Oui, ils le sont. Mais en existe-t-il suffisamment ? La réponse serait non.
Kieran Chandler: Et je pense que c’est quelque chose que nous répéterions probablement ici. Nous sommes toujours à la recherche de Supply Chain Scientist bien qualifiés, et c’est toujours quelque chose d’assez difficile à trouver. Pourquoi est-ce si compliqué de votre point de vue, Joannes ?
Joannes Vermorel: Le talent est rare par définition. Chaque entreprise affirme n’embaucher que les meilleurs, mais la réalité, c’est que le marché se contente de l’ordinaire. Ce sont justement ces postes où les personnes les plus compétentes obtiennent des résultats disproportionnellement supérieurs. Nous entrons dans un domaine similaire au trading quantitatif dans les banques, où quelques traders réalisent l’essentiel des gains. La technologie agit comme un multiplicateur de l’intelligence humaine, donc si vous avez quelqu’un de plus intelligent, plus capable et possédant de meilleurs insights business, il accomplira la tâche plus rapidement et à une échelle plus importante pour son organisation. Cette réalité s’applique également à la supply chain, et pas seulement au trading en banque et en finance.
Ce qui la rend plus difficile qu’elle ne le devrait, je crois, c’est l’idée du data scientist. Ce concept est devenu très populaire ces cinq dernières années, mais le problème, c’est que l’on se retrouve avec des personnes à qui on a appris dans les universités que leur objectif devait être la technologie elle-même. Elles doivent devenir très compétentes en Python, PyTorch, Keras, TensorFlow, ou peu importe l’outil open source à la mode du moment pour le machine learning. Certes, il est indispensable de maîtriser les outils techniques, mais cela ne substitue en rien à une compréhension très approfondie de ce qui fait fonctionner la supply chain, y compris les moindres détails qui animent une organisation. Si vous les négligez, vous êtes complètement à côté de la plaque. Ainsi, il y a une véritable difficulté pour les Supply Chain Scientist qui ont réalisé d’innombrables exercices sur des modèles testés et déployés dans des entreprises comme Facebook et Google. Lorsqu’ils arrivent dans une entreprise classique qui n’est pas Google, le défi leur semble moins ambitieux comparé à ce qu’ils ont vu du côté de Google. La réalité, c’est que la difficulté est d’un autre type : il ne s’agit pas d’avoir un immense cluster de GPUs pour traiter des pétaoctets de données, mais de maîtriser le moindre détail de l’analyse de votre supply chain, ce qui relève d’un tout autre niveau de complexité.
Kieran Chandler: Quelles sont vos réflexions à ce sujet, Eric ? Votre livre couvre évidemment un large éventail de techniques analytiques. Diriez-vous que cette approche globale et concrète est un peu plus difficile à atteindre ?
Eric Wilson: Je suis d’accord.
Kieran Chandler: Les compétences du data scientist et du planificateur de la demande diffèrent. Ils ont aussi beaucoup à apprendre les uns des autres, et je pense que c’est un excellent résumé de ce dont vous parliez, notamment des difficultés que nous observons. Je veux dire, le planificateur de la demande doit être plus ancré dans la science. Il doit examiner les choses, considérer les variables externes, s’intéresser aux nouvelles technologies, modéliser ces éléments qui relèvent véritablement du domaine du data scientist. Les planificateurs de la demande doivent sortir de leur zone de confort et en faire davantage. Parallèlement, la collaboration, l’aisance face à l’ambiguïté, ces situations et cette capacité de communication, autant de compétences dont disposent déjà les planificateurs de la demande, les aident ; c’est là aussi que les data scientists doivent intervenir. Il y aura donc véritablement une fusion de ces deux ensembles de compétences pour le rôle de planification de la demande à l’avenir.
Eric Wilson: Il y a quelque chose d’unique dans la supply chain. Il y a quelque chose de singulier à voir un modèle évoluer quotidiennement et à pouvoir s’y adapter. La supply chain recèle une spécificité que l’on doit être capable d’exploiter dans le rôle de planification de la demande, en y intégrant également l’analytics comme compétence supplémentaire. Et c’est vraiment ce que vous cherchez à accomplir.
Kieran Chandler: Veux-tu approfondir, Joannes ? Je me demande si nous n’aurions pas, je ne sais pas, besoin d’un Supply Chain Scientist ou quelque chose dans le genre ?
Joannes Vermorel: Non, je plaisante. C’est littéralement la terminologie inventée par Lokad pour ce type de poste. C’est un peu tiré par les cheveux, mais c’était une manière pour Lokad de signaler clairement au marché, car nous avons reçu de nombreux candidats, surtout du côté de la data science, puisque c’est principalement ce que produisent les universités. Je dirais qu’aujourd’hui, les universités forment probablement 10 data scientists pour chaque planificateur de la demande. C’est devenu une grande tendance. Et c’était simplement pour que les candidats, les postulants, aient en tête qu’ils allaient, avant tout, travailler sur la supply chain, et non sur des modélisations avancées de deep learning.
Eric Wilson: C’est une bonne manière de voir les choses. Je veux dire, il s’agit de ces éléments basiques dont on a besoin dans la supply chain, en y ajoutant cette pensée probabiliste. Parce que beaucoup de personnes dans la supply chain, dans l’ancienne méthode, étaient très déterministes. « Je vais vendre X exemplaires le mois prochain et je vais planifier toute ma supply chain en fonction de cela. » Nous savons tous que cela ne se produira pas ainsi. Nous devons commencer à penser en termes de probabilité, envisager des fourchettes, et tenir compte de ces risques et opportunités. C’est là qu’interviennent les Supply Chain Scientist, c’est là que la planification de la demande apporte son aide, et c’est vers ces aspects que les entreprises doivent se tourner. Ainsi, quand on parle d’analytics, ce n’est que le commencement. Lorsque l’analytics devient ce mot à la mode dans certaines organisations, il est possible de l’exploiter avec la bonne mentalité, la bonne culture au sein de l’entreprise, et de commencer à transformer l’état d’esprit de la supply chain, à faire évoluer celui de l’organisation pour utiliser davantage l’analytics, par exemple, plutôt que de se reposer uniquement sur les systèmes et la pensée probabiliste.
Kieran Chandler: Eric, tu as en quelque sorte évoqué que la data science est en train de devenir un peu plus en vogue, et je pense que nous sommes totalement d’accord. C’est un sujet dont on entend de plus en plus parler. Qu’en est-il de l’industrie de la supply chain elle-même ? Il y a tellement de complexité. Dirais-tu que c’est intimidant pour quelqu’un qui débute ?
Eric Wilson: Personnellement, je trouve que la planification de la demande est sexy, et je crois que ce sera la prochaine carrière sexy à se lancer. Mais à ce propos, lors des enquêtes les plus récentes liées au COVID, quand les CFO et les CEO ont été interrogés, leurs principales préoccupations concernaient la trésorerie, la fin de la pandémie, ainsi que la planification de la demande et la supply chain. Nous sommes donc passés du cubicle à la salle de conseil. La supply chain attire désormais beaucoup d’attention. Vous voyez les journaux et les émissions de télévision en parler, ce qui n’était pas le cas il y a quelques années. Son importance a été revalorisée et, avec cela, les gens souhaitent accéder à ce poste et progresser dans ce domaine. Est-ce intimidant ? Non, je pense simplement que c’était une fonction de back-office, mal comprise jusqu’à présent. Maintenant, les gens commencent non seulement à la comprendre, mais aussi à en mesurer l’importance.
Kieran Chandler: Nous voyons beaucoup de médias parler de la supply chain en utilisant différents mots à la mode, mais il n’y a pas tant de compréhension derrière ceux-ci. Dirais-tu que cela est également intimidant pour quelqu’un qui débute, Joannes ?
Joannes Vermorel: En ce qui concerne les journalistes, leur manque complet de compréhension d’un sujet ne les a jamais empêchés d’écrire une tonne d’articles à ce sujet. Cependant, plaisanter à part, j’ai remarqué un changement de perception. Mon père, qui dirigeait des entreprises industrielles, m’avait un jour dit que si quelqu’un était très fiable et rigoureux dans sa façon de penser, il serait affecté à la production. S’il était énergique et orienté vers l’action, il irait dans les ventes. Mais s’il n’était ni énergique ni fiable, il serait placé dans la supply chain. C’était la mentalité de l’époque.
Heureusement, au cours des deux dernières décennies, de nombreuses universités ont commencé à proposer des programmes de master en supply chain qui ne sont pas une blague, avec des professeurs et des étudiants de premier ordre. Il y a aujourd’hui plus de talents dans l’industrie que jamais, mais les choses se sont également complexifiées pour diverses raisons, notamment en raison de la conformité et de la mondialisation, ce qui a rendu la situation encore plus difficile.
Kieran Chandler: Dans quelle mesure dirais-tu que le rôle de l’analytics va évoluer au cours des prochaines décennies, et comment envisages-tu cette évolution ?
Eric Wilson: Oh wow, je veux dire qu’il va évidemment y avoir une énorme évolution, voire une révolution, d’ici quelques années seulement. Nous constatons la nécessité de devenir plus agiles, plus réactifs et plus prédictifs au sein des organisations. Ainsi, les entreprises vont devoir se mettre à jour. Elles vont devoir compter sur un micro-ciblage accru des consommateurs. Elles ne peuvent pas simplement inonder les ondes et les sites web de contenu. Elles doivent commencer à cibler de manière plus précise, et cela reposera sur une bonne planification de la demande et la supply chain pour soutenir ces actions. Ce que nous allons observer, c’est la démocratisation des données, et nous voyons déjà la démocratisation de l’analytics et de cette fonction de la supply chain qui devient un support central au sein de l’organisation, soutenant toutes sortes de fonctions à l’avenir. Je pense sincèrement que les organisations deviendront beaucoup plus plates et dépendront davantage de l’analytics comme force motrice.
Kieran Chandler: Joannes, nous avons déjà parlé de l’idée du micro-ciblage lorsque nous évoquions l’utilisation des données de carte de loyalty, et c’est indéniablement un concept intéressant. Et vous, que voyez-vous pour l’avenir du paysage technologique ?
Joannes Vermorel: Ma perception est que lorsque la technologie mûrit, elle tend à devenir invisible, se fondant naturellement dans le décor. Lorsqu’elle est réellement perfectionnée, on ne la remarque presque plus, même si elle est plus présente que jamais. Je pense que l’archétype de cela serait l’anti-spam. Vous disposez d’un système avancé de machine learning qui trie constamment vos mails avec une grande précision. Si vous consultez votre dossier spam, 99 % de son contenu est du spam, bien classifié, et vous n’avez rien à faire ; cela fonctionne tout simplement. Si vous utilisez Gmail, Outlook ou autre, c’est de la même manière. Lorsqu’elle est bien conçue, une technologie mûre – notamment côté machine learning – disparaît et accomplit sa tâche discrètement et de façon fiable, sans chichi. On finit par oublier qu’elle est là, mais l’on peut continuer à l’améliorer, en réalisant beaucoup grâce à elle. Je dirais que l’avenir de la tech d’analytics pour la supply chain, pour de nombreuses organisations, sera probablement ainsi. Ce sera quelque chose qui pilotera une multitude de décisions très banales, et cela ne captera pas naturellement toute l’attention du CEO.
Kieran Chandler: Pouvez-vous nous dire comment vous envisagez le rôle de l’intelligence artificielle dans l’optimization de la supply chain ?
Joannes Vermorel: Le ciblage direct se fera automatiquement, de manière fluide. La charge de travail de vos warehouses, usines, magasins, ou autres, sera également gérée en arrière-plan. Personne ne prêtera attention à ces aspects au quotidien, sauf quelques spécialistes. Néanmoins, il deviendra essentiel de disposer de personnes très compétentes pour rester compétitif et continuer à améliorer l’ensemble du système. L’absence de ce type de technologie vous rendrait non compétitif, tout comme une boîte mail sans anti-spam vous forcerait à passer la journée à trier vos spams. Évidemment, sans cela, il serait presque impossible d’utiliser l’email. Certes, l’email n’est pas une analogie parfaite, car vous pouvez disposer d’une technologie d’anti-spam identique pour des millions d’entreprises utilisant Gmail ou Outlook. La supply chain est bien plus diversifiée, donc je ne vois pas cela comme une position de marché réaliste permettant à une seule entreprise de capturer l’ensemble du marché, c’est tout simplement trop varié. Il y aura encore de nombreuses technologies, mais si je devais en deviner une, elle ressemblera beaucoup plus à un anti-spam, essentiellement invisible, impressionnante tout en étant plus importante que jamais.
Eric Wilson: Sur ce point, vous parlez de la définition de l’intelligence artificielle, qui est un terme ambigu, mais qui désigne tout ce qui automatise ou améliore un processus ou un résultat. Voilà de quoi nous parlons essentiellement, où il s’agira moins de modélisation, d’analytics, ou d’aspects techniques, et davantage d’aspects humains.
Kieran Chandler: Lorsque quelque chose devient une commodité, un autre élément devient premium. Ainsi, quand vos données se transforment en commodité, et que votre modélisation se banalise dans les organisations parce que la technologie peut la fournir de manière quasi-automatisée, alors les questions à poser, ou par exemple la manière de le traduire en dialogue avec le CEO, deviennent l’élément premium. Et c’est là que se profile le rôle de planificateur de la demande en supply chain, ces personnes correspondant à ces objectifs à l’avenir. De très grands insights là.
Joannes Vermorel: Oui, nous en avons un peu parlé ici, cette idée d’une supply chain pratiquement silencieuse, et c’est en quelque sorte le rêve.
Kieran Chandler: Eric, nous te laissons la dernière parole. En guise de conclusion, quels sont tes espoirs pour ton livre, et quelles compétences souhaiterais-tu qu’un planificateur de la demande acquière en le lisant ?
Eric Wilson: Oui, j’espère que le livre ne sera pas un ouvrage trop mathématique. Il présente vraiment des introductions à l’apprentissage automatique, à l’intelligence artificielle, à l’analytique prédictive. Le titre même, l’analytique prédictive pour la prévision d’entreprise, pour supply chain, pour le planificateur de la demande, vise à les aider à passer, vous savez, de la préoccupation liée aux ensembles de données internes à une approche plus orientée vers l’avenir, en examinant des ensembles de données externes, en découvrant de nouvelles manières d’analyser les données, en considérant des modèles auxquels ils n’avaient peut-être pas pensé auparavant. Il leur offre ces éléments d’initiation. Le livre est structuré en trois parties : les personnes, les processus analytiques et la technologie. Ainsi, il ne se contente pas de présenter, vous savez, un ensemble ici, un arbre de décision là, ces modèles et leur mode d’utilisation. Il vous offre un petit aperçu, mais il commence par l’aspect humain, en montrant comment bâtir une organisation axée sur les données ou l’analyse. Il s’intéresse également à l’aspect technologique, en précisant quelles entreprises sont susceptibles de soutenir ce domaine, ce dont vous avez besoin pour commencer à construire, comment obtenir cette visualisation dès maintenant. Et il aborde aussi l’aspect des données, en expliquant précisément ce qu’est la donnée et comment vous pouvez commencer à l’exploiter au sein de votre organisation, plutôt que de simplement vous noyer dans le data lake. Cela vous permet véritablement de comprendre comment intégrer, dès aujourd’hui, des éléments opérationnels dans votre organisation, et c’est vraiment ce que j’espère accomplir. Très bien.
Kieran Chandler: Génial. Bon, nous allons devoir conclure ici, mais merci à vous deux pour votre temps aujourd’hui.
Joannes Vermorel: Merci.
Kieran Chandler: C’est tout pour cette semaine. Merci beaucoup d’avoir suivi, et nous nous retrouverons dans le prochain épisode. Merci d’avoir regardé.