00:00:08 Introduction et accueil de Nicolas Vandeput.
00:00:34 Les activités actuelles de Nicolas et son enseignement à l’université.
00:01:00 Discussion sur le livre de Nicolas “Modèles d’optimisation de stocks et simulations”.
00:03:51 Le public cible du livre et son approche de simplification.
00:05:15 Le passage des départements IT aux praticiens et la maturité de la supply chain.
00:08:02 L’expressivité de Python et ses avantages par rapport à d’autres langages de programmation.
00:10:19 L’accent mis sur Python dans le livre et les bénéfices de l’apprentissage pratique.
00:11:47 La popularité de Python et ses concurrents, tels que Java et JavaScript.
00:13:51 La transition de Python 2 vers Python 3 et son impact sur le milieu académique.
00:15:10 Gérer l’incertitude en Python et le potentiel d’amélioration du langage.
00:16:03 Prix avantageux pour essayer un nouveau logiciel d’optimisation de stocks.
00:16:18 Les confusions courantes dans l’optimisation de stocks et la formule des stocks de sécurité.
00:17:32 L’importance de la période de révision dans le calcul des stocks de sécurité.
00:18:34 Le besoin de meilleurs ingénieurs en gestion de la supply chain.
00:19:57 Comparer les problèmes de supply chain avec des domaines plus complexes comme la microélectronique.
00:21:02 L’importance de la formulation du problème et d’attirer des esprits brillants.
00:22:32 Les limites des modèles académiques et leur application dans le monde réel.
00:23:01 Passer des modèles mathématiques aux simulations pour une meilleure précision.
00:24:01 Les limites de la formule des stocks de sécurité et la nécessité de recourir à la simulation.
00:25:07 Conclusion et mention du livre de Nicolas sur l’optimisation de stocks.
Résumé
Dans l’interview, Kieran Chandler anime une discussion avec Joannes Vermorel, fondateur de Lokad, et Nicolas Vandeput, auteur de “Modèles d’optimisation de stocks et simulations”. Ils abordent la simplification et l’accessibilité de la programmation dans l’optimisation de la supply chain à l’aide de Python. Le livre de Vandeput propose des modèles d’optimisation de stocks simplifiés, tandis que Vermorel souligne la facilité de mise en œuvre de ces modèles. Ils discutent de l’évolution de l’optimisation de la supply chain, de l’importance de l’expressivité en programmation et des avantages de Python. Les deux experts reconnaissent les limites des modèles mathématiques traditionnels et insistent sur la nécessité de recourir à des méthodes alternatives, telles que les simulations, pour faire face aux défis du monde réel en gestion de la supply chain.
Résumé détaillé
Dans l’interview, Kieran Chandler, l’animateur, présente Joannes Vermorel, le fondateur de Lokad, et Nicolas Vandeput, l’auteur de “Modèles d’optimisation de stocks et simulations”. La discussion tourne autour de la simplification et de l’accessibilité de la programmation dans l’optimisation de la supply chain, avec l’utilisation d’outils tels que Python.
Vandeput explique que son livre a pour but de simplifier les modèles d’optimisation de stocks et de les rendre accessibles aux praticiens de la supply chain. Le livre se concentre sur la fourniture de simples recettes numériques en Python pour répondre aux situations réelles, plutôt que de se plonger dans des supply chain idéalisées. Vermorel souligne que ces recettes peuvent être mises en œuvre en seulement quelques lignes de code, démystifiant ainsi ce que proposent les grands vendeurs de logiciels et remettant en question la valeur qu’ils apportent.
Le livre est destiné aux professionnels de la supply chain qui rencontrent des difficultés avec le contrôle du stock, visant à les aider à comprendre et optimiser leurs niveaux de stocks. Vandeput souligne l’importance de formuler des hypothèses et de comprendre les limites des modèles utilisés, plutôt que de rechercher la perfection.
Vermorel explique que la maturité de la supply chain a évolué au fil des décennies, les entreprises ayant d’abord peiné à établir une contrepartie numérique à leur supply chain. Après des décennies de progrès, les entreprises peuvent désormais gérer leurs stocks numériquement sans intelligence, leur permettant ainsi de se concentrer sur l’optimisation.
Le changement de mentalité, avec des praticiens de la supply chain s’impliquant davantage dans la programmation, est attribué à l’accessibilité croissante d’outils tels que Python et à la simplification des processus. Ce changement a permis aux praticiens de prendre davantage en main l’optimisation de leur supply chain, plutôt que de se fier uniquement aux départements IT.
Ils discutent de l’évolution de l’optimisation de la supply chain, de l’importance de l’expressivité en programmation et des avantages de l’utilisation de Python.
Vermorel souligne qu’il a fallu quatre décennies aux systèmes ERP pour atteindre leur maturité, ce qui a permis à l’optimisation de la supply chain de devenir une option viable. La conversation se tourne ensuite vers l’importance de l’expressivité programmatique, qui permet aux organisations de s’adapter aux changements du monde réel et aux événements imprévisibles. Vermorel explique qu’Excel offre un certain niveau d’expressivité, mais que ses limites découlent de la manière dont la logique est organisée dans les tableurs. Python, en revanche, propose une solution plus abstraite et expressive, ce qui le rend idéal pour l’optimisation de la supply chain.
Vandeput explique ensuite pourquoi Python est son langage de prédilection pour le livre. Il souligne que Python est l’un des langages de programmation les plus populaires au monde, avec une abondance de ressources disponibles en ligne. Cela signifie que les utilisateurs peuvent trouver facilement des réponses à leurs questions, rendant ainsi moins probable qu’ils se retrouvent bloqués. De plus, la simplicité de Python le rend plus accessible, et les utilisateurs peuvent comprendre le code en le lisant.
Le livre met l’accent sur Python pour deux raisons. Premièrement, Vandeput estime que la pratique est essentielle pour apprendre, c’est pourquoi il inclut de nombreuses sections pratiques sur Excel et Python, permettant aux lecteurs d’acquérir une expérience concrète. Deuxièmement, Python permet aux utilisateurs de faire évoluer les solutions d’optimisation de la supply chain, allant au-delà de la résolution de problèmes pour des articles individuels pour aborder des problématiques plus larges.
Vermorel est d’accord avec les arguments de Vandeput sur la popularité et la simplicité de Python, mais il reconnaît également certaines limites du langage. Il suggère que d’autres langages de programmation, tels que JavaScript et Java, ne sont pas aussi adaptés à l’optimisation de la supply chain en raison des compétences poussées en ingénierie logicielle requises pour les utiliser.
La conversation porte sur les mérites de Python en tant que langage de programmation et sur les idées reçues courantes dans l’optimisation de stocks.
Vermorel soutient que Python est bien adapté à l’optimisation de la supply chain grâce à sa concision et sa facilité d’utilisation, en particulier pour les débutants. Il note que l’évolution de Python depuis sa création dans les années 1990 jusqu’à aujourd’hui l’a rendu de plus en plus populaire et efficace pour répondre aux besoins du milieu académique et industriel. Malgré ses avantages, Vermorel mentionne qu’il reste encore des améliorations à apporter, notamment dans la gestion de l’incertitude. Cependant, il affirme que Python est une solution économique par rapport à d’autres options coûteuses sur le marché.
Vandeput, quant à lui, s’attarde sur les idées reçues courantes dans l’industrie concernant l’optimisation de stocks. Il souligne que de nombreux praticiens confondent souvent le délai d’approvisionnement avec le temps de transport et négligent l’importance de la période de révision lors du calcul des stocks de sécurité. Vandeput insiste sur le fait que la période de révision doit être prise en compte en plus du délai d’approvisionnement, et suggère que la réduction de cette période peut entraîner une diminution des stocks de sécurité.
Vermorel et Vandeput reconnaissent tous deux la confusion répandue dans l’industrie ainsi que la nécessité de disposer de professionnels mieux formés dans le domaine de la gestion de la supply chain. Ils insistent sur l’importance de comprendre les subtilités de l’optimisation de stocks et d’utiliser des outils et techniques appropriés pour obtenir de meilleurs résultats.
La discussion a abordé les défis rencontrés dans l’industrie de la supply chain et la nécessité d’attirer davantage de personnes talentueuses dans ce domaine.
Vermorel a noté que la complexité des problèmes dans l’industrie de la supply chain est souvent moindre que dans d’autres domaines, tels que la microélectronique. Cependant, il a souligné l’importance d’attirer davantage d’esprits brillants dans ce domaine pour aider à résoudre les défis rencontrés. Il a loué le livre de Vandeput pour avoir rendu le domaine de la supply chain plus attrayant pour les individus intelligents et enthousiastes, susceptibles de s’intéresser véritablement à résoudre de tels problèmes.
Vandeput a abordé les limites des modèles mathématiques traditionnels en gestion de la supply chain, qui reposent souvent sur des simplifications de la réalité. Il a expliqué que certains modèles peuvent fonctionner suffisamment bien pour certains scénarios, mais lorsque leurs performances s’avèrent insuffisantes, d’autres approches, telles que les simulations, peuvent être nécessaires.
Vandeput a cité l’exemple des formules des stocks de sécurité, qui supposent des délais d’approvisionnement distribués normalement. En réalité, les fournisseurs peuvent être à l’heure la plupart du temps, mais lorsqu’ils sont en retard, ils peuvent l’être de manière significative. Les modèles mathématiques traditionnels peinent à gérer ce type de situation, soulignant ainsi la nécessité de recourir à des méthodes alternatives, telles que les simulations.
La conversation se concentre sur les limites des modèles mathématiques traditionnels, comme les formules des stocks de sécurité qui supposent des délais d’approvisionnement distribués normalement. Les deux experts soulignent que les scénarios du monde réel dévient souvent de ces hypothèses, créant des défis qui nécessitent des méthodes alternatives, telles que les simulations, pour une gestion de la supply chain plus précise.
En conclusion, l’interview a mis en lumière l’importance d’attirer des esprits brillants dans l’industrie de la supply chain, les limites des modèles mathématiques traditionnels, et les avantages potentiels de recourir aux simulations comme alternative pour surmonter ces limites.
Transcription complète
Kieran Chandler: Aujourd’hui sur lokad tv, nous sommes ravis d’accueillir à nouveau Nicolas Vandeput qui va nous expliquer à quel point cela peut être simple et ce que nous pouvons apprendre de son nouveau livre. Alors, Nicolas, merci beaucoup de nous rejoindre à nouveau. Aujourd’hui, comme toujours, nous aimons en savoir un peu plus sur nos invités et ce qu’ils ont entrepris. Alors, qu’avez-vous fait depuis notre dernière rencontre à l’émission ?
Nicolas Vandeput: Bonjour à nouveau, Kieran. Eh bien, en fait, comme toujours, je suis occupé à créer de jolis modèles pour des entreprises en optimisation de stocks et prévisions. Et, eh bien, je peux aussi dire que j’ai écrit quelques livres et que j’enseigne à l’université, comme vous le savez, c’est maintenant mon grand passe-temps.
Kieran Chandler: D’accord, parfait. Et aujourd’hui, nous allons discuter d’un de ces livres, Joannes. Il s’intitule “Modèles d’optimisation de stocks et simulations.” Alors, qu’est-ce qui différencie le livre de Nicolas ?
Joannes Vermorel: Je pense que, vous savez, Nicolas dans ce livre adopte, je dirais, frontalement une chose que je considère comme une pierre angulaire des supply chains modernes. Et quand je dis supply chain, je l’entends dans le sens de l’optimisation de la supply chain, et non pas uniquement dans le sens de la gestion comptable des choses. Il faut avoir une expressivité programmatique si l’on veut avoir quelque chose qui a une chance de traiter les supply chains du monde réel. Et dans ce livre, je crois que l’un des points très intéressants est qu’au lieu de s’enfoncer dans des supply chains idéalisées, où l’on dirait : “Oh, cherchons une preuve mathématique d’optimalité pour ceci ou cela pour une supply chain idéalisée qui n’existera jamais”, et où, dès que l’on ajoute un peu d’ingrédients du monde réel dans la supply chain, tous les cadres mathématiques s’effondrent, Nicolas fait quelque chose qui, selon moi, est bien plus en phase avec l’état d’esprit agile, ce qui est beaucoup plus approprié : montrer simplement comment fournir des recettes numériques très simples et directes avec Python.
La beauté de ces recettes réside dans leur aspect très pratique et montre littéralement que la plupart des recettes classiques de supply chain peuvent être implémentées en environ cinq lignes de Python dans la plupart des cas. Et je trouve cela très intéressant, car cela transmet l’idée que si l’on veut faire quelque chose de très simple, cela peut être réalisé de manière très simple. Il ne faut pas une demi-douzaine d’ingénieurs logiciels pour concevoir ces solutions. Et je pense qu’en outre, cela démystifie profondément ce que les grands vendeurs de logiciels proposent réellement sur le marché. Car lorsque l’on montre qu’en gros, on peut faire ce qu’ils prétendent faire, mais en seulement quelques lignes de code, la question se pose : y a-t-il une réelle valeur dans ce qui est proposé par ces vendeurs ? Et je crois, dans une large mesure, que non. Mais au-delà de cela, cela montre que si l’on dispose de très petits blocs de construction, on peut soudainement les combiner pour intégrer des défis du monde réel dans ces recettes, de manière à obtenir quelque chose qui a au moins une chance décente d’être adapté.
Kieran Chandler: Solution pour votre supply chain. D’accord, cela semble vraiment très intéressant. Nicolas, cette idée de quelques lignes de code et vous obtenez déjà des résultats, ce qui est bien plus satisfaisant que de passer des heures à coder. Alors, à qui ce livre s’adresse-t-il ?
Nicolas Vandeput: L’une de mes grandes obsessions, c’est la simplification. Donc, quand j’écris un tel livre, j’essaie de me dire, “D’accord, si je gère la supply chain et que je veux optimiser les stocks, comment puis-je tout simplifier pour donner une vue globale tout en permettant aux praticiens de le faire eux-mêmes ?” J’écris vraiment ce livre pour toute personne dans une supply chain en ce moment qui se dit, “Oh mon dieu, nous avons trop de stocks,” ou “Nous avons tellement de stocks et, en même temps, nous n’avons pas le bon taux de service,” ou tout simplement, “Eh bien, je suis responsable des stocks, mais je n’ai aucune idée de la quantité dont j’ai besoin.” J’ai écrit ce livre pour aider ces personnes, pour qu’elles puissent essentiellement le faire elles-mêmes. Il y a tellement de sections « do it yourself » dans ce livre qui montrent, de la manière la plus simple, comment vous pouvez le faire. Et pourtant, en même temps, j’essaie vraiment de leur dire, “Eh bien, nous devons faire certaines hypothèses, et puisque nous suivons ces hypothèses, nous ne recherchons pas une perfection qui n’existe pas. Nous allons donc effectuer quelques simulations et observer les limites des modèles que nous utilisons.” Bref, ce livre s’adresse vraiment à toute personne dans la supply chain aujourd’hui qui se dit, “D’accord, je dois optimiser les stocks.”
Kieran Chandler: Super, et c’est un changement de mentalité, n’est-ce pas, Johannes ? Parce qu’historiquement, la programmation était quelque chose qui était réservée aux départements informatiques. Maintenant, il semble qu’il y ait de plus en plus de praticiens qui ajoutent ces cordes à leur arc. Alors, pourquoi diriez-vous qu’il y a ce changement de mentalité ?
Joannes Vermorel: Je crois que ces choses existent depuis longtemps. Mais en ce qui concerne la maturité de la supply chain, pendant des décennies, les entreprises peinaient à disposer des équivalents numériques de leur supply chain, à avoir un ERP ou une configuration WMS où l’on pouvait gérer les niveaux de stocks de manière directe – sans aucune intelligence, mais simplement un équivalent numérique précis de votre supply chain. Il nous a fallu beaucoup de temps pour y parvenir. Si l’on considère que les premiers ERP ont été déployés – ils ne se faisaient pas appeler ainsi – à la fin des années 70, nous avons aujourd’hui sous la main quatre décennies d’histoire des ERP. Il a donc fallu longtemps pour disposer d’une cartographie numérique suffisamment précise pour qu’il devienne envisageable de réaliser toutes sortes d’optimisations. Et cela a été, d’ailleurs, une transition lente d’Excel vers Python. Excel vous offre déjà de nombreuses capacités de programmation, qui sont également, dans une certaine mesure, illustrées dans le livre. Pour moi, c’est un continuum, et non une disruption totale où l’on passe de quelque chose à autre chose. Vous avez besoin de cette expressivité programmatique pour faire face à toutes les situations que le monde réel vous réserve.
Kieran Chandler: Alors Joannes, vous venez de parler de la nécessité pour le logiciel d’être expressif pour gérer la nature imprévisible des supply chains. Pouvez-vous en dire un peu plus ?
Joannes Vermorel: Oui, je pense qu’il y aura toujours des choses complètement aléatoires et imprévisibles. Cela peut être le Brexit, une taxe de Trump, une pandémie, ou soudainement le fait que l’entreprise doit s’occuper de la distribution d’un vaccin, qui va bouleverser votre supply chain. Il se passe donc beaucoup de choses, et si vous disposez simplement d’un logiciel rigide, il ne sera tout simplement pas capable de faire face à toutes les situations du monde réel. Vous avez donc besoin de quelque chose de plus expressif, et par conséquent, de cette expressivité programmatique. Excel vous offre cela, mais il comporte certaines limitations qui sont, dirais-je, profondément liées à la manière dont vous organisez votre logique dans un tableur. Python vous offre le niveau supérieur ; c’est un peu plus abstrait, mais vous obtenez, je dirais, un niveau d’expressivité supérieur où vous pouvez avoir, par exemple, des fonctions définies par l’utilisateur. Vous pouvez obtenir cela dans Excel via Visual Basic, mais en pratique, Python est tout simplement une version supérieure de VBA.
Kieran Chandler: Nicolas, parlons peut-être de la transition d’Excel vers Python, et il existe de nombreux autres langages de programmation, comme SQL, C-sharp, etc. Pourquoi Python a-t-il été votre langage de prédilection pour ce livre ? Qu’apporte-t-il que certains de ces autres langages n’offrent pas ?
Nicolas Vandeput: Eh bien, globalement, on constate que Python possède quelques avantages. Le premier est qu’il est en réalité assez bien connu. Je ne sais pas si l’on peut dire que c’est le langage numéro un au monde, mais il s’en rapproche au moins. Cela signifie qu’aujourd’hui, si vous vous posez une question à propos de Python, vous le cherchez sur Google et vous trouverez une réponse, ce qui est vraiment pratique. Si vous trouvez un langage de programmation beaucoup plus rapide que Python, vous vous direz : “D’accord, je vais l’utiliser, il est plus rapide,” mais quand vous avez des questions, que vous les tapez en ligne, et que vous ne trouvez aucune réponse, vous allez rester bloqué. Avec Python, il est extrêmement difficile de rester bloqué, car je peux vraiment vous affirmer que quelqu’un, quelque part, a déjà eu la même question et qu’elle a déjà été résolue. D’autre part, et je pense que c’est extrêmement important, j’aime vraiment la simplification. Python est vraiment simple. Je me souviens toujours, de mes jours en tant qu’analyste quantitatif, de ces collègues qui utilisaient VBA. Nous avons tous en tête ce genre de gigantesque fichier de macros VBA dans Excel dont tout le monde a un peu peur, et vous n’osez toucher à rien dans le fichier Excel parce que s’il casse, il est impossible de le réparer. Python n’est rien de tel. Enfin, Python est bien plus simple, et vous pouvez essentiellement le lire et comprendre ce qu’il fait au fur et à mesure que vous parcourez le fichier. J’ai eu un ou deux lecteurs qui m’ont écrit un email après avoir lu le livre, me disant : “Nicolas, je ne connais rien à Python, mais j’ai lu votre code et, en gros, je comprends ce que vous faites dans votre code parce que tout est super clair.” Grâce à ces deux aspects, je pense que Python est vraiment le langage à utiliser si vous voulez apprendre quelque chose de nouveau. Maintenant, concernant le livre, pourquoi est-ce que je mets autant l’accent sur Python ? Eh bien, je vois deux raisons à cela. Premièrement, je crois que si vous voulez apprendre quelque chose, vous
Kieran Chandler: Donc je suis curieux, dans votre livre, pourquoi avez-vous choisi de vous concentrer sur Python pour l’optimisation de la supply chain ?
Nicolas Vandeput: Je pense qu’il est bien meilleur de pouvoir l’expérimenter par soi-même et de l’essayer soi-même. J’insiste sur de nombreuses sections « do it yourself » dans le livre, que ce soit en Excel ou en Python, car je veux que le lecteur acquière de nouveaux savoir-faire et connaissances. Je veux également démystifier l’optimisation de la supply chain en leur disant que ce n’est pas si compliqué. Il suffit de taper quelques lignes de code et cela fonctionnera sur votre propre ordinateur. La raison principale pour laquelle je privilégie Python, c’est qu’il est facile d’étendre la solution à une supply chain. Avec Python, vous pouvez facilement gérer une supply chain en utilisant des hypothèses et des modèles simples.
Kieran Chandler: Seriez-vous d’accord avec cela, Joannes ? Nous avons évidemment déjà parlé dans le passé de certaines des limitations de Python.
Joannes Vermorel: En termes de popularité, il ne fait aucun doute que Python figure parmi les 10 langages de programmation les plus utilisés. Parmi les concurrents, on trouve JavaScript, Java, et quelques autres, mais ils ne sont pas de bonnes options pour les supply chains. Il faut des compétences significatives en génie logiciel pour faire quoi que ce soit avec ces langages. Certaines des bonnes qualités de Java, par exemple, le support étendu de la programmation orientée objet, peuvent se transformer en inconvénients lorsqu’il s’agit d’intégrer facilement de nouveaux utilisateurs. Ces fonctionnalités ne sont pas immédiatement utiles pour l’optimisation ou la modélisation de la supply chain. Si vous les ajoutez simplement dans le mix, vous avez un langage de programmation plus complexe sans avantage évident, du moins pas pendant les premiers mois de n’importe quel projet.
Python a été lancé dans les années 90, et il a fallu près de trois décennies pour qu’il gagne en popularité. Il y a eu une migration massive de Python 2 vers Python 3, que je crois avoir été orchestrée par le milieu universitaire. Python a trouvé son créneau dans le milieu académique, et la grande transition entre Python 2 et Python 3 visait à supprimer toutes les mauvaises parties de Python. Ce qui a émergé de cela au cours de la dernière décennie est un langage qui correspond bien mieux à ce dont vous avez besoin dans le milieu universitaire et pour l’optimisation de la supply chain.
Kieran Chandler: Alors, parlons des langages de programmation. Joannes, que pensez-vous de Python ?
Joannes Vermorel: Python est un langage très concis, dans lequel il n’y a pas trop de masse avec trop de choses qui tournent autour. Le contraire exact serait probablement quelque chose comme le C++. Je ne suis pas sûr qu’il y ait quelqu’un sur terre qui puisse dire, “Je sais tout ce qu’il y a à savoir sur le C++,” car la spécification du langage est absolument gigantesque et je ne pense pas qu’il soit humainement possible de se familiariser avec toutes les parties du C++. Le langage est un peu fou quand on y pense. Mis bout à bout, Python est vraiment un compromis idéal pour permettre aux gens de commencer facilement. Je crois que c’est un bon point de départ pour éviter bon nombre des pièges de la complexité accidentelle. Maintenant, il me semble toutefois que ce n’est pas la finalité, et c’est d’ailleurs ce que nous avons développé chez Lokad. Mais évidemment, ce n’est pas le sujet du livre de Nicolas, alors je ne vais pas m’étendre davantage. Je crois toutefois que si vous devez faire face à l’incertitude, il y a beaucoup de choses qui peuvent être réalisées relativement simplement en Python. Mais si vous êtes prêts à aller jusqu’à modifier le langage lui-même, cela pourrait être fait de manière encore plus simple. Cependant, cela dépasse le cadre du livre. Pour la discussion, je pense qu’actuellement, si vous devez choisir entre ce que Python peut offrir et la plupart des options coûteuses sur le marché, c’est littéralement une aubaine, et il y a très peu de raisons de ne pas au moins essayer sérieusement. Même en cas d’échec, ce sera un échec bien moins coûteux que d’échouer avec un SAP de ce monde.
Kieran Chandler: Nicolas, en plus d’aborder certains modèles dans votre livre, votre livre examine aussi certaines confusions en matière d’optimisation des stocks. Quelles sont les confusions courantes dont nous devrions être conscients dans l’industrie ?
Nicolas Vandeput: Oui, avec mon expérience en tant que consultant, en discutant avec de nombreux praticiens sur la manière dont ils abordent l’optimisation des stocks, et quand on regarde, eh bien, vous savez, cette formule de stock de sécurité que l’on voit partout, même sur Wikipedia, on voit des personnes aller sur Wikipedia, taper “safety stock”, regarder la formule, puis la saisir dans Excel. Ce que l’on constate, c’est que – et ceci est correct lorsque vous voulez évaluer la quantité de stock de sécurité nécessaire – vous allez examiner le délai d’approvisionnement, c’est-à-dire le temps nécessaire pour réaliser un réapprovisionnement. La première confusion que je remarque, c’est que de nombreux praticiens confondent le concept même de délai d’approvisionnement et le temps de transport. Il se peut qu’il ne faille que deux jours ou un jour pour qu’un truck aille d’un entrepôt à un autre, mais il pourrait falloir trois semaines de planification parce que vous devez trouver un camion, un chauffeur, et prévoir le temps de préparation des commandes ainsi que toutes ces choses qui s’ajoutent. Et au final, vous prenez deux semaines, mais il y a encore une chose que les gens ont tendance à oublier. L’idée est que vous ne devez pas simplement regarder le délai d’approvisionnement, mais aussi prendre en compte la période de révision.
Nicolas Vandeput: Permettez-moi de vous donner un exemple. Si vous passez commande chaque semaine ou chaque mois, c’est une addition de ce que j’appelle, au sein du groupe, la période de risque. Ainsi, en gros, la période pendant laquelle vous devez couvrir vos besoins n’est pas simplement le délai d’approvisionnement, mais aussi la période de révision.
Kieran Chandler: D’accord, Nicolas, dans votre livre “Modèles et simulations d’optimisation de stocks,” vous avez parlé de l’importance de prendre en compte la période de révision. Pouvez-vous développer ce point ?
Nicolas Vandeput: Oui, donc la période de révision correspond fondamentalement au temps pendant lequel vous devez être protégé, auquel s’ajoute la durée de la période de révision. Ainsi, si vous ne réalisez un réapprovisionnement que chaque semaine et que vous avez un délai d’approvisionnement de trois semaines, la période de risque est en réalité de quatre semaines. Vous devez donc être protégé contre tout ce qui pourrait se produire sur quatre semaines. Ce que je constate, c’est que la plupart des personnes, la plupart des logiciels, tendent à ignorer totalement cette période de révision et se concentrent uniquement sur ces trois semaines de délai d’approvisionnement. Je m’efforce donc, en lisant le livre, de souligner le fait que, eh bien, vous devez absolument prendre en compte cette période de révision lorsqu’il s’agit de stock de sécurité. Mais en outre, j’incite les gens à réaliser qu’en réalité, s’ils parviennent à réduire cette période de révision, s’ils peuvent réduire la période de gel de la production, etc., ils peuvent en fait réduire le stock de sécurité, ce qui, à mon sens, constitue une vraie avancée pour la supply chain.
Kieran Chandler: D’accord. Et diriez-vous, Joannes, qu’il y a beaucoup de confusion à ce sujet, et que c’est pourquoi les gens sont si enclins à payer pour ce type de logiciel de stocks ?
Joannes Vermorel: Oui, je veux dire, encore, je crois, vous savez, ma conviction est que les supply chain ont désespérément besoin, je dirais, de classes d’ingénieurs supérieures. Et, dans une de mes premières conférences, j’avais cette blague d’introduction, vous savez, si vous avez beaucoup d’énergie, vous allez dans les ventes. Si vous êtes fiable, vous allez en production. Et si vous manquez, vous savez, de toutes sortes de qualités, vous finissez en supply chain. Mais le fait est, vous savez, si je compare certains domaines dans les supply chain, le genre de confusions que vous rencontrez ne sont pas, je dirais, le fruit d’esprits extrêmement brillants. Et je suis désolé d’être peut-être un peu dur avec le public, mais si vous regardez, prenons par exemple ce qui se fait avec la lithographie pour la microélectronique et le genre de problèmes que ces personnes résolvent, vous savez, ils sont d’une complexité stupéfiante. C’est littéralement, vous avez tout. Vous avez la physique quantique avec des mathématiques compliquées. Et franchement, c’est bien plus compliqué que le genre de problèmes que l’on aborde en supply chain. Vous avez des problèmes physiques avec toutes sortes de difficultés. La technologie, c’est littéralement, vous avez tellement de pièces de techno super compliquées à assembler. Je veux dire, par exemple, ce que des entreprises comme ASML font aux Pays-Bas, c’est presque magique, parce que c’est, c’est, c’est juste, je dirais, c’est une sorte d’accomplissement de l’humanité lorsque les esprits les plus brillants se réunissent. Mais le défi, c’est que si vous voulez que des personnes plus intelligentes se tournent vers la supply chain afin d’attirer des esprits très brillants qui ne seront pas déconcertés par des problèmes aussi idiots que la définition de la période applicable pour le réapprovisionnement de votre stock, vous savez, un système que vous êtes sur le point de modéliser, nous devons formuler le problème de manière à ce que ces personnes puissent exercer leur intelligence. Vous savez, parce qu’évidemment, si toute votre discipline consiste à actionner des boutons idiots sur des logiciels idiots, alors ne soyez pas trop surpris qu’au final, les seuls employés que vous obtenez ne soient pas les plus brillants.
Kieran Chandler: Euh, donc je pense que, et c’est aussi quelque chose que j’apprécie dans ce livre, c’est que, vous savez, je pense que le livre de Nicolas offre quelque chose où, si vous êtes intelligent, si vous êtes jeune, si vous avez un certain enthousiasme, alors vous pouvez vous intéresser véritablement aux types de problèmes que vous allez aborder. Et non seulement, en lisant le livre, vous pouvez réellement vous améliorer dans la résolution de ces problèmes, ce qui est également un très bon pilier pour la supply chain. Ce sont le genre de choses qui peuvent rendre le monde plus attrayant pour les esprits brillants qui veulent exercer leur intelligence sur des problèmes intéressants, en premier lieu. Et donc ce que je soupçonne, c’est qu’en termes de confusions, vous savez, le genre de choses qui embrouillent les gens aujourd’hui, et le genre de choses qui, j’espère, embrouilleront les gens dans deux décennies, seront radicalement différentes, surtout si nous apportons, vous savez, je dirais beaucoup plus de talents dans cette industrie. D’accord, si nous commençons à conclure un peu. Nicolas, dans ton livre, Johanna a mentionné que certains des modèles utilisés ont certes leurs applications, peut-être d’un point de vue académique, mais peut-être qu’ils présentent également certaines limites dans le monde réel. Dirais-tu que certaines de ces limites peuvent être surmontées et, si oui, comment ? Et comment pourraient-ils finir par être utilisés dans le monde réel ?
Nicolas Vandeput: Eh bien, il faut toujours comprendre qu’en quelque sorte un modèle est une simplification de la réalité, n’est-ce pas ? Donc, dès le départ, lorsque vous démarrez un modèle, il faut comprendre que vous devez mettre de côté certaines choses. La vraie question est donc la suivante : d’accord, si je prends un modèle qui fonctionne, disons, en 1995, 98 % du temps, est-il suffisamment bon pour moi ? Certains diraient que oui, ou non, il ne l’est pas. Maintenant, si vous élaborez un modèle et que vous voyez qu’il ne fonctionne, disons, qu’à 70 % ou 60 %, alors vous réalisez vraiment que, d’accord, le modèle mathématique habituel n’est pas assez bon. J’ai besoin de passer à autre chose. Et c’est ce que je montre dans la dernière partie du livre, en disant qu’à un moment donné, un modèle mathématique ne sera pas suffisamment bon. Je veux dire, il ne sera pas assez précis, ne sera pas traitable.
Joannes Vermorel: Et c’est quelque chose que, en fait, nous voyons également avec les clients de Lokad, c’est que, fondamentalement, les modèles que nous avons, les modèles mathématiques que nous avons, sont suffisants pour identifier ce que nous appelons les grands succès. C’est-à-dire, les éléments qui, si vous les corrigez, vous avez, vous savez, un impact massif, massif sur la profitabilité de la supply chain ou quoi que vous cherchiez à optimiser. Et c’est là, je dirais, que nous apportons beaucoup de valeur à nos clients. Cependant, il y a aussi beaucoup de détails où, vous savez, le modèle est bon, mais il n’est pas assez bon, et c’est là, je dirais, qu’il faut une sorte d’industrialisation, où vous pouvez vraiment tester, ajuster et régler, et, vous savez, effectuer des tests dans le monde réel. Je veux dire, c’est vraiment l’essence de la supply chain, n’est-ce pas ? C’est un mélange d’analytics et d’opérations, où, vous savez, vous devez disposer de l’analytics afin de vous assurer que vous ne faites pas, vous savez, des bêtises, mais ensuite, vous savez, les opérations, les tests, le
Kieran Chandler: Donc, je voulais vous poser une question à propos de l’optimisation de stocks. Il semble que ce soit un domaine où les gens hésitent souvent à utiliser des modèles parce qu’ils ont peur qu’ils ne deviennent trop compliqués. Ainsi, vous pourriez avoir recours à une simulation, et je suis assez sûr que Jonas a énormément à dire sur la manière de faire de la simulation en supply chain.
Joannes Vermorel: Eh bien, dans cette première partie du livre, je montre également, “D’accord, voici les modèles habituels pour la supply chain. Faisons une simulation pour voir s’ils fonctionnent, oui ou non.” Et je constate vraiment que, par exemple, l’une des choses que nous faisons habituellement en supply chain est de prendre, encore une fois, cette formule habituelle de stock de sécurité, celle que l’on trouve sur Wikipedia. Et cette formule peut gérer un délai de besoin aléatoire, c’est-à-dire que, de temps en temps, votre fournisseur a du retard, donc vous devriez disposer d’un peu plus de stock de sécurité, n’est-ce pas ? Quand on examine la formule pour évaluer la quantité de stock de sécurité nécessaire en fonction d’un délai de besoin aléatoire, on voit qu’il y a toute une hypothèse qui dit, “Eh bien, le délai, je le distribue normalement.” Donc, c’est fondamentalement une courbe bien comportée où votre fournisseur, de temps en temps, a trop de retard, mais jamais à l’extrême. En pratique, je crois que la plupart des fournisseurs, la plupart du temps, sont à l’heure. Mais quand ils sont en retard, ils le sont nettement, n’est-ce pas ? Je dirais donc que dans 80 % des cas, ils sont à l’heure, et dans 20 % des cas, ils peuvent avoir une ou deux semaines de retard. En réalité, il n’existe pas de formule mathématique capable de gérer cela, n’est-ce pas ? Donc, si vous avez un fournisseur de ce type, vous n’irez pas loin avec cette formule de stock de sécurité. Il faut vraiment revenir à la simulation, et c’est là que se situe la limite de l’utilisation d’un modèle mathématique simple et l’indication qu’il faut peut-être aller un cran plus loin et commencer à utiliser la simulation pour résoudre ce problème.
Nicolas Vandeput: Oui, et je suis complètement d’accord avec ce que dit Joannes. Je pense qu’il y a une limite à ce que l’on peut faire avec les modèles mathématiques en termes d’optimisation de la supply chain. Et la simulation est un outil très puissant pour comprendre l’impact des différents paramètres sur votre supply chain et pour l’optimiser. Et en fait, c’est ce que nous faisons depuis de nombreuses années, et c’est également ce que Joannes fait.
Kieran Chandler: D’accord, c’est brillant. Nous allons devoir en rester là, mais merci à vous deux pour votre temps. Si vous êtes intéressé par la lecture du livre de Nicolas sur les modèles d’optimisation de stocks et les simulations, nous mettrons un lien dans la description ci-dessous. Sinon, nous nous retrouverons dans le prochain épisode, et merci de nous avoir regardés. Au revoir.
Joannes Vermorel: Merci.
Nicolas Vandeput: Merci.
