Risques dans la gestion de la supply chain

00:00:00 Introduction et définition des termes
00:02:40 Incertitude et coût de la protection dans la supply chain
00:03:54 Gestion des risques et minimisation des déchets
00:05:30 Risque irréductible et opportunités dans la supply chain
00:07:37 Supply chain vs perfection de la fabrication
00:09:35 Risques et opportunités dans la supply chain et les concurrents
00:14:09 Problèmes avec une approche statique dans la supply chain
00:15:56 Erreurs prévisibles en tant que pratique commerciale
00:18:46 Ingénierie de l’agilité dans la supply chain
00:21:20 Valeur en dollars des risques et des opportunités
00:23:36 Optimisation financière des risques de la supply chain
00:26:37 Approche de Lokad pour les prévisions probabilistes
00:29:53 Risque de perturbation massive et de catastrophes régionales
00:31:59 Intégration des risques dans les décisions quotidiennes de la supply chain
00:34:08 Risque de perdre de gros clients et corrélation des risques
00:37:03 Distorsion dans les projections cartographiques et les modèles mathématiques
00:42:31 Construction de prévisions et risque des séries temporelles
00:45:20 Optimisation stochastique et approche probabiliste
00:48:36 Décomposition des moteurs économiques pour les décisions de la supply chain
00:51:44 Les entreprises sont souvent surprises par les événements passés
00:57:00 Prévisions préjudiciables et entropie croisée dans les prévisions
01:00:00 Importance des évaluations de risques exploitables
01:06:49 Risques financiers de la distribution des stocks
01:13:54 Coût des promotions et dépendances informatiques en tant que risque
01:17:22 Difficulté de modéliser la psychologie des clients
01:24:26 Évaluation des prévisions des séries temporelles
01:27:33 Risques dans les logiciels de supply chain grand public
01:29:30 Réflexions finales et appel à l’action

Résumé

Conor Doherty, animateur de LokadTV, et Joannes Vermorel, fondateur de Lokad, discutent des risques inhérents à la gestion de la supply chain. Vermorel souligne que le principal risque est l’incertitude de l’avenir, qui est irréductible et hors de contrôle. Il note que chaque décision implique un compromis entre le risque et la récompense, et qu’un risque nul est inatteignable. Vermorel met également en évidence les opportunités qui peuvent découler de ces risques, telles que la capitalisation sur les pénuries du marché. Il préconise une mentalité agile et opportuniste, ainsi que l’utilisation de prévisions probabilistes pour atténuer les risques. Vermorel et Doherty concluent en convenant que même les petites entreprises peuvent bénéficier de la gestion des risques, ce qui entraîne une augmentation des marges et des flux de trésorerie.

Résumé étendu

Lors d’une conversation entre Conor Doherty, l’animateur, et Joannes Vermorel, le fondateur de Lokad, une entreprise spécialisée dans l’optimisation de la supply chain, le sujet de la gestion des risques dans les supply chains est exploré en profondeur. Vermorel explique que la principale source de risque dans les supply chains est l’incertitude de l’avenir. Contrairement à la fabrication où les risques peuvent être éliminés en perfectionnant le processus, les risques de la supply chain dépendent de conditions futures inconnues et irréductibles.

Vermorel souligne que chaque décision en matière de gestion de la supply chain implique un compromis entre le risque et la récompense, et que l’incertitude quant à l’avenir est irréductible. Il note également qu’un risque nul n’existe pas dans les supply chains. Même avec un processus de fabrication parfait, il y a toujours un risque à deux chiffres que le produit ne se vendra pas sur le marché dans cinq ans.

Vermorel réitère que la source de risque dans les supply chains est l’incertitude de l’avenir. Il explique que ce risque est irréductible et contrairement à d’autres domaines comme la comptabilité où les risques peuvent être éliminés, les risques de la supply chain sont hors de contrôle et ne peuvent être atténués que. Il souligne également qu’il y a des risques dans les supply chains, mais aussi des opportunités. Par exemple, avoir beaucoup de stock lorsque le marché est confronté à une pénurie peut conduire à un beau profit.

Vermorel est d’accord avec l’observation de Doherty selon laquelle les risques dans les supply chains semblent être plus courants et avoir des effets financiers prévisibles. Il souligne que la gestion de la supply chain implique de faire face à de nombreux risques et opportunités qui sont principalement hors de contrôle, et la seule chose qui peut être faite est de prendre des décisions qui équilibrent ces risques et opportunités.

Vermorel explique que des risques et des opportunités peuvent survenir dans les supply chains. Par exemple, l’entrée ou la sortie d’un concurrent sur le marché peut faire baisser ou augmenter les prix, ce qui affecte la rentabilité. Il donne également l’exemple d’une entreprise européenne de e-commerce qui a capitalisé sur un événement surprenant pour réaliser un profit exceptionnel.

Vermorel explique qu’il est important d’avoir une mentalité agile et opportuniste dans les supply chains. Il note qu’il est possible d’établir des pratiques qui tirent parti des erreurs prévisibles, mais il est également important d’être préparé aux risques émergents.

Vermorel aborde le coût des défauts dans la fabrication automobile, soulignant que dans la gestion de la supply chain, il n’y a pas de contraintes strictes et tout est éligible à l’optimisation financière. Il explique que la prévision est utilisée dans la gestion de la supply chain pour atténuer les risques. Cependant, contrairement aux défauts dans la fabrication automobile, les inexactitudes des prévisions ne seront jamais complètement éliminées.

Vermorel introduit le concept de prévision probabiliste, où chaque futur possible a une probabilité. Il explique que des risques tels qu’une chance de 2% de perdre des clients peuvent être pris en compte dans les prévisions probabilistes en prévoyant le comportement des clients, plutôt que la demande des produits.

Vermorel soutient que la qualité d’une approche axée sur les risques devrait être jugée par les résultats finaux, et non par la qualité d’une prévision probabiliste. Il souligne que la principale préoccupation devrait être combien d’argent a été gagné ou perdu, et non la précision de la prévision.

Vermorel suggère que l’entropie croisée, une mesure de l’exactitude des prévisions probabilistes, est aussi abstraite que les pourcentages, mais présente de bonnes propriétés pour apprendre des modèles de haute qualité. Il souligne que les résultats finaux, qui se traduisent par une réduction des erreurs en termes d’argent, sont la métrique la plus importante.

Vermorel suggère que de telles divisions de gestion des risques sont souvent bureaucratiques et que leurs évaluations n’ont aucune conséquence si elles n’ajustent pas chaque décision individuelle dans la supply chain. Il soutient que si les évaluations des risques n’ont pas d’impact sur les décisions d’achat, elles sont ignorées.

Vermorel est d’accord, affirmant que bien que les deux soient importants, les décisions macro sont souvent un pari, tandis que les décisions quotidiennes peuvent être évaluées quantitativement.

Vermorel aborde la perspective classique de la gestion de la supply chain, où chaque magasin est traité indépendamment et un stock de sécurité est maintenu pour couvrir les pénuries potentielles. Cependant, cette approche peut entraîner des problèmes tels que des ruptures de stock au niveau de l’entrepôt. Il critique l’approche traditionnelle qui consiste à attribuer le stock de sécurité aux magasins de manière séquentielle, ce qui peut entraîner une surstockage dans certains magasins tandis que d’autres ne reçoivent rien. Cela peut entraîner une demande non satisfaite et un excès de stock dans certains magasins.

Vermorel suggère qu’une meilleure approche consisterait à répartir l’inventaire de manière à ce que tous les magasins soient en rupture de stock en même temps, maximisant ainsi les ventes. Il propose une approche probabiliste qui prend en compte le réseau et les interdépendances entre tous les magasins et l’inventaire disponible.

Vermorel aborde les risques immatériels, tels que les attentes des clients et la valeur de la marque. Par exemple, offrir des réductions peut amener les clients à s’attendre à des réductions futures, ce qui peut être difficile à quantifier et à gérer. Il mentionne également d’autres classes de risques, tels que les dépendances informatiques, qui peuvent avoir un impact sur la supply chain.

Vermorel explique que les promotions peuvent amener les clients à attendre les promotions futures avant d’effectuer des achats, ce qui peut être difficile à modéliser et à gérer en raison de la nature à long terme du comportement des clients. Il suggère qu’une approche axée sur les risques est plus compatible avec ce type d’estimations par rapport aux prévisions traditionnelles basées sur les séries temporelles.

Vermorel remet en question l’idée selon laquelle seules les grandes entreprises peuvent se permettre de gérer les risques, en affirmant que négliger les risques peut être plus coûteux. Il suggère que les prévisions probabilistes peuvent être plus efficaces et plus faciles à déployer que les prévisions traditionnelles basées sur les séries temporelles. Vermorel soutient que même les petites entreprises peuvent bénéficier de la gestion des risques, car cela peut entraîner une augmentation des marges et des flux de trésorerie.

En conclusion, Vermorel est d’accord avec le résumé de Doherty, affirmant que de nombreuses entreprises sont confrontées à des catastrophes évitables en raison de la négligence des risques. Il suggère qu’une meilleure correspondance entre la réalité et la gestion de la supply chain peut conduire à un degré plus élevé d’automatisation et à moins de personnel nécessaire pour gérer le processus.

Transcription complète

Conor Doherty: Bienvenue sur LokadTV ! Le risque est systémique dans la supply chain. D’un certain point de vue, chaque décision de gestion de la supply chain présente des classes potentielles de risques, directement ou indirectement. Pour nous expliquer pourquoi - et surtout comment les éviter - nous avons Joannes Vermorel, fondateur de Lokad.

Alors Joannes, pour citer le grand penseur américain George Costanza, pour gérer le risque, nous devons d’abord le comprendre. Et pour le comprendre, nous devons d’abord le définir. Alors, dans le contexte de la supply chain, qu’est-ce que la gestion des risques et en quoi diffère-t-elle de la gestion des risques dans d’autres domaines comme la fabrication ?

Joannes Vermorel: La principale source de risque dans la supply chain est le futur que vous ne connaissez pas. En fabrication, il s’agit principalement d’avoir le bon processus. Si vous avez le bon processus, vous pouvez potentiellement produire un milliard de pièces sans jamais rencontrer de défauts. Donc, du point de vue de la fabrication, vous pouvez éliminer le risque. Le risque n’est pas tellement lié au futur. Par exemple, si vous avez un processus défectueux qui crée un risque d’incendie pour votre usine, il est juste une question de temps avant que l’usine ne prenne feu.

Dans la supply chain, c’est littéralement le futur que vous ne connaissez pas et vous ne pouvez pas vraiment sécuriser toutes les possibilités car cela coûte trop cher. Il y a toujours une possibilité que la demande de produits spécifiques augmente d’un facteur de 20, mais devez-vous avoir en stock 20 fois plus que ce que vous prévoyez de vendre, compte tenu du délai de livraison applicable et autres, simplement parce qu’il y a cette possibilité éloignée de faire face à cette augmentation de demande super imprévisible ? Non.

Fondamentalement, je dirais que, contrairement à certains autres domaines, dans la supply chain, les sources de risque sont les conditions futures que vous ne connaissez pas et chaque décision que vous prenez est en quelque sorte un compromis sur le type de risque et de récompenses également liées à cette incertitude sur le futur. Et je dirais que l’incertitude sur le futur est irréductible, contrairement, par exemple, à l’incertitude telle que les actifs physiques dans votre processus de fabrication dans une usine.

Le risque zéro n’existe jamais. Bien que, si vous regardez un processus de fabrication, vous pouvez vous approcher très, très près de zéro. Je veux dire que ce n’est pas absolument zéro, mais c’est très, très proche. En ce qui concerne la supply chain, regardez n’importe quel produit, il y a toujours un pourcentage à deux chiffres de risques que ce produit ne sera plus vendu sur le marché dans cinq ans. Il y a très peu de produits dont vous pouvez dire avec une confiance absolue qu’ils existeront encore dans cinq ans, surtout si l’on prend en compte le fait que le produit peut être remplacé par une variante, ce qui compte toujours comme un SKU différent.

Conor Doherty: Donc, pour résumer, voulez-vous dire que la gestion des risques dans la supply chain est simplement une question de minimisation des ressources gaspillées ou est-ce simplement une préoccupation financière ?

Joannes Vermorel: La source du risque est littéralement le fait que vous ne connaissez pas le futur. Si vous aviez une boule de cristal magique qui vous dirait le futur, vous pourriez en théorie avoir une pratique de la supply chain presque sans risque, en supposant que l’on ait assez d’argent.

Cette source de risque est irréductible et semble étrange dans de nombreux autres domaines. Par exemple, en comptabilité, vous avez un risque de commettre des erreurs comptables, mais c’est pour cela que ces pratiques comptables existent, pour éliminer essentiellement ce risque. Lorsque vous pensez en termes de risque associé à des pratiques comptables incorrectes, vous voulez vraiment que cela soit très rare.

Dans la supply chain, vous n’avez pas cette option. Peu importe si vous êtes bon, si vous avez les bonnes pratiques, le risque est irréductible. Vous pouvez avoir une guerre, des confinements, des incendies, toutes sortes d’événements qui sont simplement hors de votre contrôle et qui vont massivement influencer la demande d’une manière ou d’une autre. C’est la principale source de risque, vous ne savez pas et tout ce que vous pouvez faire consiste à atténuer ces risques. Mais aussi, comme il y a des risques, il y a aussi des opportunités qui n’existent pas dans d’autres domaines comme les pratiques comptables.

Par exemple, si vous avez beaucoup de stock d’un produit alors que le marché est confronté à une pénurie, vous pouvez potentiellement réaliser un joli profit en vendant cet inventaire à un prix premium.

Conor Doherty: Il semble que bon nombre de ces problèmes dans la supply chain soient beaucoup plus courants que l’exemple que vous avez donné d’embaucher une personne incompétente ou moralement incorrecte. Ils sont extrêmement rares, mais on peut supposer que les classes de risques dont vous parlez dans le contexte de la supply chain, comme les délais de livraison qui sont prolongés ou même accélérés de quelques jours, sont vraisemblablement assez réguliers et ont des effets financiers prévisibles.

Joannes Vermorel: Oui, et ils ne dépendent pas de vous. C’est aussi une chose très différente. Si vous êtes dans un processus de fabrication dans une usine et que vous avez des défauts, corriger le processus pour ne plus avoir de défauts dépend entièrement de vous. Vous pouvez potentiellement atteindre ces états de zéro défaut qui représentent la perfection, ou vous pouvez vous en approcher très près.

Encore une fois, si nous passons au monde de la supply chain, ce n’est pas vraiment le cas. Je veux dire que ces choses, par définition, si vous avez un délai de livraison, vous avez un fournisseur et cette entreprise est hors de votre contrôle. Et même si vous internalisez, vous pouvez avoir un transporteur et cela reste hors de votre contrôle. Et même si vous internalisez le transporteur, la route peut être coupée parce que l’autoroute est inondée ou qu’il y a autre chose et là encore, c’est hors de votre contrôle.

Donc, ce qui rend la pratique de la supply chain si spécifique, c’est que vous êtes confronté à beaucoup de risques et, inversement, à beaucoup d’opportunités et elles sont principalement hors de votre contrôle. Donc, la seule chose que vous pouvez faire, c’est prendre des décisions qui équilibrent correctement ces risques et opportunités.

Conor Doherty: Donc, lorsque vous parlez d’opportunité dans le contexte du risque, vous voulez dire manquer des opportunités ?

Joannes Vermorel: Oui, un concurrent peut soudainement entrer sur le marché et baisser les prix. C’est un risque. Donc, vous pouvez être contraint de baisser votre prix à votre tour et vous êtes moins rentable que vous ne le souhaiteriez, voire peut-être vous n’êtes même plus rentable du tout. Mais l’inverse peut également se produire. Un concurrent peut quitter votre marché. Dans ce cas, eh bien, vous pouvez augmenter votre prix et vous êtes plus rentable que vous ne le souhaiteriez.

Chaque fois que vous pensez qu’il y a un risque, il y a une opportunité. S’il y a une inondation, peut-être que votre entrepôt va être inondé ou peut-être que celui de l’un de vos concurrents va être inondé. Donc, lorsque les gens pensent au risque dans les environnements de fabrication, vous avez un objectif clair qui est cette perfection. Donc, lorsque vous pensez au risque, il n’y a pas vraiment d’opportunités aléatoires spécifiques vraiment opportunistes.

Mais dans la supply chain, cela peut arriver. Vous pouvez avoir des milliers de produits et pour des raisons aléatoires, les concurrents commettent simplement des erreurs. Ils n’ont pas la quantité de stock appropriée, ils n’ont pas la capacité adéquate ou ils ont une mauvaise allocation, et alors il y a des opportunités.

Par exemple, une grande entreprise européenne de e-commerce, l’une de leurs techniques était de commencer à vendre des produits de mode et ils identifiaient très rapidement en saison les meilleures ventes, littéralement en un jour ou deux. Et ce qu’ils faisaient, c’est qu’ils passaient immédiatement une commande gigantesque à la marque d’origine et ils s’appropriaient tout le stock.

Cela a été étonnamment bien accueilli, et donc ils disaient : “D’accord, si cette quantité de ventes nous surprend, il est fort probable qu’elle surprenne également la marque d’origine. Alors, que se passera-t-il si nous passons une commande massive ? Nous aurons une grande quantité de stock alors que tout le monde est en rupture de stock. Nous pouvons vendre les mêmes produits à un prix légèrement plus élevé que le prix normal, et nous vendrons quand même tout sans encourir de pénalité liée aux soldes de fin de saison.”

Donc, vous voyez, l’idée est qu’il y a un événement surprenant, un produit se vend plus que ce que les experts attendraient, et ensuite, si vous êtes intelligent, vous pouvez transformer cela en une opportunité pour vous approprier la quantité de stock qui est encore disponible, puis réaliser un profit exceptionnel sur ce produit. Donc, vous voyez, le risque est là, mais il y a aussi l’opportunité qui se présente.

Conor Doherty: Compris, merci. Cet exemple est assez intéressant car il ouvre une potentielle divergence dans la conversation. Si j’ai bien compris, l’exemple que vous avez donné était celui d’une réponse réactive à une opportunité. Ce vendeur de vêtements de mode a repéré une opportunité et y a répondu de manière très agile. Donc, c’était une approche réactive pour gérer les opportunités et éviter les risques. Est-ce la meilleure approche que l’on puisse adopter en supply chain, ou existe-t-il un mécanisme proactif pour anticiper ce genre d’événements ?

Joannes Vermorel: J’aurais une réponse en deux parties à cela. Tout d’abord, vous avez tout à fait raison. Cela s’est fait avec un état d’esprit agile, opportuniste, et cela s’applique également aux risques et aux opportunités. Ce qui est intéressant, c’est que si vous adoptez une perspective comme celle de la fabrication, ce n’est pas la perspective que vous adoptez. Vous voulez simplement éliminer les risques. C’est un problème statique. Soit votre processus ne présente aucun risque, aucun défaut, aucun danger, et vous êtes bon, soit ce n’est pas le cas, et vous devez le corriger.

Ici, en supply chain, ce qui est intéressant, c’est que lorsque vous essayez d’aborder le risque avec ce genre d’état d’esprit stationnaire, vous le considérez comme quelque chose que vous pourriez résoudre une fois pour toutes. Mais le problème, c’est que cela ne fonctionne pas, car si vous avez quelque chose de complètement statique, vous ne pouvez plus saisir les opportunités. Mais la réalité, c’est que vous ne pouvez pas non plus réagir aux risques émergents. C’est complètement symétrique. Vous avez donc des opportunités qui se présentent, mais il y aura aussi des risques qui surgissent et surprennent tout le monde, et vous devez réagir rapidement également. C’est donc symétrique.

Maintenant, que signifie être préparé ? Comme je le mentionnais dans cet exemple de cette grande entreprise européenne de e-commerce qui joue ce jeu de s’approprier le stock des marques, c’est une pratique établie. Ils savent que du fait qu’une grande marque de mode va avoir une collection de peut-être 20 000 variantes distinctes, des erreurs seront commises. C’est une certitude. Vous ne savez pas lesquelles, mais l’idée qu’une marque de taille importante puisse avoir tout correctement dimensionné en termes de stock est un pari relativement sûr pour dire que des erreurs seront commises. Et donc, vous pouvez établir une pratique où vous transformez ces erreurs prévisibles en votre avantage.

Conor Doherty: Lorsque vous parlez de mettre en place un processus dans une entreprise qui traite des biens de consommation courante, comment le mettez-vous concrètement en œuvre ? Est-ce un processus descendant ou ascendant ? Je veux dire, comment exploitez-vous ces opportunités, comment mettez-vous en place ce genre de processus ?

Joannes Vermorel: Comme la plupart des choses dans la supply chain, cela doit être en partie descendant. Vous ne pouvez pas vous attendre à ce que les personnes à la base aient un moyen de réorganiser l’organisation elle-même. Par exemple, si vous décidez que votre processus est comme le SNOP (Sales and Operations Planning) et que vous avez ensuite des sessions trimestrielles pour le SNOP où vous passez deux mois à établir votre nouvelle prévision et à obtenir l’accord de tout le monde, à établir un consensus important, puis à interroger tout le monde, puis à compiler tous les résultats, puis à traduire à nouveau les prévisions qui sont par semaine par catégorie en quelque chose qui a du sens en termes de décisions, vous vous retrouvez dans une situation où cela n’a pas d’importance si les personnes à la base sont agiles ou non. Le processus et l’organisation elle-même empêchent toute forme d’agilité de toute façon. Donc, dans une certaine mesure, si vous voulez être agile, cela doit être conçu depuis le sommet pour que cette agilité puisse même se produire. Mais ensuite, une fois que vous avez conçu quelque chose où cela devient une possibilité, alors oui, c’est beaucoup plus une chose ascendante car il s’agit de savoir si les différentes équipes profitent de cette agilité nouvellement découverte.

Conor Doherty: Il me semble également qu’il y a une autre façon d’aborder l’idée de risque et d’opportunité. Si vous inversez simplement l’exemple que vous avez donné, au lieu de vous concentrer sur l’entreprise qui vendait ces t-shirts qui se vendaient comme des petits pains et qui a décidé de s’approprier le marché, c’est eux qui profitent d’une opportunité. Du point de vue du fournisseur, si vous vous trouvez dans une situation où tout à coup, sans crier gare, le magasin de vêtements de Joannes m’appelle et me dit : “Oh, nous voulons tous les t-shirts que vous avez, tous les t-shirts noirs, nous les achèterons tout de suite”, est-ce quelque chose dont je devrais me méfier ? Parce qu’une fois de plus, il y a un risque et une opportunité. En tant que fournisseur, devrais-je vendre ? C’est une vente garantie dès maintenant, aujourd’hui, je liquide tout. Ou devrais-je enquêter sur la raison pour laquelle il essaierait d’acheter cela maintenant ? Y a-t-il autre chose en jeu ici ?

Joannes Vermorel: Cela dépend vraiment de savoir si vous pouvez vous permettre de passer du temps à enquêter. Si vous avez une connexion EDI et que les achats sont entièrement automatisés et qu’il n’y a même pas quelqu’un dans la boucle, cela dépend vraiment. Mais avoir des comportements adversaires partout est juste un autre jour dans la supply chain. Vos fournisseurs sont vos meilleurs partenaires et potentiellement vos concurrents car ils peuvent également limiter votre profit. Ils peuvent également devenir avec le temps des concurrents, décider d’avoir leurs propres marques, etc. Et l’inverse est vrai. Si vous êtes une marque, vous pouvez décider d’intégrer et soudainement vous êtes en concurrence avec ce qui était vos anciens fournisseurs. Donc, il n’y a pas de règles générales, cela dépend vraiment. Mais ce qui est intéressant, c’est qu’en supply chain, vous pouvez mettre des dollars ou des euros de récompenses et d’opportunités sur ce genre de choses.

Encore une fois, si vous revenez à la fabrication de voitures, combien cela coûte-t-il d’avoir un défaut qui tue une personne ? La réponse est beaucoup trop. Donc, vous voyez, ce n’est pas le genre de chose où vous allez faire de l’ingénierie sophistiquée car c’est principalement inacceptable. Donc oui, en théorie, les économistes vous diraient que le coût d’une vie humaine aux États-Unis selon diverses choses est disons cinq millions, peu importe, vous pourriez même faire valoir cela. Mais la réalité est que personne ne va faire de l’ingénierie vraiment sérieuse. Ils vont simplement faire tout ce qu’ils peuvent pour que ces problèmes où quelqu’un meurt ne se produisent tout simplement pas. Et donc, il n’y a pas de véritable ingénierie financière car encore une fois, si vous le prenez du point de vue de la fabrication, vous voulez simplement éviter par conception ce genre de problèmes et vous n’essayez pas d’optimiser votre risque dans le sens de l’équilibre des avantages et des inconvénients, vous voulez simplement l’éliminer. Mais en supply chain, vous ne pouvez pas, et cela va être un véritable compromis. Tout ce que vous faites a un coût, il y a une récompense, et ce ne sont que des nuances de gris. Donc, ce n’est pas si. Vous pouvez toujours avoir un peu plus de stock, vous pouvez toujours fonctionner avec un peu moins de stock, et vous pouvez même essayer de fonctionner sans stock du tout et vous faites simplement des commandes en souffrance tout le temps. Donc, vous avez beaucoup plus de flexibilité et aussi vous avez très peu de contraintes strictes en supply chain. Tant que vous êtes prêt à payer, il n’y a presque aucune contrainte. Vous voulez plus d’espace de stockage ? Si vous êtes prêt à payer pour cela, vous pouvez réellement payer pour faire construire un deuxième entrepôt. Donc, finalement, toutes sortes de contraintes, toutes sortes de risques et de récompenses, sont un peu souples et donc elles sont très éligibles à l’optimisation financière par opposition aux situations de vie et de mort où les gens diraient : “Non, nous ne ferons pas d’optimisation financière de cela. Il doit y avoir une réponse catégorique. Nous ne voulons tout simplement pas ça.” Donc, la supply chain a ce luxe que la grande majorité des problèmes sont en fait des problèmes souples où vous pouvez passer d’un service très mauvais à un service très bon et tout le spectre est possible et la structure des coûts évolue au fur et à mesure que vous recherchez une meilleure qualité de service ou une moins bonne qualité de service.

Conor Doherty: L’exemple que vous avez donné de la fabrication de voitures présente en fait une très belle transition car je sais que dans la fabrication de voitures, par exemple, Ford, ils gèrent les risques, en particulier avec leurs véhicules autonomes, en utilisant des jumeaux numériques. Ils construisent une version numérique et un environnement numérique, puis, à l’aide d’algorithmes, ils soumettent le véhicule autonome théorique à une batterie de tests et évaluent leur risque sans jamais avoir à produire un prototype dans le monde réel. C’est une étape pour gérer leur risque. Y a-t-il quelque chose de similaire pour la supply chain ? Parce que, encore une fois, ce n’est pas un produit physique en soi, bien qu’il soit composé de nombreux éléments en mouvement.

Joannes Vermorel: C’est ce qui est intéressant. C’est ce que vous essayez de faire d’une certaine manière avec la prévision. Vous essayez de réduire ce risque que vous avez concernant ce futur incertain grâce à la prévision. Idéalement, si vos prévisions étaient parfaites, vous élimineriez simplement ce risque. C’est pourquoi il existe de nombreuses pratiques de la supply chain qui traitent la précision de la prévision comme les fabricants de voitures traitent les défauts de leurs plaquettes de frein, comme quelque chose que vous devriez éliminer.

Mais le problème est que contrairement aux défauts des plaquettes de frein, où vous pouvez potentiellement réduire ce taux de défaut à un pour un milliard, de sorte qu’il soit si faible qu’il soit insignifiant, l’inexactitude des prévisions ne va jamais atteindre 0,01 d’erreur. Elle sera généralement bloquée, si vous regardez la granularité qui a du sens en termes de prévisions pour les décisions, donc essentiellement par SKU par jour, vous serez confronté à des prévisions très inexactes, en moyenne 50% d’inexactitude par jour par SKU, si vous regardez quelques mois à l’avance.

Ce qui est intéressant, c’est ce que vous avez en termes d’outils, de processus et de méthodologies pour gérer ces classes de risques. C’est à peu près ce que fait Lokad avec la prévision probabiliste, juste pour cette raison. C’est une façon d’embrasser cette incertitude. Mais cela est très différent du paradigme classique qui suppose simplement que la prévision sera précise et où, s’il y a des inexactitudes, cela est traité comme un défaut qui doit être résolu.

L’approche de Lokad, la prévision probabiliste, est que nous ne supposons pas, et nous n’attendons même pas, que ces inexactitudes disparaissent un jour. Ce que nous avons, ce sont des probabilités. Nous pouvons améliorer nos modèles pour avoir des probabilités un peu plus concentrées, de sorte que nous ayons une vision un peu plus précise de l’avenir. Mais la perspective globale est que cela restera extrêmement flou et extrêmement incertain, quoi qu’il arrive.

Conor Doherty: Je tiens à souligner un point important. Lorsque vous parlez de prévoir la demande future, la plupart des gens entendent simplement regarder les données de ventes précédentes et trouver un chiffre, comme dans une série temporelle. Est-ce que votre position est que l’approche de prévision probabiliste prendra en compte non seulement les données historiques, mais aussi les autres classes de risques dont nous parlons, comme les délais de livraison prolongés, un bateau bloqué dans un canal, ou quelque chose comme ça, et les fusionnera ensemble ?

Joannes Vermorel: Oui, absolument. C’est pourquoi chez Lokad, nous parlons généralement de modélisation prédictive plutôt que de prévision. En théorie, vous pourriez prévoir n’importe quoi, mais la réalité est que lorsque vous parlez de prévision, l’attente par défaut est que vous parlez de la demande ou des ventes. C’est 99% de la situation lorsque les gens disent que nous avons une prévision, ils veulent dire une prévision des ventes ou de la demande. Mais la réalité est que tout ce qui est incertain concernant l’avenir peut être anticipé et c’est pourquoi nous avons cette modélisation prédictive.

La chose intéressante, c’est qu’il y a beaucoup de choses où vous pouvez modéliser le risque même si vous n’avez pas vraiment de données. Par exemple, la guerre en Europe. Si vous regardez les 100 dernières années, il y a eu environ une guerre majeure tous les cinquante ans. Donc, si vous regardez cela, cela signifie qu’il y a chaque année environ deux pour cent de chances qu’il y ait une guerre qui vous impacte. Vous pouvez remonter cinq siècles en arrière dans l’histoire de l’Europe et c’est quelque chose qui s’est produit encore et encore.

J’espère que le risque de guerre réelle en Europe occidentale est assez faible en ce moment, mais encore une fois, si vous prenez une perspective historique, dire qu’il y a deux pour cent de chances d’avoir un événement majeur de perturbation n’est pas relativement insensé. Regardez ce qui se passe en Ukraine. Le risque est définitivement réel et il y a 20 ans, c’était en ex-Yougoslavie. Donc, ce genre de choses se produit et vous n’avez pas besoin d’avoir des données précises pour dire que nous pouvons mettre un risque de deux pour cent d’un événement perturbateur majeur.

Vous pourriez dépendre de la région, vous pourriez être inondé, vous pourriez avoir des incendies. Il y a beaucoup de risques où vous pouvez faire une évaluation approximative. Il vaut mieux le faire plutôt que de prétendre que ces risques n’existent pas du tout. Et avec la prévision probabiliste, ajouter un risque de deux pour cent qui est un peu estimé, dire une baisse majeure de la demande, c’est techniquement assez simple.

En revanche, si vous l’abordez en utilisant une prévision classique déterministe des séries temporelles, il est presque impossible de le faire. Oui, vous pouvez dire que nous avons un scénario où il se produit une catastrophe, mais comment conciliez-vous ce scénario, qui est largement divergent de votre prévision principale, avec ce que vous faites au quotidien ? En pratique, vous ne pouvez pas le faire.

Donc, il y a beaucoup d’entreprises qui disent : “Oh, nous faisons des scénarios, nous modélisons le risque”, mais la réalité est, qu’en est-il de vos décisions quotidiennes ? Toutes ces décisions quotidiennes sont à 100% basées sur la prévision médiane ou la prévision moyenne, qui ignore complètement tous les risques. Donc, dans ce sens, oui, vous avez fait des exercices intellectuels pour réfléchir au risque, mais si toutes les décisions que vous prenez au quotidien n’intègrent pas ce risque d’une manière ou d’une autre, alors c’est juste un exercice intellectuel. Cela n’a aucune conséquence sur ce que vous faites au quotidien.

Conor Doherty: Je veux pousser un peu plus loin sur ce point car je suis aussi curieux. Si vous pensez à d’autres techniques de prévision comme, disons, la valeur ajoutée de la prévision dans laquelle les gens ajoutent collaborativement à une prévision et l’idée est que différents départements ont des idées. Prenons un exemple, un nouveau concurrent est sur le point d’émerger et vous prenez cette information, le marketing a cette information et ils l’intègrent d’une manière ou d’une autre dans une série temporelle. C’est un peu difficile à faire car comment traduisez-vous ce genre de connaissances dans une prévision ? De même, c’est là où je pousse un peu, comment intègre-t-on exactement une chance de deux pour cent de guerre en Europe occidentale dans une prévision probabiliste pour arriver au nombre d’unités que j’ai en stock ? Parce que cela semble un peu similaire d’une certaine manière.

Joannes Vermorel: Commençons par les séries temporelles. Vous voyez, de nos jours, les gens pensent que les séries temporelles sont la seule façon de penser à l’avenir dans la chaîne d’approvisionnement. Les séries temporelles sont incroyablement limitées pour exprimer tout ce que vous savez sur l’avenir. Par exemple, si vous êtes une entreprise B2B, donc vos clients sont d’autres entreprises, un risque très basique est simplement qu’un de ces gros clients vous quitte pour aller chez l’un de vos concurrents. Et lorsque cela se produit, tous les produits qu’ils achetaient chez vous, ils cessent d’acheter quoi que ce soit. Et si vous aviez, par exemple, en stock un produit qui était très régulièrement acheté par ce client, mais que ce client vous quitte soudainement, alors cette pile de stocks devient du stock mort du jour au lendemain. Juste parce que, bien que le stock tournait bien, il y avait un risque caché que ce client puisse vous quitter.

Donc ici, nous avons, et l’idée que ces gros clients peuvent vous quitter n’est pas une idée super sophistiquée. Tout commercial dirait : “Eh bien, nous avions ce client, il y a toujours ce risque qu’ils nous quittent.” Maintenant, le problème est que si vous cadrez votre anticipation de l’avenir avec des séries temporelles, vous êtes coincé. Vous ne pouvez pas l’exprimer parce que l’information que vous avez concerne le client, pas les produits. Et si vous dites qu’il y a ce risque que ce produit tombe à zéro, oui, mais le problème est que ce risque est fortement corrélé. Ce sont toutes les choses que ce client achète qui peuvent tomber à zéro en même temps. Et c’est un risque très, très différent de dire que ce produit isolé peut tomber à zéro.

La première chose est que les séries temporelles ne conviennent tout simplement pas pour exprimer le risque.

Pour que les gens ne passent pas à côté de cela, les séries temporelles sont le reflet de la relation d’un client avec un produit, mais pas des produits eux-mêmes. Les séries temporelles sont simplement une mesure unidimensionnelle. Vous avez une mesure qui diminue chaque jour, chaque semaine, chaque mois. C’est ce qu’on appelle les séries temporelles équidistantes. C’est ce à quoi les gens pensent lorsqu’ils pensent aux séries temporelles. C’est une mesure unidimensionnelle et c’est littéralement comme les températures. Il y avait des températures dans le passé, il y aura des températures dans le futur, et donc vous pouvez étendre cette série temporelle.

Cependant, cela concerne les relations précédentes que les clients existants avaient avec les produits que vous avez achetés, mais cela ne dit rien sur l’avenir. Le problème est que l’information que vous avez est à la granularité du client, et votre prévision est à la granularité du produit. Il y a un désaccord et il n’y a pas de traduction pour passer de cette information à cette autre information. C’est un point clé.

En mathématiques, lorsque vous trichez, vous obtenez des choses étranges. Par exemple, lorsque vous trichez un peu, disons par exemple que la Terre est une sphère, approximativement. Ce n’est pas exactement une sphère, mais c’est assez proche. Donc, lorsque vous voulez avoir une carte, vous projetez une sphère sur une surface plane. Si vous regardez une carte du monde, vous obtenez des distorsions. Par exemple, l’Afrique sur les cartes européennes semble très petite par rapport à l’Europe, bien que l’Afrique soit en réalité plus grande que l’Europe. C’est juste un effet de la distorsion parce que vous utilisez une surface plane pour représenter une sphère.

Mais ici, le problème est beaucoup plus important. Vous essayez de représenter quelque chose de totalement risqué. C’est un objet multidimensionnel que vous essayez de représenter comme un objet unidimensionnel, votre série temporelle. Donc, les problèmes et les distorsions que vous avez sont absolument gigantesques. Si vous pensez que faire paraître l’Afrique plus petite que l’Europe est un problème, ce sont des problèmes très modestes par rapport aux problèmes que vous avez dans la supply chain lorsque vous essayez d’injecter ces informations que vous connaissez sur le risque dans la série temporelle.

Nous avons un autre problème. Lorsque vous ne connaissez pas la solution, il est très difficile de réfléchir au problème. Les gens ne sont pas vraiment familiers avec la classe de modèles mathématiques qui pourraient représenter ces risques. Ils sont coincés avec les séries temporelles parce qu’ils ne peuvent même pas imaginer autre chose qu’une série temporelle. Mais la première étape est de reconnaître que ce n’est pas une représentation correcte. Peu importe si ce n’est pas encore très clair ce qui devrait être utilisé.

Il y a quelques choses techniques. Par exemple, il n’est pas très clair comment un logarithme est calculé, mais c’est bien. Vous n’avez pas nécessairement besoin d’avoir une image claire de la chose pour l’utiliser avec succès. Alors nous pouvons passer à la deuxième partie, comment Lokad exploite ce genre d’informations.

L’idée est que lorsque vous voulez penser à l’avenir, la version multidimensionnelle consiste à penser que chaque futur possible a une probabilité. Vous pourriez penser à cette probabilité pour n’importe quel futur donné où vous connaissez exactement le niveau de vente de tout, la demande, les choses qui seront vendues à nouveau.

Il y a une probabilité que cela se produise. Elle est extrêmement faible, mais si vous disposez des outils mathématiques appropriés, vous pouvez travailler avec des probabilités extrêmement faibles. Et encore une fois, en raison du fait que vous avez un très grand nombre de futurs possibles, cela s’additionnera toujours à une probabilité égale à un. Il y a un futur qui se produira, et la somme de toutes ces probabilités est égale à un.

Vous pouvez factoriser un risque comme une chance de deux pour cent de perdre ces clients. Ce n’est pas vraiment difficile. Si vous voyez la demande à travers le prisme des produits, il est très difficile d’injecter les clients. Mais si vous voyez la demande comme le résultat du comportement des clients et que vous prévoyez le comportement des clients, alors l’ajout de ce risque supplémentaire de voir le client vous quitter devient quelque chose de relativement simple.

Vous pouvez construire votre prévision de différentes manières. En termes d’agilité que l’on a en utilisant une approche basée sur les séries temporelles par rapport à l’agilité que l’on a en utilisant une approche probabiliste, quelle est la différence et comment cela se traduit-il ensuite dans la gestion des risques ?

Le principal problème est que le risque des séries temporelles n’existe pas. Il ne peut même pas exister. C’est comme un cube dans un espace bidimensionnel. Il n’y a pas de tel cube. Vous pouvez dessiner un cube, mais fondamentalement, il ne correspond tout simplement pas. C’est un problème lorsque vous avez des dimensions supplémentaires qui ne correspondent pas, vous êtes bloqué. Si tout ce que vous avez est un plan bidimensionnel, vous ne pouvez pas empiler un cube dessus. Ça ne va tout simplement pas correspondre. Et donc avec les séries temporelles, vous êtes un peu bloqué.

Vous pourriez bricoler les choses. Vous pourriez dire que nous ne pouvons pas gérer le risque, mais nous pouvons tricher en ayant une prévision incorrecte intentionnellement déformée de manière à ce que la décision qui sera prise en fonction de cette prévision reflète ce risque. C’est un moyen très tortueux d’arriver à la gestion des risques.

Techniquement, il est possible de le faire d’une certaine manière, mais cela va être de manière très étrange. Par exemple, vous pouvez gérer le risque en rendant votre prévision intentionnellement moins précise en introduisant une déformation intentionnelle dans votre prévision. C’est une façon de gérer les risques. Mais c’est un moyen très tortueux d’y arriver.

Si vous adoptez une approche probabiliste, vous avez une prévision intrinsèquement probabiliste. Ensuite, par conception, vous avez ces probabilités. Il y a un autre aspect du défi qui est de savoir comment faire une optimisation. Cela s’appelle le processus d’optimisation stochastique. Comment optimiser une décision lorsque les conditions sont incertaines ? Vous devez donc faire une optimisation qui a une affinité naturelle avec ces incertitudes qui existent dans les conditions initiales.

Conor Doherty : Si on évalue, et je suis curieux de savoir comment exactement, enfin non, laissez-moi recommencer cette question. Si vous êtes dans une situation où vous avez une entreprise et que vous adoptez une approche probabiliste, vous avez utilisé les séries temporelles, vous êtes convaincu par ce que vous venez de dire, puis on vous présente une recommandation qui est le produit ultime de la méthodologie de prévision probabiliste. Et dans cela, dans la valeur qui a été présentée, il y a en fait beaucoup de ces facteurs qui ont été intégrés, par exemple, la possibilité de perdre un client et vous savez que la direction regarde cela et pense que c’est insensé. Comment doivent-ils exactement interagir avec cela car encore une fois, il y a tellement de choses qui sont prises en compte. Comment combler le fossé ?

Joannes Vermorel : Donc d’abord, quelle est la sortie et c’est là qu’il y a une divergence radicale. La sortie d’un processus de chaîne d’approvisionnement axé sur le risque alimenté par des prévisions probabilistes, car littéralement, c’est à ma connaissance à peu près la seule technique viable que nous avons pour gérer le risque. C’est à cela que servent les probabilités. La sortie, ce sont les décisions, pas le plan. C’est une chose étrange, c’est que lorsque vous pensez que l’avenir peut être connu, vous pouvez éliminer tout le risque, les risques de la chaîne d’approvisionnement sont principalement liés à cet avenir incertain. Si vous pensez que vous pouvez avoir une prévision précise, alors la sortie de votre pratique de la chaîne d’approvisionnement est la prévision et la prévision est votre plan car une fois que vous avez la prévision, il suffit d’orchestrer les décisions.

Si vous adoptez une approche axée sur le risque, alors la sortie de votre processus n’est pas le plan, ce n’est pas la prévision, ce sont les décisions. Mais si votre processus axé sur le risque est mauvais, car il peut l’être, il conduira à de mauvaises décisions. Et comment identifiez-vous donc comment contestez-vous une décision pour qu’elle soit mauvaise ? Eh bien, cela se passe très différemment. Encore une fois, si nous adoptons la perspective classique, les gens penseraient en termes de précision des prévisions car c’est le but ultime. Si vous optez pour une approche axée sur le risque, vous diriez qu’il y a une décision, cette décision comporte des risques et des opportunités exprimés en dollars ou en euros. Et donc, si vous voyez une décision qui est mauvaise, essentiellement vous dites que l’évaluation en dollars ou en euros qui a été faite de cette décision à venir est erronée.

Et donc, vous pouvez identifier et si vous regardez cela, nous décomposons généralement pour chaque décision que nous générons, les moteurs économiques afin de pouvoir dire que nous avons une demi-douzaine de moteurs qui reflètent ce qui entre dans cette décision. Et donc, si vous voulez contester cela, vous contesterez un composant et direz que cela, disons le coût de possession, le risque de coûts de possession que vous estimez semble complètement faux. Et donc oui, c’est le rôle des scientifiques de la chaîne d’approvisionnement de rétroconcevoir le processus pour identifier ce qui ne va pas avec cette estimation. Mais c’est très technique.

Mais la réalité est que si vous avez une prévision de séries temporelles classique qui est très fausse, vous dites que cette prévision de séries temporelles est très imprécise. Mais une fois que vous dites cela, enquêter sur la cause profonde de cela sera également une entreprise très technique.

Conor Doherty : Si nous revenons en arrière, nous parlions des approches proactives de la gestion des risques, qui étaient, disons, les jumeaux numériques dans l’industrie automobile, puis de la gestion réactive des risques à partir de l’analogie vestimentaire que vous avez donnée. La prévision probabiliste semble presque proactive dans le sens où vous simulez des mondes dans lesquels vous prenez cette décision, voici la réponse anticipée, vous prenez cette décision, voici la réponse anticipée.

Joannes Vermorel : Donc, c’est proactif dans le sens où vous dites simplement qu’il y aura des fluctuations, il y aura toujours des fluctuations qui sont bien au-delà de mon contrôle. C’est de cela que traite cette incertitude irréductible sur l’avenir et donc, sur cette base, je dois être capable de concevoir un processus qui réagira rapidement et adéquatement à ces conditions changeantes, qu’elles m’affectent positivement ou négativement. Et donc oui, c’est très proactif dans le sens où concevoir un tel processus qui vous permet de profiter des opportunités au fur et à mesure qu’elles se présentent et de résoudre les problèmes au fur et à mesure qu’ils se présentent, cela demande beaucoup de préparation.

Mais cela ne se laisse pas tromper par l’idée que vous pouvez vous préparer tellement que vous en arrivez à éliminer l’incertitude en premier lieu. Vous voyez, ce n’est pas le but ultime. C’est un peu une position dogmatique en quelque sorte, mais c’est l’idée que vous ne pouvez pas arriver au fond de ce trou de lapin de modélisation prédictive. Vous ne pouvez pas arriver à un modèle qui sera à 100% précis, cela n’arrivera jamais. La quantité d’incertitude résiduelle sera très grande et donc ce qu’il vous reste à faire, c’est de concevoir un processus qui est très bon pour suivre le changement tel que vous l’observez.

Parce que vous voyez, très souvent, les entreprises sont surprises par des choses qui se sont produites il y a des mois. Vous pourriez dire oh nous ne connaissons pas l’avenir mais qu’en est-il du passé, nous connaissons le passé. Mais si votre temps de réponse moyen à quelque chose que vous avez déjà vu est de six mois, alors vous pourriez finir par être surpris par quelque chose qui remonte déjà à quelques mois et les entreprises sont très régulièrement surprises de cette manière.

Conor Doherty : Encore une fois, je veux pousser un peu ici parce que je sais que si nous voulons parler de gestion des risques, nous devrions parler de la façon dont nous évaluons nos pratiques de gestion des risques. Et encore une fois, pour revenir aux approches basées sur les séries temporelles par rapport aux approches probabilistes, si vous avez une série temporelle et qu’elle est complètement fausse, je peux pointer cela et dire eh bien, c’était faux, c’était massivement incorrect. Et c’est, vous savez, c’est binaire, soit c’était précis, soit ce ne l’était pas. Vous avez dit que nous vendrions 100, nous en avons vendu 10. Vous vous êtes trompé d’un ordre de grandeur. Avec l’approche probabiliste, vous fournissez des probabilités, vous ne dites pas que c’est certainement ce que vous vendriez. Et est-ce que cela vous protège d’être dans l’erreur ?

Joannes Vermorel : Non, je veux dire, techniquement il existe des mesures pour l’exactitude des prévisions probabilistes mais encore plus intéressant, vous pouvez évaluer la justesse des décisions elles-mêmes. Et c’est, vous savez, oubliez les probabilités. Ce ne sont que des artefacts de calcul transitoires. Il y a beaucoup d’autres artefacts, des artefacts numériques qui entrent dans le calcul. Ils sont sans conséquence dans le sens où si vous avez les probabilités incorrectes mais que vous obtenez toujours la bonne décision, est-ce que cela importe vraiment que vos probabilités soient fausses ?

Conor Doherty : Que voulez-vous dire par là ? Vous pourriez avoir la probabilité incorrecte mais vous prenez quand même la bonne décision ?

Joannes Vermorel : Par exemple, il y a des gens qui ne réalisent pas toujours mais les ordinateurs approximent tout le temps. Chaque fois que vous faites un calcul, vous utilisez simplement un certain nombre de chiffres de précision. La perte de précision est-elle importante ou non ? La réponse est, cela dépend. Et dans la supply chain, cela dépend de quoi. Eh bien, cela dépend que la décision finale soit bonne ou mauvaise.

Donc, en fin de compte, ce que je dis simplement, c’est que vous devriez juger la qualité de cette approche axée sur le risque par ce qu’elle fait à la toute fin du processus, les décisions. Traiter avec des probabilités multidimensionnelles, en relation avec l’évaluation numérique des probabilités dans un espace très dimensionnel, comporte toutes sortes de particularités. Que les techniques soient appropriées ou non devrait vraiment être jugé par les résultats finaux, et non par la qualité d’une prévision probabiliste.

Nécessairement, l’exactitude de la prévision n’est pas la principale préoccupation, mais plutôt combien d’argent a été gagné ou perdu.

Conor Doherty : Oui, exactement. Et bien, c’est très difficile pour certaines personnes. Excusez-moi, je ne veux pas être condescendant, mais voulez-vous dire que l’idée de vouloir une prévision plus précise est techniquement incorrecte en termes de gestion des risques ?

Joannes Vermorel : Donc, d’abord, je dis que lorsque vous dites que vous avez, disons, une prévision imprécise de 20 %, ces pourcentages sont une unité complètement inventée. Ce ne sont pas des kilogrammes, ce ne sont pas des kilowatts, ce ne sont pas quelque chose qui a une réalité tangible. C’est inventé et les gens disent : “Oh, mais nous sommes tellement habitués à ce que ces pourcentages de précision soient exprimés en pourcentage que cela doit sûrement être réel.” Je dis pas du tout. Vous pouvez avoir des prévisions extrêmement dommageables qui se révèlent être très précises, où l’imprécision exprimée en pourcentage est très faible.

Il y a une anecdote qui m’a été racontée maintes et maintes fois où vous pouvez simplement prévoir une demande nulle pour un magasin et cela vous donnera très rapidement une prévision très précise. Vous prévoyez zéro, vous ouvrez avec zéro et la prévision devient 100 % précise. Donc, cette mesure exprimant des pourcentages n’est pas très sensée.

Si je vous dis que vous pouvez avoir une mesure de prévision probabiliste exprimée en entropie croisée, c’est très abstrait et cela ne sera pas très instructif. Mais l’argument que je fais valoir est que l’entropie croisée est aussi abstraite et opaque que les pourcentages. C’est très inventé. La seule raison pour laquelle, par exemple, chez Lokad nous choisirions l’entropie croisée, c’est qu’elle a de bonnes propriétés lorsqu’il s’agit d’arriver aux décisions finales.

Par exemple, l’entropie croisée présente des gradients très raides qui facilitent l’apprentissage de modèles de haute qualité. C’est une chose très technique, mais ça marche. Et ça marche dans quel sens ? Ça marche en jugeant les résultats finaux, qui sont les décisions générées à la toute fin du processus et qui se traduisent finalement par une réduction des erreurs en euros ou en dollars. C’est la mesure qui est pertinente pour les personnes qui opèrent dans cette perspective axée sur le risque.

Encore une fois, si vous opérez dans la perspective des séries temporelles, vous pensez en termes de tout comme un constructeur automobile avec un défaut qui tuerait des gens. Vous dites : “Vous savez quoi, nous ne comptons pas les dollars, nous voulons juste nous assurer que nous sommes extrêmement sûrs et que nous sommes sûrs presque au-delà des mesures.”

Conor Doherty : Donc, si vous avez une division entière dédiée à la gestion des risques, à l’évaluation des risques, mais que votre supply chain repose sur une approche de prévision des séries temporelles, est-ce que vous pensez que c’est presque paradoxal, comme une contradiction dans les termes ?

Joannes Vermorel : Non, cela signifie simplement que les personnes qui font la gestion des risques sont simplement des bureaucrates. Tout ce qu’elles font n’a aucune conséquence. Habituellement, elles n’ont tout simplement aucune conséquence. Vous voyez, le problème, c’est que si vous faites une évaluation des risques mais que ces choses ne peuvent pas ajuster marginalement chaque décision prise dans votre supply chain, alors vous avez fait une évaluation et vous avez simplement enterré l’évaluation juste après l’avoir faite.

Vous voyez, si vous dites : “Oh, ce fournisseur a un risque de faillite de 2% l’année prochaine”, d’accord, est-ce que cela impacte vos décisions d’achat ? Si ce n’est pas le cas, alors vous avez simplement enterré votre évaluation. Vous l’ignorez. Vous enfouissez simplement votre tête dans le sable.

Et c’est très étrange car les gens diraient : “Oh, mais nous avons analysé les risques.” Oui, mais vous ne tenez pas compte de cette évaluation. Et quand je dis “tenir compte”, les gens pensent vraiment que c’est une erreur. Quand les gens pensent à la supply chain, c’est ce que vous entendriez dans les médias. Ils diraient : “Oh, nous ne devrions pas avoir notre usine en Chine.” Oui, c’est un risque très macro, mais il y a aussi des risques beaucoup plus banals.

Alors, que devez-vous acheter, où devez-vous le stocker, devez-vous augmenter ou diminuer vos prix ? Ce sont des décisions qui comportent également des risques et ces décisions sont prises quotidiennement pour chaque SKU que vous achetez, produisez ou vendez. Et quelle que soit l’évaluation que vous avez en termes de risque concernant votre fournisseur, votre concurrent, vos clients, la question est la suivante : s’il n’y a rien qui relie numériquement les points entre cette évaluation et ces très petites décisions que vous prenez, alors vous ne gérez pas correctement le risque.

Conor Doherty : Donc, corrigez-moi si je me trompe, voulez-vous dire que la plupart des gens ont une conception de la gestion des risques à l’échelle macro, comme un événement massif qui perturbe complètement les chaînes, mais votre position est que la gestion des risques la plus importante, la plus pressante, concerne les décisions quotidiennes, plus petites ?

Joannes Vermorel : Les deux sont très importants, mais soyons réalistes sur la quantité d’informations dont vous disposez réellement pour prendre la bonne décision. Pour ces décisions macro, dans une large mesure, c’est un pari. C’est un pari complet et c’est bien. C’est le capitalisme. C’est une économie de profits et de pertes. Les gens prennent des risques et il y a une part de chance. Et je dis, eh bien, vous ne pouvez pas vraiment avoir une pratique qui vous dira si entrer sur un nouveau marché, par exemple, est sûr ou non. Vous pouvez faire des évaluations, vous pouvez essayer de rationaliser un peu le processus, mais fondamentalement, c’est quelque chose qui échappe un peu aux statistiques et à l’analyse quantitative.

Au contraire, si vous regardez une supply chain, une entreprise de taille moyenne va prendre des dizaines de milliers de décisions par jour, chaque jour. Et c’est ce que je dis, contrairement aux grandes décisions macro où vous pariez et où il n’y a pas d’autre alternative que de suivre votre évaluation instinctive, dans le cas de ces dizaines de milliers de décisions qui doivent être prises quotidiennement, vous pouvez faire une évaluation quantitative et quelque chose qui a réellement du sens.

Conor Doherty : Eh bien, pour nous éloigner des exemples colossaux comme ceux à l’échelle macro, ramenons cela à quelque chose comme le niveau SKU. Donc, nous avons plusieurs magasins, nous avons 10 magasins, et nous avons une quantité finie de stocks, des stocks de t-shirts blancs, et les 10 magasins ont besoin de t-shirts blancs. Quelle serait la manière probabiliste, la plus informée par les risques, de répartir ce que j’ai entre tous les magasins qui en ont besoin ?

Joannes Vermorel : Prenons la perspective classique. La perspective classique, axée sur les séries temporelles, suppose que vous connaissez l’avenir. Donc, vous avez un stock de sécurité. Fondamentalement, vous dites que chaque magasin devrait avoir cette quantité en stock, et pour tenir compte de la petite incertitude résiduelle en plus de cela, vous allez ajouter un petit tampon et c’est votre stock de sécurité. Tous les magasins sont traités indépendamment et l’idée est que vous devriez avoir suffisamment de stock pour couvrir tous vos magasins.

Maintenant, quel est le risque réel ? Le risque est que vous puissiez être en rupture de stock au niveau de l’entrepôt, et alors la question devient : j’ai une ressource limitée à l’entrepôt, que devrais-je faire pour mes différents magasins ? Si vous le faites simplement de manière classique, la manière classique dirait que j’ai mon stock de sécurité, je fais simplement l’allocation pour le premier magasin, il me reste encore du stock, je répète le processus pour le deuxième magasin, et peut-être au quatrième magasin, je m’arrêterai parce qu’il ne reste plus de stock. Donc, ce que vous avez fait, c’est remplir efficacement les quatre premiers magasins et ne rien envoyer aux autres. Ce n’est pas très intelligent. Ce n’est pas traiter correctement cette situation, cette petite mini-crise que vous avez en ayant un produit en rupture de stock dans l’entrepôt.

Conor Doherty : Quels sont les risques de là, du point de vue financier ?

Joannes Vermorel : Non, ce n’est pas le cas. C’est ce à quoi sert votre stock de sécurité. Lorsque vous mettez un stock de sécurité, vous dites que je mets des unités dans un magasin qui ont une très faible probabilité d’être vendues pendant ma période de temps pertinente. C’est à cela que sert le stock de sécurité. C’est un tampon que vous n’aurez très probablement pas besoin.

Si vous voulez maximiser vos ventes, il est beaucoup mieux de simplement répartir les stocks de sorte que chaque magasin en ait un peu. L’objectif est que tous les magasins soient en rupture de stock en même temps. Évidemment, vous ne pouvez pas vraiment atteindre cela, mais c’est ce à quoi vous voulez vous rapprocher.

Prenons en compte la situation alternative où vous avez concentré le stock sur les quatre premiers magasins. Vous avez tous les autres magasins qui sont en rupture de stock, donc vous ne vendez rien du tout. Et pour ceux-là, vous ne vendrez qu’environ la moitié du stock, donc vous aurez beaucoup de restes. Vous vous retrouvez dans une situation où un magasin est en rupture de stock tandis qu’un autre a relativement trop de stock et la demande dans les magasins qui n’ont pas de stock reste insatisfaite.

Conor Doherty : Donc, c’est le risque ?

Joannes Vermorel : Oui, et c’est là que nous parlons du risque de rupture de stock. Une façon de gérer cela est de préserver le stock dans l’entrepôt lorsque vous voyez qu’un produit dans l’entrepôt est en danger de rupture de stock. De cette façon, les meilleurs magasins peuvent encore avoir un peu de marchandise.

Contrairement à l’approche des séries temporelles qui traiterait chacun de nos 10 magasins de manière indépendante, une approche probabiliste prendra en compte le réseau, les contingences ou les interdépendances entre tous ces magasins et la relation avec mon inventaire disponible.

Conor Doherty : Je suis curieux de savoir comment une entreprise peut gérer tout cela car c’est beaucoup d’informations par rapport, par exemple, à l’approche traditionnelle des séries temporelles. La seule façon de gérer tout cela est-elle par le biais de l’automatisation ou les personnes sont-elles toujours impliquées dans la vérification de ces décisions ?

Joannes Vermorel : La façon dont Lokad le fait est d’automatiser l’ensemble du processus. Les personnes sont là pour superviser l’automatisation, mais la réalité est que la plupart des entreprises, bien qu’elles prétendent que tout est validé manuellement, utilisent des processus assez automatisés depuis longtemps. Chaque fois que vous avez une configuration d’inventaire min-max avec une moyenne et un maximum, vous avez un automate de réapprovisionnement qui fonctionne généralement sans surveillance. Cela fait déjà des décennies que nous avons des configurations automatisées très poussées.

Lokad n’est qu’une étape de plus dans cette direction, mais ce n’est pas nécessairement un changement majeur par rapport à ce que les gens avaient auparavant. C’est plus automatisé, mais de nombreuses entreprises fonctionnent déjà avec des configurations hautement automatisées.

Conor Doherty : Une entreprise qui n’exploite pas l’automatisation, mais qui, comme je l’ai mentionné précédemment, dispose de divisions entières d’experts en gestion des risques, ces entreprises sont assez conscientes, n’est-ce pas ?

Il me vient également à l’esprit que nous avons centré toute la conversation autour de risques plus tangibles comme les références, les magasins, les inondations. Ce sont tous des ressources ou des actifs très tangibles et les risques qui en découlent. Y a-t-il des risques intangibles, des choses comme le temps, la bande passante, la connaissance, toutes ces choses qui entrent dans le fonctionnement d’une entreprise ? Quels sont les risques ou comment les gérons-nous ?

Joannes Vermorel : Il y a des risques intangibles. Par exemple, si vous êtes une entreprise de mode et que vous faites des soldes, vous générez une attente chez vos clients que ces remises se reproduiront à l’avenir, et les gens modifient donc leur comportement. Estimer ce processus en théorie est possible, mais en pratique, c’est très difficile car la création de l’attente de vos clients se fait sur de nombreuses années, donc ce n’est pas quelque chose où l’expérimentation est facile.

Par exemple, si vous êtes une marque de luxe et que vous êtes convaincu que vous ne devez jamais faire de promotions car cela dévalue votre marque, vous n’allez pas faire un test de cinq ans pour voir si les promotions dévaluent réellement votre marque. À un moment donné, vous devez agir sur des convictions et des jugements plutôt que de faire le test.

Le coût généré par une promotion est très réel. Lorsque vous faites une promotion, vous avez un certain montant d’argent que vous abandonnez immédiatement en baissant votre prix, vous renoncez donc à une partie de votre marge. C’est un coût immédiat, mais il y a aussi ce risque supplémentaire de mauvaises habitudes générées du côté des clients et vous devez quantifier ces coûts.

Il existe également d’autres classes de risques, tels que les dépendances informatiques. Vous pouvez avoir un logiciel qui se désintègre, vous pouvez avoir beaucoup d’autres choses qui impactent simplement votre supply chain. Mais ces risques sont plus similaires à ceux de la fabrication où vous voulez que votre ERP soit disponible à 100%. Il n’y a aucune raison d’avoir des temps d’arrêt, vous pouvez concevoir votre système de manière à ce qu’il soit très proche de 100% de disponibilité.

Conor Doherty : Vous venez de mentionner que du point de vue de la stratégie de tarification, les remises pourraient inculquer de mauvaises habitudes aux consommateurs. Que vouliez-vous dire par là ?

Joannes Vermorel : Chaque fois que vous faites une promotion, le client voit que vous faites une promotion. Donc la prochaine fois, il dira : “Je n’achèterai pas au prix fort. J’attendrai simplement que vous fassiez une promotion à nouveau. Je vous ai vu faire des promotions, donc je sais que des promotions se produisent avec votre marque, donc je peux attendre. J’attendrai que vous fassiez une promotion, puis j’achèterai.”

Le problème est que rien ne pourra vraiment modéliser cela. Modéliser la psychologie de vos clients est en grande partie hors de votre portée car cela prend une décennie pour façonner la mentalité de vos clients.

Lorsque vous fixez un prix, vous transmettez un message à vos clients. Les gens y prêtent une certaine attention, mais cela prend du temps pour s’en imprégner. Il y a donc une inertie substantielle. Vous pouvez essayer de faire des modèles sophistiqués pour estimer exactement quel serait l’impact, mais la réalité est que ces sortes de choses prennent des années, vous ne pourrez donc pas expérimenter beaucoup. Vous ne pourrez pas valider les techniques que vous utilisez. Ainsi, en réalité, vous devez prendre des décisions basées sur votre jugement.

Conor Doherty : Donc c’est un élément du protocole de gestion des risques qui restera toujours du ressort des personnes parvenir à un consensus. Voulons-nous liquider ce stock ? Voulons-nous le conserver indéfiniment ? Ou voulons-nous le vendre en promotion ?

Joannes Vermorel : Oui, et lorsque vous adoptez cette approche axée sur les risques, elle est beaucoup plus compatible avec ce genre d’estimations approximatives par rapport à une prévision de planification de séries temporelles traditionnelle où ce genre de choses n’avait pas sa place.

Conor Doherty : Donc le principe directeur pour déterminer quelles sortes de politiques approximatives les entreprises devraient adopter devrait être de savoir si cela contribue à un rendement plus élevé ?

Joannes Vermorel : Si quelque chose peut être évalué quantitativement, alors allez-y. Mais lorsque ce n’est pas possible, mais qu’il y a un accord général selon lequel c’est important, alors vous devriez faire une estimation approximative.

Je pense que c’est un chemin très dangereux de dire que nous n’avons pas de chiffres raisonnables et donc nous prétendons que cela n’existe pas. Cela existe et donc vous devez faire une estimation approximative. Il vaut mieux avoir un chiffre approximativement correct plutôt qu’un chiffre exactement juste.

Conor Doherty : J’ai l’impression que nous sommes en train de conclure un peu, mais j’aimerais poser une question un peu difficile. Vous avez parlé de l’approche quantitative qui est financièrement prohibitif. Donc pour les grandes entreprises qui peuvent se permettre des prévisions plus élaborées et des politiques de gestion des risques, elles peuvent peut-être adopter une approche probabiliste. Mais pour les entreprises qui n’ont pas ce genre de trésorerie disponible, quel conseil donneriez-vous en termes de gestion des risques qui serait réalisable ?

Joannes Vermorel : Je remettrais en question, pouvez-vous vraiment vous permettre d’ignorer le risque ? Les stocks coûtent de l’argent. Le plan de prix pour avoir un scientifique de la supply chain pour vous aider à optimiser votre décision est d’environ 2 500 euros par mois. Oui, c’est une somme importante, mais si vous n’êtes pas une petite entreprise, si vous êtes une entreprise de plus de 10 millions de dollars ou d’euros, ce n’est pas une somme énorme. C’est en fait une fraction de ce que vous payez pour une seule personne.

Si vous avez cinq personnes ou plus qui remplissent des fonctions de supply chain telles que le réapprovisionnement des stocks, la planification de la production, l’allocation des stocks, la gestion des prix, et qu’ils ont un processus qui ignore complètement le risque, je dirais pouvez-vous vraiment vous permettre de continuer à faire cela ? Ignorer ces risques peut vous coûter plusieurs millions de dollars simplement parce que vous avez pris une très mauvaise décision en ignorant complètement le risque.

Étant donné que c’est inhabituel, les gens s’attendent à ce que ce soit réservé aux entreprises comme Amazon et autres. Non, ce n’est pas le cas. En grande partie, la prévision classique de séries temporelles est beaucoup plus compliquée et la raison en est qu’elle ne correspond pas au problème. Donc oui, en surface, cela semble plus simple parce que les gens sont habitués aux séries temporelles, mais lorsqu’il s’agit de résoudre réellement le problème, cela ne correspond pas du tout au problème réel et cette solution, bien qu’elle semble facile en pratique, est cauchemardesque à déployer et à utiliser en comparaison.

Les prévisions probabilistes que Lokad utilise pour les petits clients, les petites entreprises, sont inhabituelles mais elles correspondent bien au problème et donc, en fin de compte, vous savez, et c’est encore une fois dans mes cours, je donne des exemples que si vous voulez jeter un coup d’œil aux techniques de probabilité, la plupart de mes exemples de code font moins de 20 lignes. Les gens diraient que c’est impossiblement compliqué et je dis eh bien c’est comme 20 lignes de code et vous pouvez consulter tous les détails de la méthode dans une conférence qui dure environ une heure et demie.

Pouvez-vous vraiment dire que quelque chose est si petit que vous ne pouvez pas vous permettre de passer quelques dizaines d’heures sur le cas ? Est-ce vraiment au-delà de vos moyens ? Je veux dire, oui, si vous êtes une boutique avec une seule personne, mais si vous êtes une entreprise qui réalise un chiffre d’affaires de plus de 10 millions de dollars par an, vous n’êtes pas une boutique. Vous avez déjà des enjeux et les erreurs peuvent coûter beaucoup plus cher et inversement, car ce ne sont pas seulement les erreurs, il y a aussi des opportunités.

Si en augmentant votre prix au bon moment vous augmentez votre marge de dix pour cent, cela peut se traduire par quelques centaines de milliers de dollars de trésorerie pure qui afflue dans votre entreprise et cela compense vraiment le coût de faire passer du temps à gérer les risques.

Conor Doherty : Donc, si je devais résumer cela, ce serait essentiellement qu’il y a un élément de saut dans l’inconnu, mais l’eau n’est pas si froide une fois que vous le faites…

Joannes Vermorel : Je dirais que ce n’est pas tant un saut dans l’inconnu. Je pense qu’il y a cette idée très étrange que dans la théorie dominante de la supply chain, les risques n’existent pas littéralement. Vous avez ces fluctuations super douces de la demande et ces fluctuations super douces des délais de livraison modélisées avec des distributions normales, ce qui signifie que lorsque les gens disent distribution normale, c’est un moyen de dire qu’il n’y a pas de risque.

La réalité, c’est que je n’ai jamais rencontré d’entrepreneur qui ne soit pas pleinement conscient que son entreprise est pleine de risques partout. La sorte de folie, c’est qu’avec les logiciels de supply chain dominants, les gens prétendent que les risques n’existent pas, mais les risques sont toujours là et donc les entreprises sont régulièrement confrontées à des catastrophes qui sont très coûteuses en raison de risques qui n’étaient pas, encore une fois, je ne dis pas comme investir en entrant sur le marché russe en 1991 en pensant que ça va marcher et que tout à coup ça va devenir le nouvel Eldorado.

Je dis que les entreprises sont confrontées à des catastrophes pour des choses qui étaient entièrement évitables, des choses qui étaient vraiment dans le vent du risque attendu, comme des problèmes avec les fournisseurs, des prix qui montent ou descendent, des fluctuations de la demande mais pas en dehors de ce qui pourrait être attendu de l’évolution générale du marché. Ce genre de choses et donc mon point est qu’il y a cette folie où la plupart des pratiques courantes ignorent complètement le risque.

Quand je parle aux praticiens de la supply chain, ils disent oui, il y a beaucoup de risques, mais le problème est qu’ils ne peuvent pas combler un fossé et je dis que ce n’est pas très difficile, c’est juste très différent de ce que vous faites et ce n’est pas seulement connu, c’est en fait moins cher car cela conduit également à un degré plus élevé d’automatisation car aussi l’une des raisons pour lesquelles vous avez besoin de tant de personnes lorsque vous faites de la supply chain avec des séries temporelles, c’est que en raison du fait que vous avez un énorme décalage entre la réalité et ces séries temporelles, vous avez besoin de beaucoup de personnes pour simplement colmater le processus tout le temps.

Mais si vous avez quelque chose qui correspond mieux, vous n’avez pas besoin de presque autant de personnes pour colmater la chose.

Conor Doherty : Sur cette note, je pense que je vais conclure. Joannes, merci beaucoup comme d’habitude, ça a été un plaisir. Et merci beaucoup de nous avoir regardés, nous vous verrons la prochaine fois.