00:00:00 Introduction par Conor Doherty
00:00:35 Explication du format du débat
00:02:59 Remarques d’ouverture de Joannes Vermorel
00:09:52 Remarques d’ouverture de Carol Ptak
00:17:07 Réplique de Joannes Vermorel
00:22:13 Réplique de Carol Ptak
00:27:17 Remarques conclusives de Joannes Vermorel
00:29:19 Remarques conclusives de Carol Ptak
00:31:24 Questions de l’audience
00:32:10 Défis de la prise de décision
00:34:56 Réflexions sur la théorie derrière le DDMRP
00:37:51 Approche Demand Driven pendant le COVID
00:40:52 Le point de vue de Lokad sur la gestion des disruptions
00:42:17 DDAE et prévision probabiliste
00:49:14 Comparaison du DDMRP avec le MRP
00:56:40 Technologie minimale pour l’optimisation
00:58:44 Implémentations du DDMRP dans de grands réseaux de distribution
01:00:02 Signification du flux dans le DDMRP
01:01:09 Adaptabilité au niveau du système
01:03:35 Les études de cas peuvent-elles être comparées
01:07:46 Gérer l’incertitude sur l’incertitude
01:12:26 Critique principale du modèle DDMRP
01:19:19 Quand le DDMRP ne suffit pas
01:24:47 Perspective sur le push vs pull
01:26:46 Stock de sécurité et forte variabilité
01:29:46 Pourquoi l’approche Demand Driven n’est pas plus répandue
01:35:01 La fin du débat
Transcription complète
Conor Doherty: Bienvenue dans cet épisode très spécial de LokadTV. Aujourd’hui, j’ai le plaisir d’animer un débat en direct et, espérons-le, amical entre Carol Ptak et Joannes Vermorel. Carol est associée au Demand Driven Institute et professeure invitée ainsi que cadre exécutif distinguée en résidence à la Pacific Lutheran University. Pendant ce temps, Joannes, à ma droite, est le fondateur et CEO de Lokad. Il est ingénieur au Corps des Mines France et a enseigné l’ingénierie logicielle à l’École Normale Supérieure pendant six ans.
Maintenant, je vais rapidement passer en revue les paramètres du débat. Tout d’abord, le sujet : “Le modèle Demand Driven Adaptive Enterprise est-il capable de relever les défis de la prise de décision en supply chain dans le monde réel ?” Carol argumentera en faveur, et Joannes contre. Tout d’abord, il y aura des remarques d’ouverture de sept minutes comme convenu à l’avance. Joannes prendra la parole en premier, suivi de Carol. Ensuite, chaque intervenant disposera de cinq minutes pour sa réplique. Après cela, chaque intervenant aura deux minutes pour ses remarques conclusives. À ce moment-là, je poserai quelques questions, espérons-le entièrement issues de l’audience. N’hésitez pas à soumettre vos questions à tout moment dans le chat en direct. Oh, et à la fin, ils auront un échange libre, ce pour quoi tout le monde est ici, vraiment.
Maintenant, en préparation du débat, les deux intervenants ont convenu de la définition suivante, et je cite : “Le modèle DDAE est un outil de gestion permettant de détecter les changements du marché, de s’adapter à des environnements complexes et volatils, et de favoriser des stratégies d’innovation orientées par le marché. Ses trois composantes principales sont le modèle opérationnel Demand Driven, le demand-driven sales and operations planning et l’adaptive sales and operations planning.” Pour être honnête, c’est une définition longue, c’est pourquoi nous avons inséré un lien vers un document Google ouvert dans le chat en direct. Si vous cliquez dessus, vous serez dirigé vers un document Google dans lequel vous trouverez des définitions détaillées de tous ces termes, ainsi que les biographies complètes des intervenants.
Maintenant, pendant la section débat, je chronométrerai strictement les deux intervenants. La seule interruption sera un léger rappel pour vous signaler lorsque vous serez à court de temps. Je vous recommande également de vous chronométrer mutuellement avec vos appareils. Intervenants, nous arrivons presque à la fin. Les intervenants doivent rester complètement silencieux pendant la partie préparée du débat. Si vous commencez à vous interrompre pendant vos remarques préparées, vous serez mis en sourdine, et vous avez été prévenus à l’avance. Et enfin, si vous appréciez ce que nous faisons ici, si vous aimez les débats supply chain, je vous encourage à vous abonner à la chaîne YouTube de Lokad et à nous suivre sur LinkedIn.
Et avec cette audacieuse autopromotion de côté, je vous demande à tous les deux : Le modèle Demand Driven Adaptive Enterprise est-il capable de relever les défis de la prise de décision en supply chain dans le monde réel ? Pour argumenter contre, Joannes.
Joannes Vermorel: Mesdames et messieurs, chers collègues et passionnés de supply chain, c’est un plaisir d’être ici pour discuter du modèle Demand Driven Adaptive Enterprise et de sa capacité à relever les défis réels de la prise de décision. Dans ce but précis, Carol m’a suggéré trois livres : “Demand Driven Material Requirements Planning” de 2016, “Demand Driven Adaptive Enterprise” de 2018, et enfin, “Adaptive Sales and Operations Planning” de 2022.
Cela fait 886 pages au total, mais ne vous inquiétez pas, vous n’avez besoin de lire qu’environ un tiers. Le reste est comme une série Netflix qui n’arrête pas de récapituler les épisodes précédents, tant ces livres se recoupent. Je vais vous faire grâce et les rejeter comme une œuvre unique, excessivement répétitive. En tant que passionné de supply chain, j’ai abordé le paradigme Demand Driven avec de grands espoirs. Après tout, qui ne serait pas enthousiasmé par un cadre promettant de révolutionner notre industrie ? Cependant, après avoir parcouru près d’un millier de pages, je ne suis pas convaincu.
Tout d’abord, les trivialités. À la page 43 de “Adaptive Enterprise”, et je cite : “Si les dirigeants veulent accomplir leur mission, ils doivent comprendre par où commencer.” Eh bien, oui. À la page 163 : “Définition cohérente, en adhérant systématiquement aux mêmes principes.” J’imagine qu’il est cohérent de définir le terme “cohérent” pour ceux qui auraient pu zapper l’école primaire. Les illustrations, supposées aider le lecteur, ne sont guère meilleures. À la page 150, nous avons un tableau de chiffres étiqueté “Data”, un graphique à barres étiqueté “Graph”, et un morceau de texte étiqueté, attendez, “Text”. Dieu merci, ils clarifient cela. J’étais sur le point de qualifier le graphique à barres d’art moderne. C’est comme si les auteurs craignaient que nous ne reconnaissions pas ces concepts de base, mais peut-être rendent-ils ainsi un service public pour ceux que l’école primaire a laissés tomber.
Maintenant, si les parties faciles sont insultantes de simplicité, qu’en est-il des parties difficiles ? Peut-être que la véritable valeur du Demand Driven se trouve entre les deux, enfouie parmi les clichés. Examinons les équations. Et oui, elles incluent des équations, ou du moins les qualifient-elles ainsi. Aux pages 17, 25, 28 et 29 de “Adaptive Enterprise”, nous rencontrons ce que les auteurs appellent des équations. Mais ces équations ne sont qu’un assortiment aléatoire de lettres grecques et de barres fractionnaires. Ce ne sont pas des équations au sens propre du terme. En tant que personne qui a également utilisé l’éditeur d’équations de Microsoft Word, je comprends la tentation, mais considérant qu’ils essaient d’enseigner une meilleure prise de décision en supply chain, fournir quelques formules mathématiques réelles serait peut-être plus utile.
Inversement, de la page 99 à 105, nous subissons une explication incroyablement fastidieuse où les auteurs, en anglais clair, nous disent : “Ajoutez ceci, soustrayez cela, et multipliez ceci.” C’est comme lire une recette de cuisine pour des opérations mathématiques. Une demi-douzaine de pages pourrait être condensée en quelques lignes de formules basiques. Mais peut-être qu’en faisant cela, on découvrirait que les mathématiques sous-jacentes du Demand Driven Adaptive Enterprise manquent de la sophistication d’un manuel de collège. Ce n’est pas exactement ce à quoi on pourrait s’attendre d’une œuvre prétendant faire partie de, et je cite, “la science émergente des systèmes adaptatifs complexes.”
Pour être juste, il y a une véritable équation dans ces trois livres. Juste une. Et non, ce n’est pas l’équation dite du flux net à la page 150 du livre DDMRP, qui malgré son nom grandiose, n’est qu’une définition. La seule équation se trouve dans “Adaptive S&OP” à la page 156. Il s’agit de l’indice de capacité Taguchi. Cette formule est simplement copiée-collée depuis Wikipedia, mais bon, c’est quand même une équation. Malheureusement, c’est une équation d’ingénierie mécanique pour les tolérances dimensionnelles, et elle est généralement considérée comme complètement sans rapport avec la supply chain. Elle apparaît de façon aléatoire au milieu d’une discussion sur les objectifs de performance de S&OP.
Maintenant, je ne suggérerais pas que les auteurs essaient de semer la confusion chez les lecteurs avec des équations sans rapport. Peut-être se sont-ils simplement perdus dans une mer de copier-coller. En approfondissant entre les clichés et les pseudo-équations, nous trouvons de nombreux appels à l’action. Or, les appels à l’action sont excellents. Les entreprises doivent agir. À la page 44 de “Adaptive Enterprise”, nous sommes graciés d’une série de recommandations qui suggèrent que les gens devraient être formés à penser de manière systématique, que l’on devrait disposer d’un langage commun, d’un langage systémique commun pour penser et travailler, et que nous devons permettre aux gens de comprendre les liens entre les départements, les ressources et les personnes.
Mesdames et messieurs, quel programme brillant. En tant que CEO moi-même, je serais ravi si mes 60 employés pouvaient y parvenir. Et attention, chez Lokad, nous embauchons des talents d’ingénierie d’élite, et même pour nous, ce que Carol suggère est ridiculement difficile. Je n’ose imaginer comment cela fonctionnerait dans une entreprise employant des milliers d’employés, où le lien principal qu’ils comprennent, ce sont les apéros du vendredi soir après le travail. Donc, naturellement, j’attendais des conseils du livre sur comment reprogrammer l’esprit de mes employés, leur enseigner un nouveau langage, et les amener à comprendre les subtilités de chaque département. Mais après avoir lâché cette bombe, les livres passent rapidement au chapitre suivant, ne fournissant absolument aucune indication sur la manière d’atteindre ces objectifs ambitieux.
Pour résumer, nous avons près d’un millier de pages qui oscillent entre l’évident à en être aveuglant, le trivial absolu, l’inconcevable sur le plan mathématique, et l’incroyablement impraticable. Le Demand Driven se targue de mener une révolution en supply chain management. C’est ironique que la seule chose qu’il a révolutionnée soit ma déception quant à l’état actuel de la littérature sur la supply chain.
Conor Doherty: Joannes, il vous reste 21 secondes.
Joannes Vermorel: Ça va.
Conor Doherty: Vous allez bien ? Eh bien, sur ce, Joannes, merci pour vos remarques d’ouverture. Carol, je vous cède la parole pour vos sept minutes d’ouverture, s’il vous plaît.
Carol Ptak: Oh, merci beaucoup. Eh bien, c’était au mieux amusant. Je ne me rendais pas compte que j’interviendrais pour faire un compte rendu de livre et une critique page par page. Pour écarter cela, j’espérais vraiment que notre débat porterait sur le modèle Demand Driven Adaptive Enterprise, et non sur un compte rendu de livre avec des pages citées. Pour clarifier, ces trois livres ont été écrits pour trois marchés très distincts. Je ne m’attendais pas à ce que quelqu’un lise l’intégralité de ces mille pages. Je pensais simplement que, avec l’esprit scientifique de Joannes, il apprécierait de comprendre à la fois la vision opérationnelle, tactique et stratégique de cette supply chain.
Plongeons donc dans ce qu’est réellement le modèle Demand Driven Adaptive Enterprise et pourquoi il est révolutionnaire. Le DDAE repose en réalité sur la science des systèmes adaptatifs complexes et la compréhension que les supply chains ne sont pas des chaînes. Les supply chains n’ont jamais été des chaînes. Nous l’avons mal nommé lorsque nous l’avons nommé, et c’est parce que ceux d’entre nous qui ont participé à la dénomination des supply chains, moi y compris, provenions d’une capacité opérationnelle où nous étions habitués à utiliser des algorithmes d’optimisation pour comprendre où se trouvaient nos goulots d’étranglement et comment nous pouvions maximiser la production de l’ensemble du processus en nous concentrant sur la maximisation du goulot d’étranglement.
Ainsi, lorsque nous avons nommé pour la première fois la supply chain, nous avons dit : “Eh bien, d’accord, je vais prendre mes opérations et les connecter à mon client, au client de mon client, à mon fournisseur et au fournisseur de mon fournisseur, et voilà, nous avons une supply chain.” Nous nous étions complètement trompés. Les supply chains ne sont pas des chaînes, elles ne l’ont jamais été. Ce sont des systèmes adaptatifs complexes, et ces systèmes fonctionnent selon une science très différente de celle d’une chaîne. Une chaîne est un système linéaire. Les systèmes adaptatifs complexes ne sont pas linéaires. Ce sont des réseaux. Il y a de nombreux nœuds, de nombreuses connexions, et malheureusement, les universitaires adorent couper les connexions afin de pouvoir étudier les nœuds en détail, puis croire que nous pouvons tout reconstituer et comprendre l’ensemble. Alors qu’en réalité, dès que les connexions sont coupées, nous perdons le contexte du tout.
Ce qui rend le DDAE différent, c’est qu’il comprend en effet que les supply chains ne sont pas des chaînes ; ce sont des systèmes adaptatifs complexes, ce qui signifie qu’ils ne restent jamais dans un état stable trop longtemps. Dès qu’une pression leur est exercée, ils changent et se transforment, et par définition, ils ne peuvent être optimisés mathématiquement. La science des systèmes adaptatifs complexes provient des idées de la biologie et de l’économie, et est donc bien comprise. Si quelqu’un est intéressé par un très bon livre à ce sujet, il y a un livre intitulé “Team of Teams” écrit par le général Stanley McChrystal.
Alors, comment fonctionne le DDAE ? Eh bien, nous comprenons qu’aujourd’hui, chaque entreprise évolue dans un monde variable, volatile, incertain, complexe et ambigu. Ainsi, ce que nous devons pouvoir faire, c’est avoir la capacité de détecter très rapidement les changements sur ce marché, puis d’adapter la planification en production, de tirer des fournisseurs, et de tout prendre en charge en temps réel. Une idée toute neuve ? Non. La définition du Demand Driven existait déjà en 2001. Elle a été inventée, en fait, lorsque j’étais chez PeopleSoft. Nous n’avons vraiment compris comment le faire qu’autour de 2006, lorsque Chad Smith et son équipe ont commencé à utiliser le concept de découplage à travers la supply chain.
En raison du monde VUCA, ce monde volatile, incertain, complexe et ambigu dans lequel nous vivons, à moins que nos délais de réponse au marché ne soient inférieurs au temps de tolérance de nos clients, quelque part, quelqu’un le long de la supply chain devra détenir des stocks. Ainsi, les stocks sont un actif. Nous avons laissé la discussion sur les stocks aller et venir, certains les qualifiant de passif tandis que d’autres les voient comme un actif, mais tout dépend de l’endroit et de la quantité de ces stocks. Si nous avons les bons stocks au bon endroit, alors les stocks sont clairement un atout car ils améliorent le retour sur investissement de l’entreprise, qui est le critère pertinent.
Alors, comment est-il possible d’atteindre la cohérence au sein d’une organisation afin de générer du ROI ? Comment gérons-nous ces plages opérationnelles, tactiques et stratégiquement pertinentes pour que l’entreprise soit en cohérence pour atteindre le ROI ? Je ne peux pas aller sur le terrain et demander à Joe ce qu’il a fait ce jour-là pour augmenter le ROI, mais je peux tout à fait aller lui parler sur le terrain et lui dire, “Qu’as-tu fait pour améliorer le flow ?” Et encore une fois, ce n’est pas une idée nouvelle. Nous connaissons le flow depuis très, très, très longtemps, remontant jusqu’aux anciens Phéniciens lorsqu’ils devaient convertir leurs navires marchands en navires de guerre.
Le modèle DDAE repose sur la cohérence du flow dans l’organisation, ce qui transforme l’ensemble de l’organisation. Nous ne sommes plus seulement concentrés sur l’efficacité des coûts et l’optimisation, car nous reconnaissons que ce que nous gérons n’est pas un système linéaire ; c’est un système complexe adaptatif. Et le monde moderne dans lequel nous le gérons est un monde volatile, incertain, complexe et ambigu. Le MRP, par exemple, a été conçu dans les années 50, commercialisé dans les années 70 lorsque Joe Orlicky a écrit son livre. Et ce que nous avions compris à l’époque, c’est que nous devions être capables d’effectuer une planification dépendante, et ainsi la planification dépendante était le véritable atout du MRP.
Mais rappelez-vous, dans les années 50 et 60, nous avions 8K de mémoire et quelques lecteurs de bandes, et nous lancions généralement la planification des matériaux peut-être une fois par semaine, beaucoup d’entreprises une fois par mois, puis nous désagrégions à partir de là. Et nous pensions vraiment qu’à mesure que la technologie s’accélérerait, les choses s’amélioreraient. Et en fait, en 2001, PeopleSoft a lancé le premier système de MRP en temps réel, et la réaction de nos clients a été, “Veuillez l’arrêter,” parce qu’ils ne pouvaient pas supporter l’instabilité du système. Le niveau de précision, lorsque nous essayons de le connecter à travers la supply chain, engendre une volatilité et une variabilité auto-induites telles que les planificateurs ne peuvent pas y faire face.
L’idée est donc la suivante : comment pouvons-nous, tout en réagissant très rapidement aux changements du marché dans un environnement volatile, variable, incertain, complexe et ambigu, tirer parti de l’informatique en temps réel d’aujourd’hui ? Lorsque le Dr Goldratt et moi avons écrit le livre “Necessary But Not Sufficient,” nous parlions de technologie car ce que nous avions compris, c’est qu’à mesure que la technologie change, les règles de l’entreprise doivent changer. Et à mesure que les règles de l’entreprise changent, la technologie doit changer. Et nous avons la grande chance aujourd’hui de disposer de choses telles que machine learning et intelligence artificielle qui, d’ailleurs, reposent également sur la même science que le modèle DDAE.
Et c’est ce qui nous rend très innovants, car désormais les règles de l’entreprise sont alignées avec les possibilités de la technologie, ce qui nous permet de détecter les changements du marché, d’adapter notre planification et notre production, de tirer parti des fournisseurs, et de profiter des systèmes en temps réel dont nous disposons.
Conor Doherty : Eh bien, Carol, je t’ai accordé 3 secondes supplémentaires, mais elles ont été bien utilisées. Merci beaucoup. Merci. À ce stade, Joannes, je te rends la parole pour ta réplique de 5 minutes.
Joannes Vermorel : Oui, je veux dire, la première chose, c’est que je ne peux m’empêcher de remarquer les contradictions, par exemple, en ce qui concerne les mathématiques. Parce que lorsque Carol cite des ordinateurs modernes, ces ordinateurs, comme leur nom l’indique, calculent. C’est la seule chose qu’ils font. Ils n’ont pas de boules de cristal ni rien du tout. Et en fait, dans les livres mêmes, il y a des tonnes d’équations. Encore une fois, je ne dis pas que j’ai trouvé—je décris les choses en tant qu’équations. Les choses sont mentionnées et listées comme des équations par les auteurs eux-mêmes. Et puis, quand ils abordent la non-linéarité, nous nous retrouvons de nouveau dans le domaine des mathématiques. Ce n’est donc pas quelque chose que je crée pour moi-même ; c’est ce que les auteurs se proposent.
Maintenant, en me basant sur ma critique de ces livres, qui sont en quelque sorte les écritures saintes des paradigmes demand driven, la réponse semble être, malgré beaucoup de digressions, que le tout est supérieur à la somme de ses parties. Nous ne pouvons vraiment pas examiner les pièces. Peu importe la dysfonction des pièces, on les assemble et voilà, vous obtenez la grandeur. C’est comme assembler une voiture à partir de pièces détachées Toyota en s’attendant à une Tesla. Et devinez quoi ? Nous avons également des études de cas pour étayer cela. C’est aussi un point qui pourrait intéresser.
À la page 325 du livre DDAE, nous avons une étude de cas dans le secteur de la vente au détail utilisant DDMRP, par exemple. Elle revendique une augmentation des revenus de 60 %, une diminution des stocks de 40 %, et je cite, “l’élimination d’un sentiment de rareté dans les magasins malgré le fait d’avoir initialement presque réduit de moitié les stocks.” Eh bien, si vous y croyez, j’ai un pont à Brooklyn à vous vendre. Mais voici le hic : nous ne pouvons vérifier aucune de ces études de cas. Choquant, je sais. Et l’approbation vient du vendeur lui-même qui fait la promotion de la cure miracle demand driven. C’est comme un restaurateur rédigeant lui-même son avis Yelp cinq étoiles : “Faites-moi confiance, c’est le meilleur sushi en ville.” Bien sûr, mais les études de cas ne sont rien de plus qu’une manière prétentieuse de dire, “Parce que je l’ai dit.” Ce n’est pas exactement une preuve convaincante.
Maintenant, pour revenir au sujet, parce qu’il y avait tellement de tangentes ici, nous étions sur des faits divers, la définition des systèmes complexes adaptatifs, des anecdotes, d’où vient le nom de supply chain, et quelques anecdotes sur ERP qui s’améliorent, la technologie, et ainsi de suite. Mais la réalité est que, si nous revenons à un test simple, je dirais que, dans le temps réel de l’entreprise adaptive, à la page 7, la non-linéarité est listée comme le tout premier principe, ce que Carol a également souligné. C’est donc le tout premier principe des systèmes complexes adaptatifs. Ça sonne bien, mais prenons la non-linéarité la plus simple que nous puissions avoir dans la supply chain : MOQs, quantités minimales de commande. Certainement, le demand driven aurait quelque chose de profond à dire sur les MOQs. Eh bien, pas vraiment. Sur un millier de pages, les MOQs sont mentionnées six fois. C’est bien dans chaque livre, soit en moyenne environ deux fois par livre. Donc, c’est pas mal de matière dont nous disposons.
Et prenons un exemple. À la page 63, nous avons un exemple d’une MOQ si faible qu’on pourrait presque dire qu’elle n’existe pas, car numériquement, elle n’a aucun impact sur le calcul. C’est fascinant. Puis, à la page 115, nous avons une situation de commande de container. Des non-linéarités intéressantes de plusieurs côtés avec une MOQ. Alors, quelle est la situation ? Nous avons une taille de commande de 100 unités, une taille de container de 100 unités, et une MOQ—attendez—de 100 unités. Quelle coïncidence. C’est comme si les astres s’alignaient juste pour ne pas avoir à gérer de véritable non-linéarité. Vous pouvez répéter ce processus avec des réductions de prix, des produits perishable (périssables), du cross-docking, des équipements réparables, vous l’appelez comme vous voulez. Le demand driven n’a absolument rien à dire sur ces non-linéarités courantes. Rien. Zéro.
Et c’est l’essence du demand driven : une théorie tape-à-l’œil qui se fixe des objectifs grandioses, tirant parti du meilleur que la technologie a à offrir. Oui, mais la technologie vous donne des ordinateurs pour effectuer des calculs, et il y a tellement d’équations, et pourtant, ils ne font rien. Essentiellement, nous nous fixons des objectifs grandioses, mais ensuite nous n’avons rien à offrir pour traiter les problèmes de prise de décision courants. Et donc, devons-nous croire que le demand driven peut relever les défis réels de la supply chain ? Laissez-moi réfléchir. Non, absolument pas.
Conor Doherty : Quelques secondes de plus à disposition. Merci, Joannes. Carol, ta réplique de cinq minutes quand tu seras prête.
Carol Ptak : Merci. Encore une fois, je suis très déçue que Joannes choisisse d’utiliser un rapport de livre plutôt que de débattre du modèle que nous étions censés débattre. Mais laissez-moi d’abord aborder le cas qu’il cite dans le livre, et je vous invite à nous rejoindre à Francfort la semaine prochaine où vous pourrez parler à la personne qui a réellement réalisé cette implémentation. David Poveda sera là, venant de Medan, Colombie, et il pourra vous donner tous les détails.
Demand Driven World la semaine prochaine, nous avons également, parce que je sais que vous êtes toujours très préoccupés par les cas, que c’est, faites-moi confiance, croyez-moi, et c’est toujours les études de cas qui sont réalisées par la société de logiciels ou par le consultant, qui essaient toujours de donner une image embellie. Nous ne permettons pas cela à l’Institut Demand Driven. Toutes nos études de cas sont réalisées par le praticien. Donc, j’invite vous, Joannes, et tous nos auditeurs, si vous souhaitez vous inscrire pour le Demand Driven World la semaine prochaine.
Nous avons neuf études de cas qui arrivent, de nouvelles études de cas de sociétés comme Assa Abloy, où Fredrik Helgesson, le directeur logistique, fera une présentation. Un autre cas du Mexique, de Mega Alimentos, où Antonio Treviño, le directeur de la supply chain, sera présent. Mettler Toledo vient avec le responsable de leur planification globale, ou A2A avec leur directeur général, ou Gelwin avec leur VP de la supply chain, ou Sapo avec leur responsable de planification, ou Koch Engineered Solutions avec leur responsable mondial de la planification et de la programmation, ou PPG avec leur directeur supply chain pour l’Amérique latine.
Ce ne sont là que les études de cas qui vont apparaître la semaine prochaine en Allemagne. J’encourage tout le monde, croyez-moi, à y assister. Nous mettons toutes nos études de cas sur notre site web. Elles sont réalisées uniquement par le praticien. Nous ne permettons pas à la société de logiciels ni au consultant de co-présenter. Ces praticiens disent, “Voilà ce que nous avons fait, voilà pourquoi nous l’avons fait, voilà le problème que nous avons rencontré, voilà les résultats que nous avons obtenus,” et, très franchement, disent, “Et si nous devions recommencer, voici ce que nous changerions.” Nous ne contrôlons ni n’éditons aucun de leurs commentaires.
Ainsi, en examinant l’idée de MOQ, je pense que vous avez mal cité le nombre de fois où la MOQ apparaît, puisqu’elle apparaît à chaque fois que l’équation de flux net apparaît également. Mais je pense vraiment toujours que vous passez à côté de ce qu’est réellement le Demand Driven Adaptive Enterprise. Il s’agit en réalité de trois plages temporelles pertinentes distinctes, avec les outils requis adaptés à chaque plage.
Maintenant, qu’est-ce que la pertinence ? Et c’est une définition que l’on trouve dans le livre. La pertinence, c’est la manière dont j’établis et connecte les exigences avec ce qui se passe durant cette plage temporelle. Comment rapprocher davantage mes actifs de ce qui se passe sur le marché ? En mettant simplement en œuvre le DDMRP, qui est le moteur à l’intérieur du Demand Driven Operating Model, typiquement, les entreprises réalisent en moyenne une réduction des stocks d’un tiers à la moitié, et en général, leur on-time and in-full atteint bien plus de 90%.
Je vous renvoie au cas Coca-Cola Africa pour entendre Coca-Cola Africa expliquer ce qui se passait. Avant de mettre en œuvre le DDMRP, leur forecast accuracy était d’environ 50%. Ils l’ont mis en œuvre, ils ont obtenu de meilleurs résultats, leurs stocks ont diminué, leur on-time and in-full s’est amélioré, et à la fin, leur forecast accuracy était d’environ 50%. Cela signifie-t-il que nous ne prévoyons pas ? Non, bien sûr que non. Nous avons besoin de prévisions pour pouvoir gérer la plage tactique et stratégique. Ce que j’espérais dans ce débat, c’était une discussion plus approfondie sur le fonctionnement du modèle DDAE plutôt qu’une revue du livre page par page.
Ainsi, en considérant l’idée de prévision, sur les probabilistic forecasting, oui, elles ont définitivement un rôle, mais un rôle uniquement dans les plages tactique et stratégique, ce qui nous permet d’aider à modifier et adapter le modèle opérationnel dont le DDMRP est le moteur de planification. Donc, en y regardant de plus près, nous devons considérer que le modèle DDAE ne peut prendre en compte que ce que nous pouvons influencer. Par conséquent, en dehors de notre considération, il faut que notre innovation pilotée par le marché soit prise en compte, et d’un autre côté, nous devons considérer la demande réelle du marché.
Et comme je l’ai dit plus tôt, si nous avons la chance que notre délai total cumulatif lead time soit conforme aux attentes de nos clients, c’est une entreprise facile à gérer. Cependant, ce n’est pas le monde dans lequel nous vivons. Les temps de tolérance de nos clients sont nettement plus courts que notre délai cumulatif. Nous devons donc disposer d’un modèle de gestion pour être capables de détecter les changements sur le marché, d’adapter notre planification et notre production, de traduire un plan d’affaires adaptatif en ce que cela signifie en termes de capacité opérationnelle, et aussi d’exploiter notre capacité opérationnelle unique pour en tirer un avantage stratégique. Je pense vous avoir rendu les trois secondes.
Conor Doherty : Avec le changement. Merci. Eh bien, merci beaucoup, Carol. Sur ce, Joannes, je te rends la parole pour ta dernière intervention de deux minutes.
Joannes Vermorel : Ainsi, près d’un millier de pages de documents Demand Driven, plus quelques minutes de commentaires, peuvent être résumés sur un post-it. Voici rien d’autre que la chose la plus accablante : le paradigme Demand Driven est totalement imperméable à la raison. Je pourrais passer la journée entière à citer des passages, à souligner si chacun est trivial, absurde, ou carrément délirant, et nous resterions encore bloqués au même endroit, comme un hamster dans une roue, mais sans le facteur divertissement. Pourquoi cela ? Parce qu’à chaque fois que je signale un défaut, c’est comme essayer de jouer aux échecs avec un pigeon. Il renverse les pièces, il fait caca sur l’échiquier, puis il se pavane comme s’il avait gagné.
Carol n’a répondu à aucune des critiques sérieuses que j’ai soulevées, y compris les plus basiques comme l’usage flagrant et abusif de l’indice de capacité Taguchi. Elle n’a pas expliqué les pseudo-éqations. Elle aurait pu tenter de réfuter mes arguments un par un, mais ce n’est pas ce qu’elle a fait. Et elle ne l’a pas fait parce qu’elle ne le peut pas. Ainsi, nous assistons à une série de digressions, principalement des arguments d’autorité. Ne nous leurrons pas. Les études de cas ne sont qu’une manière sophistiquée de dire, “Faites-moi confiance, je suis un professionnel.” Mesdames et Messieurs, je fais appel à la forme la plus élevée de raisonnement humain : le test du canard. Si ça ressemble à un canard, nage comme un canard et cancane comme un canard, alors c’est probablement un canard. Si une théorie ressemble à des ordures, sent comme des ordures, et sonne comme des ordures, alors c’est probablement des ordures.
En conclusion, le modèle Demand Driven Adaptive Enterprise peut-il relever les défis réels de la supply chain ? Non. Mais je concède ceci : si vous parvenez à tromper vos concurrents en leur faisant croire que c’est possible, alors vous aurez définitivement un avantage, car ils vont s’effondrer.
Conor Doherty : Merci, Joannes. Et Carol, je te cède la parole pour ta conclusion de deux minutes, s’il te plaît.
Carol Ptak : Merci. Eh bien, je suis très déçue par Joannes, pour être très honnête. Je m’attendais vraiment à une discussion ouverte et sincère plutôt qu’à ce qu’il lise ses notes pré-préparées sans tenir compte des points qui ont été soulevés.
En ce qui concerne la fonction Taguchi, comme je l’ai indiqué dans ma réplique de cinq minutes, le plan opérationnel adaptatif crée ensuite un modèle opérationnel. Un modèle opérationnel possède un objectif, des limites de spécification supérieure et inférieure, et lorsque nous comparons cela au fonctionnement du processus, parce que le modèle Demand Driven Adaptive Enterprise nous permet désormais, sur le plan opérationnel, d’utiliser le contrôle de processus plutôt que le contrôle transactionnel comme c’était le cas à l’époque du MRP, alors la fonction Taguchi s’intègre évidemment car nous voulons voir dans quelle mesure notre performance réelle se situe dans la plage définie.
Comme je l’ai dit, je ne m’attendais pas à un compte rendu ou à une critique de livre page par page. Ce à quoi je m’attendais vraiment, c’était à une discussion sur la méthodologie elle-même. Et il ne s’agit pas de « faites-moi confiance ». Je vous suggérerais de parler aux praticiens eux-mêmes et d’examiner leurs résultats réels. Pour moi, c’est cela qui a réellement plus de poids que tout. Ce n’est pas « faites-moi confiance ». C’est : « Voici quel était notre problème commercial, voici ce que nous avons mis en place, voici les résultats que nous avons obtenus, et si nous devions recommencer, voici ce que nous ferions différemment. »
Et quand nous parlons de savoir si le modèle Demand Driven Adaptive Enterprise répond aux besoins de ce monde VUCA dans lequel nous vivons et fournit des résultats concrets, la réponse est absolument et sans équivoque oui. Les dizaines de milliers de personnes qui ont suivi la formation DDI, les résultats des entreprises, l’augmentation du ROI, la capacité des entreprises à survivre à la pandémie alors que leurs schémas de demande étaient complètement bouleversés et instables, tout en parvenant à améliorer leur chiffre d’affaires et leur ROI, je pense que les résultats parlent d’eux-mêmes.
Conor Doherty : Eh bien, merci à vous deux. Et Carol, merci pour ces remarques. À ce stade, je vais passer aux questions de l’audience. En fait, il y en a déjà pas mal dans le chat en direct. Pour être clair, nous demandons que les questions soient adressées aux personnes concernées, mais je vais évidemment les diriger vers vous deux. Et encore une fois, ce n’est pas chronométré, mais essayez de rester concis afin que tout le monde ait une chance.
Mais avant d’aborder les questions de l’audience, il y en a une que j’ai notée parce que je vous ai écoutés tous les deux parler pendant les 33 dernières minutes. Et vous savez, vous êtes allés dans tous les sens à propos des livres et de savoir si cela concernait vraiment les livres, c’est bien. Mais, à moins que je ne me sois trompé, aucun de vous n’a réellement défini ce que vous considérez être les véritables défis de la prise de décision en supply chain dans le monde réel. Alors, Carol, je commence avec toi. Aussi brièvement que possible, quels sont, selon toi, les véritables défis de la prise de décision en supply chain dans le monde réel ?
Carol Ptak : Eh bien, le plus grand défi est ce que j’ai dit, à savoir comment répondre à un monde variable, volatile, incertain, complexe et ambigu ? Et comment le faire de manière à accroître mon retour sur investissement ?
Conor Doherty : Johannes ?
Carol Ptak : C’est aussi concis que je puisse l’exprimer. Et si Johannes veut l’écrire sur un Post-It, il peut le faire. Cela résume en un Post-It le modèle Demand Driven Adaptive Enterprise : il s’agit avant tout de flux.
Conor Doherty : Eh bien, merci, Carol. Joannes ?
Joannes Vermorel : Selon moi, la supply chain est la maîtrise de l’optionnalité. Vous disposez de ressources limitées pour tout, et vous devez les allouer, ce qui représente en pratique des millions de décisions quotidiennes pour une supply chain de taille considérable. Résoudre le problème signifie donc essentiellement prendre ces décisions. Elles sont très basiques : qu’achetez-vous, que produisez-vous, que répartissez-vous, à quel niveau de prix vous situez-vous, augmentez-vous ou réduisez-vous votre assortiment, etc. Et ainsi, de mon point de vue, tout cela se fait effectivement dans un but lucratif. Mais, selon moi, la supply chain est à la fois une théorie et une pratique qui vous permet de prendre ces décisions à grande échelle, ce qui implique aujourd’hui de nombreux calculs afin de pouvoir être automatisé par des ordinateurs. C’est à peu près tout.
Conor Doherty : Eh bien, Carol, maintenant que tu as entendu l’interprétation de Joannes, souhaites-tu modifier la tienne ou es-tu d’accord ou pas d’accord ?
Carol Ptak : Non, pas du tout, mais je pense, et vous savez, ayant été présente depuis les débuts de l’informatique et lors d’une conversation que j’ai eue avec une entreprise d’ordinateurs et une société de logiciels, il a dit : « Nous n’obligeons pas nos clients à faire les choses comme nous leur disons de le faire. » Et j’ai répondu : « Vous le faites très certainement, car ce que vous intégrez dans votre logiciel correspond à ce que vous considérez comme les meilleures pratiques de l’industrie. » Mais que se passe-t-il si ces pratiques sont erronées ?
Donc, la méthodologie s’accompagne de l’informatique et la technologie va de pair avec la méthodologie. Par exemple, à l’événement Demand Driven World la semaine prochaine, nous aurons Simo, qui peut réaliser un jumeau numérique complet d’une entreprise afin de commencer à prendre certaines de ces décisions stratégiques auxquelles fait référence Joannes. Mais il le fait avec le potentiel d’un moteur DDMRP intégré, de manière à comprendre où positionner les tampons de stocks stratégiques, comment les planifier, et comment obtenir une réponse en temps réel face à mon marché. Ainsi, la technologie en soi est nécessaire mais pas suffisante. Bon titre de livre.
Conor Doherty : Souhaites-tu ajouter quelque chose ou puis-je continuer ?
Joannes Vermorel : Non, continue.
Conor Doherty : Continue. Cette question s’adresse à Joannes. Je la lis mot pour mot telle qu’elle m’a été posée. Pourrait-on avoir l’avis de Joannes sur la théorie derrière DDMRP, en particulier DDMRP et comment il se construit sur les pratiques existantes de la supply chain ?
Joannes Vermorel : En résumé, DDMRP se résume à un ensemble de trivialités. Ils dimensionnent les tampons en trois couleurs. Il n’y a rien de réellement spécifié au point de découplage. Vous n’avez aucun algorithme pour savoir comment les disposer, donc, en gros, ils fournissent simplement des indications extrêmement ambiguës. Il existe également d’énormes erreurs. Par exemple, ils disent que lorsque la quantité minimale de commande (MOQ) est présente, il faut que la zone verte soit aussi grande que la MOQ, ce qui est absolument insensé car il existe de nombreuses situations où le réapprovisionnement jusqu’à votre MOQ est insensé. Cela ne devrait absolument pas faire partie de ce que DDMRP désigne par le vert.
Mais en fin de compte, c’est très, très maigre. Vous savez, le fait est que pour quelque chose de quantitatif, selon moi, cela pourrait être résumé en environ trois pages et c’est tout. Et donc, c’est très, très faible. C’est même une insulte à la recherche opérationnelle, qui a précédé et qui était déjà des années en avance en termes de sophistication par rapport à DDMRP.
Carol Ptak : Eh bien, et je mettrais en cause la sophistication par rapport aux résultats. Ce n’est pas parce que c’est sophistiqué que c’est mieux. DDMRP repose en réalité sur l’idée du lean manufacturing, du MRP, du DRP, de la théorie des contraintes, avec quelques innovations qui harmonisent désormais toutes ces approches que nous pensions auparavant être antithétiques les unes aux autres. Il s’agit donc vraiment de flux.
Quant à la manière de positionner ces tampons, je pense qu’il a probablement omis ces pages du livre. Il existe six critères concernant l’emplacement de ces tampons, incluant le temps de tolérance client, le potentiel de marché, le délai, les eaux, la variabilité externe. Il y en a donc six, et c’est ce qui est ensuite optimisé et pris en compte dans un jumeau numérique une fois que j’ai positionné ces tampons.
En général, ce que nous voyons, c’est que les supply chains tendent à se stabiliser parce que nous avons éliminé la nervosité du système, puis à la fois le positionnement et la quantité doivent changer. C’est donc le cycle d’adaptation. Il ne s’agit pas seulement d’un système purement tiré ; c’est positionner, protéger, tirer et s’adapter. Mais nous sommes très clairs sur l’emplacement de ces tampons et sur le vert, jaune, rouge, car c’est là toute la différence entre la praticité et la sophistication. Tout le monde comprend le vert, le jaune, le rouge.
Et donc, je comprends les règles. Que se passe-t-il quand je vois du vert, du jaune, du rouge ? C’est pourquoi les planificateurs l’adorent et les entreprises l’implémentent très rapidement, ces implémentations se déroulant généralement beaucoup plus vite que prévu initialement.
Conor Doherty : Joannes, aucun commentaire ?
Joannes Vermorel : Aucun commentaire.
Conor Doherty : Je continue. Celle-ci vous est directement adressée, Carol. Je la lis telle qu’elle est écrite. Pourquoi l’approche demand-driven a-t-elle rencontré des difficultés pendant la crise COVID et que devraient faire les entreprises pour s’adapter dans de telles situations ?
Carol Ptak : Eh bien, il y a eu une conversation intéressante lors de la crise COVID. Nous n’avons pas rencontré de difficultés. Je pense que chaque projet informatique, chaque projet d’amélioration des processus, pendant le COVID a été interrompu, ce qui était regrettable. Nous avons passé beaucoup de temps au téléphone avec des cadres supérieurs qui disaient : « Eh bien, nous reprendrons l’implémentation une fois revenus à la normale. » Et notre message à leur égard était : « Bienvenue dans la nouvelle normalité. »
La question n’est pas de savoir si des disruptions vont survenir, mais quand et où, donc vous feriez mieux d’être préparé. Ainsi, ce que nous avons constaté après le COVID, c’est que la demande effective pour nos formations a atteint un niveau record, et le nombre d’implémentations dans le monde entier a atteint un niveau record, car les dirigeants ont réalisé qu’ils devaient faire face à ce monde variable, volatil, fou dans lequel nous vivons. Non seulement nous avons eu le COVID, nous avons connu l’invasion russe de l’Ukraine, la prochaine pandémie pointait le bout de son nez, la situation dans les ports américains était chaotique, et nous avons connu des grèves de dockers. Il ne s’agit pas de savoir si la prochaine disruption va venir, mais quand et où.
Et malheureusement, pendant la crise COVID, de nombreuses équipes de cadres supérieurs ont déclaré : « Eh bien, quand nous reviendrons à la normale, » et notre message était : « Bienvenue dans votre nouvelle normalité. »
Conor Doherty : Très bien, merci, Carol. Joannes, pardonne-moi, pourquoi penses-tu que l’approche demand-driven a pu ou non rencontrer des difficultés pendant la crise COVID ?
Joannes Vermorel : Cette question ne m’était pas adressée, donc je vais juste commenter la réponse de Carol. Parce qu’à nouveau, je n’ai aucun élément de fait, n’étant pas vraiment au fait de ce qui se passe exactement dans les entreprises qui utilisent ces approches. Mais ce que je dirais, c’est qu’à une question aussi factuelle que celle-ci, ce que l’on obtient — et c’est quelque chose de très typique des paradigmes demand-driven — c’est une liste sans fin de facteurs : régression, guerre en Ukraine, volatilité, incertitude, etc. Mot à la mode, mot à la mode, mot à la mode, problème, problème, situation.
Vous voyez, c’est comme une profusion de choses. Mais quand je recommence, et que les livres restent exactement les mêmes, vous trouvez la même liste à chaque page. Ils s’étendent sur une vingtaine de tangentes, et à chaque fois je me dis : « D’accord, maintenant ils ont ouvert environ 20 chapitres pour aborder chacune de ces tangentes, » et vous n’obtenez rien en termes de règles concrètes et mathématiquement solides — et quand je dis « mathématiquement solides », je ne veux pas dire de la haute mathématique, je parle même de mathématiques de niveau primaire, quelque chose qui n’est pas ambigu et qui vous donne une règle calculable — puis rien. Vous passez simplement à autre chose, et encore, c’est juste une profusion d’innombrables faits isolés. Et je pense que c’est vraiment un schéma, et j’aimerais que l’audience fasse attention à ces profusions de faits isolés.
Conor Doherty : Eh bien, en fait, si je peux continuer parce que la prochaine question s’adressera à Joannes puis à Carol, je vous la lance. Mais est-ce que Lokad propose — je n’ai pas écrit ceci — est-ce que Lokad propose une approche différente pour gérer les disruptions comme celles observées pendant le COVID, et si oui, comment aborde-t-elle ces défis ?
Joannes Vermorel : La réponse longue se trouve dans la série de conférences sur la supply chain, mais c’est une réponse très longue. La réponse courte est que nous utilisons les probabilités et les prévisions probabilistes. L’idée est d’avoir un modèle économique où les événements ayant une faible probabilité mais un impact économique important peuvent être pris en compte. Vous avez donc besoin de prévisions probabilistes, et par-dessus, vous avez besoin d’un second instrument. C’est l’instrument prédictif, et l’instrument d’optimisation est l’optimisation stochastique, qui est le terme général pour tout type de solveur capable de vous fournir une réponse optimisée en situation d’incertitude.
En résumé, vous évaluez les probabilités de tous les futurs possibles, étape un. Étape deux, vous examinez toutes les décisions possibles — évidemment réduites à ce qu’un ordinateur peut gérer — et vous optimisez ce qui vous donne le meilleur retour sur investissement ajusté en fonction du risque. Voilà la réponse courte sur la manière dont Lokad s’y prend, je dirais, en des termes très, très techniques.
Conor Doherty : Carol, plus tôt tu as mentionné que le modèle DDAE, à l’instar de la hiérarchie globale des concepts, est compatible avec les prévisions probabilistes.
Carol Ptak : Absolument, absolument. Je veux dire, les prévisions probabilistes sont quelque chose qui nous aiderait à définir le modèle opérationnel. Mais, vous savez, pour revenir sur la réponse de Joannes, c’était une réponse scientifique très compliquée qui se résume essentiellement à : « Vous savez, la réponse provient de l’ordinateur, faites-lui confiance. » Et je ne connais pas un seul planificateur sur la face de la Terre qui dirait : « Oh, elle provient de l’ordinateur, faites-lui confiance. » Le modèle DDAE est plus compréhensible.
D’accord, en langage courant, je n’ai pas un doctorat ou deux ou trois. Et donc, ce que je proposerais, c’est de dire : « D’abord, nous devons nous mettre d’accord sur le problème. Quel est le problème que nous essayons de résoudre ? » Et c’est pourquoi nous parlons sans cesse de variabilité, de diversité, c’est-à-dire des problèmes réels du monde réel et de la manière dont le modèle DDAE y répond. Et, vous savez, l’autre question que je poserais est : « D’accord, Lokad, où se trouve votre page présentant des études de cas sur la manière dont vous avez résolu les problèmes de vos clients dans le monde réel, avec des résultats tangibles rapportés par vos praticiens ? » Et je comparerais cette page à ce que le modèle Demand Driven Adaptive Enterprise réalise quotidiennement. Comme je l’ai dit, venez nous rejoindre la semaine prochaine en Allemagne, rencontrez ces personnes en face à face, discutez avec elles.
Conor Doherty : Quelque commentaire ? Plus de facteurs, aucune digression et aucun argument d’autorité sur Cherry and the cake. Donc, pas d’autres commentaires.
Eh bien, si je peux revenir là-dessus, Carol, encore une fois, et je ne veux pas te mettre de mots dans la bouche, donc corrige-moi si je me trompe, mais la manière dont tu as formulé ta réponse au commentaire de Joannes était presque comme : « Eh bien, je n’ai pas de doctorat non plus, alors bon, je ne suis pas médecin. Je viens de l’informatique et des chiffres. »
Il semblait que tu te positionnais, ainsi que ton approche, non pas comme anti-académique, mais comme compréhensible. Ma question de suivi pour toi est la suivante : si c’est compréhensible mais moins efficace qu’une solution plus sophistiquée, serais-tu d’accord avec cela ?
Carol Ptak: Non, je ne le ferais pas car je pense que c’est plus compréhensible et plus efficace. Quand les planificateurs et les managers peuvent comprendre comment quelque chose fonctionne, alors ils vont l’utiliser. Comme je l’ai dit, il n’y a aucun dirigeant sur Terre qui dira : “Oh, les chiffres proviennent d’un ordinateur, c’est bien.” Parce que je contesterais aussi Joannes en affirmant que vous ne pouvez pas optimiser une supply chain car les supply chains sont des systèmes adaptatifs complexes. Vous pouvez examiner des alternatives et en sélectionner une, mais la réalité est que tant qu’il y aura une variabilité dans l’exécution, il y aura toujours une plage de possibilités dans les résultats réels.
En mode demand-driven, je dirais que non seulement c’est très compréhensible, mais nous n’utilisons rien de plus qu’un niveau de mathématiques de cinquième. Je peux donc comprendre pourquoi Joannes serait offensé par l’académie primaire des mathématiques, mais en même temps, nous n’utilisons rien de plus qu’un niveau de mathématiques de cinquième. C’est très clair, donc les entreprises l’adoptent et elles constatent des résultats incroyables. Il y a une excellente étude de cas ; c’était la dernière fois que nous avons travaillé sur l’Allemagne il y a quelques années. Elle dit : “Ouais, je sais, c’est pareil pour tout le monde : les stocks diminuent de moitié, et le taux de service est en hausse de 90 %, ennuyeux.” Et je me suis dit : “Mec, quand on se lasse de voir ces résultats, c’est qu’on n’est vraiment pas au bon endroit.”
Donc, je vous suggère que non seulement c’est plus facile à comprendre, mais c’est aussi plus efficace. Mais ce n’est pas l’antithèse de la prévision probabiliste, car ces mathématiques peuvent nous aider à comprendre au fur et à mesure que nous avançons dans le modèle une fois la mise en œuvre initiale terminée. Comment nous adapter ? Et c’est là que, je pense, la prévision probabiliste, ainsi que les jumeaux numériques, entrent véritablement en jeu, pour comprendre toutes ces relations. Mais d’abord, la première étape doit être de stabiliser la supply chain afin de pouvoir atténuer cette variabilité opérationnelle.
Conor Doherty: D’accord, eh bien, Joannes, pour être équitable, vous avez pris quelques notes. Avez-vous une réponse à cela ?
Joannes Vermorel: Je veux dire, d’abord, encore une fois, en soulignant des choses qui sont un peu absurdes. Oui, le DDMRP, le système adaptatif complexe et toute cette théorie font de l’optimisation. Il est clairement indiqué dès le début : il optimise le retour sur investissement. Si vous essayez de faire monter ou descendre un chiffre, vous effectuez une optimisation. C’est la définition même d’une optimisation. Donc, quand vous dites, “Vous voyez, c’est le genre de chose qui est complètement schizophrène,” en affirmant, “Oh non, nous ne faisons pas vraiment cela, nous ne faisons pas d’optimisation,” puis que vous venez de mentionner dans la minute suivante que vous essayez d’optimiser le retour sur investissement, eh bien, c’est exactement cela : c’est la définition même de l’optimisation. Et puis, si nous revenons à… Et puis, si nous revenons à…
Carol Ptak: Nous essayons de faire croître le retour sur investissement, pas de l’optimiser.
Joannes Vermorel: Mais c’est la même chose. Faire croître et optimiser, c’est littéralement une manière de prendre une fonction cible — qui peut être le ROI — et de la déplacer un peu dans la direction souhaitée. C’est littéralement la définition de l’optimisation selon Wikipedia. Donc, c’est exactement ce que vous faites. Pour moi, cette approche est insensée.
Et puis, la prévision probabiliste, je suis vraiment désolé, mais les formules et tout ce qui est présenté dans ces livres sont très faibles. Les formules, oui, je peux aussi, encore une fois, utiliser un argument d’autorité de ma part, mais elles sont complètement incompatibles avec la prévision probabiliste. Pour vous donner un aperçu de ce que cela donne, la première chose, c’est que vous ne devez pas examiner vos SKUs de manière indépendante. Vous allez pondérer la contribution de chaque unité indépendamment à travers l’ensemble de l’entreprise. C’est littéralement la prévision probabiliste 101 que vous obtiendrez. Dans cette méthodologie, vous traitez le tampon un par un. Désolé, mais ces éléments n’existent tout simplement pas sur le même plan. Ils ne sont pas compatibles, ni sur le plan des concepts, ni sur celui de la méthodologie, ni sur celui des technologies. Ils sont immensément différents.
Carol Ptak: Ai-je dit que la prévision probabiliste se ferait un tampon à la fois ? Je pense qu’une chose que nous avons toujours affirmée à propos du DDAE, c’est que nous examinons l’ensemble et les relations de cause à effet. Et encore une fois, je vous invite à participer à une formation, venez à Francfort la semaine prochaine. Nous avons environ trois présentations montrant comment la prévision probabiliste examine l’ensemble du réseau et est utilisée avec grand succès dans le modèle DDAE. Conor Doherty: D’accord, prochaine question. Encore une fois, celle-ci s’adresse directement à toi, Carol. Il y en a pas mal. Dès qu’on sera fatigués, on pourra arrêter, on n’est pas obligés d’y répondre toutes. Comment le DDMRP, et je cite textuellement, aborde-t-il les problèmes inhérents à la logique MRP ? Est-il nécessaire de l’exécuter plusieurs fois par jour pour qu’il soit efficace ?
Carol Ptak: Plus vous vous rapprochez de l’exécution du DDMRP en temps réel, plus il devient stable, car il permet à nos planificateurs de disposer des informations en temps réel les plus pertinentes. Est-il nécessaire de fonctionner en temps réel ? Non. La manière dont il compense les limites de la logique MRP réside dans le fait que la force du MRP réside dans sa dépendance totale, et la mauvaise nouvelle avec le MRP, c’est que tout est dépendant. Donc, un retard n’importe où entraîne un retard partout.
Carol Ptak: La logique du DDMRP y répond en insérant des points de découplage fondés sur l’un des six critères pour déterminer où ces positions d’indépendance seront situées, afin d’absorber la variabilité des deux côtés. Cela découple et fournit notre position principale pour la planification. Entre les points de découplage, la planification reste dépendante, comme cela a toujours été le cas. C’est pourquoi nous avons subi de nombreuses critiques lorsque nous l’avons nommé DDMRP, car le MRP est toujours présent. Entre les points de découplage, c’est toujours une planification dépendante, comme par le passé. Ainsi, il compense les limites du MRP par l’insertion de ces points de découplage, qui constituent les positions principales pour la planification.
Conor Doherty: Merci. Joannes, à toi pour un commentaire.
Joannes Vermorel: Oui, je veux dire, il y a plusieurs points ici. Tout d’abord, le MRP est vraiment la mauvaise référence. Dans son essence, il utilise une base de données traditionnelle, et le problème est qu’un noyau transactionnel est absolument nul en termes d’analytique, de toutes sortes d’analyses. C’est de la folie. C’est une référence obsolète qui ne devrait même pas être envisagée.
Ensuite, en ce qui concerne le temps réel, c’est quelque chose pour lequel il faut vraiment remettre en question l’origine de la question. La réalité, c’est qu’un ordinateur moderne, sur la base, vous offre un processeur de 2 GHz. Cela signifie que vous pouvez effectuer deux milliards d’opérations par CPU. Et un ordinateur moderne — ou votre téléphone — possède huit CPU, soit littéralement des dizaines de milliards d’opérations par seconde sur un smartphone.
Donc, la question est : qu’avez-vous qui ne puisse être réalisé avec une latence de quelques microsecondes ? La réponse courte est que, lorsque vous concevez un système reposant sur une base de données transactionnelle, vous obtenez des performances absolument épouvantables. Ainsi, les fournisseurs qui parviennent tant bien que mal à atténuer ces performances désastreuses qualifient cela de temps réel. C’est vraiment absurde, je veux dire, vraiment, vraiment absurde. C’est tout simplement une mauvaise utilisation du matériel informatique moderne. Je pourrais entrer dans les détails, mais je dirais qu’ici nous avons une référence inadéquate tant pour le MRP que pour le temps réel. Voilà mon commentaire.
Conor Doherty: Carol, je pense que certains de ces points pourraient vous sembler justes, étant donné que le MRP constitue une référence inadéquate, non ?
Carol Ptak: Eh bien, la réalité est la suivante : le MRP est utilisé par pratiquement toutes les entreprises aux quatre coins du monde. Donc oui, je reconnais qu’il est obsolète. Je conviens qu’il devait évoluer vers le futur, et c’est pourquoi nous avons adopté le DDMRP. C’est pourquoi nous avons dû mettre en place des tampons de découplage, qui nous ont ensuite permis de gérer les opérations selon un contrôle de processus plutôt que transactionnel, ce que fait le MRP. Dans le MRP, tout est contrôle transactionnel. Vous êtes soit en règle, soit pas, sans moyen de nuancer.
Et vous savez, le MRP en temps réel est apparu d’abord avec PeopleSoft en 2001, et nos clients l’ont détesté. Je veux dire, j’ai l’avantage sur Joannes, car je suis vraiment âgée. Ainsi, lorsque j’enseignais à l’université, des étudiants me disaient combien ils admiraient la manière dont j’avais mené des recherches sur l’histoire de l’informatique, et c’était du genre : “Ouais, ce n’était pas de la recherche, c’est anecdotique, tu l’as vécu.”
Et nous pensions vraiment qu’à mesure que les ordinateurs devenaient plus rapides, cela résoudrait notre problème. Mais nous avons découvert qu’à mesure que les ordinateurs s’accéléraient, nos problèmes s’aggravaient, et cela à cause de la nervosité du système. Ma toute première réunion APICS, il y a 46 ans, portait sur cette nervosité. Nous en étions conscients à l’époque ; nous ne savions tout simplement pas comment y remédier. Et nous ne savions pas comment y remédier avant l’arrivée du DDMRP pour stabiliser la fonction de planification.
Mais toute l’idée de l’APS, c’est qu’il n’existe aucune implémentation d’APS qui ait connu le succès. Pour reprendre la définition de Joannes, le succès, c’est : est-ce que cela a amélioré le ROI de l’entreprise ? Et c’est parce qu’on tente de réaliser cette optimisation multi-échelons sur la base d’une fonction métier incorrecte. Et je suis d’accord avec lui : la technologie doit évoluer lorsque les règles de gestion changent, et ces règles de gestion doivent évoluer lorsque la technologie change. C’est ce que Eli et moi avons écrit en 2000 lorsque nous avons rédigé “Necessary but Not Sufficient.”
Conor Doherty: Merci.
Joannes Vermorel: Oui, je voudrais à nouveau commenter : c’est une mauvaise utilisation des termes. Quand je dis “transactionnel” pour un système de base de données, je l’entends d’une manière très spécifique. Cela renvoie à la façon dont on conçoit les bases de données. Et quand on parle de transactionnel, cela n’a rien à voir avec la finance ou un quelconque processus. Cela signifie essentiellement la propriété ACID : atomicité, cohérence, isolation, durabilité. Ce sont des propriétés garanties par votre système de stockage. Et le DDMRP est tout aussi transactionnel que le MRP en tant que paradigme. Dans toutes les implémentations que j’ai vues, vos fournisseurs qui proposent le DDMRP le font sur des bases de données SQL, tout comme tout le monde qui utilisait le MRP. Encore une fois, il y a tellement de cas où vous employez des mots sans les utiliser correctement. Cela signifie que si vous parlez de transaction, vous faites référence à quelque chose qui n’a rien à voir avec la conception des systèmes de base de données. Vous finissez par vous égarer en utilisant le terme “transaction” pour quelque chose qui relève davantage de la méthodologie du DDMRP. Et encore, ce sont des choses complètement différentes. Je suis désolé, je souligne simplement qu’une fois de plus, nous avons des paramètres, mais nous changeons constamment la sémantique de ce que signifient réellement ces mots.
Carol Ptak: Eh bien, et je pense que c’est là que notre conversation, initiée lors de la mise en place de ce débat, doit aboutir à une définition. Parce que ma vision du monde provient d’une vie entière passée à gérer la production, à être planificatrice opérationnelle, à travailler sur le terrain, à être superviseure, à occuper le poste de VP des opérations et à intervenir dans l’industrie informatique en tant qu’experte sectorielle. Vous savez, j’aborde la question d’un point de vue pratico-pratique, du monde réel, et non de ce que l’on appelait autrefois la petite maison blanche, c’est-à-dire l’informatique d’antan avec ses sols surélevés. Et c’était pour cela qu’on voulait sortir en été, parce qu’ils devaient être climatisés. Je ne viens donc pas du milieu des bidouilleurs. J’adopte la perspective du monde réel sur la manière dont on gère réellement une opération et l’exploitation d’une installation de production dans le cadre d’une supply chain intégrée. Donc, oui, je dirais que nous avons probablement des définitions très différentes, mais mes définitions seraient celles adoptées par le monde réel : est-ce que cela répond aux défis actuels ? Et c’est de ce monde-là que je viens.
Conor Doherty: D’accord, désolé, je vais simplement insister un peu parce qu’il y a de nombreuses questions à aborder. Mais nous pourrons revenir sur ce point plus tard. Alors, Joannes, et comme vous avez déjà abordé ce sujet, vous pouvez faire court, je suppose. Quelle est la technologie minimale requise pour construire une optimisation ?
Joannes Vermorel: Je suggère de formuler le problème autrement : quelles sont les technologies qui vous empêchent explicitement d’y parvenir ? Vous voyez, parce que la réalité est que data science, en général, a besoin de très, très peu. C’est pourquoi, par exemple, Python est si populaire.
Donc, en fin de compte, il n’y a pas d’exigence minimale, mais il faut être conscient de tout ce qui se met en travers de votre chemin. Et dans l’état actuel des technologies logicielles, c’est énorme. Mon message est donc : ne pensez pas aux choses dont vous avez besoin, pensez à celles dont vous n’avez pas besoin et éliminez-les. Une fois revenu au noyau, au cœur algorithmique, tout ira bien. Conor Doherty: Carol, je sais que vous avez dit que la supply chain ne pouvait pas être optimisée, mais, vous savez, laissez-moi vous demander : si vous pensiez qu’elle pouvait l’être, quelle technologie serait nécessaire ? Joannes Vermorel: Je suggère de formuler le problème autrement : quelles sont les technologies qui vous empêchent explicitement d’atteindre cela ? Vous voyez, parce que la réalité est que data science, en général, a besoin de très, très peu. C’est pourquoi, par exemple, Python est si populaire.
Mon point de vue est que la malédiction de nos jours, c’est que les systèmes d’entreprise modernes comportent des milliers de couches. Vous avez la base de données, les systèmes d’exploitation, toutes sortes de caches, toutes sortes de couches de récupération de données, etc., des couches sur couches. Et donc, essentiellement, ce que font les systèmes d’enterprise software modernes, c’est qu’ils se contentent de déplacer des données d’une couche à l’autre, ce qui implique une quantité énorme de ressources informatiques, de mémoire, de CPU, de bande passante et bien d’autres choses.
Donc, en fin de compte, il n’y a pas d’exigence minimale, mais il faut être conscient de tout ce qui fait obstacle. Et dans l’état actuel des technologies logicielles, c’est immense. Mon message est donc : ne pensez pas aux choses dont vous avez besoin, mais aux choses dont vous n’avez pas besoin, et débarrassez-vous-en. Et une fois revenu au cœur, au noyau algorithmique, tout ira bien.
Carol Ptak: Oh, pour moi, la technologie… vous savez, je laisse cela à Joannes. Je vis dans le monde réel, avec les problèmes concrets liés aux méthodologies. De plus, j’ai toujours travaillé très étroitement, ayant fait un passage chez IBM, et j’ai eu le grand honneur de collaborer avec le Watson Research Center. Vous savez, ce sont ces brillants docteurs ; je ne fais pas partie de ce groupe. Je suis simplement une responsable opérationnelle très pragmatique qui a eu la chance de connaître une carrière des plus réussies au cours des 45 dernières années.
Conor Doherty: D’accord, alors je vais continuer. Carol, encore une fois, compte tenu du temps qui nous est imparti, le DDMRP — ou même le DDAE — a-t-il été implémenté avec succès dans de grandes organisations de distribution comprenant plusieurs centaines de magasins ? Le cas échéant, pourriez-vous fournir des exemples ?
Carol Ptak: Bien sûr, oui. D’abord, le premier qui me vient à l’esprit est Mick. La plupart des opérations de retail dans lesquelles cela a été implémenté se situent en Amérique du Sud. Donc Mick a, ils possèdent plusieurs magasins de retail. J’essaie de penser à d’autres exemples. Le plus grand détaillant en Colombie a implémenté DDMRP. Il y a un défi unique avec le retail car le retail se caractérise par ce qu’on appelle une longue traîne. Typiquement, environ 10 % de leurs produits génèrent 90 % de leur chiffre d’affaires, et 90 % de leurs produits génèrent 10 % du chiffre d’affaires.
C’est donc une application unique, mais la plupart des implémentations de retail se trouvent en Amérique du Sud et au Mexique. Et nous avons également une opération retail en provenance d’Afrique du Sud. Takealot devait assister à la conférence, et c’est le plus grand magasin d’Afrique du Sud.
Conor Doherty: D’accord, merci. Je vais continuer. Il n’y a pas vraiment grand-chose à ajouter à cette question, Carol. Vous avez mentionné le concept de flow à plusieurs reprises. Pourriez-vous en donner une définition et expliquer ce que cela signifie dans le contexte de DDMRP, s’il vous plaît ?
Carol Ptak: Eh bien, c’est le pilier fondamental. Le flow est le taux auquel une supply chain convertit des matériaux en produits requis par un client. Et c’est très précis. Le flow est le taux auquel une supply chain convertit des matériaux, des intrants, en extrants requis par un client. C’est absolument le pilier fondamental sur lequel repose le DDMRP. C’est également le pilier fondamental du Lean, de la Théorie des Contraintes ainsi que de nombreuses autres approches, plus courantes, plus récentes, je devrais dire, d’amélioration des opérations. Voilà donc tout le pilier fondamental. Comme je l’ai dit, si Joannes voulait écrire un véritable Post-It sur le demand-driven, tout tourne autour du flow.
Conor Doherty: Merci, Carol. Joannes, vous avez pris quelques notes. Souhaitez-vous répondre ? Eh bien, celle-ci vous est adressée. Comment Lokad intègre-t-il l’adaptabilité au niveau du système tout en équilibrant la sensibilité de la solution face aux variations de la supply chain ?
Joannes Vermorel: Il y a donc deux angles à considérer. En ce qui concerne la sensibilité à la variation, la question est : est-ce souhaitable ou non ? Il existe des classes de recettes numériques qui sont, je dirais, excessivement enclines à déclencher des résultats, et cela est très nuisible car dans une supply chain, on observe des effets de verrouillage. Une fois qu’une série de production est déclenchée, il n’est plus possible de revenir en arrière, il faut donc vivre avec sa décision.
Ainsi, vous ne voulez pas vraiment de recettes numériques excessivement enclines au déclenchement et erratiques par elles-mêmes. D’ailleurs, l’un des aspects de la prévision probabiliste est qu’elle a tendance à rendre les recettes numériques beaucoup plus stables. Une grande partie de l’incertitude présente dans les systèmes traditionnels vient du fait que, lorsqu’on dispose d’une prévision classique, une légère déviation tend à se transformer en une divergence massive en aval. Ce problème est donc résolu en passant à la prévision probabiliste et à l’optimisation stochastique.
Maintenant, nous abordons un autre angle dans la question, à savoir l’adaptabilité. La réalité est que lorsque vous avez une recette numérique et que quelque chose de catastrophique ou de complètement inédit se produit, il n’existe aucun substitut à l’intelligence humaine. La méthode de Lokad consiste à avoir des Supply Chain Scientist capables, en très peu de temps, de réécrire et d’adapter les recettes numériques pour s’adapter à la nouvelle situation. Encore une fois, nous ne disposons pas d’une boule de cristal ; nous ne pouvons anticiper quelque chose de radicalement inédit comme, par exemple, l’Evergreen bloquant un canal.
Mais lorsqu’un tel événement se produit, il y a tellement de changements que cela requiert un esprit humain. Cependant, l’esprit humain n’est pas là pour colmater chaque SKU individuellement ; il est là pour réécrire la recette numérique. Ensuite, nous reprenons les affaires. Toutes les décisions sont automatisées, et cela se fait automatiquement et à grande échelle.
Conor Doherty: Carol, souhaitez-vous ajouter quelque chose à cela ?
Carol Ptak: Je ne peux pas discuter de Lokad.
Conor Doherty: Eh bien, cette question était initialement destinée à vous, Carol, mais en réalité, je pense qu’il serait plus intéressant de la poser d’abord à Joannes afin de pouvoir ensuite comparer vos réponses. Alors, Joannes, pourquoi êtes-vous réticent à comparer des études de cas de prévision probabiliste avec celles du DDMRP ou celles de Carol ? Disons-le ainsi.
Joannes Vermorel: Parce qu’avant tout, je ne crois absolument pas aux études de cas dans les logiciels d’entreprise ou les pratiques d’entreprise. Ce domaine est en proie à des problèmes depuis, essentiellement, les années 1950. Le problème, encore une fois, c’est le conflit d’intérêts massif. Pensez-y de cette manière : le fournisseur ne publiera pas une étude de cas à moins de le mettre sur un piédestal.
Et ensuite, les clients, les managers qui risquent leur réputation lorsqu’ils se lancent dans une initiative, ont un énorme incitatif à faire croire au monde entier que cette initiative a parfaitement fonctionné. Mon observation de court terme est que 90 % des initiatives en supply chain échouent dans toutes les entreprises, tous les pays, tous les secteurs. 90 %, c’est le même socle.
Et combien d’études de cas puis-je citer durant toute ma carrière qui aient montré des résultats désastreux ? Aucune, pas une seule. La seule étude de cas négative que j’aie pu trouver relevait, je dirais, de brillants journalistes. Par exemple, j’encourage cette audience à lire “The Last Days of Target Canada.” C’est une fantastique synthèse de toutes les choses qui ont mal tourné, mais c’est extrêmement rare.
Leo a perdu un demi-milliard d’euros il y a quelques années seulement sur une initiative d’optimisation de stocks SAP. Pas d’étude de cas. Vous voyez donc mon point de vue. Le conflit d’intérêts est tellement important qu’il ne s’agit pas de comparer mon étude de cas à la vôtre. Cette approche doit disparaître. C’est une méthodologie qui doit être rejetée catégoriquement, point final.
Conor Doherty: D’accord. Eh bien, Carol, la question était initialement pour vous. Alors, pourquoi pensez-vous que Joannes est réticent à comparer les études de cas avec les vôtres ?
Carol Ptak: Eh bien, c’est une très bonne question, et lui seul peut y répondre. Je sais qu’il est très réticent à l’égard des études de cas. Pour l’observateur du monde réel, la question serait évidemment : “En avez-vous ?” Et j’encourage les gens à parler avec ces personnes, pas seulement à se fier à ce qui est publié, mais à venir réellement échanger avec eux et obtenir les détails.
Parce que nous les encourageons à dire concrètement : “Si nous devions refaire les choses, que ferions-nous différemment ? Où avons-nous échoué ? Qu’est-ce qui n’a pas fonctionné ? Qu’est-ce que nous pensions qui fonctionnerait ?” Nous encourageons ce type de transparence dans nos études de cas. Comme je l’ai dit précédemment, nous n’autorisons pas les entreprises de logiciels ni les entreprises de conseil à réaliser ces études de cas. Ce sont les personnes qui le font.
C’est pour cette raison que nous organisons Demand Driven World, afin de permettre à ces praticiens de discuter entre eux pour partager ce qui a fonctionné, ce qui n’a vraiment pas fonctionné, ce qu’ils ont appris, comment nous pouvons apprendre les uns des autres. Non seulement les succès, qui sont importants, mais aussi comment tirer des enseignements des échecs. Qu’est-ce qui n’a pas bien fonctionné ?
Et je pense que c’est tout aussi crucial. Si nous pouvons aider à partager les échecs afin que quelqu’un d’autre n’ait pas à trébucher sur le même obstacle, alors je pense que c’est une bonne chose. C’est pourquoi nous organisons Demand Driven World. La plupart de nos implémentations se trouvent en Europe, c’est pourquoi nous nous rendrons en Europe la semaine prochaine.
Mais nous pensons que les études de cas sont absolument essentielles, car c’est la première chose qu’on nous demande. Comprenez, Demand Driven Institute, nous ne sommes pas une société de conseil. Nous ne sommes pas une entreprise de logiciels. Nous n’avons jamais été une entreprise de logiciels, et nous n’avons jamais été une société de conseil. Nous sommes simplement des leaders d’opinion dans le domaine de la supply chain. Ainsi, nous sommes très indépendants de toutes les entreprises de logiciels.
Mais lorsque les gens ont envisagé le demand-driven, cela a évolué juste après la pandémie. Je dirais que le discours est passé de “Avez-vous essayé le demand-driven ?” à “Pourquoi n’avez-vous pas essayé le demand-driven ?” Et cela était dû aux résultats que l’entreprise a observés durant la pandémie avec des implémentations déjà en place.
Conor Doherty: D’accord, je vais continuer, mais je reviendrai vers vous, Carol. D’abord, encore une fois, c’est à vous deux, mais je vais commencer par Carol puisque vous parliez déjà. Dans un monde hautement VUCA, avec une demande éparse et erratique, comment prendriez-vous des décisions sans augmenter significativement les niveaux de stocks ? Et sous-question : comment gérez-vous l’incertitude sur l’incertitude dans de telles situations difficiles ?
Carol Ptak: Eh bien, c’est là que vous devez vraiment comprendre le fonctionnement de l’entreprise. Cette question ne fournit pas suffisamment d’informations. Qu’entend-on par incertitude sur l’incertitude ? Quelle part de cette incertitude est auto-induite ? Quelle part est due à votre stratégie de tarification ? Il y a beaucoup de couches à décortiquer pour arriver à la racine du problème.
J’étais récemment à une conférence dans le Wisconsin où une entreprise de logiciels m’a approchée et m’a demandé : “Comment proposeriez-vous de faire l’allocation en cas de pénurie ?” J’ai demandé : “Votre client a-t-il un excès de stocks ?” “Oh oui, ils ont trop du mauvais produit, et pas assez du bon.” J’ai répondu : “Eh bien, résolvez ce problème.” Parfois, ce que nous constatons, c’est que cette variabilité sur l’incertitude est auto-induite.
Si je veux être un fournisseur de réponse rapide, avec une forte variabilité et un faible volume, vous n’allez pas y parvenir en important depuis la Chine. C’est une stratégie différente. Votre stratégie doit être en alignement avec votre capacité opérationnelle, et cette capacité vous permet d’avoir différents avantages stratégiques. Il faut que tout soit cohérent. C’est pourquoi DDAE examine la stratégie, le tactique et les opérations en les distinguant en trois domaines pertinents.
Conor Doherty: Merci. Joannes, même question.
Joannes Vermorel: C’est donc une question très intéressante. Commençons par les comportements épars et intermittents. Épars et erratiques, c’est précisément là que l’approche probabiliste brille vraiment. Lorsque vous traitez de quelque chose d’épars, vous devez disposer d’un instrument mathématique qui vous permette de gérer les motifs subunitaires.
Si vous demandez simplement : “Combien d’unités vais-je vendre sur une semaine ?” vous pourriez dire : “50 % de chance de vendre une seule unité.” Dans le monde classique, on dirait 0,5, mais cela n’a pas de sens car vous ne pouvez pas fractionner une unité ; elle est emballée. La perspective classique a du mal avec les prévisions subunitaires, ce qui aboutit à beaucoup d’incohérences, car vous obtenez des nombres fractionnaires qui ne correspondent pas à la réalité. Ils existent en mathématiques, mais ils n’existent pas dans la supply chain où c’est soit zéro soit un.
Avec les probabilités, vous obtenez une solution élégante qui fonctionne réellement, dans laquelle vous pouvez avoir une probabilité pour zéro, une probabilité pour une, une probabilité pour deux unités, par exemple, et peut-être une probabilité pour 50 unités également, ce qui correspondra à un pic erratique. Donc, pour les cas épars et intermittents, c’est là que ça brille vraiment.
Maintenant, lorsque vous empilez l’incertitude sur l’incertitude, c’est une question très intéressante. Comment procéder dans un monde déterministe lorsque vous ajoutez un délai sur un autre délai ? La réponse : vous effectuez une somme, une addition qui semble tout à fait normale. Vous pouvez donc additionner, soustraire, multiplier. Il s’avère que lorsque vous avez de l’incertitude, si vous disposez de quelque chose comme une algèbre des variables aléatoires, vous pouvez effectuer toutes ces combinaisons d’incertitudes, et vous parviendrez effectivement à calculer les incertitudes résultantes qui s’ajoutent à l’ensemble. Donc, je ne décris pas exactement la solution ; je décris simplement les instruments qui vous permettent d’y parvenir.
Tout d’abord, il vous faut, je dirais, des instruments statistiques qui traitent de l’épars et de l’erraticité. Ce ne sera donc pas le type classique de prévision. Ce ne sera pas non plus les buffers, ces moyennes mobiles glorifiées, qui sont présentés dans le DDMRP. Ensuite, lorsque vous traitez des incertitudes cumulées, vous devez disposer des instruments qui vous permettront de le faire. Cela se pratique depuis un demi-siècle en finance. Ce n’est pas de la magie. Lokad n’a pas inventé cela. C’est simplement un instrument légèrement inhabituel, mais il est très simple d’utilisation. Tout comme additionner, soustraire et multiplier des nombres vous semble naturel, vous apprendrez simplement à le faire en tenant compte de l’incertitude.
Conor Doherty: D’accord, merci. Je vais continuer. Alors, c’est une question assez longue. Je vais simplement essayer de la résumer en temps réel. Euh, d’accord, eh bien, cela s’adresse à vous, Joannes, puisque vous y avez déjà partiellement répondu. Il y a plusieurs éléments en jeu, mais je vais lire les bases.
Pour Joannes : quelle est votre principale critique du modèle DDMRP, et quels aspects spécifiques en remettez-vous en question ? Je pense que vous y avez déjà répondu, mais je n’ai pas entendu d’argument solide contre le DDMRP hormis le fait qu’il soit trop simple. Si un modèle simple peut donner des résultats, pourquoi aurions-nous besoin de modèles de dynamique des systèmes plus complexes et sophistiqués ?
Joannes Vermorel: Ma principale critique est qu’il y a extraordinairement peu, vous savez, et c’est pourquoi je pointais sur certaines pages. Parce qu’en rassemblant les éléments, on se rend compte qu’il s’agit essentiellement de beaucoup de néant. Et l’idée que, sur la base de beaucoup de néant assemblé, vous allez obtenir, voilà, un grand ensemble, je trouve cela complètement absurde. Donc, ma critique principale est qu’il est très, très faible, tant au niveau de chaque composant qu’en tant que modèle global.
Et puis vous revenez à la question de savoir pourquoi cela fonctionne si bien ? La question, si vous partez du principe que toutes les études de cas sont véridiques—désolé, je ne peux rien faire pour vous—si vous supposez, comme l’étude de cas le présuppose, que vous pouvez obtenir une augmentation fiable de 60 % du chiffre d’affaires en appliquant le DDMRP au retail tout en réduisant de moitié les stocks dans le même processus et en donnant l’impression que le magasin est encore plus fourni, si vous pensez que c’est le genre de résultat que vous pouvez obtenir, vous savez, parce que c’est ce qui est présenté—désolé, encore une fois, j’ai un pont à Brooklyn à vous vendre. Voilà.
Conor Doherty: Eh bien, Carol, je voudrais revenir sur ce point, qui s’appuie sur ce qui a été dit. Encore une fois, il s’agit d’une question basée sur l’écoute de Joannes et de l’ensemble de la conversation. Au début, vous avez commenté, “J’ai été surprise que Joannes veuille parler des livres.” Et encore une fois, je ne vais pas parler à la place de Joannes, mais pour ma part, si vous dites, “Hé, voulez-vous en apprendre davantage sur quelque chose ? Voici plusieurs livres qui expliquent, comme des manuels, comment un avion décolle,” vous lisez sur aviation ou l’aéronautique, vous apprenez le principe de Bernoulli. C’est écrit dans un livre. Je n’apprends donc pas que les avions volent ; je lis ce livre pour comprendre comment les avions volent.
Alors, quand vous parlez d’études de cas, et je vais, pour les besoins de l’argumentation, simplement dire que ça fonctionne, d’accord, mais je pense que pour Joannes et peut-être pour les auditeurs également, le problème c’est que si je veux apprendre comment ça fonctionne, vous dites que ce n’est pas dans les livres.
Carol Ptak: Oh non, c’est clairement dans les livres. Joannes dit que ce n’est pas dans les livres. C’est dans les livres. Nous avons écrit ces trois livres pour trois marchés très distincts et différents. Le livre “Demand Driven Adaptive Enterprise” a été écrit pour un cadre afin de comprendre comment l’ensemble est structuré. Le livre “Adaptive S&OP” a été rédigé pour l’équipe S&OP pour expliquer comment relier désormais un processus S&OP stratégique qui produit un plan d’affaires adaptatif pouvant être traduit en un modèle opérationnel demand-driven. Et le livre “DDMRP” montre très précisément comment fonctionne le moteur DDMRP.
Maintenant, j’adore la critique selon laquelle c’est trop simple. Je pense que c’est le plus beau compliment que je puisse recevoir. Pourquoi ? Parce qu’il est très facile de rendre les choses complexes. Il est très difficile de rendre les choses simples. Et nous avons travaillé très, très dur pour rendre le concept simple à comprendre et facile à mettre en œuvre.
Donc, toute la conversation d’aujourd’hui porte sur la question suivante : est-ce que le modèle DDAE résout le problème dans la supply chain réelle d’aujourd’hui ? Eh bien, c’est du monde réel. Nous devons avoir quelque chose qui soit compréhensible, facile à mettre en œuvre et qui génère des résultats significatifs. Vous savez, en examinant les outils de pensée critique, on recherche toujours cette idée révolutionnaire qui résout de nombreux problèmes de manière très profonde. Et c’est ce que fait le demand-driven.
Je veux dire, j’adore Eli Goldratt. Je veux dire, il exprimait toujours les choses si bien. Vous savez, il disait, “Si vous devez utiliser les mathématiques pour vous expliquer, alors vous ne savez pas de quoi vous parlez.” J’adore Goldratt. Je veux dire, il a proposé de grandes idées, vous savez, alors si la pire critique de Joannes est qu’il n’aime pas ce que nous appelions une équation, d’accord, le reste du monde appelle cela des équations. Et il existe certaines exigences de mise en forme imposées par une maison d’édition, et je ne sais pas combien de livres Joannes a publiés, mais il y a des exigences de formatage quand on publie un livre, où il faut absolument étiqueter les éléments en tant que graphique et figure, d’accord ? Et c’est une exigence.
Alors, vous traitez avec les maisons d’édition, et nous serions heureux de retirer tout cela, mais c’est une exigence. Je ne sais pas combien de livres vous avez eu l’expérience de publier, mais vous constaterez que c’est une exigence lorsque vous publiez avec certaines des maisons d’édition de premier plan, comme si tous ces éléments devaient être étiquetés. Ainsi, qualifier ce que nous faisons de simple est le plus beau compliment que je puisse imaginer, car nous travaillons très, très dur pour le rendre simple à comprendre, simple à mettre en œuvre, tout en produisant des résultats profonds.
Conor Doherty: D’accord, merci, Carol. Je renvoie la parole à Joannes.
Joannes Vermorel: Oui, je pense que c’est une mauvaise interprétation de ma critique. Je n’ai pas dit que ces livres étaient simples. Au contraire, j’ai largement montré qu’ils sont très alambiqués pour présenter des choses qui, au final, sont très simples. C’est quand je dis que vous passez littéralement une demi-douzaine de pages en anglais pour dire, “Ajoutez ceci, soustrayez cela, multipliez par cela.” Il est tout simplement incroyablement difficile de suivre ce qui aurait pu être présenté, encore une fois, avec des formules de l’école primaire, très basiques.
Et au contraire, voyez-vous, c’est là tout l’enjeu de ce livre. Je ne critique pas le fait qu’ils soient trop simples. Ce n’est pas mon point. Mon point, c’est qu’ils sont excessivement faibles. C’est une critique tout à fait différente. La faiblesse n’est pas la simplicité. On peut avoir des choses excessivement simples et belles. Les équations de Maxwell, vous savez, excessivement simples, belles. Oui, le formalisme est assez élaboré, mais ce n’est pas le type de problème de simplicité dont je parle.
Mon point est que ces livres auraient pu être considérablement simplifiés, en fait drastiquement, encore une fois, en se conformant aux normes établies lorsque vous avez des éléments à additionner, soustraire, etc., il suffit d’utiliser une formule simple, et vous ne vous étalez pas littéralement sur une demi-douzaine de pages d’explications extrêmement compliquées et alambiquées pour expliquer ce qui est simple. Et mon argument, la critique, est qu’en faisant cela, vous gonflez le nombre de pages, vous augmentez la masse de mots pour, au final, livrer très, très peu sur, encore une fois, 900 pages.
Conor Doherty: Très bien, je vais continuer. À ce stade, nous avons déjà avancé pendant 80 minutes, donc je vais commencer à éliminer les questions qui ont déjà trouvé réponse. Encore une fois, je ne vais pas redemander à Joannes à propos des études de cas DDMRP. Nous avons déjà bien parcouru ce terrain. Oui, donc pour cela, je m’adresserai d’abord à Carol.
Pouvez-vous définir conjointement le périmètre, les situations ou les conditions dans lesquelles quelque chose de plus sophistiqué que le DDMRP est requis ? Par exemple, dans les processus de démontage, il semble que le DDMRP fasse défaut. Comment aborderiez-vous de tels scénarios ?
Carol Ptak: En réalité, dans le démontage, cela a très bien fonctionné. L’une des premières études de cas concernait une entreprise appelée Erickson Air-Crane. Désolée, Joannes, pour revenir à une étude de cas, mais Erickson Air-Crane possède en fait le certificat de vol de l’hélicoptère Sikorsky. Ainsi, ils disposent d’un processus complet de démontage. Donc, cela fonctionne en réalité très, très bien, et cela fonctionne là-bas très bien en raison du haut niveau de variabilité.
Lorsqu’un avion arrive, il atterrit tel qu’il a été entretenu. Ensuite, il faut déterminer comment il a été construit, conçu, et puis essayer de tout remettre en place. Et ensuite, vous avez un problème avec votre certificat de vol FAA qui stipule qu’une pièce a été rétrofit et est valable jusqu’au 31 octobre 2024, mais qu’une autre pièce a été rétrofit et est valable jusqu’au 1er juin 2025. La structure n’est certifiée que jusqu’au 31 octobre 2024 parce que toutes les pièces doivent correspondre. Donc, lorsqu’on se trouve face à ce genre de forte variabilité, cela fonctionne plutôt bien.
Ce que je dis aux gens, c’est qu’on me demande toujours : “Dans quelle industrie cela ne convient-il pas ?” L’industrie où le demand-driven ne convient pas, c’est si vous êtes dans une industrie hautement fiable où le temps de tolérance de vos clients est plus court que votre délai cumulatif et où vous ne subissez aucune variabilité des opérations, alors cela ne fonctionnera pas.
Implicitement, non, je n’ai pas trouvé cet endroit dans le monde, mais hé, vous savez, théoriquement, vous pourriez aller jusqu’à ce point. Plus il y a de variabilité, de volatilité, d’incertitude, de complexité et d’ambiguïté, mieux cela fonctionne, car c’est pour cela qu’il a été conçu. Demand Driven Adaptive Enterprise a été conçu pour le monde VUCA d’aujourd’hui, et il fonctionne dans le monde VUCA d’aujourd’hui.
Conor Doherty: Je vous laisse répondre.
Joannes Vermorel: Oui, je prendrais cet exemple comme, encore une fois, pour le public. D’accord, parlons aviation. Nous avons des pièces qui comportent des heures de vol et des cycles de vol. Je simplifie beaucoup pour le public. Cela signifie donc que, lorsque vous regardez vos stocks, vous ne pouvez pas dire, “J’ai une unité, deux unités, trois unités, cinq unités.” Cela n’a pas vraiment de sens, car chaque unité que vous possédez comporte un certain nombre d’heures de vol et de cycles de vol, d’ailleurs.
Ainsi, vous pouvez vous retrouver avec des milliers d’heures de vol pour une seule pièce ou, peut-être, avec seulement 100 heures de vol pour deux pièces, pour une raison quelconque. En fin de compte, ce que vous ne pouvez plus faire, c’est avoir une représentation unidimensionnelle de votre SKU. Vous ne pouvez donc pas dire, “J’ai une, deux, trois, quatre, cinq unités supplémentaires.” Vous avez besoin d’une représentation multidimensionnelle du SKU.
Et encore, si je reviens au DDMRP et à tout ce qui est dans les livres, ces points ne sont jamais abordés, même pas par ce qui pourrait traiter les points épineux. Ils ne sont pas abordés. Je garantis à ce public que vous ne trouverez rien qui vous permette de gérer des problèmes de SKU à dimensions multiples. Et pourtant, c’est littéralement le genre de non-linéarité et de complexité que les livres se fixaient comme objectifs dès le début.
Carol Ptak: Je suis d’accord avec Joannes, absolument. Oui, nous ne traitons pas des pièces multidimensionnelles. Est-ce que cela signifie que nous ne savons pas comment le faire ou que nous ne savons pas comment l’implémenter ? Absolument pas. Mon expérience est dans l’aérospatial. J’ai beaucoup travaillé avec les dépôts d’aviation NAA à Cherry Point, Jacksonville, et en Californie, ainsi qu’avec des compagnies d’hélicoptères. Je veux dire, c’était ma carrière. Si vous faites des recherches, j’ai passé 20 ans dans l’aérospatial.
Donc, je comprends les pièces multidimensionnelles parce que vous avez différents numéros de SKU avec différents codes de condition et différentes heures de vol. Et Joannes, vous avez absolument raison. Nous ne traitons pas des pièces multidimensionnelles dans aucun de ces livres. Maintenant, je veux dire, si vous souhaitez lire un livre ERP, mon livre ERP est la première fois que la remanufacturation apparaît dans un livre. Mais c’est un environnement tellement spécialisé que si nous devions tout inclure concernant chaque environnement existant, ces livres feraient 3 000 pages.
Ce sont les fondamentaux, les éléments de base de toute Demand Driven Adaptive Enterprise. Il y a différentes dimensions que vous ajoutez, comme nous avons déjà discuté du retail, vous savez, nous abordons l’aérospatial, la remanufacturation, la gestion de projets. Que dire d’une entreprise qui n’utilise jamais le même matériel deux fois ? Des implémentations du demand-driven très réussies. Ainsi, ces livres représentent les éléments de base.
Vous savez, c’est comme vous l’avez mentionné plus tôt, vous savez, si je lisais sur le vol, oui, je lirais les livres et je comprendrais le principe de Bernoulli et tout ça, mais cela ne ferait pas de vous un pilote de 747.
Conor Doherty: Ça ferait de moi un ingénieur rien qu’en complétant cette analogie. Mais Joannes, votre…
Joannes Vermorel: Non, je pense qu’encore une fois, nous sommes face, pour le public, à un argument d’autorité, dont j’ai parlé dès le début, à savoir, “Faites-moi confiance.” Bref, je propose que nous passions à autre chose afin de ne pas revenir sur les mêmes arguments.
Conor Doherty: Eh bien, d’accord. Bon, celui-ci s’adresse à Joannes. Ainsi, l’APICS et l’ASCM soulignent également l’importance de la frontière push-pull. Dans votre solution, à quel moment dans le réseau supply chain passez-vous d’une approche push à une approche pull ?
Joannes Vermorel: Tout d’abord, la distinction entre push et pull provient à nouveau d’une mauvaise base. Nous revenons ainsi à la mentalité des années 1970 où l’on supposait que les différentes parties de l’organisation ne pouvaient pas communiquer entre elles. Ainsi, en effet, vous devez avoir une partie qui décide quand pousser ou quand tirer. Mais encore une fois, cela n’a pas de sens à l’ère d’Internet. Pourquoi ? Très simplement, vous pouvez ajouter une couche d’intelligence, qu’elle soit artificielle ou non, cela n’a pas d’importance, tant que vous disposez d’un réseau.
La seule chose est de déclencher des décisions. Si vous décidez de déplacer 10 unités du point A vers le point B, c’est simplement une question de perspective : si c’est le point A qui appelle les unités, alors vous êtes en mode pull. Si c’est le point B qui décide, alors vous êtes en mode push. Encore une fois, cette distinction n’est pas valable à l’ère d’Internet. Donc, selon moi, veuillez ne pas conserver ces concepts qui ont été rendus obsolètes il y a 25 ans, en grande partie grâce à l’idée qu’on dispose d’un réseau Internet et que l’information peut circuler librement à travers votre supply chain.
Chez Lokad, nous ne traitons pas vraiment de cela parce que c’est un problème obsolète, qui n’existe que dans les entreprises qui persistent à utiliser, je dirais, des méthodologies et des perspectives obsolètes.
Conor Doherty: Très bien, il reste deux questions, puis nous allons passer à la section suivante car cela fait un bout de temps. Mais Joannes, commencez. Quelle est l’efficacité des calculs traditionnels de stock de sécurité pour une entreprise gérant à la fois un volume élevé et une grande variabilité dans ses opérations ?
Joannes Vermorel: Le stock de sécurité est défaillant par conception à bien des égards. Je serai bref, mais l’essentiel est : pourquoi est-il complètement défaillant ? Chaque fois que vous investissez 1 $ dans votre supply chain, ce 1 $ est en concurrence, disons, avec tous les investissements dans les stocks. Il fait concurrence à tous les SKU. Tous les SKU se font concurrence pour ce 1 $. Votre modèle de stock de sécurité suppose que vous pouvez traiter un SKU en totale isolation, en ignorant tout ce qui se passe pour les autres SKU. C’est littéralement le modèle de stock de sécurité.
Sur ce seul postulat, le stock de sécurité est complètement défaillant. Et puis, vous avez un deuxième problème, qui est un détail d’implémentation, mais qui, en pratique, est vraiment un tueur, à savoir l’hypothèse d’une distribution normale qui est faite par-dessus. Ainsi, le stock de sécurité signifie invariablement, tant dans les manuels que dans les implémentations logicielles, l’utilisation de distributions normales pour la demande et pour les délais. Et c’est fou.
Ainsi, le gros problème est, encore une fois, que tous les SKU se disputent le même investissement. Donc toute logique indépendante des SKU est défaillante par conception. Et puis, il y a un second problème, qui est les mathématiques utilisées, lesquelles sont vraiment inadéquates.
Conor Doherty: Merci. Carol, vos impressions ?
Carol Ptak: Je suis ravie d’avoir trouvé un autre point d’accord avec Joannes. Le stock de sécurité est fondamentalement défaillant, absolument. D’accord, c’est l’une des deux choses que nous éliminons dans la méthodologie demand-driven. La raison en est que les stocks de sécurité, tels qu’ils sont calculés avec n’importe quel logiciel d’optimisation MEIO, supposent que pour offrir un meilleur service client, il faut posséder plus de stocks et que vous pouvez calculer la quantité de stock de sécurité requise, comme l’a dit Joannes, en isolation, SKU par SKU, en regardant la variation et en examinant le z-score pour le taux de service client désiré.
C’est ridicule. C’est absolument ridicule, et nous appelons cela une vérité profonde. Une vérité profonde ne peut être révélée que par une vérité encore plus profonde, ce qui, encore une fois, renvoie à ce Post-It que j’aimerais pouvoir coller dans le bureau de Joannes : “Tout est une question de flux.” Lorsque nous avons un meilleur flux, nous obtenons un meilleur service client avec moins de stocks en même temps. Ce n’est pas un compromis, vous savez.
Les systèmes MEIO qui tentent d’optimiser ces deux positions – la quantité de stocks et le service client – sont absolument fondamentalement défaillants, et l’approche demand-driven n’utilise pas de stocks de sécurité. Donc, je suis d’accord avec Joannes, absolument pertinent.
Conor Doherty: Très bien, et encore une fois, nous allons poser une dernière question. Il y avait d’autres questions, mais encore une fois, je tiens à passer à la section suivante. Tout ce qui n’a pas été abordé, nous le traiterons sur LinkedIn. Mais il s’agit en fait d’une question qui est venue, Carol, d’une personne qui est, en fait, une de vos fan. Je ne vais pas dire son nom, mais quelqu’un qui était admirateur de vous. Cela vient donc en toute bonne foi et de bonne humeur.
Alors, Carol, à toi : Si la critique de Joannes est complètement incorrecte, s’il est totalement à côté de la plaque, alors pourquoi, à ton avis, penses-tu que l’approche demand-driven n’est pas plus répandue ou plus populaire ?
Carol Ptak: Eh bien, c’est intéressant. Tu sais, je ne… sa critique… d’accord, laisse-moi revenir en arrière. Ce qui m’a déçue, c’est que je pensais que notre débat d’aujourd’hui porterait sur la méthodologie, et non sur les numéros de pages et l’étiquetage des choses, des graphiques et des figures, que nous sommes obligées de faire par nos éditeurs. J’étais donc déçue par la profondeur de notre discussion aujourd’hui.
Je pense que les questions que nous avons échangées à la fin étaient la meilleure partie du débat, plutôt que Joannes lisant ses notes pré-préparées à son arrivée. Je cherchais donc une discussion plus dynamique. Pourquoi l’approche demand-driven n’est-elle pas plus répandue ? Elle est en réalité très connue dans certains pays, et cela dépend de l’équipe présente dans le pays. En France, elle est très, très connue, ce qui explique pourquoi nous avons eu une cible sur le dos avec Joannes pendant de nombreuses, nombreuses années.
Il s’est attaqué à la méthodologie demand-driven pendant de nombreuses années en raison de sa visibilité en France. Notre premier pays est la France. Le deuxième, c’est la Colombie. Le troisième, c’est le Mexique. Nous venons tout juste de nous étendre au Japon. Les États-Unis connaissent une croissance folle. Nous voyons donc de très grandes entreprises de produits de grande consommation, comme Fortune Brands, qui l’ont mise en œuvre. Nous avons également des marques moins connues comme Toyota et Caterpillar qui l’appliquent.
Je contesterais donc l’idée qu’elle ne soit pas plus connue. Ce sont généralement de très grandes entreprises qui ont adopté cette idée. Nous avons également vu quelques petites entreprises familiales parce qu’elles comprennent l’impact et l’importance de la trésorerie. Ce qui est encore plus excitant, c’est que nous nous sommes étendus en Chine pendant la pandémie, et nous venons maintenant de nous étendre au Japon. L’équipe au Japon dit : “Vous savez, nous réalisons que demand-driven est ce qui nous manquait parce que l’approche Kaizen est limitée, et nous avons besoin d’une idée révolutionnaire.” Ils croient également que demand-driven est celle-là.
Ainsi, le fait que notre dictionnaire demand-driven soit en 12 langues et que l’examen soit en neuf langues, je contesterais le fait qu’elle ne soit pas plus connue. Ceux d’entre nous qui font partie de la communauté ont tendance à considérer combien d’entreprises ne l’utilisent pas, par opposition à la taille et à l’ampleur de celles qui l’utilisent. Pour reprendre le propos de Joannes, beaucoup d’entreprises, une fois qu’elles l’ont mise en œuvre, vous n’entendez pas leur étude de cas parce qu’elles la considèrent comme un avantage concurrentiel, et c’est dommage.
Conor Doherty: Très bien, Joannes, je vais légèrement modifier la question parce qu’évidemment les raisons pour lesquelles tu penses que cela ne fonctionne pas ne correspondent pas nécessairement à celles des personnes qui n’ont pas, encore une fois, ton niveau de formation académique. Alors pourquoi penses-tu que, pour d’autres praticiens, ce n’est pas plus répandu, plus adopté ?
Joannes Vermorel: Je veux dire, factuellement, je dirais très, très factuellement, parce que mon point de vue est qu’elle est extrêmement ambiguë. Il existe certaines méthodes, si je devais les comparer à d’autres théories de supply chain — pas les miennes, encore une fois, mettons de côté mes propres éléments — disons, si je devais me tourner vers des théories concurrentes, prenons par exemple le flowcasting. Je ne crois pas non plus au flowcasting, mais ils sont extrêmement précis dans leur théorie, extrêmement, extrêmement précis.
Ainsi, si je veux implémenter un logiciel de flowcasting, je peux prendre le livre de flowcasting—il s’appelle flowcasting—et littéralement, ils me donnent tout ce dont j’ai besoin. Il y a presque zéro ambiguïté sur ce que je dois faire pour le mettre en œuvre. Je ne dis pas que le flowcasting est bon ; en fait, je trouve qu’il est assez terrible. Mais à l’atout des auteurs, la théorie qu’ils présentent n’est ni ambiguë ni vague. Ici, avec le DDMRP, je dirais que la principale critique serait qu’il est extrêmement vague, très faible, et qu’il est très difficile de cadrer quelque chose.
Si je devais poser mon chapeau en tant qu’éditeur de logiciels et dire que je veux mettre cela en œuvre, c’est tellement incroyablement vague que je ne saurais même pas par où commencer. Désolé, et je sais que c’est une chose subjective, donc je ne peux que dire au public : prenez l’un de ces livres, lisez 10 pages au hasard, et demandez-vous la question : “Puis-je prendre ce qui a été dit et faire quelque chose de manière non ambiguë pour mon entreprise ?” De manière non ambiguë. Posez-vous votre propre question, et la réponse que vous obtiendrez à cette question devrait être le véritable juge de la pertinence de ce que je dis, qu’il s’agisse de quelque chose de correct ou simplement de balivernes.
Carol Ptak: Eh bien, je contesterais que n’importe quel livre que vous prendriez et dont vous liriez 10 pages, vous ne vous feriez pas une image complète. La façon dont tous nos livres sont écrits est la suivante : d’abord nous décrivons le problème, ensuite nous décrivons la direction de la solution, puis nous expliquons comment la solution résout le problème, et ensuite nous traitons ce que nous appelons les obstacles, les “ya-buts”, puis nous décrivons une voie sûre à suivre. Donc, en lisant 10 pages au hasard, je ne pense pas qu’aucun livre ne vous emmènerait là où vous voulez aller.
Mais je devrais résumer la discussion d’aujourd’hui comme ceci : Il s’agit de flow, et approximativement juste vaut mieux que précisément faux.
Conor Doherty: Eh bien, à ce stade, je n’ai plus de questions, mais je vais simplement ouvrir le débat. Joannes, y a-t-il quelque chose que tu souhaites poser directement à Carol sans ma supervision ?
Joannes Vermorel: Non, j’aimerais remercier Carol d’avoir réalisé cet exercice. Je l’apprécie vraiment. Ce fut un véritable débat. Je veux dire, le but n’était pas de réconcilier mes opinions. Je ne vais pas te convaincre, et tu ne vas probablement pas me convaincre, mais j’apprécie vraiment que tu aies pris le temps et fourni l’effort nécessaire pour avoir cette discussion. Pour moi, cela signifie beaucoup, et mon objectif à l’avenir serait d’avoir davantage de tels débats. Évidemment, il existe d’autres théories, donc c’est un objectif que je me fixe pour cette chaîne.
Je suis très heureux que, encore une fois, Carol ait consacré un solide, disons, 90 minutes de son temps. C’est-à-dire, j’apprécie vraiment cela, et j’aimerais te remercier, Carol, pour cela.
Carol Ptak: Eh bien, de rien, et j’apprécie l’invitation. J’espérais que nous pourrions faire le débat en face à face, mais ensuite la pandémie est survenue, ce qui l’a reporté. Donc, je suis contente que cette opportunité se soit présentée à nouveau parce que, si tu te souviens, je t’avais engagé que, à tout moment, en tout lieu, je serais heureuse de participer à ce débat car je pense qu’il est très important de diffuser l’information complète sur le marché et de débattre de ces points.
Je pense qu’en débat, chacun peut décider exactement de la direction qu’il souhaite prendre, et c’est très bien. Comme je l’ai dit plus tôt, si je devais résumer, demand-driven, c’est tout au sujet du flow. Être approximativement juste vaut mieux qu’être précisément faux.
Conor Doherty: Eh bien, Carol, je sais que j’ai entendu quelque part que la France est le pays numéro un pour l’implémentation du DDMRP. Donc la prochaine fois que tu seras en France, si tu es à Paris, encore une fois, je sais que nous serions tous les deux très heureux de t’accueillir, ne serait-ce que pour dîner.
Carol Ptak: C’est mon préféré. Mes gars à Toulouse savent que quand je débarque, il faut du foie gras et il faut du magret de canard. Je prends mon canard, je prends mon foie gras, et je suis une campeuse heureuse.
Conor Doherty: Eh bien, à ce stade, je vais clore la discussion. Honnêtement, il a été très agréable de t’écouter échanger, je dirai. Ça faisait plusieurs années que cela se préparait, je pense qu’il est juste de le dire. Donc, si ce n’était pas édifiant, j’espère que c’était au moins divertissant pour tout le monde. Encore une fois, merci à vous deux.
Carol Ptak: Conor, je pense que tu as fait un travail absolument fantastique, et je l’apprécie. Comme je l’ai dit, Joannes et moi en parlons depuis plusieurs années, donc je suis contente que nous ayons enfin pu concrétiser cela.
Conor Doherty: Sur ce, je vais clore la discussion. Joannes, merci beaucoup pour ton temps. Carol, tu as été d’un grand soutien. Merci beaucoup pour le tien, et merci à tous de nous avoir regardés. À la prochaine fois.