Pourquoi les initiatives d'IA échouent dans la Supply Chain - Ep 168

00:00:00 Introduction et clarification du sujet
00:02:55 Les entreprises réexaminent les anciennes approches avec l’IA
00:04:28 Les échecs des ingénieurs intelligents dans la supply chain
00:05:44 La traduction automatisée du site web de Lokad avec les LLM
00:09:15 Les quatre preuves clés des échecs
00:12:24 Pourquoi les appels d’offres sont dysfonctionnels
00:21:28 Pourquoi les séries temporelles sont dysfonctionnelles
00:32:47 Pourquoi les stocks de sécurité sont dysfonctionnels
00:50:04 Pourquoi les taux de service sont dysfonctionnels
01:09:59 Questions du public
01:32:15 Réflexions finales

Résumé

Dans un récent épisode de LokadTV, Conor Doherty et Joannes Vermorel ont discuté des défauts inhérents à la gestion de la supply chain, en particulier de la surutilisation de l’IA. Vermorel a critiqué les pratiques de longue date telles que les appels d’offres, la prévision des séries temporelles, les formules de stock de sécurité et les taux de service, arguant qu’elles sont obsolètes et économiquement insensées. Il a souligné que l’IA ne peut pas rectifier ces problèmes profondément enracinés, car elle n’a pas encore atteint le niveau d’intelligence humaine. Vermorel a suggéré que des ajustements pratiques basés sur l’expérience des praticiens compensent souvent ces méthodes défectueuses. La conversation s’est conclue par une session de questions-réponses, mettant en évidence le défi de supprimer les processus ancrés dans les grandes entreprises.

Résumé étendu

Dans un récent épisode de LokadTV, Conor Doherty, directeur de la communication chez Lokad, a engagé une discussion stimulante avec Joannes Vermorel, PDG et fondateur de Lokad, sur les pièges des initiatives d’IA dans la gestion de la supply chain. La conversation, qui a eu lieu dans le nouveau studio de Lokad, a tourné autour de l’affirmation de Vermorel selon laquelle les approches de la supply chain traditionnelle, en particulier celles impliquant l’IA, sont fondamentalement défectueuses et susceptibles d’échouer.

Vermorel a commencé par critiquer les pratiques de longue date dans la gestion de la supply chain, qu’il estime stagnantes depuis la fin des années 1970. Il a soutenu que l’ajout simplement de l’IA à ces méthodes obsolètes n’est pas une solution, mais plutôt une entreprise vaine. Vermorel a souligné que les échecs des initiatives passées en matière de supply chain, même celles menées par des ingénieurs très intelligents, devraient servir d’avertissement contre la surutilisation de l’IA.

Conor Doherty a contesté Vermorel en soulignant que beaucoup considèrent l’IA comme une panacée pour les problèmes de supply chain. Vermorel a répondu en mettant en évidence les limites de l’IA, en utilisant l’exemple de ChatGPT. Il a expliqué que si des ingénieurs très intelligents ont échoué à résoudre ces problèmes, il est irréaliste de s’attendre à ce que l’IA, qui n’a pas encore atteint le niveau d’intelligence humaine, réussisse. Il a souligné que l’IA peut réduire les coûts et améliorer l’efficacité dans les domaines où les solutions sont déjà connues, mais elle ne peut pas résoudre des problèmes fondamentalement défectueux.

La discussion s’est ensuite penchée sur les raisons pour lesquelles Vermorel estime que les pratiques actuelles de la supply chain sont erronées. Il a identifié quatre domaines clés : les demandes de propositions (RFP), la prévision des séries temporelles, les formules de stock de sécurité et les taux de service. Vermorel a soutenu que les RFP, en particulier pour les logiciels d’entreprise, sont dysfonctionnels car ils supposent un niveau de connaissance et de spécificité irréaliste. Il a comparé le processus à la rédaction d’un cahier des charges détaillé pour un smartphone sans comprendre ses complexités, ce qui conduit souvent à disqualifier les meilleurs fournisseurs.

Selon Vermorel, la prévision des séries temporelles est une autre pratique défectueuse. Il a expliqué que les données des séries temporelles peuvent être trompeuses car elles ne capturent pas les nuances critiques, telles que la différence entre avoir un client majeur ou plusieurs clients plus petits. Ce manque de granularité peut conduire à de mauvaises prises de décision et à un risque accru.

Les formules de stock de sécurité et les taux de service ont également été critiqués pour leur caractère non économique et excessivement simpliste. Vermorel a soutenu que ces mesures ne tiennent pas compte du contexte économique plus large et conduisent souvent à des décisions sous-optimales. Il a suggéré qu’une approche plus holistique, tenant compte de l’ensemble du système et de son impact économique, serait plus efficace.

Conor Doherty a soulevé le point selon lequel de nombreuses entreprises continuent de connaître un succès significatif en utilisant ces méthodes défectueuses. Vermorel a reconnu cela, mais l’a attribué aux ajustements pratiques basés sur l’expérience effectués par les praticiens sur le terrain, plutôt qu’aux modèles théoriques enseignés dans la gestion de la supply chain. Il a soutenu que ces praticiens se fient souvent à des feuilles de calcul et à des modifications manuelles pour corriger les lacunes des méthodes établies.

La conversation s’est conclue par une session de questions-réponses où les questions du public ont été abordées. Vermorel a réitéré que le principal obstacle au changement dans les grandes entreprises est la difficulté de supprimer les processus ancrés. Il a souligné que l’ajout de nouvelles technologies, comme l’IA, est plus facile que l’élimination des pratiques obsolètes, même lorsque cela conduirait à de meilleurs résultats.

En résumé, la perspective de Vermorel est que les pratiques actuelles de la supply chain traditionnelle sont fondamentalement défectueuses et que l’IA, bien qu’utile dans certains contextes, ne peut pas résoudre ces problèmes profondément enracinés. Il préconise une approche économiquement plus solide qui tient compte de l’ensemble du système et de ses complexités, plutôt que de se fier à des mesures simplistes et obsolètes.

Transcription complète

Conor Doherty: Bienvenue sur LokadTV, diffusé aujourd’hui en direct depuis notre tout nouveau studio franchement charmant. Nous clôturons l’année 2024 avec un sujet inoffensif et léger basé sur sa discussion lors de la conférence SCT Tech. Joannes Vermorel, à ma gauche immédiate, expliquera sa perspective sur la raison pour laquelle les initiatives d’IA dans la supply chain sont probablement condamnées à l’échec. N’hésitez pas à poser vos questions en direct et nous y répondrons un peu plus tard. Pendant que vous êtes ici, abonnez-vous à la chaîne YouTube et suivez-nous sur LinkedIn.

Et une dernière chose avant de commencer à parler de notre supériorité intellectuelle par rapport aux autres. Il serait impoli de ne pas reconnaître les efforts de tant de personnes pour rendre le studio que vous voyez devant vous si agréable. Tout, des écrans derrière moi aux microphones devant Joannes et moi, est le résultat d’un travail considérable chez Lokad, notamment de Maxime Larrieu derrière la caméra là-bas et de Baptiste Grison. Donc merci à vous deux pour vos efforts. Et maintenant, Joannes, je te demande, pourquoi les gens sont-ils si stupides ?

Joannes Vermorel: En général, je pense que c’est la malédiction de l’espèce humaine, moi y compris. Mais en réalité, avec ce titre ludique, je voulais simplement attirer l’attention sur le fait que ce que je qualifie généralement d’approche traditionnelle de la supply chain a été largement dysfonctionnelle au cours des quatre dernières décennies. Cela a été pratiquement une impasse en termes de technologies et de pratiques. Ce que les entreprises font de nos jours n’a pratiquement pas changé conceptuellement depuis la fin des années 70. Ce sont les mêmes recettes numériques, les mêmes idées, et ça ne fonctionne pas très bien.

Maintenant, l’idée selon laquelle vous pouvez simplement prendre les choses telles qu’elles sont et saupoudrer un peu de poudre magique d’IA par-dessus et que soudainement ces problèmes disparaîtront, je pense que c’est de la folie ou, dans le titre, de la stupidité. Encore une fois, je ne pense pas que les gens étaient stupides à la fin des années 70 d’essayer cela. Je dis simplement qu’après quatre décennies d’échecs consécutifs, ne pas apprendre de ses erreurs passées, c’est là que commence la stupidité. Quand je vois des entreprises qui essaient de revisiter, en restant fidèles aux mêmes approches et processus dans leur supply chain avec de l’IA générative, je n’ai pas besoin d’attendre pour voir comment les choses vont se dérouler. Je sais déjà que ça ne va tout simplement pas fonctionner. Ce sera juste une grosse perte de temps, d’énergie et d’argent.

Conor Doherty: Mais beaucoup de gens considèrent en fait l’IA comme une sorte de solution miracle en ce qui concerne les initiatives de la supply chain. Comme si tout ce qui est cassé, défectueux ou basé sur de mauvaises hypothèses serait corrigé par l’insertion de l’IA générative, par exemple. Donc vous dites fondamentalement que c’est une approche erronée ?

Joannes Vermorel: Absolument. Faisons une pause d’une seconde. Imaginons que ChatGPT soit aussi intelligent qu’un ingénieur du MIT. Excellent, nous avons maintenant une intelligence artificielle générale. Il se trouve que beaucoup de concurrents de Lokad au cours des quatre dernières décennies ont fait exactement cela. Ils prennent des ingénieurs du MIT, leur confient de grands projets de supply chain et l’ambition est d’éliminer les feuilles de calcul, d’automatiser les décisions. Ils sont très intelligents, et vous leur donnez un budget et du temps, et pourtant ils ont échoué.

Ces échecs ne sont pas exceptionnels. Pratiquement toutes les entreprises que je connais, qui ont un chiffre d’affaires supérieur à, disons, un milliard de dollars et qui ont plus de 20 ans, ont probablement trois ou quatre initiatives de supply chain ratées à leur actif. Des initiatives visant à éliminer les feuilles de calcul en introduisant des recettes numériques plus intelligentes et plus intégrées, et elles ont échoué. Alors maintenant, la question est, si vous avez échoué en utilisant des ingénieurs très intelligents, pourquoi pensez-vous que l’utilisation de quelque chose qui est une intelligence inférieure, car soyons honnêtes, ChatGPT n’a pas encore une intelligence de niveau humain, pourquoi pensez-vous que cela va réussir ?

L’automatisation de l’intelligence présente un avantage en termes de coût. Par exemple, chez Lokad, nous avons robotisé la traduction de notre site web. Maintenant, si vous regardez le site Lokad.com, il est disponible dans de nombreuses langues. Pendant une décennie, nous avons fait appel à des traducteurs professionnels pour cela. C’est maintenant fait automatiquement avec de grands modèles de langage. Excellent. Ce que nous avons économisé est une question de coût, mais fondamentalement, c’était un problème que nous savions déjà résoudre manuellement avec des personnes. L’IA n’a pas résolu un problème insoluble, qui était la traduction. Elle nous a simplement permis de le faire moins cher et plus rapidement, ce qui est génial.

Mais maintenant, si nous revenons au problème initial, qui est l’optimisation prédictive de la supply chain, si toutes vos tentatives précédentes ont échoué alors que vous aviez des ingénieurs très intelligents à votre disposition, pourquoi pensez-vous que le fait d’avoir des instruments moins ingénieux et un peu plus sophistiqués ferait vraiment une différence ?

Conor Doherty: Ce que vous venez d’aborder soulève cette question : lorsque vous utilisez le terme “stupidité”, je veux juste l’expliquer un peu. Je sais que c’était délibérément provocateur, mais même ainsi, lorsque vous parlez d’entreprises prenant des décisions basées sur des hypothèses erronées, et nous entrerons dans les détails, mais lorsque vous dites des choses comme des entreprises commettant régulièrement des erreurs, c’est une forme d’erreur. On pourrait peut-être classer cela généreusement sous la catégorie de la stupidité. Il y a aussi une autre possibilité, qui est l’ignorance. L’ignorance est neutre.

La stupidité, l’imbécilité, ces termes étaient à l’origine dans la littérature psychiatrique et font référence à un déficit cognitif. Ils ont une signification très spécifique. L’ignorance est neutre. Vous et moi avons un QI de 180 un mauvais jour, mais nous sommes tous les deux ignorants de beaucoup de choses. Je ne sais rien de la botanique, je ne sais rien sur la façon dont les lacets de chaussures sont fabriqués, mais je ne suis pas stupide. Je ne manque pas de l’infrastructure neurologique pour apprendre ces choses ; je n’ai tout simplement pas le temps ou l’accès à l’information. Donc, pour répondre à la question, vous avez des entreprises qui prennent de mauvaises décisions entraînant des résultats terribles ou suboptimaux, et vous avez des entreprises qui ne connaissent même pas l’existence de paradigmes alternatifs. Considérez-vous cela comme deux représentations justes du problème, ou considérez-vous simplement que les gens sont stupides et font des erreurs ?

Joannes Vermorel: Oui, c’est une représentation juste du problème, ce qui nous amène au cas de ce que nous regardons exactement. Lorsque nous examinons les détails, nous pouvons décider si nous parlons de stupidité ou d’ignorance. Ma proposition pour aujourd’hui est que lorsque nous examinons les détails, il est tellement évident que prétendre que c’est de l’ignorance est exagéré.

Conor Doherty: Entrons réellement dans les détails. Vous avez quatre preuves clés, ou quatre façons de démontrer ce que vous considérez comme le problème de la stupidité naturelle ou de l’ignorance naturelle en termes de prise de décision en entreprise. Il s’agit des appels d’offres, des prévisions de séries temporelles, des formules de stock de sécurité et des taux de service. Nous allons les aborder systématiquement, mais en général, qu’est-ce que ces quatre concepts démontrent selon vous?

Joannes Vermorel: J’en ai choisi quatre, mais il pourrait y en avoir 20. Ce sont au moins quatre ingrédients majeurs de la théorie et de la pratique de la supply chain traditionnelle. Ce sont des ingrédients majeurs que l’on retrouve probablement dans 90% des grandes entreprises. Pour les plus petites entreprises, cela varie beaucoup, mais ces pratiques tendent à être assez uniformes parmi les grandes entreprises. Étant donné qu’elles sont très répandues, nous pouvons examiner ces pratiques et nous poser la question : est-ce que cela a même du sens ? Ai-je besoin d’un doctorat du MIT pour réaliser que c’est complètement absurde ou non ?

Si en une minute, vous pouvez réaliser que c’est complètement absurde rien qu’en examinant attentivement, nous sommes définitivement dans le camp de la stupidité. Si la seule façon de reconnaître que vous avez tort est de réaliser une expérience très sophistiquée et complexe qui nécessite beaucoup de financement et de temps, alors il s’agit davantage d’une erreur dans la catégorie de l’ignorance.

Conor Doherty: Comme je l’ai dit, abordons-les systématiquement. Donc, la première preuve dans votre argument est l’existence des appels d’offres. Maintenant, je suppose que c’est un terme générique pour les demandes de propositions, les demandes de devis, les demandes d’informations, etc. Est-ce bien cela ?

Joannes Vermorel: Oui, et encore une fois, spécifiquement pour les logiciels d’entreprise dédiés à l’optimisation de la supply chain. Nous pouvons discuter… Je ne discute pas du fait que l’appel d’offres soit la bonne façon de se procurer du papier en vrac ou d’une sorte de commodité évidente. Le contexte est la supply chain, oui. Et plus précisément, car encore une fois, si vous voulez avoir des imprimantes à codes-barres pour votre supply chain, ce n’est pas de cela dont je parle. Je parle spécifiquement de tout ce que vous voulez vous procurer qui va influencer votre processus de prise de décision. Par supply chain, c’est ce que je veux dire. Je ne parle pas de logistique, je ne parle pas de l’embauche de chauffeurs de camion. Je parle des processus de prise de décision qui régissent le flux. Donc, tous les détails de ce que vous achetez, de ce que vous produisez, à quel prix vous vendez, où vous mettez votre inventaire, tout cela.

Conor Doherty: D’accord, alors je vous renvoie immédiatement la question. Qu’est-ce qui ne va pas dans l’utilisation du processus d’appel d’offres pour trouver un fournisseur ?

Joannes Vermorel: Les appels d’offres sont complètement dysfonctionnels. Si vous voulez avoir une idée de ce à quoi ressemble un appel d’offres, imaginez simplement si vous deviez écrire dans un document Word toutes les choses que vous attendez de votre smartphone. C’est tellement absurde. Vous ne savez pas. Il a des milliards de fonctionnalités. La plupart des fonctionnalités de votre smartphone fonctionnent grâce à de nombreuses choses que vous ignorez. Énumérer toutes ces fonctionnalités représente un énorme travail, et si vous deviez énumérer ce que vous pensez que votre smartphone fait, il y a de fortes chances que vous vous trompiez sur de nombreux points.

Imaginez simplement que vous avez des centaines de points d’éléments à couvrir, et quelles sont les chances que, en produisant ces centaines de pages d’exigences pour votre smartphone, vous vous retrouviez avec un document qui disqualifie à la fois Samsung et Apple ? Très probablement, oui.

Les logiciels d’entreprise sont extrêmement complexes, et cette complexité reflète principalement le problème que vous souhaitez résoudre. L’optimisation de la supply chain est elle-même très complexe et assez compliquée, vous ne pouvez donc pas vous attendre à une réponse super simple. Vous n’achetez pas du fer à la tonne ou du pétrole brut. Vous achetez quelque chose de très sophistiqué, ce qui signifie que vous n’avez pas de fournisseurs qui se substituent les uns aux autres. Il n’y a pas de correspondance un à un entre ce que le fournisseur X propose par rapport au fournisseur Y.

Le problème avec les appels d’offres, c’est qu’ils supposent que vous connaissez déjà exactement votre solution, que vous pouvez avoir une spécification complète, et que vous voulez ensuite canaliser un nombre supposé important de fournisseurs dans votre liste d’exigences. Les logiciels ne fonctionnent tout simplement pas comme ça. Produire un bon logiciel prend environ une décennie, plus ou moins. Aucun fournisseur ne va radicalement adapter sa technologie pour votre appel d’offres. Vous canalisez tout le monde à travers des centaines de pages d’absurdités.

Le processus n’a tellement aucun sens que généralement, lorsque nous recevons des appels d’offres, nous nous retrouvons avec quelque chose comme 400 à 600 questions, et ces questions sont remplies de fautes d’orthographe. Très fréquemment, même le nom de l’entreprise cliente elle-même est mal orthographié dans le document parce que les gens ne se soucient pas des questions elles-mêmes. Cela a été délégué à des stagiaires, à des consultants, à n’importe qui. Vous produisez une énorme quantité de paperasse, et personne ne sait même ce que la moitié des questions signifient parce qu’elles sont si mal formulées. La plupart des questions ne sont même pas des questions mais des exigences déguisées.

Ensuite, le fournisseur répond avec des dizaines, voire des centaines de pages de réponses que personne ne lit. Il y a un comité qui procède par étapes pour cela, et l’idée que vous aurez une décision rationnelle qui découle de ce processus complètement irrationnel est tout simplement ahurissante. Il n’y a rien dans la vie réelle où vous, en tant qu’individu, vous engageriez dans un processus aussi insensé. Pourquoi pensez-vous que soudainement, simplement parce que vous travaillez pour une grande entreprise, ce qui semblerait complètement insensé dans votre vie quotidienne aurait soudainement du sens simplement parce que c’est la pratique d’une grande entreprise ? Ça n’a pas de sens.

Conor Doherty: Eh bien, encore une fois, quelques points à démêler là parce qu’il y a beaucoup de choses. Tout d’abord, votre critique concerne… Oh, pardon, laissez-moi revenir en arrière. J’ai vu certains des appels d’offres dont vous parlez. J’ai vu certains des exemples du genre, “Avez-vous encore une machine à fax ? Stockez-vous vos rapports de fax dans des armoires ignifuges ?” Je veux dire, j’ai vu ces choses. Bien sûr, c’est totalement absurde. C’est un appel d’offres dans son état actuel. Est-ce que vous dites que dans le vide, divorcé de toute mauvaise exécution, juste en général, le concept des appels d’offres pour essayer de trouver un logiciel est tout simplement une chose totalement insensée à faire ? Et si la réponse à cela est oui, veuillez expliquer quelle serait l’alternative.

Joannes Vermorel: Non, l’idée de faire de la recherche de marché n’est pas insensée. Évidemment, si vous voulez choisir un fournisseur, vous devez faire des recherches de marché. L’idée selon laquelle vous devez passer par les pratiques établies des RFI, RFP est absurde. C’est mon point de vue. Mon point est que ces pratiques sont profondément défectueuses, profondément, profondément défectueuses. Lorsque vous avez un processus qui est complètement dysfonctionnel, alors l’improvisation est bien meilleure.

Si vous faites quelque chose qui ne fonctionne pas, qui est si terrible, arrêtez de le faire, et à peu près n’importe quoi d’autre sera mieux. Tout ce qui n’est pas encore plus bureaucratique. Je pense que ces grandes entreprises seraient mieux servies par un processus informel, et c’est tout. Si vous êtes prêt à envisager l’idée d’avoir une version supérieure du processus, alors il y a aussi une autre voie. Cela est discuté dans l’une de mes conférences sur la recherche de marché adversaire, où je présente une meilleure façon de le faire. Mais même en l’absence de connaissance de cette meilleure façon, le simple fait de supprimer ce processus absurde serait déjà une amélioration.

Avoir un processus super bureaucratique n’est pas une bonne chose. C’est une chose terrible. Cela ralentit tout, dilue la responsabilité de tout le monde et sélectionne de manière défavorable les fournisseurs. Imaginez, encore une fois, nous revenons à Apple. Pensez-vous vraiment qu’Apple, si vous faites un appel d’offres pour eux, prêtera réellement attention à vous ? Modifieront-ils leur précieux iPhone pour satisfaire vos exigences d’entreprise ? Non, ils ne le feront pas. Donc, ce que vous faites en réalité, c’est que les bons fournisseurs se retirent d’eux-mêmes de votre recherche de marché, ce qui est totalement absurde. C’est le contraire de ce que vous voulez.

Mon point de vue est que lorsque vous avez quelque chose comme le cancer, enlevez le cancer et ne vous posez pas la question, “Que mettez-vous à la place du cancer ?” Si vous avez enlevé le cancer, vous avez déjà fait quelque chose de bien. C’est une amélioration. Maintenant, nous pouvons ensuite discuter de ce qui pourrait être encore mieux, de ce qu’il faut mettre en place, mais la première étape est de reconnaître que lorsque vous enlevez le cancer, vous améliorez la situation.

Malheureusement, et c’est là que j’en viens à la stupidité bureaucratique, c’est de penser que la seule alternative à un cauchemar bureaucratique est un autre genre de cauchemar bureaucratique. C’est totalement absurde. Clairement, je n’ai jamais vu en 15 ans d’activité commerciale un seul appel d’offres qui n’était pas profondément, profondément dysfonctionnel. Il n’y a que des variations entre les cercles de l’enfer. Certains appels d’offres sont comme le cinquième cercle de l’enfer, d’autres sont comme le neuvième cercle de l’enfer. Ce ne sont que des variations en termes d’intensité cauchemardesque, mais sinon, c’est uniformément super, super mauvais.

Conor Doherty: C’était Thomas Sowell et Dante Alighieri en l’espace de 60 secondes. C’était très bien. Eh bien, en fait, cela fait la transition à partir du premier point, qui concerne les appels d’offres et la critique des appels d’offres et des RFQ, etc. C’est un peu comme ça que vous pourriez choisir un fournisseur d’IA.

Joannes Vermorel: Exactement.

Conor Doherty: Si je peux juste terminer la question car je fais une transition. Le deuxième point, cependant, c’est une fois que vous avez sélectionné un fournisseur d’IA, c’est là que nous passons au deuxième point, qui est la prévision des séries temporelles, que vous citez comme la deuxième preuve de l’échec de votre initiative d’IA. Maintenant, une fois que vous avez déjà sélectionné un fournisseur, quel est le problème avec les séries temporelles ?

Joannes Vermorel: Donc une fois que vous avez sélectionné… D’abord, vous allez très probablement, grâce à votre appel d’offres, sélectionner un très mauvais fournisseur. C’est un fait. Vous avez un processus qui n’a aucun sens, donc il est très probable que vous obteniez l’un de ces pires fournisseurs qui se spécialisent dans tout ce qui coche les cases des appels d’offres, peu importe le non-sens. Vous êtes déjà dans une position où l’échec est presque assuré, même si le fournisseur n’était pas trop dysfonctionnel. Mais vous avez vraiment sélectionné le fournisseur dysfonctionnel en premier lieu. Maintenant, cela m’amène aux séries temporelles.

Les séries temporelles sont comme l’Alpha et l’Oméga de la perspective moderne de la supply chain. Qu’est-ce qu’une série temporelle ? C’est simplement une série de points selon une période donnée. Il peut s’agir d’une valeur par jour, par semaine ou par mois. Lorsque je parle de perspective de séries temporelles, cela signifie que vous regardez tout à travers vos ventes ou votre flux par jour, par semaine, par mois, agrégé. Tout correspond plus ou moins à ces séries temporelles.

Évidemment, avec ces séries temporelles, ce que vous voulez, ou du moins selon la théorie dominante de la supply chain, c’est des prévisions de séries temporelles, c’est-à-dire l’extension de ces séries temporelles dans le futur. Si vous avez vos données de ventes jusqu’à aujourd’hui, vous voulez avoir la prévision, qui est simplement l’extension de ces séries temporelles dans le futur. Ainsi, vous avez la quantité de ventes demain, après-demain, etc.

Conor Doherty: Qu’est-ce qui ne va pas avec le fait de recevoir un point de données exploitable pour planifier, par exemple, que la demande de la semaine prochaine sera de 10 unités ? Cela semble génial.

Joannes Vermorel: Le principal problème est que votre supply chain ne peut pas être représentée de manière significative avec des séries temporelles. Et qu’est-ce que cela signifie ?

Eh bien, commençons par une situation très basique. Vous avez un produit qui se vend régulièrement à 1 000 unités par jour. Il se vend à 1 000 unités par jour depuis, disons, les trois dernières années. Très bien. Bon, à quoi ressemble l’avenir ? Maintenant, je vais examiner deux situations différentes qui ont exactement le même historique. Situation numéro un : vous avez mille clients distincts, et ils commandent de temps en temps un produit. En agrégé, ces 1 000 clients vous donnent 1 000 unités par jour. Certains clients partent, d’autres arrivent, mais c’est très stable. Donc, cela génère les séries temporelles. Maintenant, qu’est-ce que cela vous dit ? Cela vous dit que vous avez une demande très stable qui semble assez robuste. Mille clients ne sont pas des millions, mais ce n’est pas zéro, donc ça a l’air bien.

Maintenant, la deuxième situation est que vous avez 1 000 unités par jour, mais d’un seul client. Oui, ce client a été très régulier, commandant 1 000 unités par jour ces dernières années, mais c’est un seul client. Maintenant, quelles sont les chances que la demande puisse tomber à zéro demain et rester à zéro pour toujours ? Évidemment, du premier point de vue, où vous avez mille clients, je ne dirais pas que c’est impossible, mais c’est très improbable. Même si vous aviez un événement catastrophique qui endommage votre marque, la plupart des clients ne le découvriraient même pas. Même si vous aviez un cas massif de fraude, vous auriez encore des centaines de clients qui n’en entendraient parler que des mois plus tard. Donc, les chances que tous ces clients arrêtent d’acheter chez vous le même jour en parfaite coordination ne sont pas impossibles, mais c’est une probabilité très, très faible. Nous parlons d’une chance sur un million, probablement. C’est rare.

Maintenant, à l’inverse, si nous n’avons qu’un seul client, il suffit d’un seul responsable pour décider de choisir un autre fournisseur, et bam, vous passez à zéro. Si vous dites que vous allez perdre ce client fidèle une fois tous les dix ans environ, nous parlons d’une chance de 0,1 %. Ce n’est pas une chance sur un million ; c’est plusieurs ordres de grandeur de plus. C’est encore improbable, mais comparé au premier cas, c’est quelque chose qui se produira très probablement dans quelques années. Avec suffisamment de temps, comme une décennie, il est presque garanti que cela se produira. Ici, je décris simplement deux situations très basiques qui ont exactement la même représentation en séries temporelles. C’est là que réside le problème : les séries temporelles sont simplistes. Vous pouvez avoir plusieurs situations complètement différentes et pourtant avoir exactement les mêmes séries temporelles.

Conor Doherty: Et cela a de l’importance. Pourquoi ?

Joannes Vermorel: Parce que vos décisions sont très différentes. Si vous avez mille clients, vous pouvez être très conservateur en matière de stocks. Vous pouvez dire, par exemple : “Oh, nous allons avoir plusieurs mois de stocks en réserve car c’est bien. Si nous perdons certains clients, nous ajusterons la production afin de ne pas nous retrouver avec un excès important de stocks. Même si nous perdons des clients, nous aurons encore le temps de liquider les stocks.” Au contraire, si vous n’avez qu’un seul client, cela signifie que si ce client cesse d’acheter, votre stock devient un stock mort du jour au lendemain. Tout ce qu’il vous reste, c’est une dépréciation garantie de tout ce que vous avez en stock.

Donc, vous voyez, en termes de décisions de la chaîne d’approvisionnement, vous avez deux situations très différentes qui nécessitent des décisions très différentes. C’est pourquoi je dis que les séries temporelles sont insensées. L’hypothèse est que si vous encadrez tout en termes de séries temporelles, ce que fait exactement la chaîne d’approvisionnement traditionnelle, alors vous pouvez prendre des décisions raisonnables. Ce que je dis, c’est que non, vous ne le pouvez pas. Vous ne pouvez pas le faire car les séries temporelles ne vous permettent pas de capturer certaines informations de base sur votre activité. Vous êtes simplement aveugle. Peu importe si vous avez plus de séries temporelles. Encore une fois, nous en revenons à ce client unique par rapport à 1 000 clients. Peu importe si vous avez plus de séries temporelles ; vous êtes toujours confronté au fait que c’est une mauvaise représentation de vos données. C’est une représentation super simpliste de vos données.

Conor Doherty: Désolé, juste pour être sûr de bien comprendre pour ceux qui pourraient ne pas savoir ce que vous voulez dire, d’un point de vue de la gestion des risques, vous devez adopter des approches différentes en termes d’allocation financière car votre exposition est différente.

Joannes Vermorel: C’est très différent. Encore une fois, si nous regardons les articles périssables dans un magasin, les séries temporelles vous permettront de représenter votre niveau de stock au fil du temps. Donc, combien d’unités avez-vous en stock dans votre magasin pour, disons, les yaourts ? Mais la réalité est que vos produits sont périssables, ils ont donc des dates d’expiration. Prenons à nouveau l’exemple, vous avez 10 unités en stock. C’est une perspective de séries temporelles. La veille, vous en aviez 11 unités, peu importe. Vous avez votre niveau de stock en cours. C’est une représentation en séries temporelles. Maintenant, vous vous demandez : “J’ai 10 unités en stock. Est-ce bon ou pas bon ? Est-ce suffisant ou pas ?”

Permettez-moi de vous présenter deux situations. Situation A : les 10 yaourts que vous avez en stock expireront dans un mois. C’est bien. Quelqu’un qui entre dans le magasin trouvera des yaourts avec un mois de durée de conservation. C’est bien pour les yaourts. Maintenant, situation B : les 10 yaourts expirent demain. C’est très mauvais. Vos clients n’aimeront pas acheter des yaourts qui expirent demain. Peut-être qu’un client en achètera un juste pour le consommer le lendemain, mais toute mère qui fait les courses pour sa famille et qui veut organiser les choses pour la semaine n’achètera pas de yaourts qui vont expirer demain.

Donc, sous la même représentation, 10 unités aujourd’hui, qui est un niveau de stock, vous manquez une information très importante, qui est la composition des dates d’expiration. Si vous avez un système logiciel entièrement conçu autour de cette idée de séries temporelles, cette information sera toujours ignorée par le système car le système ne peut même pas la voir. Ce n’est pas une partie du paradigme des séries temporelles.

Conor Doherty: Et encore une fois, pour être très explicite pour tous ceux qui écoutent, en disant : “D’accord, j’entends tout ça, je comprends ce que vous dites, je suis les exemples. Comment cela influence-t-il l’IA ? Comment l’IA s’inscrit-elle dans ce tableau ?” Même si vous utilisez des séries temporelles ou des prévisions probabilistes.

Joannes Vermorel: Si vous avez un paradigme où l’information clé est perdue, c’est le cas avec les séries temporelles, peu importe si la personne qui regarde les séries temporelles est une IA ou un ingénieur très intelligent ou n’importe qui d’autre. L’information clé est déjà perdue. Si vous regardez vos données de ventes à travers le prisme des séries temporelles, vous ne pouvez pas voir ce qui concerne un client unique par rapport à de nombreux clients. Vous ne pouvez pas voir les dates d’expiration. Il y a beaucoup de choses que vous ne voyez tout simplement pas. Si vous ne voyez pas, que ce soit une IA, un ingénieur intelligent ou un programme appliquant certaines règles, l’information centrale dont vous auriez besoin a déjà été perdue. Peu importe la technologie que vous empilez sur ce paradigme.

Conor Doherty: Très bien, avançons un peu, nous avons couvert les deux premières façons : les RFP et les séries temporelles. Les troisième et quatrième peuvent éventuellement être regroupées sous forme de métriques, qui sont les stocks de sécurité et les taux de service. En discutant de ces deux éléments séparément ou ensemble, quel est votre objection à leur égard ? Car ils sont assez courants. La plupart des entreprises ont des politiques de stocks de sécurité et de taux de service assez strictes.

Joannes Vermorel: Le problème avec les stocks de sécurité, pour le public, c’est que vous supposez que vous avez une prévision de la demande en séries temporelles, et vous supposez que votre demande est normalement distribuée, que vos délais d’approvisionnement sont normalement distribués, puis vous choisissez votre taux de service. Cela vous donnera une quantité de stock cible à garder à portée de main, et c’est ce qu’on appelle le stock de sécurité. C’est ce qu’est réellement le stock de sécurité.

Techniquement, vous avez le stock de travail, qui est la demande moyenne, puis le stock de sécurité est le composant supplémentaire ajouté à la demande moyenne. Mais c’est une technicité. Dans l’ensemble, si vous additionnez le stock de travail et le stock de sécurité, cela vous donnera la quantité de stock cible que vous souhaitez conserver.

Quel est le problème avec cela ? Le problème, c’est que c’est la mauvaise façon de voir la gestion des stocks. L’objectif de l’entreprise est de réaliser des bénéfices. Le stock de sécurité est une perspective non économique sur ces décisions. Qu’est-ce que cela signifie ? Cela signifie que c’est quelque chose qui ne fait même pas une tentative d’optimisation des bénéfices. Le problème, c’est que nous avons quelque chose qui ne fait même pas une tentative d’optimisation des bénéfices. Pourquoi pensez-vous que cette chose sera rentable ?

Comment optimiser réellement pour réaliser des bénéfices ? Eh bien, c’est très simple. Vous regardez, disons, une situation simple, un magasin. Choisissez la première unité de stock qui maximisera vos rendements. Je choisis celle-ci et je la mets dans le magasin. C’est la chose qui me donne le meilleur rendement. Je choisis la première unité qui fait cela, puis je dois répéter le processus avec une deuxième unité qui maximise les rendements. Comme il s’agit d’un magasin, il est fort probable que la deuxième unité que je choisirai ne sera pas le même produit que la première unité.

L’objectif est de répartir mes unités supplémentaires pour couvrir une demande plus large. Si je vous dis que vous ne pouvez commander qu’une première unité, vous en choisissez une. Maintenant, si je vous dis que vous pouvez choisir une deuxième unité, vous voudrez probablement prendre autre chose car, au minimum, vous souhaitez augmenter votre couverture en termes de demande pour le magasin. Si je vous dis que vous pouvez choisir une troisième unité, vous choisirez à nouveau quelque chose de légèrement différent.

Le point que je soulève est que la perspective du stock de sécurité adopte une perspective totalement non économique. Elle regarde un produit dans un magasin et décide simplement, encore une fois, pour le public, un mini marché aurait environ 5 000 produits distincts sur les étagères. Elle regarde un produit de manière isolée et vous décidez de manière isolée si vous en voulez plus ou moins. Je dis que c’est absurde.

Encore une fois, regardons. Si vous devez le faire manuellement, vous êtes dans un supermarché. Vous ne penseriez pas de manière isolée si vous avez besoin de plus ou moins de quelque chose. C’est un compromis. Vous avez un espace d’étagère limité, vous avez une quantité d’argent limitée, donc vous vous demanderiez : “Est-ce que j’en ai assez de cela ? Devrais-je en commander suffisamment de ce produit, ou y a-t-il autre chose que je devrais commander en premier ?” C’est ainsi que vous pensez en termes de retour sur investissement. C’est ainsi que vous pouvez penser d’un point de vue économique.

Ce que je dis, c’est que le stock de sécurité est une perspective non économique. C’est une perspective mathématiquement intéressante, du moins d’un point de vue pédagogique, peut-être pour les étudiants en mathématiques appliquées juste pour leur donner un petit exercice ou quelque chose du genre. Mais si nous devons arriver à une chaîne d’approvisionnement réelle, et encore une fois, je prends une situation très simple comme un supermarché, qui est à peu près la chose la plus simple à laquelle on puisse penser, nous constatons que c’est une perspective non économique. Donc nous avons un problème, Houston. Cette chose ne cherche même pas à améliorer les résultats de mon entreprise. C’est tout simplement faux.

L’alternative que j’ai décrite est assez simple. Il s’agit de choisir les choses qui me donnent les meilleurs rendements. Je choisis la première unité, puis la deuxième unité, etc. Nous pouvons entrer dans les détails techniques sur la façon exacte dont nous faisons cela, mais ce sont des détails techniques. Ma critique du stock de sécurité est qu’il ne peut pas être une approche raisonnable car c’est une approche non économique. En pratique, vous vous retrouvez très souvent avec des situations absurdes. Par exemple, vous calculez selon vos stocks de sécurité toutes les choses que vous devriez mettre dans votre magasin, et cela ne correspond pas.

Ce que vous constatez, c’est que c’est là que vous vous retrouvez avec la folie. Vous vous retrouvez avec votre stock de sécurité vous disant que tous ces produits ont besoin de toutes ces unités, et parce que tout est fait de manière isolée, vous avez 5 000 produits, et pour chaque produit, vous obtiendrez une quantité. Lorsque vous faites la somme de toutes ces quantités, cela ne correspond pas.

Si nous revenons à votre IA, que doit-elle faire ? Encore une fois, votre paradigme dit que vous calculez votre stock de sécurité. Votre IA peut peut-être vous aider à calculer plus précisément le stock de sécurité. Je ne suis même pas sûr exactement comment cela pourrait aider. Mais la réalité est que vous avez un paradigme qui est conçu pour être défectueux. Votre IA, peu importe comment elle calcule votre stock de sécurité, se retrouvera toujours avec ces paradoxes étranges. Que signifie même améliorer si vous avez une perspective non économique ? Votre IA ne peut pas donner un sens à quelque chose qui n’a pas de signification économique.

Conor Doherty: Avant d’aborder les taux de service, je tiens à revenir sur un point que vous avez soulevé. Vous avez décrit les stocks de sécurité comme une perspective non économique. J’ai compris cela. Vous avez également parlé de l’utilisation des SKU de manière isolée, et cela est erroné. Eh bien, l’opposé consiste probablement à regarder les choses en combinaison. Pourriez-vous expliquer un peu plus en détail ce point sur l’isolement par rapport à la combinaison ?

Joannes Vermorel: Oui, je veux dire, encore une fois, la supply chain est un système. Cela signifie que vous ne pouvez pas dissocier les parties sans en changer la nature. Un produit vendu sur une étagère dans un supermarché n’est pas la même chose si je vends ce produit de manière isolée. Les gens, lorsqu’ils vont dans un supermarché, s’attendent à une gamme de produits, pas seulement un produit. Et c’est la même chose pour à peu près n’importe quelle supply chain qui n’est pas triviale. Une supply chain réelle sera comme ça. Si vous produisez des voitures, vous devez rassembler toutes ces pièces pour avoir des véhicules fonctionnels à la fin de la journée. Vous ne pouvez pas enlever les roues et dire que c’est une voiture. Une voiture moins les roues n’est pas une voiture ; c’est juste autre chose.

Fondamentalement, vous avez des systèmes où vous avez de nombreux types distincts de biens physiques, et ils n’ont de sens que lorsqu’ils sont réunis. Cela ne signifie pas, évidemment, que si vous enlevez les roues d’une voiture, la voiture ne fonctionne plus du tout. Dans un magasin, vous pouvez décider que peut-être vous ne voulez pas avoir de moutarde sur l’étagère. Peut-être que les clients sont d’accord pour que vous n’ayez pas de moutarde, ou au contraire, vous devez avoir trois types distincts de moutarde.

Il y a évidemment beaucoup de subtilité en fonction de ce que vous regardez. Ce n’est pas quelque chose de tout noir ou tout blanc. Mais fondamentalement, lorsque vous commencez à vendre de la moutarde dans un supermarché, cela n’a de sens qu’en fonction de ce que vous vendez avec. Donc ce que je dis, c’est que lorsque vous adoptez une perspective qui met ces choses en isolation, vous passez à côté du sujet. Vous passez à côté de ce qui rend le magasin attractif. Vous passez à côté de la dynamique qui se déroule.

Les gens entrent dans votre supermarché et n’achètent pas un seul article. Certains clients peuvent entrer et acheter un seul article, mais la plupart d’entre eux auront un panier et plusieurs articles. Donc ce que je dis, c’est que lorsque vous adoptez cette perspective de stock de sécurité, vous adoptez une perspective mathématique très étrange et super simpliste qui met vos SKUs, vos produits, en stricte isolation les uns des autres. Même en considérant le type le plus simple de supply chain auquel vous pouvez penser, comme un supermarché, cela n’a déjà aucun sens. Alors pourquoi pensez-vous que cela aurait plus de sens dans quelque chose de plus compliqué, comme la maintenance, la réparation et la révision (MRO) de l’aviation ou autre chose ?

Conor Doherty: Lokad a un terme spécifique pour cela, comme la perspective du panier. Je pense que nous avons en fait publié une carte éclair sur LinkedIn il y a quelques semaines ou peut-être un mois, décrivant cela. Comme vous l’avez dit, les gens ne rentrent généralement pas dans un supermarché pour acheter une seule chose. Ils achètent avec une liste en tête, et l’absence d’une chose peut entraîner des pertes. Si les gens achètent plusieurs choses, qu’ils entrent et achètent 10 articles, et que le 11e article qu’ils voulaient n’est pas là et qu’il s’agit d’un article critique, vous ne perdez pas seulement les ventes du 11e article. Si la personne part à cause de l’absence du 11e article critique, vous perdez la totalité des ventes dans ce panier. Donc c’est la perspective du panier. Il y a une relation entre toutes ces choses.

Joannes Vermorel: Oui, et la chose, c’est que si nous revenons au stock de sécurité et à l’IA, une fois que vous avez adopté votre perspective de stock de sécurité, peu importe que votre IA soit super intelligente ou super stupide, bon marché ou chère, ou quoi que ce soit d’autre. Elle est déjà coincée dans un coin qui est un mauvais endroit où il n’y aura aucune solution. C’est pourquoi je dis que la stupidité naturelle l’emporte toujours sur l’intelligence artificielle. Peu importe la sophistication de la technologie, son accessibilité, sa maintenabilité. Tout cela devient complètement insignifiant par le fait que vous avez déjà encadré le problème de manière non sensée.

Conor Doherty: Je suis d’accord avec vous. Je suis d’accord avec vous là-dessus, mais ce que je dirais, c’est que c’est un très bon exemple de la distinction dont j’ai parlé plus tôt entre la stupidité naturelle et l’ignorance. Ce que nous venons de décrire là est un phénomène réel, mais c’est très abstrait. Cela nécessite une certaine compréhension de la relation entre des choses qui ne sont pas immédiatement évidentes.

Joannes Vermorel: Je ne suis pas d’accord. Chaque fois que vous discutez avec quelqu’un qui n’a aucune éducation et qui gère un magasin, il saura que ce n’est pas de la magie. Nous ne parlons pas de mathématiques super avancées. Allez simplement voir n’importe quel commerçant qui fait cela depuis une semaine, et il comprendra que l’assortiment est quelque chose qui compte. Vous ne pouvez pas penser à la bonne quantité de stock pour un produit en le considérant complètement isolé de tout le reste.

En fait, c’est une sorte d’absurdité très élaborée qui nécessite l’intervention d’un professeur d’université pour se propager. C’est absurde, et la seule façon de promouvoir avec succès ce genre d’idée est d’être dans un environnement où vous êtes complètement protégé des conséquences réelles de cette très mauvaise idée. Si vous deviez gérer un magasin, vous ne penseriez pas de cette façon. Vous pouvez faire un test : discutez simplement avec n’importe qui dans votre quartier qui gère n’importe quel type de magasin. S’ils pensent comme ça, ils ne le font pas. Si vous parlez à la personne qui gère les stocks, qui passe la commande de réapprovisionnement, comme les magasins de quartier, ils penseront évidemment dans l’ensemble.

Conor Doherty: C’est en fait un bon point. Il y a une distinction à faire, et j’aimerais avoir votre opinion à ce sujet. La différence entre d’énormes conglomérats de plusieurs milliards de dollars avec des chaînes d’approvisionnement incroyablement grandes qui passent des commandes, disons, en termes de décisions d’approvisionnement, cela pourrait être des centaines de milliers par jour, et puis vous opposez cela aux magasins de quartier où c’est le magasin de Joannes et Joannes sort l’argent de sa poche pour acheter ces choses chaque jour.

Cela me rappelle quelque chose que Peter Cotton a dit quand nous lui avons parlé il y a un an et demi. Il a dit que vous prenez des décisions très différentes lorsque c’est votre argent qui est en jeu. La façon dont vous pensez au problème est très différente lorsque vous devez sortir l’argent de votre poche. Alors, je suis juste curieux, pourquoi voyez-vous de très grandes entreprises prendre de mauvaises décisions, mais lorsque vous avez donné l’exemple d’aller chez le voisin dans un magasin.

Joannes Vermorel: C’est là que réside la folie. Les grandes entreprises ne prennent pas ces mauvaises décisions parce que, malgré ce qu’elles disent, elles suivent les stocks de sécurité. Les personnes qu’elles emploient ne le font pas. C’est là que cela devient insensé. Quel est le paysage réel ? Le paysage est que vous avez des professeurs d’université qui disent qu’il faut faire des stocks de sécurité. Vous avez des manuels de chaîne d’approvisionnement qui disent qu’il faut faire des stocks de sécurité. Vous avez des fournisseurs de chaîne d’approvisionnement pilotés par l’IA qui disent que nous avons des stocks de sécurité pilotés par l’IA. Très bien. Ensuite, vous avez des entreprises qui ont des systèmes pilotés par les stocks de sécurité, ou parfois on les appelle des tampons ou autre chose. Il y a différentes variantes.

À la fin de la journée, vous avez des employés de la chaîne d’approvisionnement appelés planificateurs de la demande et de l’approvisionnement, des responsables de catégorie, des responsables des stocks - les titres varient - qui utilisent leurs feuilles de calcul pour faire quelque chose de complètement différent. Habituellement, la réaction typique que j’obtiens lorsque je discute avec ces personnes, c’est qu’elles me disent : “Oh oui, les stocks de sécurité, c’est prévu dans notre plan de les utiliser. L’année prochaine, lorsque nous aurons suffisamment de maturité, nous les utiliserons vraiment. Mais pour l’instant, nous avons eu tellement de problèmes, nous faisons quelque chose de complètement différent. Avec mes feuilles de calcul, je fais les choses différemment. Je sais que c’est un désordre, mais ça fonctionne plus ou moins. Avec plus de formation, je pourrai utiliser les stocks de sécurité un jour.”

C’est insensé car la réalité est que ce que cette personne fait a en réalité du sens. Cette recette alternative est simplement ce qui a du sens, et les stocks de sécurité ne sont qu’une mascarade ambiante qui ne fonctionne pas. Cela ne fonctionne pas depuis au moins 1979, comme l’a identifié Russell Ackoff. C’est la raison pour laquelle les feuilles de calcul ne peuvent jamais disparaître dans ces conditions.

Chaque fois que vous dites que nous allons remplacer toutes ces feuilles de calcul désordonnées par une automatisation logicielle, cela échoue. Cela échoue parce que les stocks de sécurité sont une mauvaise idée. Peu importe si vous avez des stocks de sécurité alimentés par l’IA ; c’est toujours une mauvaise idée. C’est une idée si mauvaise qu’elle ne fonctionne pas. Les grandes entreprises essaient, échouent et reviennent aux feuilles de calcul. Les gens reviennent à l’attitude de “Je fais quelque chose à ma manière. Quand j’aurai plus de formation, j’utiliserai les stocks de sécurité, mais pour l’instant, j’ai besoin de quelque chose qui fonctionne réellement.”

Conor Doherty : Sur ce point, vous avez expliqué en détail en quoi les stocks de sécurité sont défectueux. Je suppose que la même critique s’applique en grande partie aux taux de service. Ils ne sont pas exactement les mêmes, mais en termes de processus de prise de décision, quelle est la politique que vous mettez en œuvre pour arriver à une décision ? Expliquez quel est votre problème avec les taux de service, s’il vous plaît.

Joannes Vermorel : Mon problème avec les taux de service est que le taux de service est un proxy très défectueux de la qualité de service. En fait, il n’a presque rien à voir avec la qualité de service. Ce que vous voulez, c’est bien servir vos clients. C’est une évidence lorsque vous exploitez une chaîne d’approvisionnement.

Maintenant, prenons en compte un magasin de détail de base dans le secteur de la mode. Que signifie avoir des taux de service élevés ? Si vous assimilez une haute qualité de service à un taux de service élevé, cela signifie qu’une haute qualité de service signifie un taux de service élevé. Si vous dites que le taux de service est un bon proxy de la qualité de service, alors une haute qualité de service signifie un taux de service élevé.

Si vous avez un magasin qui vend une collection pour votre marque de mode, que signifie avoir des taux de service élevés ? Cela signifie effectivement que vous avez encore chaque produit, au moins quelques unités, sur les étagères jusqu’à la fin de votre collection. Si vous avez des taux de service élevés, cela signifie que votre magasin est encore plein d’articles jusqu’à la toute fin de votre collection. Comment mettez-vous en rayon la prochaine collection ?

Vous devez faire de la place en laissant partir l’ancienne collection, ce qui signifie accepter que pour ces produits, les taux de service tombent à zéro. Les clients peuvent encore être très satisfaits malgré le fait que vous ayez un taux de service nul pour de nombreux produits. Au fur et à mesure que certains produits sont éliminés, d’autres produits prennent le relais et vos clients sont toujours très satisfaits. Il n’y a aucune corrélation entre la qualité de service, qui n’existe que dans les yeux du client, et ce que vous mesurez avec votre recette numérique, qui est le taux de service.

Si les taux de service sont un très mauvais indicateur de la qualité de service, pourquoi pensez-vous qu’une IA censée piloter vos taux de service va faire des choses qui ont du sens pour votre entreprise ? Tout comme ma critique du stock de sécurité, cela n’est pas une perspective économique. Ici, vous avez un concept, le taux de service, qui n’est pas une perspective de qualité de service. Vous donnez un instrument à votre IA, donc votre IA doit gérer cet instrument, le taux de service, mais il s’avère que cet instrument est totalement inadapté pour répondre au problème, qui est la qualité de service.

Conor Doherty : Vous avez utilisé quelques belles phrases, dont “les taux de service sont un indicateur très défectueux de la qualité de service” et “la qualité de service n’existe que dans les yeux des clients”. Mais cela conduit à une question en deux parties. Premièrement, qu’est-ce qu’un bon indicateur ? Et deuxièmement, si la qualité de service n’existe que dans les yeux des clients, comment les entreprises sont-elles censées savoir si elles ont une bonne qualité de service ?

Joannes Vermorel : Ce sont de très bonnes questions. Commençons d’abord par examiner les indicateurs. Faisons quelques expériences de pensée. C’est un moyen d’éliminer les très mauvais. Nous n’avons même pas besoin de faire une expérience réelle avec un magasin réel ; nous pouvons simplement le faire comme une expérience de pensée. C’est très bon marché. Donc, la première chose est que nous devons convenir que si nous prenons un magasin avec les mêmes produits sur les étagères, rien n’a changé. Quoi que nous pensions être la qualité de service, cela ne change pas. Si je regarde le même magasin, les mêmes produits, au même moment, et que je ne change rien, alors quoi que je pense être la qualité de service ne devrait pas changer.

Revenons maintenant sur le taux de service. De nombreuses entreprises mesurent le taux de service en prenant le pourcentage de produits en rupture de stock ou non en rupture de stock. Si vous avez 97% de vos produits qui ne sont pas en rupture de stock, vous auriez un taux de service de 97%. Il existe différentes façons de considérer le taux de service à travers les ruptures de stock. C’est lorsque vous effectuez une optimisation des stocks de sécurité, ce qui est une perspective légèrement différente. Mais ici, c’est la façon dont de nombreuses entreprises fonctionnent avec ce type de rapport, donc c’est celle que je vais utiliser.

Maintenant, imaginons conceptuellement que nous avons décidé que l’assortiment du magasin est doublé. Donc, nous avions un magasin de mode avec, disons, 3 000 articles distincts. Maintenant, nous disons que ce magasin est censé avoir 6 000 articles, mais dans le magasin, nous avons toujours les mêmes 3 000 articles. Conceptuellement, dans le système informatique qui pilote le magasin, nous avons simplement déclaré que l’assortiment est deux fois plus grand avec plus de variantes, plus de couleurs, plus de tailles.

Avons-nous changé quelque chose du point de vue des clients ? Évidemment, non. C’est toujours le même magasin, les mêmes pantalons sur les étagères, les mêmes couleurs, les mêmes tailles. Rien n’a changé. Mais dans le système informatique, nous avons doublé la gamme de l’assortiment éligible. En faisant cela, nous avons divisé le taux de service tel que mesuré par votre système informatique par deux. Nous étions à, disons, un taux de service de 97%, maintenant nous sommes à environ 48%, et nous n’avons rien changé dans le magasin.

C’est pourquoi je dis à travers des expériences de pensée, si vous avez un proxy qui, lorsque vous ajustez les paramètres de votre ordinateur sans rien changer dans le magasin, vous pouvez apporter des changements arbitrairement importants à vos chiffres, alors votre proxy est complètement absurde. Quoi que vous choisissiez comme proxy pour la qualité de service, cela ne devrait évidemment pas dépendre des détails techniques de vos systèmes informatiques. Ce serait insensé si un physicien disait : “Quel est le poids de cette bouteille ?” et que la réponse dépende de la configuration du système informatique en russe ou en français. C’est tout simplement insensé. La réponse est évidemment complètement indépendante. Ou imaginez si le poids dépendait du fait que ce soit une machine Linux ou une machine Windows. Insensé. Vous regardez des caractéristiques qui devraient être complètement indépendantes de votre système informatique.

Ce que j’ai démontré avec le taux de service, c’est qu’en jouant avec l’assortiment, vous pouvez avoir de grandes variations dans le taux de service. C’est une démonstration de l’absurdité de cette mesure. Mon point de vue est que si nous devons nous concentrer sur la qualité de service, nous en revenons à l’idée que si quelque chose est fondamentalement absurde, vous devriez vous en passer. Même si vous n’avez pas d’alternative, c’est comme avoir une tumeur ; enlevez la tumeur et vous vous en porterez mieux sans elle. Ne réfléchissez pas encore à ce que vous devriez mettre à la place de la tumeur.

Pouvons-nous avoir des mesures de haute qualité pour la qualité de service ? Oui, nous le pouvons. C’est une piste de discussion complètement différente, et je préférerais ne pas m’engager dans cette voie. Mais vous comprenez mon point de vue. Vous ne pouvez pas surmonter la stupidité naturelle avec l’intelligence artificielle. Peu importe à quel point vos techniques sont sophistiquées, si votre prémisse est très mauvaise, cela ne résoudra pas le problème. Si vous partez d’un concept erroné, d’un paradigme erroné, peu importe combien d’instruments vous ajoutez par-dessus ; votre paradigme reste erroné.

Conor Doherty : Oui, d’accord, nous pouvons accepter cela. Mais la réponse immédiate à cela est, lorsque vous dites que ces idées sont stupides et que les paradigmes sont erronés et qu’ils ne conduiront pas à de meilleures décisions, la réponse évidente est un PDG qui dit : “De quoi parlez-vous ? J’ai réalisé 10 milliards de chiffre d’affaires l’année dernière en utilisant des stocks de sécurité, des taux de service, des RFP, des prévisions de séries temporelles.” Bien qu’il n’y ait pas de limite supérieure au nombre de choses qui peuvent être vraies simultanément, et que parfois elles entrent en conflit, vous comprenez sûrement que pour certaines personnes, entendre “vous êtes stupide de faire ces choses” ou “vous êtes ignorant” ou “ce sont de mauvaises idées”, elles se contenteront souvent de pointer le résultat financier et de dire : “Mais regardez, je m’en sors vraiment très bien. De quoi parlez-vous ?”

Joannes Vermorel : Reprenons depuis le début. Les magasins de mode. Nous avons des clients, et au fil des années, nous avons eu des discussions avec des prospects qui sont devenus des clients. Ils nous disaient qu’ils optimisaient les taux de service. C’est ce qu’ils disent, et si vous regardez le processus, c’est ce qui est écrit dans le processus. Mais lorsque vous commencez à regarder ce que les praticiens font réellement, ce n’est pas ce qu’ils font. Nous en revenons aux stocks de sécurité. Il s’avère que les magasins, encore une fois, un magasin de mode, lorsque la prochaine collection arrive, décident soudainement qu’ils ne vont pas recommander autant. Ils laissent intentionnellement les taux de service chuter énormément. Ensuite, lorsque vient enfin le moment de la nouvelle collection, vous avez une courte période de vente, et soudainement vous avez suffisamment d’espace pour apporter la nouvelle collection.

Nous sommes donc dans une situation où les entreprises, en particulier la haute direction, disent qu’elles utilisent des taux de service, mais la réalité est qu’elles ne le font pas. Les personnes sur le terrain font des choses différentes. C’est pourquoi, une fois de plus, lorsque vous essayez d’automatiser, cela échoue. Lorsque vous essayez d’automatiser, vous essayez en réalité d’imposer cette idée dysfonctionnelle à votre supply chain, et cela entre en conflit avec la réalité, et donc cela échoue. Les gens reviennent aux feuilles de calcul.

La chose intéressante est qu’il y a une énorme dissonance cognitive dans le monde moderne de la supply chain. Certains des principes fondamentaux, tels que les séries temporelles, les stocks de sécurité et les taux de service, sont complètement erronés. Les personnes sur le terrain font des choses complètement différentes des feuilles de calcul. Au lieu de considérer les taux de service comme quelque chose à imposer, ils les considèrent simplement comme un indicateur et font les choses avec beaucoup de marge de manœuvre.

Si nous transformons la question en “Est-il fondamentalement mauvais d’avoir des taux de service comme indicateur quelque part ?”, je dirais que non. C’est juste une statistique descriptive parmi de nombreuses autres statistiques descriptives. Dans ce domaine, vous pouvez avoir de nombreuses statistiques descriptives. Elles ne sont ni bonnes ni mauvaises ; elles sont simplement plus ou moins organisées et vous donnent plus ou moins d’informations sur ce qui se passe. Mais la théorie de la supply chain vous dit quelque chose de très différent.

Ils ne disent pas que le taux de service est un élément des statistiques descriptives ; ils vous disent que c’est votre objectif, et vous devriez prendre des décisions qui correspondent à cet objectif. Ce que je dis, c’est que les personnes dans les grandes entreprises ne font presque jamais cela, et elles ont raison. Tout comme les stocks de sécurité, si vous leur demandez, elles diront : “Oh oui, nous avons nos objectifs de taux de service. Nous avons besoin de plus de maturité, et un jour nous le ferons. Mais pour l’instant, nous avons besoin de quelque chose qui fonctionne.”

Nous en revenons à une sorte de position insensée où les praticiens sont conscients qu’ils font autre chose, et ils considèrent cela comme quelque chose qu’ils feront quand ils grandiront, quand ils auront plus de maturité, éventuellement quand ils auront une IA pour les soutenir. Mais cela n’arrivera pas parce que le concept est erroné. En tant que statistique descriptive, c’est correct. En tant que politique d’entreprise, c’est complètement défectueux.

Conor Doherty: Eh bien, je devais encadrer cela. Si l’argument est, et corrigez-moi si je me trompe, mais si l’argument est que vous avez des entreprises qui ont ces politiques, qui ont ces métriques, et que les praticiens les ignorent simplement, mais qu’il y a des entreprises qui réussissent vraiment, vraiment bien, voulez-vous dire qu’elles réussissent vraiment, vraiment bien par pur hasard et par instinct des praticiens qui mettent leurs doigts en l’air et qui devinent et qui devinent correctement par hasard ?

Joannes Vermorel: Non, je dis simplement que bon nombre de ces problèmes, vous savez, tant que vous n’utilisez pas une approche complètement défectueuse, vous pouvez avoir des solutions rudimentaires qui fonctionnent quand même pour vous. Vous voyez, la quantité de compétences nécessaires pour gérer correctement une épicerie locale ne nécessite pas un doctorat de Stanford. Vous pouvez le faire avec beaucoup moins. Vous pouvez même découvrir de manière progressive ce qui fonctionne et ce qui ne fonctionne pas.

Donc ce que je dis, c’est que ces entreprises peuvent connaître le succès, évidemment pas grâce à la théorie de la supply chain. Elles ont des personnes avec un peu d’expérience qui ont découvert quelques recettes numériques qui fonctionnent plus ou moins. Elles fonctionnent assez bien. La preuve que cette théorie ne fonctionne pas, c’est que toutes ces grandes entreprises ont essayé d’automatiser les processus de nombreuses fois, à peu près une fois tous les cinq ans au cours des trois dernières décennies, et cela a échoué à chaque fois. Les gens sont toujours revenus aux feuilles de calcul.

Pourquoi revenir à la feuille de calcul ? La formule du stock de sécurité est très simple. Orienter les décisions d’inventaire pour correspondre aux objectifs de taux de service est très simple en termes de codage. C’est comme un jeu d’enfant, nous parlons au total de 50 lignes de code, peut-être moins. Donc si cela fonctionnait, cela serait déjà déployé, et le travail de toutes ces personnes serait déjà automatisé.

Mon argument est que ce n’est pas le cas, ce n’est nulle part près d’être automatisé car ces paradigmes sont erronés et donc ils ne peuvent pas être automatisés en tant que tels. Ce que contiennent ces feuilles de calcul utilisées par les praticiens de la supply chain, ce sont des méthodes alternatives qui sont généralement relativement simples, qui se trouvent fonctionner, mais qui sont conceptuellement incompatibles à la fois avec le stock de sécurité et les taux de service.

Conor Doherty: Eh bien, quelles stratégies pratiques pensez-vous que les praticiens de la supply chain peuvent maintenant utiliser pour essayer de prendre des décisions de supply chain plus économiquement viables ?

Joannes Vermorel: Vous voyez, si nous essayons de revenir à l’IA, la chose est que vous devez renoncer à cette illusion que les concepts que vous connaissez, qui ont été enseignés à l’école ou avec une certaine association pour la supply chain, ces concepts sont tout simplement dysfonctionnels. Si vous essayez d’apporter des instruments sophistiqués, peut-être de l’IA générative ou de l’apprentissage profond ou de la blockchain ou tout ce à quoi vous pouvez penser, à cela, cela ne fonctionnera tout simplement pas.

La première étape consiste donc à reconnaître que vous avez un problème paradigmatique. C’est un grand mot pour dire simplement que la théorie que vous utilisez est complètement fausse. Il s’avère que ce que nous faisions instinctivement est en réalité la meilleure façon de faire. Maintenant, si vous voulez le faire de manière vraiment sophistiquée, vous pouvez essayer de formaliser cet instinct économique, c’est-à-dire ne pas faire quelque chose qui est extrêmement préjudiciable et coûteux pour l’entreprise. C’est simplement une manière plus formelle de dire la même chose.

Ensuite, une fois que vous avez la bonne perspective, vous pouvez utiliser les technologies sophistiquées, et c’est ce que fait Lokad. Mais l’essentiel est de commencer par bien cadrer le problème avec une perspective qui a du sens. Tant que vous êtes coincé dans une perspective dysfonctionnelle ou stupide, être un virtuose de la technologie est sans importance. C’est la partie triste. C’est pourquoi je peux affirmer avec une relative assurance que ces fournisseurs d’IA échoueront. Peu importe s’ils sont talentueux ou non, peu importe si leur technologie est très bonne ou très mauvaise, si elle est bon marché ou extrêmement chère. Tout cela est complètement insignifiant. Ça ne marchera pas parce que les prémisses sur lesquelles ils travaillent sont erronées.

Conor Doherty: Très bien, Joannes, merci. Je n’ai plus de questions, mais je vais maintenant passer à certaines des questions du public. Merci beaucoup. Donc, sans ordre particulier, en ce qui concerne les quatre preuves, vos quatre méthodes : les RFP, les séries temporelles, les stocks de sécurité et les taux de service. Si ces pratiques desservent si mal les entreprises, qu’est-ce qui, selon vous, empêche les équipes de direction de les abandonner simplement ?

Joannes Vermorel: Changer quoi que ce soit dans les grandes entreprises est difficile, mais il existe une catégorie de changements encore plus difficiles. En règle générale, j’ai constaté que dans n’importe quelle entreprise, quelle que soit sa taille, supprimer quelque chose est, disons, deux ordres de grandeur, soit 100 fois plus difficile que d’ajouter des choses. Ajouter un nouveau processus est facile, ajouter un nouveau poste est facile, ajouter un nouveau logiciel est facile.

Supprimer quoi que ce soit est très difficile, en particulier en France. Mais partout, vous savez, nous pouvons plaisanter sur le fait que la France a la Banque de France, une institution dédiée à la gestion d’une monnaie qui n’existe plus depuis 1992. Nous avons une anti-institution qui est dédiée à la gestion d’une monnaie qui n’existe plus depuis 30 ans. Et d’ailleurs, il y a environ 14 000 employés à Paris. Mais vous voyez, ce qui se passe à grande échelle dans les contextes gouvernementaux se produit simplement à plus petite échelle dans les grandes entreprises. Les bureaucraties ont tendance à croître d’elles-mêmes, c’est la loi de Parkinson.

Alors, la question est, pourquoi les dirigeants ne suppriment-ils pas les choses qui ne fonctionnent pas ? La chose est que les gens font déjà quelque chose de différent. La politique officielle de l’entreprise est que tout le monde utilise des stocks de sécurité. La réalité est qu’il y a tellement de remplacements manuels basés sur des feuilles de calcul que l’entreprise utilise effectivement quelque chose de complètement différent. Voilà l’état des choses. Nous avons la mascarade qui continue de prétendre que l’entreprise est axée sur les stocks de sécurité. Je dis, eh bien, vous savez, ces stocks de sécurité sont toujours une caractéristique importante de la chaîne d’approvisionnement de l’entreprise. Ce n’est pas le cas. Mais en fin de compte, la direction dirait, qu’est-ce que j’ai à gagner en officialisant le fait que les stocks de sécurité n’existent plus ? En fin de compte, cela ne change rien car les gens ne les utilisent déjà plus.

Donc, c’est la même chose. Une fois que vous avez un rapport sur le taux de service, cela n’a vraiment aucun sens. Mais les avantages de le supprimer à très court terme sont limités. À long terme, les avantages sont énormes car cela ouvre la voie à quelque chose de beaucoup plus sensé. Mais à court terme, les avantages sont limités. Encore une fois, ajouter des choses est beaucoup plus facile.

Si nous revenons à l’IA, cela explique également pourquoi il y a tant d’empressement à adopter les technologies de l’IA. C’est simplement additionnel. Nous allons ajouter une autre classe de choses dans l’organisation, et c’est très agréable et facile, au lieu de dire que nous allons supprimer une classe de choses qui gêne simplement l’efficacité de l’entreprise, sa rentabilité, et le service aux clients. Il est beaucoup plus difficile pour un manager de dire, je vais simplement supprimer des personnes et les choses vont fonctionner mieux.

Imaginez simplement ce qui s’est passé avec Elon Musk sur Twitter quand il a dit, j’ai simplement licencié 80% du personnel et Twitter, maintenant X, est plus fluide que jamais. Il a plus d’utilisateurs que jamais, et dans l’ensemble, ils ont ajouté des tonnes de fonctionnalités que l’équipe précédente, qui était cinq fois plus grande, n’a pas pu faire au cours des décennies précédentes. Cela reflète la puissance de la soustraction, mais c’est extrêmement difficile. C’est très, très difficile. Donc je dirais que ces choses ne bougent pas parce que supprimer quoi que ce soit est extrêmement difficile, même si c’est extrêmement important.

Conor Doherty: Merci. La question suivante est très bien formulée. Compte tenu de votre rejet historiquement franc des remplacements humains, considérez-vous cela comme un exemple de stupidité naturelle ?

Joannes Vermorel: Les remplacements humains. Je veux dire, cela dépend. Si nous remplaçons une recette numérique qui est complètement dénuée de sens, c’est bien. Ce que je veux dire, c’est que les choses deviennent encore plus folles lorsque vous vous retrouvez dans des situations où vos recettes numériques sont dénuées de sens.

Conor Doherty: Quand vous parlez de recettes numériques.

Joannes Vermorel: C’est tout ce qui calcule vos décisions de chaîne d’approvisionnement, comme combien vous devez commander, combien vous devez produire, où vous devez allouer le stock, et ainsi de suite.

Donc vous avez des recettes numériques qui sont dénuées de sens, il est donc tout à fait normal de remplacer manuellement ces sorties insensées pour les décisions. Et maintenant, ce qui se passe, c’est que vous vous retrouvez avec de nombreuses personnes dans l’organisation qui passent leurs journées entières à remplacer des décisions. En ce qui me concerne, cela est nécessaire car sinon l’entreprise se heurterait à un mur grâce à ces décisions complètement insensées.

Maintenant, ce qui se passe, c’est que les bureaucraties se développent toujours. C’est la règle de la loi de Parkinson. Les bureaucraties se développent. Si vous avez des personnes qui passent leurs journées à remplacer manuellement des décisions numériques, vous aurez des personnes qui passeront leurs journées entières à remplacer progressivement des artefacts numériques. Alors, qu’est-ce qu’un artefact ? Un artefact est simplement quelque chose qui existe dans votre système, comme un taux de service, une prévision, une prévision quotidienne, une prévision mensuelle, un budget, ou autre.

Quelque chose avec lequel vous pouvez jouer. Ce chiffre n’a aucun effet tangible sur votre entreprise. Il pourrait avoir un effet négatif s’il y a des décisions qui découlent de cet artefact, peut-être. Mais très souvent, les décisions n’ont aucun impact sur les artefacts. Alors pensez simplement à jouer avec les KPI et autres. Cela sera sans conséquence, sauf peut-être aux yeux de la direction car vous avez un chiffre qui semble meilleur.

Mais encore une fois, la bureaucratie se développe. Donc vous avez commencé avec une situation où vous aviez des personnes qui remplaçaient manuellement des décisions qui étaient nécessaires. Et maintenant, la bureaucratie se développe. Vous avez beaucoup de personnes qui remplacent des artefacts, des artefacts numériques, donc des choses qui n’ont pas d’importance. Il s’agira de personnes qui jouent avec les classes ABC, de personnes qui jouent avec les taux de service, de personnes qui jouent avec les coefficients pour les stocks de sécurité, de personnes qui jouent avec les coefficients de saisonnalité, etc. La liste est sans fin.

Et ce que je dis, c’est que oui, ces remplacements numériques sont complètement insensés et inutiles. Et d’ailleurs, l’approche de Lokad, et c’est pourquoi les gens disaient que je suis très méprisant, c’est que si vous avez une recette numérique qui est saine, il ne devrait pas y avoir besoin de remplacement manuel. Si vous devez remplacer manuellement vos résultats, c’est parce que votre recette numérique est insensée. Je parle d’une décision. Donc si la décision est insensée, vous devez corriger la recette numérique et continuer à la corriger jusqu’à ce qu’il n’y ait plus une seule ligne qui soit insensée.

Tant que votre recette numérique produit des décisions insensées, vous devez continuer à itérer pour la corriger, sans exception. Et c’est pourquoi, d’ailleurs, chez Lokad, nous sommes généralement très méprisants envers ces remplacements manuels. Les remplacements des décisions ne font que refléter le fait que vous avez une mauvaise recette numérique. Et le remplacement des artefacts numériques ne fait que refléter un travail bureaucratique inutile qui est complètement inutile en premier lieu et qui pourrait être éliminé entièrement sans que cela ne change quoi que ce soit pour l’entreprise.

Conor Doherty: Oui, c’est traiter les symptômes et non la cause.

Joannes Vermorel: Essentiellement, oui, exactement. Et encore une fois, agir dans l’intérêt des bureaucraties. Encore une fois, c’est la loi de Parkinson. Les bureaucraties ont tendance à se développer. Donc si vous multipliez par 10 le nombre de commis que vous avez pour effectuer ces remplacements manuels, vous aurez 10 fois plus de mises à jour de ces valeurs. Cela n’améliorera pas votre chaîne d’approvisionnement.

Conor Doherty: Eh bien, ça me convient. Merci. Prochaine question. C’est en deux parties. Comment les systèmes ERP ont-ils aggravé le problème et pourquoi ne peuvent-ils pas gérer les prévisions probabilistes ? Vous avez seulement effleuré les prévisions probabilistes plus tôt, mais n’hésitez pas à développer.

Joannes Vermorel: Les systèmes ERP ont aggravé le problème, je dirais, grâce aux chercheurs de marché principalement en rendant la situation très confuse. Donc, d’abord, un ERP, il n’y a pas de P dans ERP. C’est la gestion des ressources de l’entreprise. Il n’y a pas de planification impliquée. Ce que vous avez, c’est un système transactionnel. Il s’agit simplement de gérer un flux transactionnel. C’est pratiquement l’équivalent électronique de votre flux physique. Et c’est bien. Cela vous donne la représentation électronique de ce qui se passe physiquement dans votre chaîne d’approvisionnement. C’est bien.

Maintenant, le problème est que la planification est soudainement… C’est ce que j’appelle un système d’enregistrement. La planification, soudainement, nous entrons dans le domaine du système d’intelligence, de la prise de décision. Maintenant, pourquoi les ERP ont-ils aggravé la situation ? C’est parce que les fournisseurs ont très rapidement réalisé à la fin des années 90 que les systèmes d’enregistrement, également connus sous le nom d’applications CRUD (Create, Read, Update, Delete), étaient déjà des produits de base. C’était déjà des produits de base il y a 20 ans.

De nos jours, c’est encore plus incroyablement banalisé. Et d’ailleurs, si vous voulez avoir une véritable application d’IA générative en tant qu’outil de productivité, c’est superbe d’écrire du code pour les applications CRUD. Donc maintenant, avec ChatGPT, vous pouvez littéralement écrire des applications qui ressemblent à des ERP super, super rapidement parce que ces choses sont simples. C’est beaucoup de code standard ; vous en avez des tonnes. C’est incroyablement répétitif. Ce n’est pas comme de l’ingénierie sophistiquée.

Donc, ce genre de choses en tant qu’outils de productivité, l’IA fonctionne incroyablement bien pour traiter la gestion des ressources de l’entreprise. Maintenant, revenons à cette situation qui a été confuse. Ce que vous attendez de vos systèmes informatiques pour traiter un système d’intelligence de prise de décision est complètement différent de ce que vous attendez d’un système d’enregistrement. Une illustration est combien de millisecondes pouvez-vous vous permettre de garder votre système occupé à faire quelque chose. S’il s’agit d’un système d’enregistrement, la réponse est moins d’une milliseconde. Quoi que vous fassiez, cela devrait être terminé en moins d’une milliseconde.

Pourquoi ? Parce que votre système, votre gestion des ressources de l’entreprise, disons, repose sur une base de données centralisée, et c’est une ressource partagée pour tout le monde et tous les processus de votre entreprise. Donc, tout converge vers cette base de données. Si vous figez cette base de données pendant une milliseconde, cela signifie que tout le reste sera retardé d’une milliseconde. Vous pourriez dire : “Oh, une milliseconde, ce n’est rien.” Oui, mais maintenant vous avez 500 personnes qui font cela. D’accord, ce n’est pas 500, c’est maintenant 500 millisecondes de retard qui commencent à devenir perceptibles.

Maintenant, que se passe-t-il si quelques-unes de ces demandes bloquent votre cœur relationnel ? Je simplifie pour un instant. Alors soudainement, vous vous retrouvez avec un système très, très lent. Soudainement, scanner un code-barres peut prendre plusieurs secondes pour que le système reconnaisse ce que vous venez de faire. Et c’est pourquoi beaucoup d’entreprises se plaignent : “Oh, mon système ERP est si lent.” La réponse est invariablement, il est lent parce que vous avez mis des choses dans ce système que vous n’auriez pas dû mettre.

Le GME, vous savez, la gestion des ressources de l’entreprise, ne devrait traiter que des choses qui peuvent être calculées en moins d’une milliseconde, donc super, super simples. Si vous faites quelque chose qui n’est pas extrêmement simple, cela signifie que vous allez bloquer votre système. Vous allez prendre des ressources qui vont d’une manière ou d’une autre bloquer votre système pendant un laps de temps mesurable. Et si vous avez suffisamment de personnes qui font cela, et devinez quoi, nous parlons de grandes entreprises, donc de nombreux processus, de nombreuses personnes, votre système va devenir incroyablement lent. Et c’est exactement pourquoi les ERP sont encore aujourd’hui aussi lents qu’il y a 20 ans. Bien que, en termes de puissance de traitement brute, nous disposions d’ordinateurs qui sont au moins mille fois meilleurs. La réponse est, pourquoi est-ce encore aussi lent ? C’est parce qu’il y a un équilibre qui apparaît.

Si quelque chose ralentit tellement l’ERP qu’il faut plusieurs secondes pour que d’autres personnes obtiennent une réponse du système, alors le service informatique va simplement intervenir et empêcher cela. Et vous le constatez. Ainsi, ils agissent comme la police de la consommation de l’ERP. Et s’il y a quelqu’un qui est excessif, le service informatique va intervenir à un moment donné et simplement empêcher cette personne ou ce logiciel de créer autant de problèmes pour le reste d’entre nous. Et donc, il y a cet équilibre, puis il converge avec un équilibre, qui est, c’est lent mais tolérable. C’est pourquoi la plupart des ERP sont super lents mais pas assez lents pour être insupportables. Parce que si vous entrez dans le territoire insupportable, alors le service informatique intervient et tue simplement la chose.

Nous en revenons donc maintenant aux systèmes d’intelligence. Au contraire, si vous y réfléchissez, si vous voulez réfléchir à la façon dont vous devriez effectuer un réapprovisionnement en magasin, vous allez examiner des années d’historique des ventes. Vous voulez voir ce qui se passe avec des milliers, voire des dizaines de milliers de clients. Je veux dire, c’est évidemment quelque chose qui va manipuler beaucoup de données. C’est évidemment quelque chose où vous voulez investir un peu plus d’une milliseconde de calcul. Le calcul est bon marché.

Le problème, c’est que si vous avez un GME, vos ressources sont partagées avec toute l’entreprise. Donc, ce que vous voulez, c’est avoir un système d’intelligence en dehors du GME, et alors cette chose peut prendre autant de temps qu’il est pertinent d’investir pour faire ces calculs sophistiqués. Donc, si nous revenons à la question initiale, les systèmes d’enregistrement doivent traiter des choses qui sont transactionnelles, qui sont des règles très simplistes.

La prévision probabiliste est l’archétype des choses que vous ne voulez pas avoir dans votre système d’enregistrement. Je veux dire, encore une fois, dès que nous commençons, lorsque nous parlons de prévision probabiliste, nous discutons de distributions de probabilités. Ces objets, en termes de mémoire, sont volumineux. Il va falloir beaucoup d’espace pour avoir toutes ces probabilités. Vous pouvez être très intelligent de différentes manières, mais soyons évidents. Je veux dire, cela introduit évidemment, par rapport aux données brutes que vous avez, beaucoup de surcharge. Vous macro-étendez vos données pour évaluer toutes ces probabilités.

Donc, fondamentalement, vous avez quelque chose qui, par conception, peut être très puissant, oui, mais pratiquement, il ne sera pas en temps réel. Si vous vous lancez dans une évaluation probabiliste sophistiquée, vous n’êtes pas dans le domaine du calcul en temps réel. Vous voulez quelque chose où vous pouvez allouer des gigaoctets de mémoire et passer, soyons fous, des secondes de calcul. C’est bien. La plupart des décisions de la supply chain peuvent supporter quelques secondes de retard, mais pas votre ERP.

Conor Doherty: Eh bien, encore une fois, juste pour revenir sur ce point concernant les systèmes d’intelligence et le manque de nécessité d’avoir des calculs en temps réel en fonction de ce que vous essayez de calculer. Donc, juste pour donner un ordre de grandeur ici, si vous prenez l’exemple d’une commande de réapprovisionnement des stocks, si vous parlez d’un magasin ou d’un client, disons 300 magasins et, pour simplifier, 50 000 références, vous parleriez de 10 heures, 12 heures, comme un traitement nocturne pour arriver à ces décisions, par opposition au système d’enregistrement qui serait simplement…

Joannes Vermorel: Oui, mais vous voulez garder votre calcul généralement, chez Lokad, ce que nous faisons, c’est 60 minutes, mais pour une raison complètement différente. Donc oui, en théorie, vous pourriez avoir un calcul qui prend 10 heures. En pratique, c’est une très mauvaise idée car si votre calcul plante en cours de route et que vous devez le redémarrer, cela signifie que vous créez des problèmes opérationnels.

Donc, vous voulez que votre calcul soit suffisamment court pour que lorsque vous devez le refaire, il reste encore beaucoup de temps. Et la deuxième raison, c’est encore plus important, c’est que ce calcul, vous ne le ferez pas correctement dès le départ. Comme je l’ai dit, une recette numérique, tant qu’elle produit des résultats insensés, vous devez la modifier et la mettre à jour jusqu’à ce que vous ayez une recette numérique qui ne génère aucune décision insensée, ce qui signifie beaucoup d’itérations.

Si vous avez quelque chose où le calcul se termine en moins de 60 minutes, cela signifie qu’un ingénieur peut peut-être faire cinq ou six itérations par jour. Si vous avez quelque chose qui prend 10 heures, cela signifie une itération par jour. Vous voulez vraiment avoir quelque chose où un ingénieur peut itérer de nombreuses fois par jour. Et fréquemment chez Lokad, lorsque nous sommes en mode de conception, lorsque nous élaborons une nouvelle recette numérique, nous essayons de garder le calcul à quelques minutes pour pouvoir avoir littéralement des dizaines d’itérations par jour.

Conor Doherty: Il y a cependant des exemples, encore une fois, pour passer, disons, du commerce de détail à quelque chose comme l’aérospatiale. Il y a des exemples où vous voudriez que les décisions soient générées en quelques minutes plutôt qu’une heure. Par exemple, 60 minutes pourraient être catastrophiques sur le plan financier. Donc encore une fois, ce n’est pas dire que le plus rapide que nous puissions faire est 60 minutes. Cela dépend plutôt du contexte de la verticalité.

Joannes Vermorel: Absolument. Mais même, vous voyez, vous devez apprécier qu’entre une milliseconde, qui devrait être votre objectif de performance à l’intérieur d’un ERP, et une minute, nous parlons de presque cinq ordres de grandeur. C’est très différent. C’est littéralement plus de 10 000 fois plus, vous savez. Ce qui signifie que vous pouvez faire les choses très, très différemment.

Si vous voulez fonctionner en dessous d’une milliseconde, c’est très, très difficile. Beaucoup de choses ne sont même pas possibles. Même la vitesse de la lumière est assez lente. Je veux dire, si vous parlez de choses qui fonctionnent en dessous d’une milliseconde, cela signifie que la vitesse de la lumière ne va parcourir que 300 kilomètres. Cela peut sembler beaucoup, mais si vous voulez penser en termes d’aller-retour, cela signifie qu’une milliseconde est littéralement la vitesse de la lumière. Vous ne pouvez pas vraiment aller plus loin que 150 kilomètres si vous devez vous déplacer.

Donc, vous voyez, c’est le genre de vitesse où soudainement toute communication réseau est exclue. Donc, si vous voulez vous en tenir à des performances de l’ordre de la sous-millisecondes, il n’est pas autorisé de faire une quelconque communication réseau. Même charger des choses à partir d’un disque dur est un peu exclu. Un disque qui tourne, un disque magnétique, la latence sera d’environ 10 millisecondes. Donc, même charger quelque chose à partir d’un disque est exclu.

Avec un disque SSD, vous savez, un disque à semi-conducteurs, vous pouvez le faire, mais même là, vous ne pourrez pas faire beaucoup d’accès. Vous pouvez en faire peut-être quelques-uns. Donc, ce que je veux dire, c’est qu’il y a une énorme différence entre ce que vous pouvez faire en une milliseconde et ce que vous pouvez faire en une minute. En termes de conception informatique, c’est complètement différent. Si vous avez une minute, vous pouvez faire beaucoup d’appels réseau, vous pouvez faire beaucoup de calculs sophistiqués, vous pouvez charger beaucoup de données. C’est beaucoup plus facile à concevoir.

Conor Doherty: Eh bien, Joannes, merci. Il n’y a pas d’autres questions. Merci beaucoup pour votre temps. Cela fait environ une heure et demie, donc je vous laisse une minute pour une réflexion finale. Y a-t-il quelque chose que vous voulez dire avant que nous partions ?

Joannes Vermorel: Non, je souhaite beaucoup de force mentale à toutes les personnes engagées dans les processus d’IA pour leur supply chain car, eh bien, ces processus échoueront. Je suis vraiment désolé. Je suis vraiment désolé, les gars. Cela arrive tout simplement. Ne le prenez pas personnellement. Je veux dire, je pense que vous pouvez vous consoler. Je pense que pour ces personnes, vous pouvez vous consoler en vous disant que vos compétences sont sans importance, vous savez. Et d’ailleurs, les compétences de votre fournisseur sont également sans importance à ce stade. Donc, cela n’a pas d’importance si vous êtes bon ou mauvais, vous savez. De cette façon, vous pouvez vous considérer avec un peu moins de mépris face à l’échec. Ne le prenez pas trop personnellement. L’échec était garanti. C’était voué à l’échec dès le départ.

Conor Doherty: Oui, d’accord. Eh bien, sur cette note joyeuse et festive, Joannes, merci beaucoup pour votre temps et merci à tous de nous avoir regardés. Nous vous verrons en 2025.