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

00:00:00 Introduction et clarification du thème
00:02:55 Des entreprises revisitant d’anciennes approches avec l’IA
00:04:28 Les échecs des ingénieurs brillants en supply chain
00:05:44 La traduction automatique du site de Lokad avec des LLMs
00:09:15 Les quatre preuves clés des échecs
00:12:24 Pourquoi les RFP 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 épisode récent de LokadTV, Conor Doherty et Joannes Vermorel ont discuté des défauts inhérents à la gestion de la supply chain, notamment de la surdépendance à l’IA. Vermorel a critiqué des pratiques de longue date telles que les demandes de propositions, la prévision des séries temporelles, les formules de stocks de sécurité et les taux de service, soutenant qu’elles étaient obsolètes et économiquement insoutenables. Il a souligné que l’IA ne pouvait pas rectifier ces problèmes profondément enracinés, n’étant pas encore au niveau de l’intelligence humaine. Vermorel a suggéré que des ajustements pratiques fondés sur l’expérience des praticiens compensaient souvent ces méthodes défaillantes. La conversation s’est conclue par une session de questions-réponses, soulignant la difficulté de supprimer des processus ancrés dans les grandes entreprises.

Résumé étendu

Dans un épisode récent de LokadTV, Conor Doherty, Directeur de la Communication chez Lokad, s’est engagé dans une discussion stimulante avec Joannes Vermorel, PDG et fondateur de Lokad, au sujet des écueils des initiatives d’IA en gestion de la supply chain. La conversation, qui a eu lieu dans le nouveau studio de Lokad, tournait autour de l’affirmation de Vermorel selon laquelle les approches courantes de la supply chain, en particulier celles impliquant l’IA, sont fondamentalement défectueuses et vouées à l’échec.

Vermorel a commencé par critiquer les pratiques de longue date en gestion de la supply chain, qu’il estime être restées stagnantes depuis la fin des années 1970. Il a soutenu qu’ajouter simplement l’IA à ces méthodes obsolètes n’est pas une solution, mais plutôt un exercice futile. Vermorel a souligné que les échecs des initiatives de supply chain passées, même celles dirigées par des ingénieurs très intelligents, devraient servir d’avertissement contre la surdépendance à l’IA.

Conor Doherty a contesté Vermorel en soulignant que beaucoup considèrent l’IA comme une solution miracle pour les problèmes de la supply chain. Vermorel a répliqué en mettant en lumière les limites de l’IA, en citant l’exemple de ChatGPT. Il a expliqué que, si des ingénieurs extrêmement intelligents n’ont pas réussi à résoudre ces problèmes, il est irréaliste d’attendre de l’IA, qui n’est pas encore au niveau de l’intelligence humaine, qu’elle réussisse. Il a insisté sur le fait que l’IA peut réduire les coûts et améliorer l’efficacité dans les domaines où les solutions sont déjà identifiées, mais qu’elle ne peut pas résoudre des problèmes fondamentalement défectueux.

La discussion s’est ensuite penchée sur les raisons pour lesquelles Vermorel considère 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 stocks de sécurité et les taux de service. Vermorel a soutenu que les RFP, en particulier pour enterprise software, sont dysfonctionnels car ils supposent un niveau de connaissance et de précision irréaliste. Il a comparé ce processus à la rédaction d’une spécification détaillée pour un smartphone sans en comprendre la complexité, ce qui conduit à un processus de sélection qui disqualifie souvent les meilleurs fournisseurs.

La prévision des séries temporelles, selon Vermorel, est une autre pratique défaillante. Il a expliqué que les données de séries temporelles peuvent être trompeuses car elles ne permettent pas de saisir des nuances essentielles, comme la différence entre avoir un client majeur et plusieurs petits clients. Ce manque de précision peut conduire à une mauvaise decision-making et à un risque accru.

Les formules de stocks de sécurité et les taux de service ont également été critiqués pour leur manque d’économie et leur simplicité excessive. Vermorel a soutenu que ces indicateurs ne prennent pas en compte le contexte économique global 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 fait remarquer que de nombreuses entreprises réussissent encore avec succès en utilisant ces méthodes défaillantes. 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 en gestion de la supply chain. Il a affirmé que ces praticiens se fient souvent aux tableurs et aux ajustements manuels 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 des processus bien ancrés. Il a souligné qu’ajouter de nouvelles technologies, comme l’IA, est plus simple que d’éliminer des pratiques obsolètes, même lorsque ces dernières conduiraient à de meilleurs résultats.

En résumé, la perspective de Vermorel est que les pratiques actuelles de la supply chain grand public sont fondamentalement défectueuses et que l’IA, bien que utile dans certains contextes, ne peut pas résoudre ces problèmes profondément enracinés. Il préconise une approche économiquement plus viable, prenant en compte l’ensemble du système et ses complexités, plutôt que de s’appuyer sur des indicateurs simplistes et obsolètes.

Transcription complète

Conor Doherty: Bienvenue sur LokadTV, en direct aujourd’hui depuis notre tout nouveau studio vraiment charmant. Nous clôturons 2024 avec un sujet inoffensif et léger basé sur sa discussion lors du SCT Tech. Joannes Vermorel, immédiatement à ma gauche, va exposer sa perspective sur pourquoi les initiatives d’IA en supply chain sont probablement vouées à s’effondrer et à échouer. N’hésitez pas à soumettre vos questions via le live stream à tout moment, 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 un dernier point logistique avant de commencer à parler de combien nous sommes plus intelligents que tout le monde. Ce serait impoli de ne pas reconnaître l’effort de tant de personnes qui ont rendu le studio que vous voyez si agréable. De tout, des écrans derrière moi aux micros devant Joannes et moi, c’est le fruit d’un immense travail chez Lokad, notamment de la part de Maxime Larrieu derrière la caméra là-bas et de Baptiste Grison. Alors, merci à vous deux pour vos efforts. Et sur ce, Joannes, je te demande, pourquoi les gens sont-ils si stupides ?

Joannes Vermorel: D’une manière générale, je pense que c’est la malédiction de l’espèce humaine, y compris la mienne. Mais en réalité, avec ce titre provocateur, je voulais simplement attirer l’attention sur le fait que ce que j’appelle habituellement l’approche dominante de la supply chain est largement dysfonctionnelle depuis les quatre dernières décennies. Cela conduit pratiquement à une impasse en termes de technologies et de pratiques. Ce que font les entreprises de nos jours n’a guère évolué conceptuellement depuis la fin des années 70. Ce sont les mêmes recettes numériques, les mêmes idées, et cela ne fonctionne pas très bien.

Maintenant, l’idée que l’on peut simplement prendre les choses telles qu’elles sont et saupoudrer un peu de poudre magique d’IA par-dessus pour que ces problèmes disparaissent, je considère cela comme de la folie ou, pour utiliser le terme du titre, de la stupidité. Encore une fois, je ne pense pas que les gens aient été stupides à la fin des années 70 pour essayer cela. Je dis simplement qu’après quatre décennies d’échecs consécutifs, c’est en ne tirant jamais les leçons de ses erreurs passées que la stupidité commence. Quand je vois des entreprises qui essaient de revisiter, en s’en tenant aux mêmes approches et processus dans leur supply chain avec l’IA générative, je n’ai pas besoin d’attendre pour voir comment les choses vont se dérouler. Je sais déjà que cela ne fonctionnera tout simplement pas. Ce sera juste un énorme gaspillage de temps, d’énergie et d’argent.

Conor Doherty: Mais beaucoup de gens considèrent en fait l’IA comme une sorte de solution miracle pour les initiatives de supply chain. Comme si tout ce qui est défectueux ou basé sur de mauvaises hypothèses pouvait être réparé par l’insertion de Gen-AI, par exemple. Donc, vous dites fondamentalement que c’est une approche erronée ?

Joannes Vermorel: Absolument. Faisons une pause. Imaginons que ChatGPT soit aussi intelligent qu’un ingénieur du MIT. Excellent, nous avons désormais l’intelligence artificielle générale. Il s’avère qu’un grand nombre 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, avec pour ambition d’éliminer les tableurs, d’automatiser les décisions. Ils sont très intelligents, on leur alloue un budget et du temps, et pourtant ils échouent.

Ces échecs ne sont pas exceptionnels. Pratiquement, toute entreprise que je connais, réalisant un chiffre d’affaires supérieur, disons, à un milliard de dollars et ayant, disons, plus de 20 ans d’existence compte probablement trois ou quatre initiatives de supply chain ratées à son actif. Des initiatives destinées à éliminer les tableurs en introduisant des recettes numériques plus intelligentes et bien plus intégrées, et elles ont échoué. La question se pose donc : si vous avez échoué en utilisant des ingénieurs très intelligents, pourquoi penser que l’utilisation de quelque chose d’une intelligence inférieure, car soyons honnêtes, ChatGPT n’est pas encore au niveau de l’intelligence humaine, va réussir ?

Automatiser l’intelligence, le principal avantage est le 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 en plusieurs langues. Pendant une décennie, nous l’avons fait avec des traducteurs professionnels. C’est désormais effectué automatiquement avec des large language models. Excellent. Ce que nous avons économisé relève du 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 de manière moins coûteuse et plus rapide, ce qui est formidable.

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 à disposition des ingénieurs très intelligents, pourquoi pensez-vous que disposer d’instruments un peu moins ingénieux et un peu plus sophistiqués ferait vraiment la différence ?

Conor Doherty: Ce que tu viens de mentionner nous amène à cette question : quand tu utilises le terme stupidité, je voudrais le décortiquer un peu. Je sais que c’était délibérément provocateur, mais quand tu parles d’entreprises prenant des décisions basées sur des hypothèses erronées, et nous entrerons dans les détails, mais quand tu dis que des entreprises font constamment des erreurs, c’est une forme d’erreur. Peut-être pourrais-tu qualifier cela, de manière généreuse, de stupidité. Il y a aussi une alternative, qui est l’ignorance. L’ignorance est neutre.

La stupidité, l’imbécillité, ces termes étaient à l’origine dans la littérature psychiatrique et se réfèrent à un déficit cognitif. Ils ont un sens très précis. L’ignorance est neutre. Toi et moi avons des QI de 180 par mauvais jour, mais nous ignorons tous deux beaucoup de choses. Je ne sais rien de la botanique, je ne sais rien sur la fabrication des lacets de chaussures, mais je ne suis pas stupide. Ce n’est pas un manque d’infrastructures neuronales pour apprendre ces choses ; je manque simplement de temps ou d’accès à l’information. Ainsi, à la question, tu as des entreprises qui prennent de mauvaises décisions menant à des résultats terribles ou sous-optimaux, et puis tu as des entreprises qui ignorent l’existence de paradigmes alternatifs. Considères-tu cela comme deux représentations fidèles du problème, ou le vois-tu simplement comme des gens étant stupides et faisant des erreurs ?

Joannes Vermorel: Oui, c’est une représentation juste du problème, ce qui nous amène à ce que nous examinons exactement. Lorsque nous regardons les détails, nous pouvons décider s’il s’agit de stupidité ou d’ignorance. Ma proposition pour aujourd’hui est que, lorsque l’on examine les détails, il est tellement évident que qualifier cela d’ignorance relève de l’exagération.

Conor Doherty: Entrons maintenant dans les détails. Tu as quatre preuves clés, ou quatre manières de démontrer ce que tu considères comme le problème de la stupidité naturelle ou de l’ignorance naturelle en matière de prise de décision d’entreprise. Il s’agit des RFP, de la prévision des séries temporelles, des formules de stocks de sécurité et des taux de service. Nous examinerons chacune d’elles systématiquement, mais d’un point de vue global, qu’est-ce qui, selon toi, démontre ta position à propos de ces quatre concepts ?

Joannes Vermorel: J’en ai choisi quatre, mais il pourrait y en avoir vingt. Au moins quatre ingrédients majeurs de la théorie et de la pratique de la supply chain grand public. Ce sont des éléments majeurs que l’on retrouve dans probablement 90 % des grandes entreprises. Pour les plus petites, cela varie beaucoup, mais ces pratiques tendent à être assez uniformes parmi les grandes entreprises. Du fait de leur grande diffusion, nous pouvons examiner ces pratiques et nous demander : est-ce que cela a vraiment du sens ? Ai-je besoin d’un doctorat du MIT pour réaliser que c’est complètement absurde ou non ?

Si, en une minute, tu peux réaliser, par un examen attentif, que c’est complètement absurde, alors nous sommes définitivement dans le camp de la stupidité. Si la seule façon de reconnaître ton erreur est de réaliser une expérience très sophistiquée et coûteuse en financement et en temps, alors il s’agit beaucoup plus d’une erreur relevant de l’ignorance.

Conor Doherty: Comme je l’ai dit, prenons-les systématiquement. La première preuve dans ton argument est l’existence des RFP. Je présume qu’il s’agit d’un terme englobant les demandes de propositions, les demandes de devis, les demandes d’information, etc. Est-ce bien cela ?

Joannes Vermorel: Oui, et encore une fois, spécifiquement pour les logiciels d’entreprise dédiés à l’optimization de la supply chain. Nous pouvons en discuter… Je ne discute pas de savoir si le RFP est la bonne méthode pour sourcer du papier en vrac ou une sorte de commodité super évidente. Le contexte est la supply chain, oui. Et plus spécifiquement, parce que, encore une fois, si vous voulez avoir des imprimantes de codes-barres pour votre supply chain, ce n’est pas ce dont je parle. Je parle spécifiquement de ce que vous souhaitez sourcer pour répondre à votre processus de prise de décision. Par supply chain, c’est bien ce que je veux dire. Je ne parle pas de logistique, je ne parle pas de recruter des truck drivers. Je parle des processus décisionnels 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 placez vos stocks, tout cela.

Conor Doherty: D’accord, alors je vous renvoie immédiatement la question. Qu’est-ce qui ne va pas dans le fait d’utiliser le processus RFP pour sourcer un fournisseur ?

Joannes Vermorel: Les RFPs sont complètement dysfonctionnels. Si vous voulez vous faire une idée de ce à quoi ressemble une RFP, imaginez simplement devoir écrire dans un document Word toutes les choses que vous attendez de votre smartphone. C’est du non-sens. Vous ne savez pas. Il possède une myriade de fonctionnalités. La majeure partie de votre smartphone fonctionne grâce à de nombreuses choses que vous ignorez. Énumérer toutes ces fonctionnalités représente un travail énorme et, si vous deviez lister ce que vous pensez que fait votre smartphone, vous vous tromperiez très probablement sur de nombreux points.

Imaginez simplement que vous avez des centaines de points à couvrir, et quelles sont les chances qu’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’optimization de la supply chain est en soi 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 ni crude oil. Vous achetez quelque chose de très sophistiqué, ce qui signifie qu’il n’existe aucun fournisseur pouvant se substituer l’un à l’autre. Il n’y a pas d’équivalence un pour un entre ce que propose le fournisseur X et le fournisseur Y.

Le problème avec les RFPs, c’est qu’ils supposent que vous connaissez déjà exactement votre solution, que vous pouvez disposer d’une spécification complète, et que vous souhaitez ensuite canaliser, en théorie, un grand nombre 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 RFP. Vous canalisez tout le monde à travers des centaines de pages de non-sens.

Le processus a tellement de non-sens que, généralement, lorsque nous recevons des RFPs, nous nous retrouvons avec environ 400 à 600 questions, et ces questions sont pleines de fautes d’orthographe. Très souvent, même le nom de la société cliente est mal orthographié dans le document parce que les gens ne se souciaient pas des questions elles-mêmes. Cela a été délégué aux stagiaires, aux consultants, ou autres. Vous produisez une énorme quantité de paperasserie, et personne ne comprend même la moitié des questions car 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, et l’idée que vous puissiez prendre une décision rationnelle à partir de ce processus complètement irrationnel est tout simplement stupéfiante. Il n’existe rien dans la vie réelle où vous, en tant qu’individu, vous engageriez dans un tel processus insensé. Pourquoi pensez-vous que, soudainement, simplement parce que vous travaillez pour une grande entreprise, ce qui apparaîtrait comme complètement insensé dans votre vie quotidienne prendrait soudainement un sens, juste parce que c’est la pratique d’une grande corporation ? Ce n’est pas le cas.

Conor Doherty: Eh bien, encore une fois, quelques points à démêler car il y en a beaucoup. Tout d’abord, votre critique porte-t-elle sur… Oh, désolé, revenons en arrière. J’ai vu certaines des RFPs dont vous parlez. J’ai vu certains exemples tels que “Avez-vous encore une machine à fax ? Stockez-vous vos rapports de fax dans des armoires ignifugées ?” Je veux dire, j’ai vu ces choses. Bien sûr, c’est complètement insensé. C’est une RFP dans son état actuel. Dites-vous qu’en théorie, en dehors de toute mauvaise exécution, simplement en général, le concept de RFPs pour tenter de trouver un logiciel est une chose carrément insensée à faire ? Et si la réponse est oui, veuillez expliquer quelle serait l’alternative.

Joannes Vermorel: Non, l’idée de réaliser une étude de marché n’est pas insensée. Évidemment, si vous voulez choisir un fournisseur, il faut faire une étude de marché. L’idée de devoir opérer selon les pratiques établies de RFI et de RFPs est du non-sens. C’est mon point. Mon point est que ces pratiques sont profondément défaillantes, profondément, profondément défaillantes. Lorsque vous avez un processus complètement dysfonctionnel, l’improvisation est bien meilleure.

Si vous faites quelque chose qui ne fonctionne pas, qui est tellement terrible, arrêtez de le faire, et à peu près tout le reste ira mieux. Tout ce qui est moins bureaucratique le sera davantage. Mon point de vue est que ces grandes entreprises seraient mieux servies par un processus informel, et c’est tout. Si vous êtes prêt à envisager l’idée d’une version supérieure du processus, alors il existe également une voie alternative. Cela est discuté dans l’une de mes conférences sur l’adversarial market research, où je décris une meilleure façon de procéder. Mais même sans connaître cette meilleure méthode, supprimer simplement ce processus absurde constituerait déjà une amélioration.

Adopter un processus super bureaucratique n’est pas une bonne chose. C’est une chose terrible. Cela ralentit tout, dilue la responsabilité de chacun et désavantage les fournisseurs. Imaginez, encore une fois, revenons à Apple. Pensez-vous vraiment que, si vous lancez une RFP pour eux, Apple vous prêtera réellement attention ? Modifieront-ils leur précieux iPhone pour satisfaire vos exigences corporatives ? Non, ils ne le feront pas. Ce que vous faites en réalité, c’est forcer les bons fournisseurs à se retirer d’eux-mêmes de votre étude de marché, ce qui est du non-sens complet. C’est le contraire de ce que vous souhaitez.

Mon point de vue est que, lorsque vous avez quelque chose comme un cancer, il faut enlever le cancer et ne pas se poser la question : “Qu’est-ce que je mets en place à la place du cancer ?” Si vous avez retiré le cancer, vous avez déjà fait quelque chose de bien. C’est une amélioration. On peut ensuite discuter de ce qui pourrait être encore mieux, de ce qu’il faudrait 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 type de cauchemar bureaucratique. C’est du non-sens total. Clairement, en 15 ans de business, je n’ai jamais vu de RFP qui ne soit pas profondément, profondément dysfonctionnel. Ce ne sont que des variations entre les cercles de l’enfer. Certaines RFPs ressemblent au cinquième cercle de l’enfer, d’autres au neuvième cercle de l’enfer. Ce sont juste des variations en intensité cauchemardesque, mais, en fin de compte, c’est uniformément super, super mauvais.

Conor Doherty: C’était Thomas Sowell et Dante Alighieri en l’espace de 60 secondes. C’était très bon. Eh bien, en réalité, cela fait la transition depuis le premier point, qui concerne les RFPs et la critique des RFPs et RFQs, etc. C’est en quelque sorte ainsi que vous pourriez sélectionner un fournisseur d’IA.

Joannes Vermorel: Exactement.

Conor Doherty: Si je peux juste finir la question car je fais une transition. Le deuxième point, cependant, est qu’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, cela intervient 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… Tout d’abord, il est fort probable que, grâce à votre RFP, vous choisissiez un très mauvais fournisseur. C’est un fait acquis. Vous avez un processus qui n’a aucun sens, de sorte que vous obtiendrez très probablement l’un de ces pires fournisseurs qui se spécialisent dans le fait de cocher toutes les cases des RFPs, peu importe la quantité de non-sens. Vous vous trouvez déjà dans une situation où l’échec est presque assuré, même si le fournisseur n’était pas trop dysfonctionnel. Mais vous avez vraiment sélectionné, en premier lieu, le fournisseur dysfonctionnel. Ce qui m’amène aux séries temporelles.

Les séries temporelles sont comme l’Alpha et l’Oméga de la perspective moderne dominante de la supply chain. Qu’est-ce qu’une série temporelle ? C’est simplement une série de points selon une période donnée. Cela signifie une valeur par jour, une valeur par semaine, ou par mois. Quand je parle de perspective des séries temporelles, cela signifie que vous examinez tout à travers vos ventes ou votre flux quotidien, hebdomadaire ou mensuel agrégé. Tout s’inscrit dans 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 des 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 souhaitez obtenir la prévision, qui consiste simplement à prolonger ces séries temporelles dans le futur. Ainsi, vous obtenez le montant des ventes de demain, de après-demain, etc.

Conor Doherty: Qu’y a-t-il de mal à se voir fournir un point de donnée exploitable pour planifier, par exemple, une demande de 10 unités pour la semaine prochaine ? Ça paraît génial.

Joannes Vermorel: Le principal problème, c’est que votre supply chain ne peut pas être représentée de manière significative par 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. Super, n’est-ce pas ? D’accord, à quoi ressemble l’avenir ? Maintenant, je vais examiner deux situations différentes ayant exactement la même historique. Situation numéro un : vous avez mille clients distincts, et ils commandent occasionnellement un produit. En agrégé, ces 1 000 clients vous procurent 1 000 unités par jour. Certains clients partent, d’autres arrivent, mais c’est très stable. Cela génère ainsi la série temporelle. Qu’est-ce que cela vous indique ? Cela vous indique que vous avez une demande très régulière qui semble assez robuste. Mille clients, ce n’est pas des millions, mais ce n’est pas nul, donc cela semble bien.

Maintenant, la deuxième situation est la suivante : vous avez 1 000 unités par jour, mais provenant d’un seul client. Oui, ce client a été très régulier, commandant 1 000 unités par jour depuis quelques années, mais il s’agit d’un seul client. Alors, quelles sont les chances que la demande chute demain à zéro et reste à zéro indéfiniment ? Évidemment, dans la première situation, où vous avez mille clients, je ne dirais pas que c’est impossible, mais c’est très improbable. Même en cas d’événement catastrophique nuisible à votre marque, la plupart des clients ne s’en apercevraient même pas. Même en cas de fraude massive, vous auriez encore des centaines de clients qui n’en seraient informés qu’après plusieurs mois. Donc, les chances que tous ces clients, en parfaite coordination, cessent d’acheter chez vous le même jour ne sont pas impossibles, mais elles sont très, très faibles. On parle probablement d’une probabilité de une sur un million. C’est rare.

À l’inverse, si vous n’avez qu’un seul client, il suffit qu’un seul gestionnaire décide de choisir un fournisseur différent, et bam, vous passez à zéro. Si vous dites que vous allez perdre ce client fidèle une fois par décennie environ, nous parlons d’une probabilité de 0,1 %. Ce n’est pas une sur un million ; c’est plusieurs ordres de grandeur plus élevé. Cela reste improbable, mais comparé au premier cas, c’est quelque chose qui se produira très probablement en quelques années. Avec le temps, disons une décennie, c’est presque garanti. Ici, je décris simplement deux situations très basiques qui ont exactement la même représentation en séries temporelles. C’est là le cœur du problème : les séries temporelles sont simplistes. Vous pouvez avoir plusieurs situations complètement différentes et pourtant obtenir exactement les mêmes séries temporelles.

Conor Doherty: Et cela a son importance. Pourquoi ?

Joannes Vermorel: Parce que vos décisions sont très différentes. Si vous avez mille clients, vous pouvez être très conservateur avec vos stocks. Vous pouvez dire, par exemple, “Oh, nous allons avoir plusieurs mois de stocks en entrepôt parce que ce n’est pas grave. Si nous perdons quelques clients, nous ajusterons la production pour éviter un surplus important de stocks. Même si nous perdons des clients, nous aurons encore le temps de liquider les stocks.” À l’inverse, si vous n’avez qu’un seul client, cela signifie que si ce client cesse d’acheter, vos stocks deviennent des invendus du jour au lendemain. Tout ce qu’il vous restera, c’est une dépréciation garantie de tous les stocks que vous avez en entrepôt.

Alors, vous voyez, en termes de décisions liées à la Supply Chain, 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 présentez tout sous forme de séries temporelles, ce qui est exactement ce que fait la supply chain dominante, alors vous pouvez prendre des décisions raisonnables. Ce que je dis, c’est que non, vous ne pouvez pas. Vous ne pouvez pas, parce que les séries temporelles ne vous permettent pas de capturer certains éléments fondamentaux de votre activité. Vous êtes simplement aveugle. Peu importe que vous ayez plus de séries temporelles ; vous restez coincé avec le fait que c’est une mauvaise représentation de vos données. C’est une représentation super simpliste de celles-ci.

Conor Doherty: Désolé, juste pour clarifier pour ceux qui pourraient ne pas comprendre ce que vous voulez dire, d’un point de vue gestion des risques, il faut avoir des approches différentes en termes d’allocation financière parce que votre exposition est différente.

Joannes Vermorel: C’est très différent. Encore une fois, si nous regardons les articles perishable dans un magasin, les séries temporelles vous permettront de représenter votre stock level au fil du temps. Alors, combien d’unités avez-vous en stocks dans votre magasin pour, disons, des yaourts ? Mais la réalité est que vos produits sont périssables, donc ils ont des dates d’expiration. Considérons de nouveau : vous avez 10 unités en stocks. La veille, vous en aviez 11, etc. Vous suivez votre niveau de stocks de manière continue. C’est une représentation en séries temporelles. Maintenant, vous vous demandez, “J’ai 10 unités en stocks. Est-ce suffisant ou insuffisant ?”

Laissez-moi examiner 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 vie en rayon. C’est agréable pour les yaourts. Maintenant, situation B : les 10 yaourts expirent demain. C’est très mauvais. Vos clients n’aimeront pas devoir prendre des yaourts qui expirent demain. Peut-être qu’un client en achètera un juste pour la consommation du lendemain, mais toute mère faisant les courses pour une famille et voulant organiser la semaine ne va pas acheter des yaourts qui vont expirer demain.

Ainsi, sous la même représentation, 10 unités aujourd’hui, qui représentent un niveau de stocks, il vous manque une information très importante, à savoir la répartition des dates de péremption. Si vous disposez d’un système logiciel entièrement conçu autour de cette idée de séries temporelles, cette information sera toujours ignorée par le système car il ne peut même pas la percevoir. Elle ne fait pas partie du paradigme des séries temporelles.

Conor Doherty: Et encore, pour être très explicite pour ceux qui nous écoutent, en disant, “D’accord, j’entends tout cela, je comprends ce que tu dis, je suis les exemples. Comment cela influence-t-il l’IA ? Comment l’IA s’intègre-t-elle dans ce tableau ?” Même si vous utilisez des séries temporelles ou probabilistic forecasting.

Joannes Vermorel: Si vous avez un paradigme dans lequel l’information clé est perdue, c’est le cas avec les séries temporelles, peu importe que la personne qui examine ces séries soit une IA, un ingénieur très intelligent ou 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 distinguer un client d’un autre, vous ne pouvez pas voir les dates de péremption. Il y a plein de choses que vous ne voyez tout simplement pas. Qu’il s’agisse d’une IA, d’un ingénieur intelligent ou d’un programme appliquant certaines règles, l’information centrale dont vous auriez besoin est déjà perdue. Peu importe la quantité de technologie que vous ajoutez à ce paradigme.

Conor Doherty: Très bien, poursuivons un peu. Nous avons couvert les deux premières approches : les RFP et les séries temporelles. La troisième et la quatrième peuvent éventuellement être regroupées sous le terme de métriques, qui sont les stocks de sécurité et les taux de service. En les abordant séparément ou ensemble, quelle est votre objection à leur égard ? Parce qu’ils sont assez courants. La plupart des entreprises maintiennent des politiques de stocks de sécurité et de taux de service assez strictes.

Joannes Vermorel: Le problème avec le stock de sécurité, pour le public, c’est que vous présumez que vous disposez d’une prévision de demande basée sur les séries temporelles, et vous supposez que votre demande est distribuée normalement, que vos lead times sont distribués normalement, puis vous choisissez votre taux de service. Cela vous donnera une quantité de stock cible à garder en main, et c’est ce qu’on appelle le stock de sécurité. Voilà ce qu’est réellement le stock de sécurité.

Techniquement, vous avez le stock de travail, qui représente la demande moyenne, puis le stock de sécurité est le composant supplémentaire ajouté à cette demande moyenne. Mais c’est une subtilité technique. Globalement, 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 est que c’est une mauvaise façon d’aborder la gestion des stocks. Le but de l’entreprise est de faire des profits. 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 cherche même pas à optimiser les profits. Le problème est que nous avons quelque chose qui ne cherche même pas à optimiser les profits. Pourquoi pensez-vous que cette approche sera bénéfique du point de vue des profits ?

Comment optimiser réellement pour réaliser un profit ? Eh bien, c’est très simple. Vous considérez, disons, une situation simple, un magasin. Vous choisissez la première unité de stocks qui maximisera vos retours. Je choisis celle-ci et la mets en magasin. C’est celle qui me donne le meilleur rendement. Je choisis la première unité qui remplit ce critère, puis je dois répéter le processus avec une deuxième unité qui maximise les retours. Parce qu’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.

L’idée est que je souhaite répartir mes unités supplémentaires pour couvrir davantage la demande. Si je vous dis que vous ne pouvez commander qu’une première unité, vous en choisissez une. Maintenant, si je dis que vous pouvez en choisir une deuxième, il est fort probable que vous voudriez prendre quelque chose d’autre 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 d’un peu différent.

Ce que je dis, c’est que la perspective du stock de sécurité adopte une approche complètement non économique. Elle examine un produit dans un magasin et, encore une fois pour le public, un mini-marché aurait environ 5 000 produits distincts sur les étagères. Elle examine un produit isolément, puis vous décidez, de manière isolée, si vous souhaitez en avoir plus ou moins. Je dis que c’est absurde.

Encore, regardons cela. Si vous deviez le faire manuellement, vous seriez dans une épicerie. Vous ne penseriez pas de manière isolée pour déterminer si vous avez besoin de plus ou moins de quelque chose. C’est un compromis. Vous avez un espace de rayonnage limité, vous disposez d’une somme d’argent limitée, alors vous penseriez, “Ai-je suffisamment de cela ? Dois-je réapprovisionner suffisamment ce produit, ou y a-t-il autre chose que je devrais réapprovisionner en priorité ?” C’est ainsi que vous pensez en termes de retour sur investissement. C’est ainsi que vous pouvez penser en termes de perspective économique.

Ce que je dis, c’est que le stock de sécurité est une perspective non économique. C’est une approche mathématiquement intéressante, du moins d’un point de vue éducatif, peut-être pour des étudiants en mathématiques appliquées simplement pour leur donner un petit exercice ou quelque chose dans ce genre. Mais si nous devons aborder une supply chain réelle, et encore une fois, je prends une situation très simple comme une épicerie, qui est à peu près la chose la plus simple à imaginer, nous voyons que c’est une perspective non économique. Nous avons donc un problème, Houston. Cette approche ne cherche même pas à améliorer le résultat net de mon entreprise. C’est tout simplement faux.

L’alternative que j’ai décrite est assez simple. Il s’agit de choisir ce qui me donne les rendements les plus élevés. Je choisis la première unité, puis la deuxième, etc. Nous pouvons entrer dans les détails techniques sur la manière exacte de le faire, mais ce ne sont que des subtilités. Ma critique du stock de sécurité est qu’il ne peut tout simplement pas être une approche raisonnable car c’est une méthode non économique. En pratique, vous vous retrouvez très fréquemment avec des situations absurdes. Par exemple, vous calculez, selon vos stocks de sécurité, toutes les choses que vous devriez mettre en magasin, et le total ne correspond pas.

Ce que vous constatez, c’est que c’est là que l’on finit par sombrer dans l’absurdité. Votre stock de sécurité vous indique que tous ces produits nécessitent toutes ces unités, et parce que tout est calculé de manière isolée, vous avez 5 000 produits, et pour chaque produit, vous obtenez 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 exactement ? Encore une fois, votre paradigme stipule que vous calculez votre stock de sécurité. Votre IA peut peut-être vous aider à calculer le stock de sécurité de manière plus précise. Je ne suis même pas sûr de savoir en quoi cela aiderait. Mais la réalité est que vous avez un paradigme qui est défaillant par conception. Votre IA, peu importe comment elle calcule votre stock de sécurité, se retrouvera toujours avec ces paradoxes étranges. Qu’est-ce que cela signifie d’améliorer quoi que ce soit si vous avez une perspective non économique ? Votre IA ne peut pas créer de sens à partir de quelque chose qui n’a pas de signification économique.

Conor Doherty: Avant d’aborder les taux de service, je souhaite revenir sur un point que vous avez mentionné. Vous avez décrit les stocks de sécurité comme une perspective non économique. J’ai compris cela. Vous avez également parlé d’utiliser les SKU isolément, et cela est erroné. Eh bien, l’inverse serait vraisemblablement d’examiner les choses en combinaison. Pourriez-vous développer un peu plus 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 déconnecter les parties sans en changer la nature. Un produit vendu sur une étagère dans une épicerie n’est pas la même chose si je vends ce produit isolément. Les gens, lorsqu’ils se rendent dans une épicerie, s’attendent à une gamme de produits, et non à un seul produit. Et c’est la même chose pour pratiquement toute supply chain non triviale. Une supply chain réelle fonctionnera de cette manière. Si vous fabriquez des voitures, vous devez rassembler toutes ces pièces pour obtenir 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 sans les roues n’est pas une voiture ; c’est simplement autre chose.

Fondamentalement, vous avez des systèmes où il existe de nombreux types distincts de biens physiques, et ils n’ont de sens que lorsqu’ils sont assemblés. Cela ne signifie pas, évidemment, que dans une voiture, si vous enlevez les roues, la voiture ne fonctionne plus du tout. Dans un magasin, vous pouvez décider qu’il vaut mieux ne pas avoir de moutarde sur l’étagère. Peut-être que les clients accepteront que vous n’ayez pas de moutarde, ou au contraire, il vous faudra avoir trois types distincts de moutarde.

Il y a évidemment beaucoup de subtilités selon ce que vous examinez. Ce n’est pas quelque chose de noir ou blanc. Mais fondamentalement, lorsque vous commencez à vendre de la moutarde dans une épicerie, cela n’a de sens qu’en regard de ce qui est vendu en complément. Ce que je dis, c’est que lorsque vous adoptez une perspective qui isole ces éléments, vous passez à côté de l’essentiel. Vous oubliez ce qui rend le magasin attractif. Vous ratez la dynamique des interactions.

Les gens entrent dans votre épicerie et ils n’achètent pas un seul article. Certains clients peuvent entrer et acheter un article, mais la plupart auront un panier avec plusieurs articles. Ce que je dis, c’est que quand vous adoptez cette perspective de stock de sécurité, vous adoptez une approche mathématique très étrange et extrêmement simpliste qui isole vos SKU, vos produits, strictement les uns des autres. Même en considérant la supply chain la plus simple que l’on puisse imaginer, comme une épicerie, cela n’a déjà aucun sens. Alors pourquoi penseriez-vous que cela aura plus de sens dans quelque chose de plus compliqué, comme aviation MRO ou autre ?

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

Joannes Vermorel: Oui, et le fait 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 très intelligente ou très limitée, bon marché ou chère, etc. Elle est déjà coincée dans un cul-de-sac où il n’y aura aucune solution, quoi qu’il en soit. 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 irrélevant du fait que vous avez déjà cadré le problème de manière absurde.

Conor Doherty: Je suis d’accord avec vous. Je suis d’accord sur ce point, mais je dirais que c’est un très bon exemple de la distinction que j’ai mentionnée plus tôt entre la stupidité naturelle et l’ignorance. Ce que nous venons de décrire ici est un phénomène réel, mais très abstrait. Il nécessite un degré de compréhension des relations 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 gère un magasin sans être du tout instruit, il saura que ce n’est pas de la magie. Nous ne parlons pas de mathématiques ultra-avancées. Il suffit d’aller voir n’importe quel commerçant qui fait cela depuis une semaine, et il comprendra que l’assortiment est une chose importante. Vous ne pouvez pas déterminer la bonne quantité de stocks pour un produit en complète isolation des autres.

En fait, c’est une sorte d’absurdité très élaborée qu’il faut un professeur d’université pour propager. C’est absurde, et la seule façon de promouvoir avec succès ce genre d’idée est de se trouver dans un environnement où vous êtes complètement à l’abri des conséquences réelles de cette très mauvaise idée. Si vous dirigiez un magasin, vous ne penseriez pas ainsi. Vous pouvez faire un test : discutez simplement avec quiconque, dans votre quartier, qui tient un magasin. S’ils pensent de cette manière, ils ne le font pas. Si vous parlez à la personne qui gère les stocks, qui passe la commande de réapprovisionnement, comme dans les magasins de proximité, ils penseront évidemment en termes d’ensemble.

Conor Doherty: C’est en fait un bon point. Il y a une distinction à faire, et j’aimerais avoir votre avis à ce sujet. La différence entre d’énormes conglomérats de plusieurs milliards de dollars avec des supply chains incroyablement vastes passant des commandes, disons, en termes de décisions supply chain, qui pourraient être des centaines de milliers par jour, et ensuite vous opposez cela aux magasins de proximité où c’est le magasin de Joannes et Joannes sort son argent de sa poche pour acheter ces produits chaque jour.

Ça me rappelle quelque chose que Peter Cotton a dit lorsque nous lui avons parlé il y a un an et demi. Il a dit que l’on prend des décisions très différentes quand c’est votre argent qui est en jeu. La façon dont vous considérez le problème est très différente lorsque vous devez sortir l’argent de votre poche. Donc, je suis simplement curieux : pourquoi voyez-vous de très grandes entreprises prendre de mauvaises décisions, alors que, dans l’exemple que vous avez donné, il suffit d’aller chez le commerçant d’à côté ?

Joannes Vermorel: C’est là que réside l’absurdité. Les grandes entreprises ne prennent pas ces mauvaises décisions parce que, malgré ce qu’elles disent, elles utilisent des stocks de sécurité. Les personnes qu’elles emploient ne le font pas. C’est là que cela devient insensé. Quel est le véritable paysage ? Le paysage, c’est que vous avez des professeurs d’université qui affirment qu’il faut utiliser des stocks de sécurité. Vous avez des manuels de supply chain qui disent qu’il faut utiliser des stocks de sécurité. Vous avez des fournisseurs de supply chain pilotés par l’IA qui déclarent : “Nous avons des stocks de sécurité pilotés par l’IA.” Super. Puis, il y a des entreprises qui utilisent des systèmes liés aux stocks de sécurité, parfois appelés tampons ou autres. Il en existe plusieurs variantes.

En fin de compte, vous avez des employés de la supply chain, appelés planificateurs de demande et d’approvisionnement, responsables de catégorie, responsables des stocks — les intitulés varient — qui utilisent leurs tableurs pour faire quelque chose de complètement différent. Généralement, la réaction typique que j’obtiens, c’est que, quand je discute avec ces personnes, elles me disent, “Oh oui, les stocks de sécurité font partie de notre plan d’utilisation. L’année prochaine, quand nous aurons acquis suffisamment de maturité, nous les utiliserons vraiment. Mais pour l’instant, nous avons rencontré tant de problèmes que nous faisons quelque chose de complètement différent. Avec mes tableurs, je fais les choses autrement. Je sais que c’est le bazar, mais ça fonctionne plus ou moins. Avec plus de formation, je pourrai utiliser les stocks de sécurité un jour.”

C’est insensé parce que la réalité est que, quoi que fasse cette personne, c’est en fait quelque chose qui a du sens. Cette approche alternative est simplement ce qui a du sens, et les stocks de sécurité ne sont qu’une mascarade, une mascarade ambiante, qui ne fonctionne pas. Cela ne fonctionne plus depuis au moins 1979, comme l’a identifié Russell Ackoff. C’est la raison pour laquelle les tableurs ne pourront jamais disparaître dans ces conditions. Chaque fois que l’on affirme que nous allons remplacer tous ces tableurs désordonnés par une automatisation logicielle, cela échoue. Ça échoue parce que le stock de sécurité est une mauvaise idée. Peu importe si vous disposez de stocks de sécurité pilotés par l’IA ; c’est toujours une mauvaise idée. C’est une idée tellement mauvaise qu’elle ne fonctionne pas. Les grandes entreprises essaient, échouent et reviennent aux tableurs. Les gens reprennent l’attitude, “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 longuement expliqué en quoi les stocks de sécurité sont défectueux. Je présume qu’une bonne partie de ces critiques s’applique également aux taux de service. Ils ne sont pas exactement identiques, mais en termes de processus décisionnels, quelle est la politique que vous appliquez pour parvenir 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, c’est qu’un taux de service est un proxy extrêmement défectueux pour 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 entendu lorsqu’on exploite une supply chain. Maintenant, considérons un magasin de détail de mode standard. Qu’est-ce que cela signifie d’avoir des taux de service élevés ? Si vous assimilez la haute qualité de service au taux de service, cela signifie que haute qualité de service équivaut à un taux de service élevé. Si vous dites qu’un taux de service est un bon proxy pour la qualité de service, alors une haute qualité de service signifie un taux de service élevé.

Si vous avez un magasin qui commercialise une collection pour votre marque de mode, qu’est-ce que cela signifie d’avoir des taux de service élevés ? Cela signifie en effet que vous avez encore chaque produit, au moins quelques unités, sur les étagères jusqu’à la toute fin de votre collection. Avoir des taux de service élevés veut dire que votre magasin est encore rempli de produits jusqu’à la fin de votre collection. Comment introduisez-vous la collection suivante dans votre magasin ?

Vous devez libérer de l’espace en laissant partir l’ancienne collection, ce qui signifie accepter que, pour ces produits, les taux de service tomberont à zéro. Les clients peuvent rester très satisfaits, même si vous avez un taux de service nul sur de nombreux produits. Au fur et à mesure que certains produits disparaissent, d’autres prennent leur place, et vos clients restent très contents. Il n’existe aucune corrélation entre la qualité de service, qui n’existe que dans l’œil du client, et ce que vous mesurez avec votre recette numérique, à savoir le taux de service.

Si les taux de service sont un proxy extrêmement mauvais pour la qualité de service, pourquoi pensez-vous qu’une IA censée piloter vos taux de service va prendre des décisions pertinentes pour votre entreprise ? Tout comme ma critique des stocks de sécurité, ce 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 fournissez un instrument à votre IA, de sorte que votre IA doit s’en remettre à cet instrument, le taux de service, mais il s’avère que cet instrument est complètement inadapté pour résoudre le problème, à savoir la qualité de service.

Conor Doherty: Vous avez utilisé quelques belles expressions, dont l’une était “les taux de service sont un proxy extrêmement défectueux pour la qualité de service” et “la qualité de service n’existe que dans l’œil des clients.” Mais cela conduit à une question en deux parties. Premièrement, quel est un bon proxy ? Et deuxièmement, si la qualité de service n’existe que dans l’œil des clients, comment les entreprises sont-elles censées savoir réellement si elles offrent une bonne qualité de service ?

Joannes Vermorel: Ce sont d’excellentes questions. Commençons d’abord par examiner les proxies. Faisons quelques expériences de pensée. C’est une manière d’écarter les options vraiment mauvaises. Nous n’avons même pas besoin de mener une expérience réelle avec un magasin concret ; nous pouvons simplement l’envisager comme une expérience de pensée. C’est très économique. Ainsi, la première chose est de convenir que si nous prenons un magasin avec les mêmes produits sur les étagères, rien ne change. Quelle que soit notre conception de la qualité de service, elle reste inchangée. Si je regarde le même magasin, avec les mêmes produits, au même moment, et que je ne modifie rien, alors ce que je considère comme la qualité de service ne devrait pas changer.

Joannes Vermorel: Mon point de vue est que si nous devons en venir à la qualité de service, nous revenons à l’idée que, si vous avez quelque chose de fondamentalement insensé, vous devriez vous en passer. Même si vous n’avez pas d’alternative, c’est comme avoir une tumeur : retirez-la, et vous serez mieux sans elle. Ne réfléchissez pas encore à ce que vous devriez mettre à la place de la tumeur.

Revenons au taux de service. De nombreuses entreprises le mesurent en calculant le pourcentage de produits qui sont en rupture de stock ou non. Si 97 % de vos produits ne sont pas en rupture de stock, votre taux de service est de 97 %. Il existe différentes manières d’aborder le taux de service à travers stockouts. C’est ce que l’on fait lors d’une optimisation des stocks de sécurité, qui offre une perspective légèrement différente. Mais ici, c’est la méthode utilisée par de nombreuses entreprises avec ce type de rapport, c’est donc celle que j’adopte.

Imaginons maintenant, de manière conceptuelle, que nous avons décidé de doubler l’assortiment du magasin. Ainsi, nous avions un magasin de mode avec, disons, 3 000 articles distincts. Maintenant, nous affirmons que ce magasin est censé avoir 6 000 articles, mais en réalité, il ne contient toujours que les mêmes 3 000 articles. Conceptuellement, dans le système informatique qui gère le magasin, nous avons simplement déclaré que l’assortiment était deux fois plus grand, avec davantage de variantes, de couleurs, et de tailles.

Avons-nous changé quoi que ce soit du point de vue des clients ? Évidemment que 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 d’assortiment éligible. Ce faisant, nous avons divisé par deux le taux de service tel que mesuré par votre système informatique. Nous étions, disons, à un taux de service de 97 %, et nous nous retrouvons maintenant à environ 48 %, sans avoir rien modifié dans le magasin.

Voilà pourquoi je dis, à travers des expériences de pensée, que si vous avez un proxy qui, lorsque vous ajustez les paramètres de votre ordinateur sans changer quoi que ce soit dans le magasin, peut entraîner des variations arbitrairement importantes de vos chiffres, alors ce proxy est complètement absurde. Quel que soit le proxy que vous choisissez pour représenter la qualité de service, il ne devrait évidemment pas dépendre des détails techniques de vos systèmes informatiques. Ce serait insensé qu’un physicien demande, “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 doit être complètement indépendante. Ou imaginez que le poids dépende du fait qu’il s’agisse d’une machine Linux ou d’une machine Windows. Insensé. Vous considérez donc des caractéristiques qui devraient être totalement 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 obtenir de grandes variations du taux de service. Cela démontre à quel point cette mesure est insensée. Mon point de vue est que si nous devons nous rabattre sur la qualité de service, nous revenons à l’idée que, si vous avez quelque chose de fondamentalement insensé, vous devriez vous en passer. Même si vous n’avez pas d’alternative, c’est comme avoir une tumeur : retirez-la, et vous serez mieux sans elle. Ne réfléchissez pas encore à ce que vous devriez mettre à la place de la tumeur.

Pouvons-nous obtenir des mesures de haute qualité pour la qualité de service ? Oui, c’est possible. Mais c’est une toute autre discussion, et je préfèrerais ne pas m’y aventurer. Toutefois, vous voyez mon propos. Vous ne pouvez pas vaincre la stupidité naturelle avec l’intelligence artificielle. Peu importe la sophistication de vos techniques, si votre prémisse est très mauvaise, cela ne résoudra rien. Si vous partez d’un concept défaillant, d’un paradigme brisé, peu importe le nombre d’outils que vous superposez, votre paradigme restera brisé.

Conor Doherty: Oui, d’accord, nous pouvons accepter cela. Mais la réaction immédiate est la suivante : dès que vous affirmez que ces idées sont stupides et que les paradigmes sont brisés et ne mèneront pas à de meilleures décisions, la réponse évidente vient d’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, et la prévision des séries temporelles.” Bien qu’il n’y ait aucune limite au nombre de choses qui peuvent être vraies simultanément, et que cela puisse paraître contradictoire, 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 regarder le résultat final et diront, “Mais regardez, je réussis vraiment très bien. De quoi parlez-vous ?”

Joannes Vermorel: Reprenons depuis le début. Magasins de mode. Nous avons des clients, et nous avons eu des discussions avec des prospects qui sont devenus clients au fil des ans. Ils nous disaient qu’ils optimisaient les taux de service. C’est ce qu’ils affirment, et si l’on regarde le processus, c’est bien ce qui est écrit. Mais quand on observe ce que font réellement les praticiens, ce n’est pas cela. Nous revenons aux stocks de sécurité. Il s’avère que dans les magasins, en particulier dans un magasin de mode, lorsque la prochaine collection approche, ils décident soudainement de ne pas recommander autant. Ils laissent délibérément les taux de service chuter considérablement. Puis, quand vient le moment de la nouvelle collection, il y a une période de déstockage, et soudain, il y a suffisamment d’espace pour faire entrer la nouvelle collection.

Nous nous retrouvons donc dans une situation où les entreprises, notamment la direction générale, déclarent utiliser les taux de service, alors que dans la réalité, ce n’est pas le cas. Les opérationnels font autre chose. C’est pourquoi, à nouveau, dès que l’on tente d’automatiser, cela échoue. Lorsque vous essayez d’automatiser, vous tentez en réalité d’imposer cette idée dysfonctionnelle à votre supply chain, ce qui entre en conflit avec la réalité, et donc cela échoue. Les gens reviennent aux tableurs.

Le fait intéressant est qu’il existe une énorme dissonance cognitive dans le monde moderne de la supply chain. Certains des grands principes, tels que les séries temporelles, les stocks de sécurité et les taux de service, sont complètement défaillants. Les praticiens font des choses qui diffèrent totalement de ce que montrent les tableurs. Au lieu de considérer les taux de service comme quelque chose devant être imposé, ils les prennent simplement comme un indicator et agissent avec une grande marge de manœuvre.

Si nous reformulons la question en “Est-il fondamentalement mauvais d’avoir des taux de service comme indicateur quelque part ?”, je dirais non. Ce n’est qu’une statistique descriptive parmi tant d’autres. Dans ce domaine, on peut disposer de nombreuses statistiques descriptives. Elles ne sont ni bonnes ni mauvaises ; elles sont simplement plus ou moins organisées et offrent un aperçu plus ou moins précis de ce qui se passe. Mais la théorie de la supply chain vous dit quelque chose de très différent.

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

Nous revenons à cette position insensée où les praticiens savent pertinemment qu’ils font autre chose, et ils envisagent cela comme quelque chose qu’ils feront lorsqu’ils auront grandi, lorsqu’ils auront acquis plus de maturité, voire peut-être lorsqu’ils disposeront d’une IA pour les soutenir. Mais cela n’arrivera pas, car le concept est brisé. Comme statistique descriptive, c’est acceptable. Comme outil de prise de décision pour votre entreprise, c’est complètement défaillant.

Conor Doherty: Eh bien, je devais cadrer cela. Si l’argument est — et vous pouvez me corriger si je me trompe — que vous avez des entreprises qui disposent de ces politiques, de ces métriques, et que les praticiens les ignorent, mais que certaines entreprises réussissent vraiment très bien, dites-vous qu’elles réussissent vraiment très bien par pur coup de chance et grâce à l’instinct de praticiens qui, en se fiant à leur intuition, devinent et finissent par deviner correctement ?

Joannes Vermorel: Non, je dis simplement que, pour bon nombre de ces problèmes, tant que vous n’utilisez pas une approche complètement défectueuse, vous pouvez avoir des solutions rudimentaires qui fonctionnent tout de même pour vous. Vous voyez, la gestion efficace d’une épicerie locale ne nécessite pas un doctorat de Stanford. Vous pouvez y arriver avec bien moins. Vous pouvez même découvrir, de manière incrémentale, ce qui fonctionne et ce qui ne fonctionne pas.

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, en quelque sorte. Elles fonctionnent assez correctement. La preuve que cette théorie ne fonctionne pas, c’est que toutes ces grandes entreprises ont essayé d’automatiser leurs processus de nombreuses fois — environ une fois tous les cinq ans pendant les trois dernières décennies — et cela a échoué à chaque fois. Les gens reviennent systématiquement aux tableurs.

Pourquoi aller vers le tableur ? La formule du stock de sécurité est très simple. Piloter les décisions de stocks pour correspondre aux objectifs de taux de service est super simple en termes de codage. C’est du gâteau, on parle au total de 50 lignes de code, peut-être moins. Donc, si cela fonctionnait, ce 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 même pas automatisé, car ces paradigmes sont rompus et, par conséquent, ils ne peuvent pas être automatisés en l’état. Ce que contiennent ces tableurs utilisés par les praticiens de la supply chain, ce sont des méthodes alternatives qui sont généralement relativement simples, qui se révèlent fonctionnelles, mais qui sont conceptuellement incompatibles à la fois avec le stock de sécurité et les taux de service.

Conor Doherty : Alors, quelles stratégies pratiques pensez-vous que les praticiens de la supply chain peuvent désormais utiliser pour essayer de prendre des décisions supply chain économiquement plus rationnelles ?

Joannes Vermorel : Vous voyez, si nous essayons de revenir à l’IA, le fait est que vous devez renoncer à l’illusion que les concepts que vous connaissez, qui ont été enseignés à l’école ou par une association pour la supply chain, ces concepts sont tout simplement dysfonctionnels. Si vous essayez d’introduire des instruments sophistiqués, peut-être l’IA générative ou deep learning ou la blockchain ou tout ce à quoi vous pouvez penser, cela ne va tout simplement pas fonctionner.

La première étape est donc de reconnaître que vous avez un problème paradigmatique. C’est un terme fort pour simplement dire que nous avons cette théorie qui est complètement fausse. Il s’est avéré que ce que nous faisions de manière assez instinctive était en quelque sorte la meilleure approche. Maintenant, si vous voulez vraiment faire les choses de manière sophistiquée, vous pouvez essayer de formaliser cet instinct économique, qui consiste simplement à ne pas faire quelque chose de super dommageable et coûteux pour l’entreprise. C’est simplement une manière plus formelle de dire la même chose.

Ensuite, peut-être une fois que vous avez la bonne perspective, vous pouvez introduire les technologies sophistiquées, et c’est en gros ce que fait Lokad. Mais en fin de compte, tout commence par bien cadrer le problème avec une perspective qui a du sens. Tant que vous restez bloqué dans une perspective dysfonctionnelle ou stupide, être un virtuose de la technologie est sans conséquence. C’est la partie triste. C’est pourquoi je peux dire avec une assurance relative que ces fournisseurs d’IA vont échouer. 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 outrageusement chère. Tout cela est complètement sans importance. Ça ne marchera pas parce que les prémisses sur lesquelles ils reposent sont brisées.

Conor Doherty : Très bien, Joannes, merci. Je n’ai plus de questions, mais je vais maintenant passer à quelques questions du public. Merci beaucoup. Donc, sans ordre particulier, en vous référant aux quatre preuves, vos quatre approches : les RFPs, les séries temporelles, les stocks de sécurité et les taux de service. Si ces pratiques desservent autant les entreprises, alors qu’est-ce qui, à votre avis, empêche les équipes de gestion de les abandonner tout simplement ?

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

Retirer quoi que ce soit est très difficile, particulièrement en France. Mais partout, vous savez, on peut plaisanter sur le fait que la France a la Banque de France, qui est une institution dédiée à la gestion d’une monnaie qui n’existait plus depuis 1992. Nous avons une anti-institution dédiée à gérer une monnaie qui n’existait plus depuis 30 ans. Et d’ailleurs, cela représente environ 14 000 employés à Paris. Mais vous voyez, ce qui se passe à grande échelle dans les administrations se reproduit à moindre échelle dans les grandes entreprises. Les bureaucraties ont tendance à croître d’elles-mêmes, c’est la loi de Parkinson.

La question est donc : pourquoi les dirigeants ne suppriment-ils pas ce qui ne fonctionne pas ? Le fait est que les gens font déjà quelque chose de différent. La politique d’entreprise officielle est que tout le monde utilise le stock de sécurité. La réalité est que tant de dérogations manuelles opérées via des tableurs font qu’en réalité l’entreprise utilise quelque chose de complètement différent. C’est l’état des lieux. Nous avons la comédie qui persiste, selon laquelle l’entreprise serait guidée par le stock de sécurité. Je dis, eh bien, vous savez, ce stock de sécurité est encore considéré comme une caractéristique importante de la supply chain de l’entreprise. Ce n’est pas le cas. Mais en fin de compte, la direction se dirait : qu’est-ce que j’y gagne en officialisant que les stocks de sécurité ne sont plus utilisés ? En fin de compte, cela ne change rien puisque les gens ne s’en servent déjà pas.

Et c’est la même chose. Une fois que vous avez un reporting pour le taux de service, cela ne fait vraiment aucun sens. Mais les avantages de supprimer cela à très court terme sont limités. À long terme, les bénéfices sont énormes car cela ouvre la voie à faire quelque chose de réellement plus sensé. Mais à court terme, les avantages sont limités. Encore une fois, ajouter des éléments est bien plus facile.

Si l’on revient à l’IA, cela explique aussi pourquoi il y a tant d’enthousiasme pour adopter les technologies d’IA. C’est simplement additif. Nous allons ajouter une autre catégorie d’éléments dans l’organisation, et c’est très agréable et facile, contrairement à dire que nous allons retirer une catégorie d’éléments qui gêne l’efficacité, la rentabilité et le meilleur service aux clients de l’entreprise. Il est bien plus difficile pour un manager de dire : je vais simplement supprimer des personnes et que tout va mieux fonctionner.

Conor Doherty : Merci. Prochaine question, elle est très bien formulée. Compte tenu de votre rejet historiquement franc de la dérogation humaine, considérez-vous cela comme un exemple de stupidité naturelle ?

Joannes Vermorel : Les dérogations humaines. Enfin, cela dépend. Si nous dérogeons à une recette numérique qui est complètement insensée, c’est bien. Ce que je dis, c’est que la situation devient encore plus folle lorsque vous vous retrouvez dans des situations où vos recettes numériques sont insensées.

Conor Doherty : Quand vous parlez de recettes numériques.

Joannes Vermorel : C’est tout ce qui calcule vos décisions de supply chain, comme combien vous devriez commander, combien vous devriez produire, où vous allouer les stocks, et cetera.

Joannes Vermorel : Vous avez donc des recettes numériques qui sont insensées, et il est tout à fait normal de déroger manuellement à ces sorties insensées pour les décisions. Et ce qui se produit ensuite, c’est que vous vous retrouvez avec de nombreuses personnes dans l’organisation qui passent leurs journées entières à modifier ces décisions. À mon sens, cela est nécessaire, faute de quoi l’entreprise se retrouverait face à un mur à cause de ces décisions complètement insensées.

Maintenant, ce qui se passe, c’est que les bureaucraties s’agrandissent toujours. C’est la loi de Parkinson. Les bureaucraties s’accroissent. Si vous avez des personnes qui passent leurs journées entières à modifier manuellement des décisions numériques, vous aurez celles qui passeront toute leur journée à modifier 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 – qu’elle soit quotidienne ou mensuelle –, un budget, ou tout autre élément.

Quelque chose avec lequel vous pouvez vous amuser. Ce chiffre n’a aucun effet tangible sur votre entreprise. Il pourrait avoir un effet négatif s’il en découle des décisions, peut-être. Mais très souvent, ces décisions n’ont aucun impact sur les artefacts. Considérez cela simplement comme jouer avec des KPIs, etc. Cela restera sans conséquence, sauf peut-être aux yeux de la direction, parce que vous obtenez un chiffre qui semble meilleur.

Et ce que je dis, c’est que oui, ces dérogations numériques sont complètement insensées et inutiles. Et d’ailleurs, l’approche de Lokad – et c’est pourquoi certains ont mentionné que j’étais très critique – est que si vous avez une recette numérique rationnelle, il ne devrait pas y avoir besoin de dérogation manuelle. Si vous devez déroger manuellement à vos résultats, c’est parce que votre recette numérique est insensée. Je parle ici 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 insensée.

Mais encore, la bureaucratie s’accroît. Vous avez commencé dans une situation où des personnes dérogeaient manuellement à des décisions nécessaires. Et maintenant, la bureaucratie s’accroît. Vous avez beaucoup de personnes qui modifient des artefacts numériques, c’est-à-dire des éléments sans importance. Il s’agira de personnes qui jouent avec ABC classes, qui jouent avec les taux de service, qui jouent avec des coefficients pour les stocks de sécurité, qui jouent avec les coefficients de seasonality, etc. La liste est interminable.

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 critiques à l’égard de ces dérogations manuelles. Les dérogations concernant les décisions reflètent simplement que vous avez une mauvaise recette numérique. Et la dérogation aux artefacts numériques reflète un bourbier bureaucratique complètement inutile dès le départ, qui pourrait être éliminé intégralement sans que cela ne change rien 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, c’est la loi de Parkinson. Les bureaucraties ont tendance à croître. Donc, si vous multipliez par 10 le nombre de collaborateurs chargés de ces dérogations manuelles, vous aurez 10 fois plus de mises à jour de ces valeurs. Cela n’améliorera pas votre supply chain.

Joannes Vermorel : Donc, si nous revenons à l’IA, cela explique aussi pourquoi il y a tant d’enthousiasme pour adopter les technologies d’IA. C’est simplement additif. Nous allons ajouter une autre catégorie d’éléments dans l’organisation, et c’est très agréable et facile, contrairement à dire que nous allons retirer une catégorie d’éléments qui gêne l’efficacité, la rentabilité et le meilleur service aux clients. Il est bien plus difficile pour un manager de dire : je vais simplement supprimer des personnes et que tout va mieux fonctionner.

Conor Doherty : Eh bien, c’est suffisant pour moi. Merci. Prochaine question. Elle se compose de deux parties. Comment les systèmes ERP ont-ils empiré le problème et pourquoi ne peuvent-ils pas gérer les prévisions probabilistes ? Vous n’avez abordé qu’implicite les prévisions probabilistes plus tôt, mais n’hésitez pas à développer.

Joannes Vermorel : Je dirais que les ERPs ont empiré le problème, principalement grâce aux marketeurs qui ont rendu la situation très confuse. Tout d’abord, dans un ERP, il n’y a pas de P. C’est la gestion des ressources de l’entreprise. Il n’y a aucune planification impliquée. Ce que vous avez, c’est un système transactionnel. Il s’agit simplement de gérer un flux transactionnel. C’est à peu près le pendant électronique, en termes de flux, de votre flux physique. Et cela est bien. Cela vous fournit la représentation électronique de ce qui se passe physiquement dans votre supply chain. C’est positif.

Le problème est que la planification, soudainement… C’est ce que j’appelle un système de records. Avec la planification, nous entrons dans le domaine des systèmes d’intelligence et de prise de décision. Alors, pourquoi les ERPs ont-ils empiré la situation ? C’est parce que les fournisseurs ont très vite réalisé, à la fin des années 90, que les systèmes de records, également connus sous le nom d’applications CRUD (Create, Read, Update, Delete), étaient déjà banalisés. Cela l’était déjà il y a 20 ans.

De nos jours, c’est encore plus incroyablement banalisé. Et d’ailleurs, si vous voulez avoir une véritable application de l’IA générative en tant qu’outil de productivité, il est superbe d’écrire du code pour des applications CRUD. Ainsi, avec ChatGPT, vous pouvez littéralement créer des applications de type ERP extrêmement, extrêmement rapidement parce que ces choses sont simples. C’est beaucoup de code standardisé ; il y en a des tonnes. C’est incroyablement répétitif. Ce n’est pas de l’ingénierie de pointe.

Ainsi, pour ce genre d’outils de productivité, l’IA fonctionne incroyablement bien pour gérer l’ERM, c’est-à-dire la gestion des ressources de l’entreprise. Maintenant, revenons à cette situation confuse. Ce à quoi vous vous attendez de vos systèmes informatiques pour gérer un système d’intelligence et de prise de décision est complètement différent de ce que vous attendez d’un système de records. Pour illustrer, combien de millisecondes pouvez-vous vous permettre de garder votre système occupé ? Si c’est un système de records, la réponse est moins d’une milliseconde. Quoi que vous fassiez, cela doit se faire en moins d’une milliseconde.

Pourquoi ? Parce que votre système, votre ERM, disons, repose sur une base de données centralisée qui est une ressource partagée par tout le monde et par chaque processus dans votre entreprise. Ainsi, tout converge vers cette unique base de données. Si vous bloquez cette base de données pendant une milliseconde, cela signifie que tout le reste sera retardé d’une milliseconde. Vous diriez : « Oh, une milliseconde, ce n’est rien. » Oui, mais maintenant vous avez 500 personnes qui le font. Bon, ce n’est pas 500, c’est maintenant 500 millisecondes de retard qui commencent à se faire remarquer.

Maintenant, que se passe-t-il si quelques-unes de ces requêtes bloquent votre noyau relationnel ? Je simplifie 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 de nombreuses entreprises se plaignent : « Oh, mon système ERP est tellement lent. » La réponse est invariablement la suivante : il est lent parce que vous y avez intégré des éléments que vous ne devriez pas y mettre.

L’ERM, c’est-à-dire la gestion des ressources de l’entreprise, ne devrait traiter que des éléments pouvant être calculés en moins d’une milliseconde, donc extrêmement simples. Si vous faites quelque chose qui n’est pas extrêmement simple, cela signifie que vous allez bloquer votre système. Vous allez utiliser des ressources qui, d’une manière ou d’une autre, bloqueront votre système pendant un temps mesurable. Et si vous avez suffisamment de personnes qui font cela – et devinez quoi, nous parlons de grandes entreprises, avec tant de processus, tant de personnes –, votre système va devenir incroyablement lent. Et c’est exactement pourquoi les ERPs d’aujourd’hui sont toujours aussi lents qu’il y a 20 ans. Bien qu’en termes de puissance de calcul brute, nous disposions d’ordinateurs au moins mille fois plus performants. La question est : pourquoi est-il toujours aussi lent ? C’est parce qu’un équilibre se crée.

Si quelque chose ralentit l’ERP au point qu’il faut plusieurs secondes aux autres pour obtenir une réponse du système, alors le département informatique va simplement désactiver le système pour empêcher cela. Et vous le voyez. Ainsi, ils agissent comme la police de la consommation de l’ERP. Et s’il y a quelqu’un qui est excessif, l’informatique interviendra à un moment donné pour empêcher que cette personne ou ce logiciel ne cause tant de problèmes pour le reste d’entre nous. Ainsi, il existe un équilibre qui converge vers un état où, même s’il est lent, c’est tolérable. C’est pourquoi la plupart des ERP sont extrêmement lents, mais pas au point d’être insupportables. Car si vous franchissez le seuil de l’insupportabilité, l’informatique interviendra et désactivera le système.

Nous revenons donc aux systèmes d’intelligence. Au contraire, si vous y réfléchissez, si vous voulez envisager comment procéder pour le réapprovisionnement d’un magasin, vous allez examiner des années d’historique des ventes. Vous souhaitez observer ce qui se passe avec des milliers, voire des dizaines de milliers de clients. Je veux dire, c’est manifestement quelque chose qui manipulera une grande quantité de données. C’est évidemment un domaine où il faut investir un peu plus qu’une milliseconde de calcul. Les calculs sont bon marché.

Le problème, c’est que si vous avez un ERM, vos ressources sont partagées avec l’ensemble de l’entreprise. Ce que vous souhaitez, c’est disposer d’un système d’intelligence qui soit extérieur à l’ERM, et alors ce système peut prendre tout le temps nécessaire pour effectuer ces calculs sophistiqués. Donc, si l’on revient à la question initiale, les systèmes de records doivent traiter des éléments transactionnels, qui se limitent à des règles très simplistes.

La prévision probabiliste est l’exemple type de ce que vous ne voulez pas intégrer dans votre système de records. Je veux dire, dès que l’on évoque la prévision probabiliste, nous parlons de distributions de probabilités. Ces objets, en termes de mémoire, sont volumineux. Ils nécessitent énormément d’espace pour contenir toutes ces probabilités. Vous pouvez être très ingénieux de différentes manières, mais soyons clairs. Cela introduit manifestement, par rapport aux données brutes que vous possédez, une surcharge considérable. Vous étendez massivement vos données pour évaluer toutes ces probabilités.

Donc, fondamentalement, vous disposez de quelque chose qui, de par sa conception, pourrait être très puissant, oui, mais qui, par nature, ne sera pas en temps réel. Si vous vous engagez dans des évaluations probabilistes sophistiquées, vous ne touchez plus au domaine des calculs en temps réel. Vous voulez quelque chose qui permette d’allouer des gigaoctets de mémoire et de dépenser, disons, quelques secondes de calcul. C’est acceptable. La plupart des décisions supply chain peuvent se permettre quelques secondes de délai, mais pas votre ERP.

Conor Doherty: Eh bien, encore une fois, pour rebondir sur ce point concernant les systèmes d’intelligence et l’absence de nécessité d’avoir des calculs en temps réel selon ce que vous cherchez à calculer. Pour donner un ordre de grandeur, si l’on prend l’exemple d’une commande de réapprovisionnement de stocks, si vous parlez d’un magasin ou d’un client, disons 300 magasins et, pour simplifier, 50 000 SKU, on parle de 10 à 12 heures, comme un traitement nocturne, pour aboutir à ces décisions, contrairement au système de records qui se contenterait de…

Joannes Vermorel: Oui, mais vous souhaitez généralement que votre calcul reste sous 60 minutes. Chez Lokad, nous fixons cela à 60 minutes, mais pour une raison entièrement 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 d’exécution et doit être redémarré, cela signifie que vous créez des problèmes opérationnels.

Donc, vous devez garder votre calcul suffisamment court pour que, lorsque vous devez le refaire, il reste encore beaucoup de temps. Et la deuxième raison, encore plus importante, est que ce calcul ne sera pas parfait dès le départ. Comme je l’ai dit, une recette numérique, tant qu’elle produit des résultats insensés, doit être modifiée et mise à jour jusqu’à obtenir une recette numérique qui ne génère aucune décision absurde, ce qui implique de nombreuses itérations.

Si vous avez un calcul qui se termine en moins de 60 minutes, cela signifie qu’un ingénieur peut effectuer peut-être cinq ou six itérations par jour. Si vous avez un calcul qui prend 10 heures, cela ne vous permet qu’une itération par jour. Vous souhaitez vraiment disposer d’un système permettant à un ingénieur d’itérer plusieurs fois dans la journée. Et fréquemment, chez Lokad, lorsque nous sommes en phase de conception, lorsque nous élaborons une nouvelle recette numérique, nous essayons de maintenir le temps de calcul à quelques minutes afin de pouvoir réaliser littéralement des dizaines d’itérations par jour.

Conor Doherty: Il existe toutefois des exemples, par exemple en passant du retail à l’aérospatial. Il y a des cas où vous souhaiteriez que les décisions soient générées en quelques minutes plutôt qu’en une heure. Car 60 minutes pourraient être catastrophiques sur le plan financier. Ce n’est donc pas pour dire que le plus rapide possible soit 60 minutes, cela dépend plutôt du contexte du secteur.

Joannes Vermorel: Absolument. Mais, vous voyez, il faut apprécier qu’entre une milliseconde – qui devrait être votre objectif de performance au sein d’un ERP – et une minute, nous parlons de presque cinq ordres de grandeur. C’est très différent. Cela représente littéralement plus de 10 000 fois, vous savez, ce qui signifie que l’on peut faire les choses de manière tout à fait différente.

Si vous voulez fonctionner en moins d’une milliseconde, c’est extrêmement difficile. Beaucoup de choses ne sont tout simplement pas possibles. Même la vitesse de la lumière est relativement lente. Je veux dire, si vous parlez de systèmes opérant en moins d’une milliseconde, cela implique que la lumière ne parcourt que 300 kilomètres. Cela peut sembler beaucoup, mais si l’on pense en termes d’aller-retour, cela signifie qu’une milliseconde correspond littéralement à la vitesse de la lumière. Vous ne pouvez pas réellement dépasser 150 kilomètres si vous devez parcourir la distance.

Vous voyez, c’est une vitesse telle que toute communication réseau devient alors hors de question. Donc, si vous souhaitez atteindre une performance sub-millisecondique, il n’est pas permis d’effectuer le moindre type de communication réseau. Même le chargement à partir d’un disque rotatif est exclu. Un disque magnétique en rotation présente une latence d’environ 10 millisecondes. Ainsi, même charger quelque chose depuis un disque est hors de question.

Avec un disque SSD, c’est-à-dire un disque à état solide, vous pouvez le faire, mais même là, vous ne pourrez pas effectuer de nombreux accès. Vous pourrez peut-être en faire quelques-uns. Ce que je dis, c’est qu’il existe 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 disposez d’une minute, vous pouvez effectuer de nombreux appels réseau, réaliser des calculs sophistiqués et charger une grande quantité de données. Il est infiniment plus simple d’ingénierie.

Conor Doherty: Eh bien, Joannes, merci. Il n’y a pas d’autres questions. Merci beaucoup pour votre temps. Cela a duré environ une heure et demie, alors je vais vous accorder une minute pour une conclusion. Voulez-vous dire quelque chose avant de partir ?

Joannes Vermorel: Non, j’aurais aimé exprimer toute ma force mentale à toutes les personnes engagées dans des processus d’IA pour leur supply chain, car, eh bien, ces processus vont échouer. Je suis vraiment désolé. Je suis vraiment désolé, les gars. C’est tout simplement ainsi. Ne le prenez pas personnellement. Je veux dire, je pense que vous pouvez y trouver du réconfort dans le fait que vos compétences sont devenues sans importance. Et, d’ailleurs, les compétences de votre fournisseur sont également irrélvantes à ce stade. Peu importe que vous soyez bons ou mauvais, vous savez. Ainsi, vous pouvez mieux vous consoler face à l’échec. Ne le prenez pas trop personnellement. L’échec était garanti. Il 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 nous verrons en 2025.