00:00:00 Introduction
00:02:01 Chronologie et objectifs du projet de collaboration
00:03:03 Scope classique de Lokad et ventes inversées
00:04:18 Flux de stocks, prévision de la demande et engouement pour l’IA
00:06:00 Algorithmes probabilistes et classification des pièces
00:07:30 Recommandations d’expédition
00:09:15 Automatisation, exécution de l’IA et déplacement des stocks
00:12:26 Estimation des stocks et des scénarios de vente
00:13:48 Évaluation à long terme des stocks et logique du ROI
00:15:13 Pénalité de rupture de stock et confiance du client
00:17:07 Achèvement et expansion du projet en 2025
Résumé
Lors d’une récente interview, Fabian Hoehner, Directeur Commercial chez Lokad, et Elliot Langella, Lead Supply Chain Scientist chez Lokad, ont discuté de leur participation à la conférence numérique ATR à Athènes, organisée par le groupe Tokic, une entreprise croate de pièces détachées automobiles. Ils ont mis en avant l’intégration de l’IA dans le secteur des pièces détachées automobiles, en mettant l’accent sur leur collaboration de trois ans avec Tokic. Ce partenariat, qui a débuté fin 2021, visait à optimiser les niveaux de stock et à améliorer l’efficacité de la supply chain grâce à la prise de décision basée sur l’IA et la prévision de la demande. Les résultats ont inclus une augmentation de 5% des taux de service et une hausse de 10% des ventes, démontrant le potentiel transformateur de l’IA dans la gestion de la supply chain.
Transcription complète
Fabian Hoehner: Bonjour, ici depuis nos locaux à Paris.
Elliot, nous étions à Athènes il y a quelques semaines avec Josip du groupe Tokic, et maintenant, nous sommes ici dans notre nouveau studio magnifique pour parler de ce que nous avons fait à Athènes. Pouvez-vous nous donner un aperçu de votre point de vue ? Que faisiez-vous là-bas ?
Elliot Langella: Athènes était une conférence sur l’IA dans les applications de pièces détachées automobiles, les résultats, vous savez, quelques informations des différentes entreprises présentes. Nous étions donc là-bas avec Tokic, présentant les résultats de notre collaboration des trois dernières années.
Fabian Hoehner: Peut-être pouvez-vous commencer par nous présenter à nouveau le groupe Tokic. Josip l’a déjà fait, mais qui sont-ils, surtout d’un point de vue de la supply chain ? Donnez-nous une idée.
Elliot Langella: Le groupe Tokic est l’un des principaux détaillants de pièces automobiles en Croatie et en Slovénie. Plus de 130 magasins maintenant, je crois, et en expansion. Plus de 150 000 pièces au catalogue. Donc, si vous multipliez cela par le nombre de magasins, cela fait beaucoup de variantes, n’est-ce pas ? Beaucoup de références.
Ils travaillent donc avec plusieurs centaines de fournisseurs, proposant soit des produits de réparation habituels, simplement des pièces détachées que vous utilisez pour réparer les voitures, mais aussi des produits spécialisés comme les camions agricoles. Ils répondent donc évidemment à la demande locale en Croatie et en Slovénie, mais aussi aux clients à l’exportation. Ils sont donc un acteur important sur les marchés des Balkans.
Fabian Hoehner: Donc, quand nous parlons de leurs clients, eh bien, nous avons maintenant un écran super sophistiqué en arrière-plan. Faut-il imaginer que ce sont leurs clients ? Est-ce le genre de produits ?
Elliot Langella: Oui, exactement. C’est une bonne partie de leurs clients, en fait. Des mécaniciens et, vous savez, des propriétaires locaux de garages de réparation qui viennent simplement dans le magasin Tokic et achètent tout ce dont ils auront besoin pour réparer les voitures de leurs clients dans les prochaines semaines.
Fabian Hoehner: D’accord, parlons un peu plus concrètement de la collaboration avec Lokad. Quel était le projet ? Quel était le calendrier ? Donnez-nous quelques idées.
Elliot Langella: Nous avons commencé à la fin de 2021, et eh bien, c’était une période très difficile pour la supply chain à ce moment-là. Vous savez, COVID perturbait l’offre et la demande, évidemment avec les confinements. C’était donc une période difficile pour les entreprises de vente au détail. Vous savez, on ne sait pas si les choses vont revenir à la normale, que ce soit du côté de l’offre ou de la demande.
La première chose que nous avons commencée avec Tokic est de travailler sur les délais de livraison des fournisseurs et l’estimation du taux de service des fournisseurs afin qu’ils puissent avoir une meilleure idée de l’écart par rapport aux niveaux de stock optimaux qu’ils devraient détenir. Après quelques mois, nous avons fini par passer en phase pilote pour le réapprovisionnement, donc une poussée quotidienne des stocks de l’entrepôt vers les magasins. Et quelques mois plus tard, nous sommes entièrement opérationnels à la fois pour la planification des achats et les expéditions quotidiennes.
Fabian Hoehner: D’accord, cela ressemble à un champ d’action assez classique pour Lokad. Y avait-il quelque chose de spécial ? Je veux dire, vous avez réalisé plusieurs mises en œuvre au fil des ans. Qu’est-ce qui était intéressant pour vous ? Était-ce quelque chose que vous n’aviez jamais vu auparavant ?
Elliot Langella: Je pense que ce que le groupe Tokic appelle les ventes inversées est assez intéressant. Nous avons tous acheté des choses en ligne sur Amazon ou Zalando, et vous savez, parfois il y a un problème, ce n’est pas la bonne taille, et vous pouvez retourner les produits. Cela n’est pas si souvent facile à mettre en œuvre et à proposer à vos clients dans le secteur des pièces automobiles, des pièces détachées. Mais ce que fait le groupe Tokic, c’est offrir à ses clients la possibilité de venir simplement, d’obtenir un peu plus d’unités que ce qu’ils paieraient aujourd’hui.
Vous savez, ils obtiennent essentiellement un paiement trois semaines plus tard ou à la fin du mois, et seulement à ce moment-là peuvent-ils choisir d’acheter réellement la pièce ou plutôt de la retourner au magasin Tokic.
Fabian Hoehner: C’est aussi pour le physique, je veux dire, dans le commerce électronique, je pense que c’est même pour les pièces automobiles, en quelque sorte, même par la loi, mais ils le font dans leurs magasins physiques ?
Elliot Langella: Dans les magasins physiques directement. Donc vous pourriez littéralement être, vous savez, obtenir des embrayages et des filtres supplémentaires. Vous en obtenez 10 au lieu des quelques-uns que vous aviez prévus, et vous savez, trois semaines plus tard, vous pouvez en rendre deux parce que vous avez fini par en utiliser trois au lieu de quatre.
Fabian Hoehner: D’accord, et quelle est la conséquence pour vous, du point de vue d’un scientifique de la supply chain ? Quelles sont les complexités que cela crée ?
Elliot Langella: Cela crée des flux de stocks entrants et sortants supplémentaires que vous devez prendre en compte à la fois dans la planification des achats au niveau de l’entrepôt central, mais surtout dans le réapprovisionnement quotidien des magasins. Eh bien, si vous pensez qu’il vous manque des stocks aujourd’hui dans ce magasin donné, la décision normale serait d’en pousser davantage depuis l’entrepôt. Mais vous devez également prendre en compte le fait que certains clients pourraient retourner une partie des unités qu’ils ont actuellement. Et donc, en fin de compte, vous devez équilibrer ces deux flux entrants et sortants.
Fabian Hoehner: D’accord, donc cela influence les prévisions de la demande et ces projections ?
Elliot Langella: Les prévisions de la demande et la prise de décision au quotidien.
Fabian Hoehner: D’accord, eh bien, en parlant de cela, de la prise de décision, nous étions à une conférence sur l’IA. Alors dites-moi, qu’est-ce que vous faites même ? Je veux dire, maintenant c’est l’IA, tout est complètement automatisé. Ouais, tout est automatisé et vous ne faites plus rien. Pourquoi continuons-nous à vous payer ?
Elliot Langella: Non, non, non. Donc, la première chose est, vous savez, l’IA est super célèbre, vous savez, ça buzze ces jours-ci. Et les gens associent généralement l’IA comme le mot à la mode pour…
Fabian Hoehner: Donc, tu me dis que nous ne faisons pas d’IA ou que dis-tu ici ?
Elliot Langella: Laissez-moi quelques secondes. De nos jours, les gens associent principalement l’IA aux LLM, comme ChatGPT, des chatbots, des agents en gros, ou des robots ou peu importe. Ce que nous faisons chez Lokad, c’est en partie cela, mais ce n’est pas le produit principal que nous avons construit pour Tokic. C’est plutôt de l’IA dans la prise de décision et dans la prévision de la demande. Cela se passe en coulisses, dans le backend du logiciel, puis cela se reflète dans les interfaces que les utilisateurs finaux consomment quotidiennement.
Donc, des blocs importants, je dirais, seraient pour la prévision de la demande. Nous utilisons des algorithmes probabilistes pour le faire, et vous savez, nous nous appuyons sur ce que nous appelons la programmation différentielle, qui est une sorte de variante de l’apprentissage profond pour le faire.
Fabian Hoehner: Oui, eh bien, ceux qui sont intéressés peuvent revenir aux explications de Johan à ce sujet, mais…
Elliot Langella: Nous avons plusieurs heures de contenu sur le sujet.
Fabian Hoehner: D’accord, où d’autre verrais-tu des applications ?
Elliot Langella: Nous utilisons également des LLM et, vous savez, des algorithmes de regroupement classiques pour la classification des pièces, les séries temporelles, et la catégorisation des produits. C’est notamment important pour prévoir la demande, mais aussi pour, disons, biaiser de manière numérique les suggestions d’achat et d’expédition que nous faisons quotidiennement chez Tokic.
Parce que dans la façon de penser de Lokad, il n’y a plus exactement de catégorisation ABC. C’est plutôt une compétition entre tous les différents SKUs pour des ressources communes qui sont soit la capacité de l’entrepôt, soit l’espace disponible en magasin. Et bien, il faut équilibrer cela, peut-être qu’une grande pièce de carrosserie crée beaucoup de marge, mais elle occupe l’espace qui aurait pu être utilisé par, vous savez, beaucoup de petites pièces qui pourraient également répondre à la demande des clients.
Fabian Hoehner: D’accord, donc en fin de compte, une grande variété de différents types d’IA, et c’est votre travail en tant que scientifique de la supply chain de choisir les outils appropriés pour répondre à toutes les questions, que ce soit le nettoyage des données ou le processus de prise de décision ?
Elliot Langella: Exactement. Pour en faire un processus de qualité de production, l’équipe de Tokic utilise notre recommandation d’expédition quotidiennement chaque matin de semaine. Donc il doit être prêt à 6h00 du matin lorsque l’entrepôt ouvre. Nous ne pouvons pas simplement jouer avec des algorithmes sophistiqués. Il doit être, vous savez, de qualité de production, et il doit fournir de manière cohérente chaque jour de bons résultats pour l’entreprise.
Fabian Hoehner: D’accord, que se passerait-il si vous ne livriez pas ? S’ils n’obtiennent pas les données à 6h00 du matin ?
Elliot Langella: Nous avons donc quelques logiques de secours pour nous assurer qu’il y a toujours quelque chose sur lequel ils peuvent compter, ou nous pouvons accélérer certains traitements pour approximer quelques choses afin qu’ils aient quelque chose sur lequel compter une heure, une heure et demie plus tard, et qu’ils puissent continuer le reste de la journée.
Fabian Hoehner: D’accord, mais vous devez vous assurer, sinon il y a, eh bien, quelques camions qui ne partent pas.
Elliot Langella: Oui, ou qui ne livrent pas. Comme vous le savez, la vie réelle dans la supply chain est pressante. Cela se produit tous les jours, donc vous devez livrer.
Fabian Hoehner: D’accord, maintenant passons de la vie réelle au niveau macro. Je suppose que cela fonctionne, sinon nous ne serions pas ici. Quels sont certains des résultats dont vous pouvez parler ?
Elliot Langella: Je dirais que la première chose importante est la transparence et le confort d’utilisation au quotidien. L’équipe de Tokic est passée de l’extraction de données à partir de bases de données, du traitement dans des feuilles de calcul Excel, de certaines, vous savez, calculs banals, et il ne reste pas beaucoup de temps pour une analyse de haut niveau réelle. Ils se connectent à Lokad le matin. La plupart des recommandations que nous leur fournissons sont à 100% bonnes à utiliser, et il y a juste quelques ajustements ici et là avec lesquels ils devraient travailler car ils ont des connaissances supplémentaires de leur fournisseur.
Ce fournisseur va être en retard, ou, vous savez, ils doivent satisfaire certaines conditions d’achat. Vous savez, les choses de la vie réelle qui se produisent et qui peuvent être reflétées dans les données que nous utilisons, mais dont ils sont conscients car ils sont soit des experts, soit en train de lutter contre les incendies dans la réalité opérationnelle quotidienne. C’est donc beaucoup plus confortable pour eux de travailler maintenant avec Lokad.
Fabian Hoehner: Donc transparence, automatisation, temps au-delà du mode lutte contre les incendies.
Elliot Langella: Et se concentrer sur des tâches plus stratégiques, vous savez, ils sont plus dans la définition de ce qu’ils veulent faire, obtenir les bonnes informations du marché, des fournisseurs, plutôt que dans l’exécution, l’exécution opérationnelle, qui est déléguée à l’IA.
Fabian Hoehner: D’accord, et bien évidemment, nous sommes des personnes de chiffres. Avez-vous des chiffres que nous pouvons partager, quelque chose de concret ?
Elliot Langella: D’accord, je dirais qu’il y aura deux angles. Il y a vraiment l’exécution opérationnelle concernant la façon dont l’entrepôt a pu passer, disons, de l’assortiment COVID au nouveau sur lequel le groupe Tokic s’appuie maintenant.
Ce que nous aidons Tokic à faire, c’est essentiellement de déplacer environ 40% de leurs assortiments, comme l’ouverture de nouveaux magasins, le remplacement de produits plus anciens par de nouveaux, et cela a été fait en collaboration avec eux pour ne pas surcharger l’entrepôt.
Cela signifie qu’en termes de capacité, ils n’avaient tout simplement pas 40% de personnes en plus pour s’occuper de ces grands changements. Donc ce que nous avons fait, c’est rationaliser le rythme auquel nous enverrions les stocks aux magasins afin de donner un peu plus de marge de manœuvre à l’entrepôt pour exécuter.
Je dirais que le deuxième angle serait plutôt les métriques habituelles de la supply chain, vous savez, celles que les directeurs de la supply chain et les COOs suivent de près chaque semaine.
Je parle du taux de service. Un élément clé était qu’après avoir lancé la phase pilote pour ce réapprovisionnement de l’entrepôt vers les magasins, nous avons pu mesurer, et nous mesurons toujours ces jours-ci, que le taux de service des produits les plus demandés a augmenté de 5% dans tous les magasins.
Cela signifie que vous obtenez littéralement plus avec la même quantité de stock parce que vous le synchronisez mieux ou vous investissez relativement le bon équilibre de stock dans votre entrepôt afin de pouvoir le répartir dans tout le réseau, et cela conduit à générer plus de ventes.
Donc, en fin de compte, cela a été une période de croissance très importante pour Tokic. Donc, cela repose sur des estimations, mais l’idée est que nous avons dépassé de 28% les simulations de valeur de stock les plus optimistes que l’équipe de Tokic faisait.
Cela signifie que nous nous sommes retrouvés avec moins de stock que prévu, et cela a en fait permis de générer environ 10% de ventes supplémentaires.
Fabian Hoehner: Comment en sommes-nous arrivés là ? Quelles sont les petites choses que nous faisons différemment pour en arriver là ?
Elliot Langella: Deux ingrédients principaux : l’évaluation probabiliste des stocks et l’estimation du retour sur investissement.
Fabian Hoehner: D’accord, j’ai besoin d’exemples ici.
Elliot Langella: Oui, donc l’inventaire probabiliste consiste à esquisser tous les scénarios de demande possibles avec des probabilités. Donc disons que ce n’est pas un seul chiffre par jour, comme vendre deux demain. Ce sera entre une et trois unités pour ce SKU donné dans ce magasin donné, mais avec des poids de probabilité.
Sur la base de cela, vous savez, lorsque en tant que directeur de la supply chain vous voulez avoir ce taux de service de 95% dans votre magasin, il est en fait possible pour Lokad d’estimer exactement combien de stock vous avez besoin pour atteindre ce 95% car nous avons les poids de probabilité et nous pouvons les cumuler jusqu’à 95%.
Fabian Hoehner: Donc serait-il juste de dire une représentation plus précise du futur ?
Elliot Langella: Une représentation plus précise, et je dirais plus éclairée pour la deuxième couche à laquelle je fais référence, qui est cette estimation du retour sur investissement (ROI). Maintenant que vous avez différents scénarios de ventes pour lesquels vous savez que vous avez 10%, 5%, 0,01% de chances de vendre, vous pouvez également deviner quel sera le retour sur investissement de prendre cette décision d’envoyer ces unités supplémentaires à un magasin donné.
Si cette unité a 1% de chances de se vendre, cela signifie qu’elle ne va probablement pas générer beaucoup de marge pour l’entreprise. Vous devez donc payer le coût des stocks, le coût logistique pour prendre cette décision, et cela ne rapportera pas beaucoup.
Dans l’autre sens, si vous regardez ce problème depuis l’entrepôt et que vous avez une pile limitée de stocks qui se trouve à l’entrepôt, vous ne voulez évidemment pas envoyer cette unité supplémentaire au magasin qui va se vendre avec 1% de chances.
Vous préférez plutôt le mettre dans un autre magasin, peut-être un peu plus loin dans le réseau, qui aura 10% ou 20% de chances de vendre cette unité. Il s’agit donc également d’arbitrage en termes de rareté, et plus généralement, c’est un bon cadre pour l’équipe Tokic de simuler et d’essayer d’évaluer combien de stocks supplémentaires ils auraient besoin, disons à long terme, sur une année entière en se basant sur cette évaluation du ROI.
Fabian Hoehner: Donc là où cela a du sens pour moi, c’est la probabilité de vente qui vous permet de placer votre stock là où il a le plus de chances de se vendre. Mais y a-t-il d’autres composantes économiques qui entrent en jeu lorsque vous parlez de logique basée sur le ROI ?
Elliot Langella: Donc il y a certainement la marge que vous allez générer. Il y a aussi le coût des stocks, donc le coût logistique, combien cela vous coûte-t-il de préparer et d’emballer à l’entrepôt, de le mettre sur le camion, de faire rouler le camion, de le stocker dans le magasin.
Fabian Hoehner: Donc en fin de compte, quelque chose d’intelligent qui représente la réalité, où vous n’envoyez pas une partie dans un magasin qui est, je ne sais pas, à une demi-journée de route, que vous le regroupez et que cela a du sens. C’est donc ce que vous pouvez prendre en compte avec cette logique basée sur le ROI.
Elliot Langella: Nous incluons également des aspects financiers. C’est une grande conversation ces jours-ci, vous savez, avec l’inflation qui a augmenté et qui se stabilise peut-être maintenant, qui sait. Le coût du capital est important. De plus, il y a le coût des opportunités, vous savez, si vous investissez dans cet inventaire auprès de ce fournisseur, eh bien, peut-être que vous n’avez plus de budget pour continuer à chercher d’autres offres avec d’autres fournisseurs et élargir votre catalogue l’année prochaine.
Il s’agit donc d’arbitrer la meilleure façon d’utiliser votre capital. Et je dirais qu’il y a un dernier élément à cette estimation du ROI qui est intéressant à discuter car nous parlions plus tôt des ventes de retour. C’est ce que nous appelons la pénalité de rupture de stock.
C’est plutôt une sorte d’approche basée sur des points de karma. Si vous êtes en rupture de stock dans un magasin, vous perdez la confiance de vos clients et ils commencent à penser que vous n’êtes plus un guichet unique. Il y a donc une valeur en dehors des aspects financiers, en dehors de la marge, à simplement être en stock au bon moment et au bon endroit, car cela va générer des achats répétés de la part de vos clients.
Et aussi parce qu’un produit peut attirer les ventes d’autres produits. Nous ne voulons pas perdre des ventes sur votre produit phare, la chose que les gens viennent chercher dans votre magasin et savent qu’ils trouveront, car s’ils viennent et la trouvent, peut-être qu’ils achèteront autre chose en plus, des huiles, des essuie-glaces, des choses comme ça, dont vous n’êtes pas vraiment sûr d’avoir besoin, mais que vous prenez juste au cas où.
Fabian Hoehner: D’accord, et tout cela entre dans la même formule, dans le même algorithme pour prendre une décision à la fin de la journée ?
Elliot Langella: Oui.
Fabian Hoehner: D’accord, donc qu’est-ce que cela laisse aux gestionnaires ? Quelles sont les décisions qu’ils prennent ?
Elliot Langella: Une évaluation stratégique. Donc essentiellement déléguer les tâches informatiques monotones à l’IA de Lokad et, vous savez, se concentrer simplement sur la décision de choisir ce scénario. Est-ce quelque chose que nous pouvons faire en tant qu’entreprise ? Est-ce la direction que nous voulons prendre ?
Pouvons-nous nous permettre cette augmentation supplémentaire des stocks ? Est-ce que cela va générer une valeur supplémentaire pour les clients ? Est-ce sur quoi nous voulons nous concentrer en tant qu’entreprise, ou voulons-nous nous concentrer sur l’assortiment, sur d’autres domaines de l’activité ?
Fabian Hoehner: Donc moins de tâches monotones et plus, eh bien, de la stratégie, de l’impact.
D’accord, oui, eh bien, c’est assez clair sur où nous en sommes aujourd’hui dans le projet. Où allons-nous ? Est-ce que nous avons tout fait, ou reste-t-il quelque chose à faire ?
Elliot Langella: Donc début 2025, nous terminerons le déploiement des projets de la chaîne d’approvisionnement croate à la chaîne d’approvisionnement croate et slovène combinées. Donc Tokic a connu une croissance sur le marché slovène, et maintenant ils envisagent un état intermédiaire où ils achèteront à partir de différents points d’entrée, donc deux entrepôts différents qui leur ont permis de faire transiter les flux de l’un à l’autre pays.
Cela rend évidemment les choses un peu plus complexes d’un point de vue de la chaîne d’approvisionnement, mais il est plus facile d’y arriver lorsque vous travaillez déjà avec Lokad sur le premier paramètre qui fonctionne bien depuis plusieurs années, disons.
Je dirais que les autres défis auxquels nous pouvons aider nos clients sont liés à la gestion de la complexité créée par cette compatibilité des pièces. Je veux dire, dans la chaîne d’approvisionnement automobile, c’est essentiel. Parfois, pour répondre à un besoin d’un client, vous avez 10 pièces différentes. Lesquelles devraient faire partie de votre assortiment dans ce magasin donné, dans les autres magasins ? C’est un gros défi.
Autre chose, c’est la tarification, toujours critique. Il y a même une forte concurrence en ligne pour Tokic. Maintenant, vous pouvez acheter des pièces sur le e-commerce, donc cela devrait faire partie de votre image en tant que détaillant, savoir comment vous positionner en fonction de la proposition de valeur que vous avez avec ces ventes inversées dont nous avons parlé, avec la disponibilité maximale que nous pouvons fournir à Tokic dans leurs magasins.
C’est évidemment plus facile pour les personnes qui travaillent dans l’automobile et les ateliers de réparation de venir acheter chez Tokic, mais vous savez, il y a toujours un équilibre entre le prix qu’ils sont prêts à payer et la commodité que cela nous procure.
Fabian Hoehner: Donc l’objectif est d’entrer de plus en plus dans le même processus de prise de décision numérique. Eh bien, cela semble signifier que vous avez encore beaucoup de travail devant vous. Alors, eh bien, retrouvons-nous en 2025 et voyons où les choses en sont. Merci de nous avoir suivi, et à la prochaine fois.
