00:00:00 Introduction à l’interview
00:02:09 Qualité vs coût dans les décisions supply chain
00:05:16 iPhone comme exemple de qualité
00:08:36 Prise de décision et optionalité en supply chain
00:11:47 KPI pour évaluer la performance de la supply chain
00:14:27 Taux de service comme mesure de performance
00:17:24 Importance d’une qualité pertinente dans la conception des produits
00:20:42 Complexité dépassant l’esprit humain en supply chain
00:24:11 Impact de l’IA et de l’automatisation sur la supply chain
00:27:59 Utilisation de Large Language Models chez Lokad
00:31:21 Vitesse des ordinateurs modernes et coût de l’IA
00:34:34 Analyse des approvisionnements et impact de l’IA sur le coût
00:38:17 Compromis de coût en supply chain
00:41:38 Déterminer le nombre de concurrents à surveiller
00:45:10 Comparer la sophistication des logiciels à l’effectif
00:48:26 Investir pour comprendre les leviers de la supply chain
00:51:43 La situation du marché ne peut pas être prolongée dans le futur
00:54:23 Le profit comme mesure de la qualité de la décision
00:58:12 Complexité des supply chains due à la digitalisation
01:00:52 Le succès d’Amazon et ses stratégies de croissance
01:03:24 Encouragement à ne pas craindre la complexité de la supply chain
01:06:01 Être approximativement correct vaut mieux qu’être exactement faux
Résumé
Dans un dialogue avec le responsable de la communication de Lokad, Conor Doherty, Joannes Vermorel, PDG de Lokad, discute du ratio qualité-coût dans la gestion de la supply chain. Vermorel souligne que la qualité fait référence à la prise de décision, et non aux attributs du produit, et que la qualité telle que perçue par le client ne correspond pas nécessairement aux décisions optimales de supply chain en raison du coût. Il critique les KPI traditionnels, arguant qu’ils ne reflètent pas une véritable qualité. Vermorel aborde également le rôle des Large Language Models (LLMs) dans la gestion de la supply chain, notant qu’ils peuvent conduire à des décisions plus intelligentes mais augmenter les budgets informatiques. Il suggère que le dilemme qualité-coût est un meta-jeu, nécessitant l’ingénierie logicielle pour résoudre les problèmes de supply chain et évaluer les trade-offs.
Résumé Étendu
Dans une conversation stimulante entre Conor Doherty, responsable de la communication chez Lokad, et Joannes Vermorel, PDG et fondateur de Lokad, le duo explore le concept complexe du ratio qualité-coût dans la gestion de la supply chain. Vermorel explique que la qualité dans le contexte de la supply chain se réfère à la qualité des décisions plutôt qu’aux attributs physiques des produits. Il souligne que le service de la plus haute qualité du point de vue du client ne correspond pas nécessairement à la décision de supply chain de la meilleure qualité pour une entreprise en raison des coûts associés.
Vermorel précise en outre que, bien qu’investir davantage de ressources, de personnel et de logiciels puisse conduire à de meilleures décisions, ces décisions ne doivent pas être confondues avec la qualité perçue par le client. Il reconnaît la subjectivité dans la mesure de la qualité des décisions, la contrastant avec l’évaluation plus simple des produits physiques. Cependant, il soutient que la qualité perçue d’un produit va souvent au-delà de ses simples attributs physiques, en prenant l’exemple de l’iPhone et de son app Marketplace.
Selon Vermorel, la gestion de la supply chain est la maîtrise de l’optionalité, où la qualité des décisions peut être insaisissable. Il suggère que certains indicateurs, comme la décisivité, peuvent être mesurés objectivement. Il critique l’utilisation de KPI tels que taux de service et la précision des prévisions pour évaluer la performance de la supply chain, arguant qu’ils ne reflètent pas une véritable qualité. Il décrit ces KPI comme des artefacts numériques qui peuvent ne pas être corrélés à la qualité et au succès d’une supply chain.
Vermorel aborde également le rôle des Large Language Models (LLMs) dans la gestion de la supply chain. Il explique que, bien que les LLM soient coûteux, ils peuvent engendrer des décisions plus intelligentes et de meilleure qualité. Il met en garde que les entreprises dépensent des sommes importantes pour ces systèmes, ce qui peut considérablement gonfler leurs budgets informatiques. Il suggère qu’il existe des cas où il serait plus rentable d’utiliser une version moins chère d’un LLM.
Vermorel estime qu’avec les LLM, les entreprises peuvent concevoir la qualité de leurs décisions et gérer le compromis de coût. Il note qu’il s’agit d’un concept rarement abordé dans la gestion de la supply chain traditionnelle. Il explique que les supply chains modernes sont pilotées par des logiciels, qui peuvent être conçus. Il souligne qu’il existe des indicateurs simples pour mesurer le coût d’exécution d’un logiciel, tels que le temps, la mémoire et la consommation de disque.
Vermorel soutient que le dilemme qualité-coût consiste à concevoir des logiciels pour résoudre les problèmes de supply chain et évaluer les trade-offs. L’objectif doit être de créer des logiciels capables de déterminer ce que signifie une meilleure qualité pour les clients. Il insiste sur le fait que le dilemme qualité-coût est un meta-jeu que les entreprises doivent jouer pour concevoir des supply chains supérieures. Il le compare à une partie d’échecs que l’on ne peut gagner qu’avec des logiciels.
En conclusion, Vermorel conseille d’identifier les décisions dans la supply chain et d’évaluer ce que signifie la qualité dans un sens large. Il suggère d’identifier 20 dimensions de la supply chain comme une approche plus complète que des cadres simplistes. Cette conversation rappelle la complexité et les nuances inhérentes à la gestion de la supply chain, ainsi que la nécessité d’une approche plus sophistiquée de la prise de décision et de l’évaluation de la qualité.
Transcription Complète
Conor Doherty: Bienvenue chez Lokad. Chaque décision d’affaires reflète un équilibre minutieux entre la qualité, c’est-à-dire à quel point une chose est bonne, et son coût. Mais ce ratio qualité-coût s’étend-il à la supply chain ? Pour en discuter, nous avons le fondateur de Lokad, Joannes Vermorel.
Alors Joannes, le ratio qualité-coût, tout comme la rareté, je suis sûr que les gens ont une idée générale de ce que cela signifie lorsqu’on en parle. Pourriez-vous donner un aperçu succinct de ce que cela signifie, puis le relier explicitement au sujet de la supply chain et expliquer pourquoi c’est important ?
Joannes Vermorel: La qualité est un attribut que l’on appliquerait bien plus au produit physique lui-même. Par exemple, un iPhone est un smartphone de haute qualité. Vous pouvez avoir une voiture très bon marché, une voiture très haut de gamme et coûteuse, et tout le reste entre les deux. C’est sans doute la manière la plus simple d’aborder la question. Mais lorsqu’on parle de supply chain, il s’avère que la supply chain ne conçoit pas les produits, elle ne les produit pas. Ainsi, lorsque nous pensons à la qualité du point de vue de la supply chain, ce ne sont pas exactement les attributs physiques des produits qui importent.
Bien que cela puisse relever en partie d’un problème de supply chain, nous pourrions y revenir ultérieurement, mais fondamentalement, cela n’en fait pas partie du simple fait que ce n’est pas la responsabilité de la supply chain.
Si nous intégrons cela dans la supply chain, alors la supply chain devient si vaste que cela perd tout son sens, car elle devient presque indiscernable de l’ensemble de l’entreprise. Pour plus de clarté, disons que la qualité, c’est-à-dire les attributs physiques des produits, ne relève pas exactement de la supply chain. Ce n’est pas ce que j’entends par qualité dans un contexte de supply chain.
Par qualité dans un contexte de supply chain, je fais référence à la qualité des décisions. Le premier écueil est probablement que la qualité des décisions n’est pas la même que celle du service tel que perçu par le client. Par exemple, ne jamais rencontrer de rupture de stock constituerait le niveau de service immédiat le plus élevé dans des environnements de vente au détail très simples. C’est le service de la plus haute qualité du point de vue du client. Mais est-ce la meilleure qualité en termes de décision de supply chain pour votre entreprise ? Absolument pas, car cela s’avérerait financièrement insoutenable pour votre entreprise. Donc, la qualité des décisions, voilà ce que j’entends par qualité face au coût.
Pour obtenir une meilleure décision, nous pouvons investir plus de ressources, de personnel, davantage de logiciels, voire investir dans la recherche et le développement pour améliorer l’ensemble. Ce sont tous des éléments côté coût, et par conséquent nous obtiendrons des décisions de qualité supérieure du point de vue de la supply chain, qui ne doivent pas être confondues avec la qualité perçue par le client.
Encore une fois, la supply chain repose sur des compromis. Ainsi, une décision de très haute qualité est une décision qui équilibre soigneusement tous ces compromis. Comme je le dis dans ma série de conférences, la supply chain est la maîtrise de l’optionalité. Donc, si nous parlons de super haute qualité, cela signifie définir cela comme une exécution très réussie, un niveau élevé de maîtrise de ce jeu consistant à prendre des décisions de supply chain de manière répétée.
Conor Doherty: Pour rebondir immédiatement sur ce point, vous donnez l’exemple de l’iPhone. Si l’on parle de la qualité de celui-ci et de l’assurance qualité ainsi que de tous les protocoles qui entrent en ligne de compte dans une évaluation qualité-coût, on peut se référer aux propriétés physiques de l’iPhone et dire, voici la qualité du processeur, voici la qualité du stockage. Je peux mesurer cela et constater que c’est de la haute qualité. Mais quand il s’agit de la qualité des décisions, on entre dans un domaine très subjectif.
Joannes Vermorel: À première vue, oui, lorsqu’il s’agit de produits physiques, il est plus simple d’évaluer la qualité. Mais seulement à ce niveau superficiel. Si nous revenons à l’iPhone, qui est en réalité un très bon exemple, la qualité de l’iPhone était telle qu’au cours de la première année, les ventes n’étaient pas exceptionnelles. Si je me souviens bien, c’était correct pour Apple, d’autant plus qu’à l’époque Apple rencontrait de grandes difficultés, mais c’était relativement modeste.
L’iPhone a explosé quelques années plus tard, après l’introduction de l’App Marketplace. C’est alors qu’Apple a décidé de mettre en place ce marketplace permettant l’installation des applications en un clic, où il suffisait de cliquer sur une application, de payer 1 $, et d’obtenir une application parfaitement compatible, super facile à installer sur votre smartphone. C’est à ce moment-là que la popularité ainsi que la qualité perçue de l’iPhone ont explosé. Si l’on regarde les attributs physiques, oui, c’était un très bel appareil, mais la réalité est que le smartphone, en termes de simple capacité à passer des appels, était plutôt médiocre. Ce n’était pas un téléphone exceptionnel uniquement pour remplir sa mission première, qui était de recevoir et de passer des appels avec cet appareil.
Mais la qualité perçue a explosé lorsqu’ils ont introduit l’App Store, car soudainement ce format de smartphone avait parfaitement du sens. Vous disposiez en effet d’un mini ordinateur capable de faire tant de choses, et la qualité perçue faisait que ce n’était plus seulement un téléphone, c’était un smartphone. Cependant, les gens ne se souviennent pas que cela n’est devenu ainsi qu’un an plus tard. Le point que je souligne, c’est que la qualité, oui, il y a certains aspects très basiques et fondamentaux, comme un meilleur matériau, une meilleure résistance au stress et à la fatigue afin que l’appareil ne se détraque pas, ne se dégrade pas. Il doit être léger. En général, tout ce que vous souhaitez déplacer, s’il est plus léger, c’est généralement mieux, etc.
Donc oui, il y a certains aspects très fondamentaux, mais aussi, en ce qui concerne les produits physiques, la qualité va souvent bien au-delà de ce que l’on voit. Il peut y avoir toutes les attentes selon lesquelles vous pouvez faire plus avec le produit, disposer d’un écosystème, bénéficier de toutes sortes d’accessoires qui l’accompagnent, ou même, si cela est purement décoratif, qu’il aura fière allure dans de nombreuses situations. Vous savez, un objet très décoratif qui s’intégrera parfaitement dans votre appartement, même si votre style d’appartement est très différent, peut posséder une qualité super intangible, mais qui reste néanmoins présente dans une certaine mesure.
Conor Doherty: Mais très peu de cela se traduit dans les décisions de supply chain.
Joannes Vermorel: La qualité, oui, je dirais que pour les produits physiques, vous disposez au minimum de nombreux indicateurs de base assez directs, mais il existe également cette profondeur qui est difficile à quantifier. Ensuite, quand il s’agit de supply chain, la supply chain est la maîtrise de l’optionalité, c’est littéralement l’observation des options et, à un moment donné, la sélection, parmi ces options que vous avez activement cultivées, de celle que vous allez choisir, et qui constituera votre décision.
D’accord, c’est très abstrait, ainsi la qualité devient quelque chose de très insaisissable. Bien qu’il s’agisse de quelque chose de relativement insaisissable, comme la qualité des décisions, il existe tout de même quelques indicateurs qui ne sont pas si compliqués. Par exemple, dans l’armée, il y a ce dicton qui veut que, vous savez, le pire plan est celui qui n’est pas un plan, et qu’il n’y a rien de pire sur le champ de bataille qu’un chirurgien indécis. L’indécision est presque toujours une erreur. Cela signifie que même si votre décision consiste à ne rien faire, attendre que l’ennemi se trompe, c’est très différent d’être indécis et de ne rien faire.
Non, j’ai décidé que la meilleure décision que nous puissions prendre serait d’attendre que le moment soit propice, et cela est très, très différent de l’état d’être indécis, de ne pas savoir quoi faire, de paniquer et de ne rien faire. Vous savez, c’est un état d’esprit complètement différent, et je soutiendrais que, bien que dans les deux cas rien ne soit fait, la qualité d’une décision—par exemple, attendre de manière intentionnelle et délibérée en sachant exactement ce que nous attendons—est très différente de celle d’une décision indécise prise dans un semi-état de panique.
Ainsi, par exemple, la détermination est quelque chose que l’on peut mesurer de manière relativement simple. Dans des contextes de supply chain, la question est la suivante : êtes-vous capable de prendre votre décision rapidement ou cela prend-il une éternité sans raison valable ? Vous savez, cela constituerait une métrique, et mesurer le temps nécessaire pour prendre une décision peut se faire de manière objective. Dans une certaine mesure, vous disposez de métriques simples, mais je dirais qu’elles ne sont pas très, très pertinentes. Contrairement à ce qui se passe sur le champ de bataille, dans la supply chain, il y a rarement des situations d’extrême urgence à la seconde ou à la minute qui suivent. Ce n’est donc pas réellement évident.
Bien sûr, si l’on constate qu’il faut quatre mois pour prendre une quelconque décision, alors vous êtes probablement très mauvais. Mais oui, il existe ces éléments qui sont plus difficiles, plus abstraits, et en plus, ils sont incroyablement ouverts. Il n’existe donc aucune limite claire quant à ce que l’on pourrait examiner pour évaluer la qualité de ces décisions.
Conor Doherty: L’analogie du Général sur le champ de bataille – qu’une décision, aussi minime soit-elle, est préférable à une indécision totale – se vérifie. Eh bien, je veux dire qu’il existe déjà des KPIs que les entreprises utilisent pour évaluer la qualité ou la performance. Disons performance pour l’instant, puis nous pourrons aborder la qualité afin d’évaluer la performance de la supply chain. Par exemple, les taux de service pour une référence donnée ou, dans certains cas, la précision d’une prévision de la demande. Il existe des KPIs pour vous indiquer que c’était précis à 50 % ou à 60 %. Voulez-vous dire que c’est mieux que rien ?
Joannes Vermorel: Pas vraiment. D’abord, parce que ces KPIs ne reflètent pas vraiment la qualité de manière authentique et profonde. Ce ne sont que de simples artefacts numériques. La plupart de ces KPIs ne sont que des artefacts numériques.
Conor Doherty: Que voulez-vous dire par artefacts numériques ?
Joannes Vermorel: Je veux dire des chiffres définis selon une définition mathématique assez simple. Mais pourquoi cette définition mathématique aurait-elle une quelconque corrélation avec la qualité au sens véritable ?
Conor Doherty: Vous voulez dire qu’ils ne sont que des chiffres sur une page ?
Joannes Vermorel: Oui, ce ne sont que des chiffres. Et pas n’importe quels chiffres. Ce sont des chiffres qui proviennent généralement de manuels ou de formules. Par exemple, si je parle de l’erreur quadratique moyenne pour la précision des prévisions, c’est une métrique très populaire. C’est une métrique que l’on retrouve dans de nombreux manuels, notamment des manuels de mathématiques. Pourquoi dispose-t-on de cette métrique ? Eh bien, parce qu’elle figure dans les manuels en raison des nombreux théorèmes qui y sont associés, il y a la norme deux, la métrique de l’erreur quadratique moyenne, il y a la norme un, la norme deux, etc., et de nombreux théorèmes – théorèmes mathématiques, théorèmes statistiques – y sont liés.
Le problème, c’est que cette approche est introspective. Vous évoluez dans le monde mathématique où l’on se demande « Pourquoi vous intéressez-vous à cette norme deux ? » La réponse est que j’ai tant de théorèmes associés à cette norme deux. Je peux en jouer, élaborer de nombreuses constructions abstraites et réaliser beaucoup de choses d’un point de vue mathématique. Très bien, cela en fait un objet mathématique intéressant, tout comme les nombres premiers, par exemple. Les nombres premiers sont des constructions mathématiques fascinantes et réelles d’un point de vue mathématique. Mais cela, à lui seul, ne prouve pas qu’il existe une quelconque corrélation avec la qualité et le succès que votre supply chain pourra obtenir.
Conor Doherty: Reliez donc cette belle analogie aux taux de service.
Joannes Vermorel: Taux de service… pourquoi devrait-il y avoir une quelconque corrélation ? Oui, dans une certaine mesure, si vous avez un taux de service de 0 %, vous ne vendez rien, ce qui est franchement mauvais. Si vous affichez, par exemple, 100% de taux de service, c’est aussi négatif, car cela signifie que vous subissez toujours des radiations de stocks. En effet, si vous ne vous autorisez jamais une rupture de stock, cela veut dire que vous ne pouvez jamais liquider quoi que ce soit. Ainsi, les extrêmes sont assez mauvais. Mais entre les deux, tout est envisageable. Vous savez que l’optimal ne se situe pas à l’extrême, mais entre les deux – mon avis est aussi bon que le vôtre. C’est tout simplement très flou.
Je suis très méfiant quand des gens me donnent un pourcentage comme mesure supposée de performance ou de qualité. Où est le raisonnement ? C’est simplement quelque chose qui tombe du ciel. Vous me donnez une formule et, à moins que vous n’ayez une argumentation très solide pour l’étayer, je n’ai aucune raison de croire que cet artefact numérique est approprié. C’est juste quelque chose d’aléatoire que vous avez tiré d’un manuel de mathématiques ou de statistiques.
Le fait intéressant est que, en adoptant cette approche axée sur les KPIs, lorsqu’il s’agit de qualité, dès que l’on consulte, par exemple, des manuels sur le design et la fabrication, une discussion nuancée émerge. Par exemple, en évoquant le testament d’un commerçant de meubles du fondateur d’Ikea – un magnifique document, très court, que je recommande vivement au public – l’un des points (j’ai oublié s’il s’agissait du point 11 ou 14, il y en a environ 20) est le suivant : « Ne vous laissez pas tromper par quelques métriques simples concernant la qualité des produits. »
Par exemple, il dit que, pour obtenir une belle finition, il faut garder à l’esprit que seule la surface que les gens peuvent toucher et voir importe. Et il parle de meubles. Il affirme : « Ne vous vantez pas, par exemple, d’avoir une surface de haute qualité qui sera super durable, extrêmement lisse, et qui aura une très belle apparence au fil des années, si les gens ne peuvent ni la voir ni la toucher. » Dans le texte, il faisait référence à des éléments comme l’arrière des meubles ou ce qui se trouve sous la table, des aspects que l’on n’apprécie jamais vraiment. Il suggérait donc que, lorsqu’on investit dans la qualité, il faut s’assurer que cela concerne vraiment quelque chose de pertinent et non une sorte de mesure abstraite de la qualité du type « J’ai des matériaux de haute qualité ou une finition de haute qualité partout », y compris sur des surfaces qui n’ont pas d’importance aux yeux du client.
Et pourquoi ? Il expliquait que si vous faites cela – et il le mentionnait dans son bref point –, alors les clients finissent par payer pour des qualités qu’ils ne vont pas apprécier. De son point de vue, c’était plutôt négatif. Chaque centime payé devait correspondre à la qualité réellement appréciée. C’était une approche très nuancée, donc je dirais que dans le domaine du design et de la fabrication, il existe ce genre de discussion très nuancée sur la qualité versus le coût, c’est-à-dire sur la manière exacte d’aborder le sujet.
Mais dans le monde de la supply chain et de la prise de décision, cela est absent, complètement absent. La théorie dominante de la supply chain – et j’oserais même dire la théorie dominante en affaires, c’est-à-dire les études de commerce de type MBA – fait largement abstraction de la qualité des décisions. Les raisonnements se limitent à un cadre très binaire. Je n’ai jamais vu, par exemple dans un manuel sur la supply chain, ou même dans des études commerciales générales, une discussion approfondie sur le spectre des investissements et des ressources que l’on peut déployer pour améliorer légèrement vos décisions, jusqu’à ce que les rendements décroissants annulent vos efforts et que le coût dépasse le bénéfice de cette amélioration.
Et encore, en ce qui concerne cette recherche du bon taux de service, par exemple, les entreprises se contentent de dire « Voici nos objectifs de taux de service. » Mais qu’en est-il de l’investissement que vous effectuez – tant en capex qu’en opex – pour atteindre ce taux de service optimal ? Encore une fois, le taux de service n’est pas un excellent KPI, mais pour simplifier les choses pour le public, je m’y réfèrerai puisque c’est quelque chose qu’il connaît bien. Ainsi, même si vous choisissez un taux de service et déclarez « C’est mon objectif, c’est le meilleur compromis pour ma supply chain et mon entreprise », quelle est la qualité de cette évaluation ? Devriez-vous investir – disons que vous avez déterminé 95 % – mais est-ce le meilleur chiffre possible et faut-il investir davantage pour affiner ce nombre, et pourquoi ?
Et cela n’est généralement jamais abordé dans les manuels de supply chain. On vous propose simplement une recette que vous appliquez, et vous vous retrouvez avec deux situations : vous êtes conforme à votre processus ou non. Et c’est tout. Le spectre permettant d’affiner ce que signifie réellement la conformité, la qualité, la direction à prendre et même le cheminement à suivre est tout simplement absent.
Conor Doherty: Je ne suis pas en désaccord avec cela, mais il y a deux points. Le premier serait : n’est-il pas possible ou raisonnable de dire que l’existence de ces délimitations binaires, acceptable/non acceptable, bon/mauvais, qui manquent de finesse, n’est-elle pas le résultat du fait que ce que vous décrivez relève d’un niveau de complexité qui dépasse l’esprit humain ? C’est pourquoi il existe ces caractéristiques très brutes telles que « oui, c’est validé », « non, ce n’est pas validé », « bon », « mauvais ». Et je suis d’accord, cela manque de sophistication, mais ce n’est pas le résultat de la stupidité, c’est simplement que comment peut-on équilibrer, comment peut-on faire tourner des millions et des millions d’assiettes ?
Joannes Vermorel: Je conviens que c’est le résultat de l’esprit humain, mais pas nécessairement de la manière dont les gens le perçoivent. Vous avez affaire à des humains, et les humains sont incroyablement compliqués. Ce n’est pas que l’esprit humain ait une limitation, c’est simplement que vous traitez avec un ensemble de personnes individuellement très complexes. Il faut donc recourir à des critères très simples, non pas parce que notre esprit est limité, mais parce que nous avons affaire à des personnes si incroyablement complexes que les rendements décroissants s’installent extrêmement rapidement, simplement parce que c’est incroyablement difficile.
Disons que vous avez environ une centaine de planificateurs de demande et d’approvisionnement. C’est un effort immense pour atteindre ce niveau de finesse et toutes ces subtilités. Ainsi, je suis d’accord avec l’affirmation selon laquelle c’est trop, mais pas tant parce qu’il existe une limite à notre compréhension. Nous pouvons accomplir beaucoup de choses. C’est juste que vous avez affaire à des personnes si incroyablement complexes et nuancées, etc., qu’essayer d’ingénierie cela – et de surcroît, du fait qu’elles ont leur propre volonté – rend la plupart des tentatives d’hyper-rationalité vouées à l’échec. Vous savez, c’est la malédiction : si vous essayez d’inciter les gens, ils détourneront le système et réagiront mal. En général, garder les choses super simples est la meilleure option.
Un autre sujet est que la gestion de la supply chain au XXIe siècle ne devrait pas être opérée par des personnes à tous les niveaux. Oui, au sommet nous avons des personnes, mais le niveau d’exécution devrait être intégralement mécanisé.
Conor Doherty: Ma prochaine question est alors la suivante : l’absence de cette perspective que nous décrivons dans les manuels traditionnels est sûrement la conséquence du fait que nous vivons aujourd’hui à une époque où nous disposons du machine learning, de l’AI et de l’automatisation à une échelle et avec une granularité inexistantes il y a cinq décennies, voire deux décennies. Quelle est donc votre réponse ?
Joannes Vermorel: C’est là que cela devient très intéressant. Si vous affirmez que les décisions vont être conçues, alors c’est une machine qui générera ces décisions intelligentes. Oui, c’est de l’intelligence artificielle. Pas de l’intelligence artificielle générale, mais elle est artificielle. Si, de manière répétée, elle prend une série de bonnes décisions, nous pouvons convenir qu’au moins elle possède un minimum d’intelligence. C’est de l’intelligence en soi, quoique limitée. Ce n’est certainement pas bête.
Les Large Language Models (LLMs) démontrent de manière très simple et illustrative ce que j’entends par qualité versus coût. Si vous avez expérimenté, par exemple, ChatGPT-3.5 par rapport à la version payante qu’est GPT-4, vous verrez que, si vous payez plus, vous obtenez quelque chose de plus intelligent. Vous disposez d’un spectre d’intelligence avec ces LLM, allant des petits modèles, bon marché et rapides, aux modèles plus grands, plus lents, plus coûteux et, en effet, de bien meilleure qualité.
Vous pouvez en faire l’expérience par vous-même de manière très directe. Vous pouvez interagir dans une sorte de dialogue et essayer de demander à ce LLM de résoudre un problème pour vous. Vous pouvez essayer cela avec GPT-2, GPT-3.5 et GPT-4, et vous serez très probablement étonné par le niveau d’intelligence observé. C’est très granulaire. Certains éléments fonctionneront et en perturberont d’autres plus petits, et lorsqu’on passe à des modèles plus grands et plus intelligents, on obtient des discussions plus approfondies, où les réponses sont plus nuancées, où l’intention de votre question est mieux comprise, etc.
Vous pouvez constater par vous-même ce que signifie prendre des décisions de qualité supérieure. Vous posez une question au LLM, il vous donne une réponse. Voilà le genre de qualité en jeu ici. Même si cette perception de la qualité – par exemple, une très bonne réponse en texte brut à une question – reste évasive, vous pouvez en appréhender la gamme en quelques minutes. Il n’est pas nécessaire d’avoir un doctorat en machine learning. Vous pouvez expérimenter GPT-3.5 pendant 10 minutes, GPT-4 pendant 10 minutes, et vous comprendrez. Vous verrez ce supplément de qualité présent dans chacune des réponses fournies par le système.
Cela existe chez Lokad depuis presque une décennie, cette nuance. Mais, en raison du fait que nous n’avions aucun moyen de démontrer cela – parce que les décisions de supply chain sont souvent très abstraites et quelque peu opaques, puisqu’elles se rapportent à une supply chain avec laquelle vous n’êtes peut-être pas familier –, ce n’est pas exactement quelque chose que l’on peut toucher du doigt. Et ce n’est pas du genre de choses facilement démontrables, et même si vous pouviez le démontrer, les gens ne percevraient pas cette nuance entre une qualité inférieure et une qualité supérieure simplement parce qu’ils manquent d’informations et de contexte, etc.
Mais les LLM ont constitué une véritable percée puisque, soudainement, vous pouviez simplement expérimenter et constater : « Oh oui, pour cette somme, j’obtiens une décision nettement meilleure, et c’est assez évident. » Puis, vous réalisez qu’il existe certaines situations qui ne nécessitent pas des décisions plus intelligentes. Ce n’est pas toujours mieux. Dans certains cas, obtenir simplement la réponse plus rapidement suffit. C’est le compromis idéal. Et vous comprenez qu’en termes d’intelligence, une qualité supérieure n’est pas toujours synonyme de mieux. À un moment donné, il y a un compromis. En réalité, rapide vaut mieux que plus intelligent.
Conor Doherty: Comment se fait-il que, puisque nous utilisons désormais également les LLMs dans notre offre, l’inclusion des LLMs modifie exactement le ratio qualité-coût, qui est déjà assez abstrait ? Maintenant, nous ajoutons une autre couche d’abstraction, à savoir les LLMs, mais de manière pragmatique ou pratique, par exemple, comment cela influence-t-il le ratio qualité-coût du point de vue de la supply chain ?
Joannes Vermorel: Cela change car les LLMs sont pour l’instant très coûteux. Je veux dire, le public ne s’en rend peut-être pas compte, mais les LLMs, c’est super, mais c’est cher. En règle générale, traiter un kilooctet de données avec un LLM vous coûte environ un million de fois plus cher que de faire pratiquement tout autre type de calcul avec le même kilooctet de données. Ainsi, littéralement, les LLMs sont d’ordres – et je ne parle pas d’un ou deux, je parle de six ou sept ordres de grandeur – plus coûteux par kilooctet de traitement de données, et plus lents également, comparé à tout autre calcul que vous pourriez réaliser.
Conor Doherty: Parlez-vous de quantitatif ou de qualitatif, ou des deux ?
Joannes Vermorel: Uniquement des métriques factuelles, c’est-à-dire le temps et le coût pour traiter un kilooctet. Le fait de voir le texte s’afficher en streaming devant vous fait que certains trouvent cela cool, mais en tant qu’informaticien, je me dis : “Wow, c’est tellement 1950.” Vous savez, les ordinateurs sont maintenant si rapides que, normalement, vous pouvez afficher, je dirais, des milliers de lignes en quelques millisecondes. Lorsqu’une page web est bien conçue, elle affiche un mur de texte interminable en quelques millisecondes, et vous ne verrez pas le texte s’imprimer caractère par caractère. Pourquoi ? Parce que c’est si rapide que cela reste en dessous du seuil de perception.
Si vous remontez aux années 1960, vous pouviez voir, dans de très vieux films, le texte s’imprimer caractère par caractère. Dans certains films, comme le James Bond des années 60, vous verrez ces terminaux anciens où le texte s’affichait ligne par ligne. Et pourquoi ? Parce que les ordinateurs de l’époque étaient si lents que cela se voyait. Et aujourd’hui, lorsque vous cliquez sur une page web et que, paf, elle s’affiche – et généralement, quand la page est lente, c’est parce que vous chargez l’équivalent de 10 ou de centaines de milliers de pages de texte – cela n’a aucun sens, peu importe, mauvaise ingénierie logicielle ; mais en fin de compte, le texte devrait être instantané. Il ne peut pas être véritablement instantané au sens physique, mais il devrait l’être : les murs de texte devraient s’afficher si rapidement qu’ils dépassent de loin le seuil de perception de l’esprit humain. Le fait que vous puissiez voir l’affichage indique simplement que ce système est incroyablement lent.
Donc, pour revenir à votre question, est-ce que cela a un impact ? Eh bien, les LLMs sont très coûteux. Vous vous rendrez compte qu’il faut y prêter attention, car Open AI a une valorisation folle, puisque, vous savez, les investisseurs ne sont pas idiots. Ils voient : “Oh, les entreprises jettent de l’argent à tout va sur ces systèmes, des millions de dollars,” et se disent : “Oh, nous voulons économiser sur l’IT,” et paf, Open AI débarque, et certaines entreprises déclarent : “Nous sommes fiers de dépenser un million de dollars par mois pour ces LLMs.” Félicitations, vous venez d’exploser votre budget IT. Peut-être avez-vous une raison solide de faire cela, mais ne nous y trompons pas, c’est coûteux.
Et il y a même des situations chez Lokad où nous constatons que nous disons : “Non, à ce stade, il est en réalité moins cher d’avoir un cadre coûteux à Paris,” parce que c’est moins cher. Donc, voilà, encore une fois, les LLMs comptent simplement parce qu’ils sont chers, il faut y prêter attention, et vous verrez que, si vous vous y prenez correctement, il y aura des cas où il faudra dire : “Non, nous n’allons pas faire cela car c’est tout simplement trop coûteux,” ou “Nous devons opter pour une version moins onéreuse des LLMs, qui n’est pas aussi intelligente, car si nous utilisons le matériel le plus cher disponible sur le marché, cela va coûter trop cher.”
Conor Doherty: Vous pouvez corriger les détails où je me trompe, mais je me souviens qu’une des conversations que nous avons eues – qui a en quelque sorte inspiré l’idée de cet enregistrement – était la suivante : vous avez donné l’exemple, imaginez que nous sommes une entreprise, que nous passons des bons de commande, et que notre fournisseur est un peu peu fiable. Nous soupçonnons qu’il l’est, nous pensons qu’il pourrait y avoir une meilleure option sur le marché, nous pourrions nous approvisionner ailleurs, mais bon, nous ne sommes que trois dans l’effectif. Est-ce que je vais consacrer du temps à réaliser une analyse pour en trouver d’autres, pour repérer d’autres fournisseurs potentiels ? Ainsi, vous pourriez utiliser un LLM pour, à chaque fois que vous passez un bon de commande, réaliser une analyse d’approvisionnement automatique, puis, à votre convenance, la revoir, et cela coûterait bien moins cher que de consacrer votre bande passante mentale, votre temps et vos efforts, etc. Et puis, cela s’avère évolutif. Donc, encore une fois, c’est là toute l’incidence sur le ratio qualité-coût.
Joannes Vermorel: Cela s’avère évolutif, mais ce n’est pas gratuit. Si vous décidez, par exemple, de le faire pour chaque bon de commande, quel sera le coût ? Rien qu’en réalisant une opération d’approvisionnement, vous allez scanner des pages web avec des LLMs. Vous allez scanner, peut-être jusqu’à un mégabyte de texte car vous analyserez le web. Ce n’est pas bon marché. Vous pourriez donc finir par devoir composer des emails et mettre en place quelques scripts avec les LLMs pour envoyer un email, traiter la réponse, faire des allers-retours, comme le ferait un humain.
Oui, il se peut que vous ayez quelque chose de totalement automatisé, mais vous réaliserez qu’à chaque fois que vous déclenchez ce type d’enquête d’approvisionnement, cela vous coûte environ 5 dollars de LLM. Oui, c’est bon marché. Il est certes moins cher de faire travailler une personne pendant deux jours sur le dossier, mais ce n’est pas vraiment gratuit. C’est moins cher qu’une personne passant deux jours sur le sujet, mais ce n’est pas exactement gratuit. Si vous estimez être prêt à dépenser 5 dollars à chaque bon de commande, vous vous rendrez compte qu’à la fin de l’année, vous aurez dépensé beaucoup d’argent. Peut-être ne voudrez-vous pas systématiquement faire cela.
Conor Doherty: Mais c’est un extrême. Encore une fois, c’est un autre extrême. Il y aura un juste milieu.
Joannes Vermorel: Exactement, c’est là que se trouve ce spectre. Aux yeux du grand public, lorsqu’il s’agit de personnes, on pense simplement en termes d’adéquation ou d’inadéquation. Vous optez pour un processus et vous l’appliquez strictement. Vous pouvez être conscient qu’il existe un spectre, mais vous l’abordez de manière très brute, par exemple avec une opération d’approvisionnement : chaque fournisseur est revisité une fois par an, point final. Voilà votre processus, simple et efficace. Mais ici, au lieu d’essayer d’avoir une approche nuancée du spectre, vous vous contentez du marteau du processus et vous résolvez cela de façon très binaire. Avec les LLMs, en revanche, vous pouvez concevoir votre spectre. Vous pouvez dire : eh bien, je peux passer d’un approvisionnement de mes options à chaque commande, c’est un extrême, ou simplement le faire une fois par an, c’est l’autre extrême. Tout ce qui se trouve entre les deux est acceptable et exploitable.
C’est intéressant car vous pouvez concevoir la qualité de vos décisions, la qualité de vos options. Et ensuite, vous devez composer avec un véritable compromis sur les coûts. C’est quelque chose que la perspective grand public de la supply chain n’aborde même pas de près. Je n’ai jamais vu de manuels de supply chain expliquer comment concevoir le processus de génération de décision de sorte qu’à chaque dollar investi, vous obteniez le meilleur rendement possible au niveau de la génération des décisions.
Conor Doherty: Comment, exactement, délimitez-vous ou identifiez-vous les gradations le long de ce spectre, allant d’un extrême à un moins extrême, jusqu’à l’autre bout où c’est complètement inacceptable ? Est-il possible d’identifier quantitativement les étapes entre chacun de ces modules ?
Joannes Vermorel: Dans une certaine mesure, oui. De notre point de vue, une supply chain moderne est exécutée par un logiciel. Cette couche de décision est une machine. C’est un logiciel complexe doté d’un ensemble de recettes numériques. Vous pouvez raisonner sur la limite de cela. Même si l’on peut raisonner ainsi, les personnes en charge de son ingénierie restent humaines. Il y a une limite à la récursivité, car à un certain moment, il faut décider du nombre de Supply Chain Scientist que vous souhaitez, et là, c’est une question de jugement, mais au moins la couche de base qui génère les décisions est une machine et elle peut être conçue.
Si c’est un produit physique, vous disposez de métriques simples. S’il s’agit d’un logiciel que vous devez exécuter, vous avez également une série de métriques aisées, notamment en ce qui concerne le coût : le temps nécessaire, la quantité de mémoire utilisée, l’espace disque consommé, etc. Vous avez tout cela, et vous pouvez ensuite constater qu’il existe tout un spectre d’options, que vous pouvez activer ou non. Par exemple, vous pouvez décider d’effectuer votre analyse de tarification avec de l’intelligence concurrentielle. Ainsi, vous obtiendrez les données de votre concurrent. Mais de combien de concurrents parlons-nous ? Scanner le web n’est pas gratuit, cela coûte de l’argent.
Pour ceux qui connaissent le secteur du scrapping, le web scrapping, qui consiste à récupérer les sites web de vos pairs, il y a un coût substantiel associé à cela. Si vous souhaitez rescanner chaque page de votre concurrent quotidiennement, le coût n’est pas négligeable, surtout si vos concurrents affichent des dizaines de milliers de produits. Alors, de combien de concurrents parlons-nous ? Voulez-vous scanner votre concurrent numéro un, vos trois principaux concurrents, ou les 20 meilleurs ? Le coût est à peu près linéaire. Plus vous souhaitez surveiller de sites web, plus vos coûts augmenteront en fonction du nombre de concurrents. Mais l’information que vous obtiendrez présentera évidemment des rendements décroissants.
Vos concurrents surveillent également leurs concurrents. Ainsi, si vous surveillez, disons, vos trois principaux concurrents, il se trouve que ces concurrents surveillent eux-mêmes leurs trois ou cinq principaux concurrents. Cela peut inclure des entreprises que vous ne surveillez pas. Au final, c’est tout le monde qui surveille, d’une certaine manière, tout le monde. Si vous regardez le graphe indiquant qui surveille qui, vous verrez qu’il s’agit d’un réseau extrêmement connecté où presque tout le monde surveille un peu tout le monde. Les grands acteurs vont surveiller d’autres grands acteurs, plus peut-être un concurrent plus modeste. Les concurrents plus modestes vont surveiller quelques concurrents aussi modestes et un grand acteur, juste par principe.
Bien que ce soit difficile, ce n’est pas impossible. Vous pouvez percevoir l’effet des rendements décroissants. Lorsque vous exécutez vos algorithmes, avec ou sans jeu de données, vous pouvez constater si cela améliore réellement ou modifie sensiblement les résultats. Par exemple, si vous envisagez une optimisation de tarification et constatez que, jusqu’à trois concurrents, le prix change de manière quantitative, ajouter un concurrent supplémentaire modifie réellement le prix obtenu à la fin.
Si je fais confiance à ma recette numérique et que je dis qu’ajouter ce troisième concurrent au mix modifie mes prix en moyenne de, disons, 0,75 % à moins de 1 % – mais 0,75 %, ce n’est pas négligeable – puis que vous ajoutez un quatrième concurrent et constatez un changement de 0,1 %, je ne sais pas si ces 0,1 % sont cruciaux pour mon activité, mais cela représente au moins une limite supérieure au profit potentiel que cela peut générer. Au mieux, cela représente 0,1 % de marge, même si, à chaque fois, le prix était ajusté dans la bonne direction. Mais cela fixe une limite supérieure à l’impact possible. Et là, on peut se dire que cela semble vraiment minime, et donc, en raison du rendement décroissant, je ne le fais pas, car le coût induit par ce quatrième concurrent pourrait ne pas en valoir la peine.
Vous voyez donc, il existe des méthodes, généralement des façons d’aborder ce problème. On peut observer ce type de nuances et de gradations, qui apparaissent typiquement lorsqu’on commence à utiliser des recettes numériques plus sophistiquées, plus intelligentes, capables d’en faire davantage. Pour utiliser une analogie humaine, c’est comme quand vous débutez avec un logiciel très sophistiqué et intelligent, qui finit par ressembler à votre effectif. Combien de personnes souhaitez-vous engager pour résoudre ce problème ? Sauf qu’ici, vous avez un contrôle bien plus direct et, si vous voulez augmenter ou diminuer l’échelle, vous n’avez pas à licencier des gens ou à gérer leur ego. Cela vous permet de concevoir l’ensemble du système plutôt que de devoir gérer des personnes qui réagissent généralement négativement face à l’idée d’ingénier leur processus quotidien.
Conor Doherty: Il me semble que, dans la perspective classique, nous n’avions pas le dilemme qualité-coût car la supply chain était régie par des heuristiques très simples. Maintenant, vous dites qu’avec l’évolution technologique, nous pouvons en fait quantifier le ratio qualité-coût des décisions supply chain avec le degré de précision que nous souhaitons. Cela amène à la question suivante : lorsque vous séparez ces deux concepts, qualité et coût, en utilisant un logiciel ou l’IA pour évaluer les décisions supply chain, le coût est compréhensible. Mais la qualité reste-t-elle un sentiment subjectif ? Ou parlez-vous du retour sur investissement de ce coût ?
Joannes Vermorel: Tout d’abord, je tiens à signaler au public – et je réponds directement à votre question – que la plupart des compromis présentés dans le domaine de la supply, comme, par exemple, le triangle typique de la trésorerie, du coût et du taux de service, c’est-à-dire ce genre de choses, c’est ce que j’apprécie vraiment dans ce dilemme qualité-coût. Cela élève véritablement le sujet. Je pense que tous ces compromis, si l’on se réfère à ce triangle, recouvrent bien plus de dimensions. Il ne s’agit pas d’un simple triangle, mais d’un dilemme à n dimensions, où des centaines de facteurs tirent dans toutes sortes de directions, contraintes, moteurs, et ainsi de suite. C’est littéralement une question de compromis sur une centaine de dimensions, voire plus. Voilà ce que cela représente.
Et l’aspect intéressant du dilemme coût-qualité dans ce genre de jeu de supply chain, c’est qu’il élève le sujet. Il ne s’agit pas de ces compromis. Il s’agit du méta-problème de savoir comment concevoir un logiciel qui résout ce problème. C’est de cette manière que vous allez procéder, car grâce à cette qualité, vous effectuerez ce type d’évaluation de tous ces compromis. Ainsi, lorsque nous parlons de ce compromis qualité versus coût dans le maître de l’optionnalité, ce que nous disons, c’est que nous investissons simplement pour identifier ces 100 moteurs et contraintes qui encadrent le jeu de supply chain auquel vous jouez. C’est une perspective très méta. Au lieu de penser : “Ai-je le bon taux de service ?” vous pensez : “Ai-je un logiciel qui va déterminer ce que signifie une meilleure qualité pour mes clients ?” C’est très méta. Voilà de quoi nous parlons.
Pour revenir à votre question, et je me suis un peu laissé distraire par votre question. Désolé.
Conor Doherty: Mesurez-vous la qualité uniquement en termes de sentiment subjectif ou est-elle motivée par le retour financier ?
Joannes Vermorel: Je dirais que, en théorie, cela devrait être purement basé sur des rendements quantitatifs. Mais, et c’est là qu’en pratique, cela va être purement subjectif. C’est très étrange parce que vous dites : “Oh, vous venez de me dire qu’en théorie c’est entièrement quantitatif, mais qu’en pratique c’est complètement subjectif. Pas de contradiction là-dedans ?” La réalité est donc que, d’un point de vue très théorique, ce que vous voulez, c’est concevoir la rentabilité à long terme de votre entreprise. Donc, en essence, c’est quantitatif.
Maintenant, le problème est que lorsque vous regardez loin dans l’avenir, tous vos indicateurs quantitatifs indicators perdent complètement leur pertinence. Mon avis personnel est donc que si vous croyez pouvoir prendre les chiffres que vous avez aujourd’hui et les projeter d’ici dix ans en pensant que ces chiffres vous apporteront quelque chose de valeur, je dirais que vous vous bercez d’illusions. Vous voyez, c’est une illusion. Et je le dis en tant que professionnel de l’analyse numérique. Chez Lokad, nous analysons des chiffres pour vivre, et nous le faisons depuis une décennie et demie. Les chiffres deviennent complètement dénués de sens lorsqu’on les projette dix ans dans le futur. Pourquoi cela ? C’est parce que les supply chain sont compétitives. C’est un jeu qui se joue contre des entités super intelligentes. Quand je dis super intelligentes, c’est que vos concurrents sont plus que la somme de leurs parties. Ils sont composés de nombreux employés, de sorte que l’agrégation de tout cela signifie que vous faites face à une entité super intelligente au sens de plus intelligente que n’importe quel humain sur terre. Si vous affrontez une entreprise comme Apple, c’est un groupement d’experts, de personnes très intelligentes, et le résultat net est que ces personnes vont faire des choses qui vont vous surprendre. Elles vont vous devancer de bien des manières, sans oublier que vous aurez de nouveaux entrants, de nouveaux rivaux, etc. En fin de compte, vous ne pouvez pas considérer la situation du marché actuel comme acquise et l’étendre sur 10 ans. C’est une très grosse erreur. Et je le vois comme, à nouveau, en tant que professionnel de l’analyse des données. Je dis cela aux clients de Lokad : ne laissez pas votre stratégie sur 10 ans être dictée par les chiffres que vous voyez actuellement. C’est trompeur. C’est une erreur. Le marché évoluera de manière à rendre ces chiffres sans pertinence. Même si les chiffres projetés s’avèrent exacts, par exemple la consommation future de lait, d’autres éléments rendront ces chiffres sans pertinence, simplement parce que vos concurrents trouveront des moyens de vous surpasser de façon surprenante. Voilà ce que fait la concurrence à un niveau plus large.
Conor Doherty: Juste pour insister, je veux m’assurer que, tout comme moi, toute personne qui regarde comprend cela. Faites-vous essentiellement le même argument concernant le ratio qualité-coût que pour la prévision en général ? Comme s’il y avait un horizon temporel limité en termes de validité ?
Joannes Vermorel: Oui, exactement. Et encore, la validité, la validité statistique, vous pouvez le faire. Vous pourriez dire, par exemple, que la consommation de lait — je prends un produit très basique — sur le marché français dans 10 ans sera assez prévisible car, encore une fois, vous disposez d’un long historique. Là où je ne suis pas d’accord, c’est que vous ne pouvez pas fonder votre stratégie commerciale là-dessus. Pourquoi ? Parce que dans dix ans, ce qui rendra une marque de lait frais attrayante pourrait être complètement différent de ce qu’elle est aujourd’hui. Peut-être y aura-t-il de nouveaux labels, de nouvelles normes quant à ce que signifie réellement un produit biologique de haute qualité. C’est un jeu qui se joue de manière très agressive. Ainsi, peut-être que la consommation de lait restera à peu près la même, mais cela pourrait ou non signifier un jeu fondamentalement différent simplement parce que le type de branding que vous devrez faire, le type d’emballage, comportera des différences très subtiles qui font toute la différence.
Oui, je m’attends à ce que dans 10 ans, il s’agisse toujours principalement de bouteilles blanches. Oui, d’accord, mais cela oublie le fait que vous pouvez avoir tant de petites nuances qui font toute la différence en termes de capture de parts de marché, de réalisation d’un profit, etc. Vous voyez, ce n’est pas acquis. Et si vous observez même des entreprises très performantes, comme la société Coca-Cola, elles se réinventent constamment en termes d’image et de branding, avec une continuité et une réinvention à chaque décennie. Ce n’est donc pas simplement rejouer le même jeu. C’est le cas, et c’est assez impressionnant quand on regarde des entreprises comme Coca-Cola. Elles se réinventent avec succès depuis pratiquement 100 ans. C’est donc très impressionnant.
Et c’est ce que je dis, car si nous revenons à la question initiale, au niveau fondamental, oui, vous poursuivez le profit. Oui, et oui, c’est quelque chose qui, à l’avenir, évaluera la qualité de votre décision en, disons, euros ou dollars durement gagnés. En fin de compte, ce sera quantitatif et purement quantitatif. Si vous réussissez bien, cela se traduira en termes monétaires. Mais du fait que, lorsque vous vous projetez loin dans le futur, ces KPI cessent d’être pertinents. Surtout, au final, il s’agit presque exclusivement de jugements et donc qualitatifs. Tout simplement parce que, de manière générale, ils produisent de meilleurs résultats.
Et je le vois comme, à nouveau, en tant que professionnel de l’analyse des données. Je dis cela aux clients de Lokad : ne laissez pas votre stratégie sur 10 ans être dictée par les chiffres que vous voyez actuellement. C’est trompeur. C’est une erreur. Le marché évoluera de manière à rendre ces chiffres sans pertinence. Même si les chiffres projetés s’avèrent exacts, par exemple la consommation future de lait, d’autres éléments rendront ces chiffres sans pertinence, simplement parce que vos concurrents trouveront des moyens de vous surpasser de façon surprenante. Voilà ce que fait la concurrence à un niveau plus large.
Conor Doherty: Si je pouvais résumer notre discussion en une question : Si le véritable dilemme qualité-coût en supply chain est aussi complexe et coûteux à résoudre que vous l’avez décrit, et qu’il a un horizon temporel aussi limité, tout comme la prévision elle-même, alors pourquoi exactement les gens devraient-ils passer des indicateurs simples, très pratiques, très discrets et très compréhensibles de bons et mauvais taux de service ? Pourquoi le faire malgré ou en dépit de tout ce que vous venez de décrire ? Quel est l’incitatif ?
Joannes Vermorel: L’incitatif est comparable à devenir un maître aux échecs. C’est très difficile, très coûteux, très chronophage, mais vous le faites pour gagner. Vous voyez, le fait est que, encore une fois, vous avez des concurrents et on dit que les supply chain d’aujourd’hui sont devenues incroyablement complexes. Il y a donc un potentiel pour les améliorer qui est également énorme. Encore une fois, l’aspect intéressant est que les supply chain ont connu une croissance de complexité, euh, énorme au cours des cinq dernières décennies parce que les entreprises ont — j’attribue cela à la digitalisation —, elles disposent d’ERPs, elles ont des WMS, elles ont des plateformes de le e-commerce.
Ainsi, elles ont désormais la possibilité d’exécuter des supply chain super complexes et elles le font. Et quand je m’entretins avec de nombreux clients, il y a très peu de clients qui m’ont dit : “Vous savez quoi, nous voulons revenir à une approche plus simple, avec moins de produits, des délais d’approvisionnement plus longs.” Alors, simplifions, par exemple, en ayant des délais d’approvisionnement plus longs, comme par exemple produire uniquement après avoir reçu les commandes, c’est-à-dire en mode sur commande.
Il y a très peu d’entreprises qui disent : “Vous savez quoi, nous voulons revenir à ce mode sur commande, car cela simplifiait tout.” Non, ce n’est pas exactement la direction dont nous parlons. En fin de compte, la supply chain, grâce à la digitalisation — et ne vous y trompez pas, la digitalisation est ancienne, c’est quelque chose qui s’est produit il y a trois décennies —, est devenue massivement plus complexe.
Et donc, la capacité à réellement optimiser ce jeu, qui est devenu massivement plus complexe — c’est comme des échecs en cinq dimensions ou autre — n’a pas progressé à la même vitesse. Voilà l’aspect intéressant : bien que, vous savez, pour reprendre cette anecdote, mes deux parents ont commencé chez Procter and Gamble il y a plus de quatre décennies.
À l’époque, ils disposaient littéralement d’environ 200 produits pour l’entreprise mondiale et le marché français. C’était donc un jeu très simple à jouer. Et cela a augmenté, disons, de deux ordres de grandeur en termes de complexité, voire même trois. Et ce sont toujours les mêmes recettes naïves, plus ou moins.
Mais il y a donc un énorme potentiel et oui, c’est très difficile, je le reconnais, c’est un défi, je le reconnais, mais si vous ne le faites pas, quelqu’un le fera pour vous. Et les gens, vous savez, observent Amazon. Oh, Amazon est une entreprise tellement massive, tellement rentable, et elle continue de croître.
Et les gens disent, oui, mais vous savez quoi. Je dirais que lorsque vous observez Amazon grandir aussi rapidement et en taille, ma réaction est qu’il existe pratiquement toute une catégorie de concurrents qui n’arrivent pas à défier Amazon en adoptant cette approche ultra agressive pour concevoir une supply chain.
Et ce genre de choses que j’ai décrites ici, c’est le type de jeu qui se joue depuis plus d’une décennie chez Amazon. Et oui, les gens constatent qu’elle est toujours un géant absolu, bien au-delà de ces économies d’échelle. Autrement dit, le jeu auquel Amazon se livre de nos jours, c’est qu’Amazon est tellement grande que ce que les gens ne réalisent pas vraiment, c’est qu’Amazon opère avec un énorme désavantage.
Elles ont, disons, un énorme handicap. Imaginez, par exemple, jouer au golf contre quelqu’un qui serait bandé les yeux. Elles sont si grandes qu’elles ont cet handicap absolument massif et elles continuent de croître et de surpasser de nombreuses entreprises.
Et je considère cela en grande partie comme le reflet du fait que de très nombreuses entreprises n’ont pas réussi à améliorer leur jeu de supply chain. Je veux dire, regardez cela, Amazon gère désormais environ 300 millions de produits référencés. C’est, littéralement, presque deux ordres de grandeur de plus que pratiquement toute autre grande entreprise. C’est très, très impressionnant.
Encore une fois, mon point de vue est que, pour conclure, ce dilemme entre la qualité de la décision et l’investissement est le genre de méta-jeu qui se joue et qui transcende le dilemme traditionnel habituel, voire le trilemme, c’est-à-dire cash versus coût versus service, etc.
C’est le méta-jeu qui se joue et je dirais que si vous ne commencez pas à jouer à ce méta-jeu, vous allez simplement perdre parce que vous ne réalisez pas ce qu’il faut pour concevoir réellement une forme supérieure de supply chain pour votre entreprise. Vous restez coincé à essayer d’aborder le jeu lui-même, alors qu’il s’agit maintenant d’un méta-jeu.
Tout comme si vous voulez vraiment gagner aux échecs de nos jours, vous ne pouvez gagner qu’avec un logiciel. Cela fait deux décennies qu’une machine a battu le champion du monde d’échecs. Ainsi, pour gagner aux échecs, en gros, c’est le logiciel qui fait toute la différence.
Il s’agit uniquement d’une équipe qui conçoit un logiciel contre une autre équipe qui conçoit également un logiciel. Si vous pensez pouvoir gagner aux échecs par votre action directe, vous avez perdu. C’est désormais une bataille qui se livre uniquement entre des équipes d’ingénieurs en logiciel.
Les gens diraient : “Oh, vous avez perdu, ce n’est plus aussi intéressant.” Pour ma part, je dirais que c’est fascinant. En effet, c’est toujours impressionnant de voir ces équipes d’ingénieurs proposer de meilleures idées et concevoir différentes manières de créer ; pour être honnête, les échecs ne m’ont jamais vraiment passionné.
J’ai toujours été beaucoup plus intéressé par l’ingénierie du logiciel qui joue aux échecs. Et je pense que même si vous êtes un peu effrayé parce que vous êtes passé du simple jeu des échecs à, vous savez, ce méta-jeu de comment obtenir ce logiciel, cela rend globalement le jeu beaucoup plus intéressant.
Vous savez, n’ayez pas peur, globalement c’est bien plus intéressant, bien plus gratifiant. Et les supply chain sont tellement complexes que vous n’avez pas besoin d’être un génie de la programmation. Le problème est si vaste qu’il offre d’amples domaines où vous pourrez développer vos compétences et tracer votre chemin dans cette aventure.
Conor Doherty: Pour conclure, on dit souvent “seek progress, not perfection”. Alors, quelle serait, comme prochaine étape concrète, une action simple si quelqu’un essayait de passer de la perspective binaire classique du bon ou du mauvais taux de service à une approche à la manière d’Amazon ?
Joannes Vermorel: D’abord, identifiez les décisions qui se prennent dans votre supply chain. Prenez le temps d’évaluer, de manière très large, ce que signifie la qualité dans votre supply chain. Et je suis toujours surpris quand des gens disent : “Oh, améliorer la supply chain, c’est avoir un meilleur taux de service.” Non, ce n’est pas le cas. Ou bien on dit que c’est une question de coût. Non, ce n’est pas ça. Ce n’est qu’une fraction de l’ensemble. Pensez, par exemple, à ce trilemme coût versus service versus qualité.
Et encore, c’est la qualité qui définit le taux de service d’une manière très spécifique, comme le taux de service. Ce que je mettrais au défi du public, c’est de trouver 20 dimensions dans votre supply chain. Vous devriez pouvoir en trouver 20. Ce n’est pas si difficile. Vous verrez, en y réfléchissant sérieusement, qu’il existe au moins 20 dimensions qui tiraillent.
Je veux dire, des moteurs, des contraintes, des considérations différentes. Et ne vous laissez pas séduire par ces cadres super simplistes qui vous promettent de résoudre votre supply chain avec un trilemme. Au lieu d’avoir un dilemme avec deux forces opposées, identifiez ces 20 dimensions, faites un brainstorming.
Et ensuite, vous commencerez à comprendre qu’il s’agit d’un jeu très complexe en cours et que cela mérite une réponse qui l’englobe en quelque sorte. Et encore une fois, approximativement correct vaut mieux qu’exactement faux. Oui, votre réponse peut être un peu brute, mais au moins elle est beaucoup plus globale, par opposition à dire : “J’ai ce modèle optimal qui ne regarde que deux dimensions sur 20.”
Et cela vous donne une illusion d’optimalité parce que c’est une optimalité, mais d’une manière incroyablement restreinte et simpliste qui ne reconnaît même pas de près ce que cela signifie en général d’avoir une exécution de supply chain de haute qualité dont votre entreprise a vraiment besoin.
Conor Doherty: Très bien, Joannes, je n’ai plus de questions. Merci beaucoup pour votre temps. Et merci beaucoup d’avoir regardé. Nous nous verrons la prochaine fois.