Précision à grande échelle : la transformation de la Supply Chain de SMCP avec Lokad (French)

Résumé

SMCP et Lokad ont décrit la gestion de la supply chain comme relevant de l’économie, et non comme un rituel : les stocks rares doivent être alloués là où ils génèrent le meilleur rendement. Au lieu des “semaines de couverture” rétrospectives et des règles de regroupement, ils utilisent des décisions probabilistes par magasin et par SKU, explicites sur l’incertitude, la substitution et la capacité. L’automatisation libère les personnes de la gestion des exceptions pour se consacrer au travail marchand — établir des priorités, mesurer les résultats et itérer. Les transferts et les buffers sont planifiés comme des choix en fonction du coût d’opportunité, et non par habitude. Le succès est défini moins par les dashboards que par le comportement : les équipes abandonnent les tableurs, remettent en question les hypothèses et recherchent une amélioration continue. Le retour sur investissement annoncé, multiplié par 10, et des cycles plus rapides reflètent des incitations alignées sur la valeur de la marque à long terme plutôt que sur une numérologie à court terme.

Transcription complète

Le discours original en français a été traduit en anglais.

Maxime Rabillet: Bonjour à tous et bienvenue dans cette nouvelle étude de cas et témoignage — une intervention qui promet d’être stimulante. Cette fois, nous sommes dans le secteur du textile, si je ne me trompe pas. C’est la seule conférence pour ce secteur dans le programme d’aujourd’hui. Je m’appelle Maxime Rabillet, journaliste chez Supply Chain.

Nous avons essayé de garder une main ferme — ou du moins une perspective claire — afin d’assurer une diversité dans ce programme et de rester concentrés sur l’expérience concrète. Comme vous pouvez le constater, il y a quatre intervenants sur scène, donc je n’ai aucune intention de monopoliser la conversation. Je me retirerai rapidement après vous avoir transmis les informations dont je dispose sur le contenu.

Le titre est : « Précision à grande échelle : la transformation de la Supply Chain de SMCP avec Lokad. » Nous avons 45 minutes, et idéalement, nous réserverons les dernières minutes de cette session pour des questions de votre part — ou de la mienne. Je vous cède maintenant la parole.

Swann Bareilhe: Parfait. Bonjour à tous, et merci pour cette introduction. Je m’appelle Swann Bareilhe, je suis Partner Supply Chain Scientist chez Lokad, et j’ai le plaisir de modérer cette table ronde avec Carole Thomazeau, Yuting Chang, et Joannes Vermorel.

Pour présenter brièvement nos intervenants : Carole Thomazeau est Directrice de la Planification Commerciale & Supply chez Sandro. Yuting Chang est Global Group Transformation Leader chez SMCP — SMCP inclut Sandro, Maje, Claudie Pierlot, et Fursac. Et Joannes Vermorel est le fondateur et CEO de Lokad.

La discussion d’aujourd’hui porte sur la transformation de la supply chain que nous mettons en œuvre conjointement chez SMCP. Nous aborderons notamment comment nous avons fait évoluer l’approvisionnement automatique pour les différents points de vente, et comment les stocks sont rééquilibrés, de manière plus générale, sur les différentes plateformes omnicanal.

Nous nous attarderons un peu sur l’aspect technique, mais pas trop. Nous consacrerons beaucoup de temps à la dimension humaine du projet et aux enseignements que d’autres entreprises pourraient tirer du projet que nous menons ensemble. En général, je poserai plusieurs questions à nos invités, et nous prendrons quelques questions à la fin.

Avant de plonger dans le vif du sujet, posons le cadre et le contexte dans lequel nous évoluons. Celle-ci s’adresse à vous, Carole et Yuting : pourriez-vous nous donner un aperçu de votre supply chain ? Les différents canaux de vente, l’ampleur des opérations de réapprovisionnement, les ordres de grandeur pour les références, le nombre de SKUs ?

Yuting Chang: Bonjour à tous. Vous m’entendez bien ? Parfait. Je suis chez SMCP en tant que Group Transformation Manager, comme mentionné. Pour ceux qui ne connaissent pas encore SMCP, nous avons cinq marques : Sandro Women, Sandro Men, Maje, Claudie Pierlot, et Fursac.

Nous comptons environ 1 200 points de vente dans le monde et quatre business units à travers le globe. Pour répondre à la question de Swann sur le contexte qui nous a poussés à rechercher une solution d’optimisation : nous disposons d’un outil actuel utilisé à l’échelle du groupe qui nous permet de gérer l’allocation jusqu’à la boutique.

Cependant, il manque l’élément prospectif — l’anticipation via la prévision des ventes. Comme vous le savez, dans la mode, nous avons beaucoup de saisonnalité et de nombreux produits saisonniers. Le défi est donc d’intégrer cet aspect de prévision des ventes et de rechercher l’optimisation afin que notre stock de fin de saison — le résiduel —, qui est un KPI très important pour le groupe, soit maîtrisé, et par conséquent, notre marge également.

Carole Thomazeau: J’ajouterais que Sandro a été, et est toujours, le pilote pour le groupe dans ce déploiement de Lokad. Nous avons choisi Sandro pour deux raisons. Premièrement, parce qu’il a à la fois des gammes pour hommes et pour femmes, qui sont deux marchés quelque peu différents avec des ventes qui ne se comportent pas exactement de la même manière. Deuxièmement, parce que les équipes avaient un certain niveau de maturité et étaient prêtes à être challengées.

La mise en place d’un cadre signifie également se remettre en question et s’éloigner des notions de “coverage” pour se tourner vers les probabilités de vendre le meilleur produit le plus rapidement possible. Il y a donc beaucoup d’habitudes ancrées à revoir, et c’est pour cela que nous avons choisi Lokad.

Swann Bareilhe: Très bien. Nous avons déjà commencé à aborder la vision de Lokad — la Supply Chain Quantitative. En m’adressant à Joannes : en termes simples, qu’est-ce que la Supply Chain Quantitative et pourquoi est-elle adaptée aux défis de SMCP ?

Joannes Vermorel: L’approche de Lokad consiste à considérer la supply chain comme un problème d’allocation de ressources. Chez SMCP, chaque euro est en concurrence — sur l’ensemble des produits dans lesquels vous pourriez investir. Chaque article dans un warehouse pouvant être envoyé vers un point de vente est en concurrence sur tous les points de vente. Une fois qu’un article est placé quelque part, il ne peut pas être placé ailleurs.

Ensuite, chaque point de vente a une capacité limitée à mettre en valeur les produits. C’est la perspective de Lokad : nous adoptons une vision économique de la supply chain. Nous pensons en termes d’allocation de ressources, et nous voulons servir l’intérêt économique de la marque sur le long terme.

J’insiste sur le « long terme » car il ne s’agit pas d’une optimisation financière à court terme, avec la mauvaise réputation qu’elle peut entraîner lorsqu’on est très myope et qu’on finit par faire des choses imprudentes. Ici, nous parlons clairement de grandes marques avec des clients qui ont parfois montré leur fidélité pendant des décennies. Ces maisons se construisent sur plus d’un demi-siècle, il faut donc regarder très loin.

C’est la perspective économique. L’autre aspect : SMCP vend de magnifiques pièces, un peu plus chères que des bouteilles de shampoing dans un hypermarché, donc les volumes ne sont pas comparables à ceux d’un hypermarché vendant des centaines d’unités par jour. Nous faisons face à des volumes mécaniquement plus faibles, des catalogues très fournis qui se renouvellent fréquemment, et donc à une grande incertitude.

Pour compléter cela : nous avons une vision économique des ressources, et nous devons gérer une incertitude très élevée qui est structurelle à l’activité. Si vous avez un catalogue très étendu d’articles de luxe, par construction, vous acceptez que vous ne vendrez pas dix unités par article et par point de vente par jour. Vous aurez des ventes beaucoup plus intermittentes.

L’objectif de Lokad est de réunir ces deux aspects dans une formule numérique qui, même si nous utilisons des éléments quelque peu complexes comme les probabilités, reflète néanmoins le bon sens d’un responsable de magasin expérimenté qui prendrait des décisions judicieuses concernant l’assortiment et les niveaux de stocks.

Yuting Chang: Pour reprendre ce que vient de dire Joannes : depuis l’année Covid, nous faisons face à un défi fondamental — optimiser notre stratégie d’achat via le budget OTB (Open-to-Buy), qui est de plus en plus contraint. Nous devons mieux acheter et, bien sûr, mieux allouer.

Chaque pièce, même si sa probabilité de vente est assez incertaine et relativement faible par point de vente, nécessite néanmoins une décision : vers quelle boutique devons-nous envoyer ce précieux stock ? Étant donné que les ventes à plein tarif sont plutôt faibles, le défi d’optimiser les ventes à plein tarif devient encore plus important.

Swann Bareilhe: Nous avons abordé la stratégie ainsi que la vision produit/supply chain. Avant d’entrer dans le détail du projet lui-même, y a-t-il d’autres éléments qui vous ont poussés à choisir Lokad comme partenaire ? La vision est un point ; y a-t-il d’autres aspects centrés sur le métier que vous souhaitez mettre en avant ?

Carole Thomazeau: Oui. Comme l’a dit Yuting, la gestion des ruptures de stock est au cœur de notre problème de réapprovisionnement : nous achetons en quantité réduite, donc nous devons allouer aux meilleurs emplacements. En gérant les ruptures, nous nous sommes rendu compte qu’il y a de nombreux critères à prendre en compte.

Par exemple : le magasin est-il touristique, et une rupture de stock coûtera-t-elle plus cher là-bas que dans un magasin avec une clientèle qui reviendra et attendra quelques jours le retour de la pièce ? Mon magasin est-il en mode « Ship-from-Store », c’est-à-dire que son stock peut également servir un second canal ? L’offre est-elle plus ou moins large ; si je n’ai pas la pièce, y aura-t-il une substitution par une autre pièce ?

Ce sont de nombreuses contraintes qu’un responsable de réapprovisionnement ne peut pas prendre en compte manuellement — le cerveau humain n’est pas programmé pour être multidimensionnel. Nous finissons donc par analyser et gérer les ruptures en nous basant sur un unique critère. Lokad nous a permis de classer tous ces points selon les priorités dont nous avons discuté ensemble, et cela optimise réellement l’allocation à ce niveau.

Un autre point majeur : les transferts. Même si l’allocation est optimisée, à un moment donné, les transferts deviennent évidents. Cela prenait beaucoup de temps auparavant ; les équipes le faisaient à contrecœur. Désormais, nous recevons des propositions chaque matin, et nous décidons de les exécuter ou non selon ce que nous souhaitons faire.

Un dernier point, en cours de réalisation : nous disposons d’états de stocks, de KPI nous permettant de mesurer très rapidement l’ensemble de la situation, sans passer des jours à analyser les données. Les données sont là, et nous pouvons analyser le problème. Souvent, il fallait deux jours pour obtenir les données et, une fois arrivées, le problème était déjà obsolète. Désormais, nous pouvons construire des dashboards à la volée, voir le vrai ROI, et constater l’apport de chaque décision. Nous pouvons simplement mesurer chaque action.

Yuting Chang: Pour donner une idée de la portée des SKUs gérés par l’équipe d’allocation de Carole : nous avons Sandro Men et Women. Pour ces deux lignes, cela représente, par collection — nous avons deux collections par an, Printemps/Été et Automne/Hiver — environ 3 500 SKUs à gérer sur 250 points de vente.

Ce volume de points de vente, ainsi que le cycle hebdomadaire de gestion et d’évaluation : quels produits prioriser, allouer, etc. L’équipe gère très bien avec l’outil actuel, mais nous n’approfondissons jamais suffisamment, SKU par SKU, pour prendre les décisions nécessaires à l’optimisation des revenus. Ce volume est la clé du succès pour mieux gérer notre stock résiduel en fin d’année.

Swann Bareilhe: Ce qui nous amène à la question suivante : comment gériez-vous le réapprovisionnement avant Lokad ? Rappelez-nous ce que vous faisiez auparavant — ce qui était manuel, le type de règles en place — afin que nous puissions visualiser l’évolution apportée par le projet.

Carole Thomazeau: Tout était manuel. La précision de l’allocation dépendait de l’ancienneté des personnes qui la réalisaient. Et, comme nous le savons, le turnover dans ces rôles est important, il y a donc une courbe d’apprentissage à chaque fois, qui est assez longue.

Nous utilisions la couverture de stocks — des semaines de couverture. Comme l’a dit Joannes, lorsque les ventes sont erratiques — peut-être une vente par mois, 0,8 ou 1,2 — cela s’arrondit quand même à 1. Et 1 reste 1, mais nous ne pouvions pas discerner si « le 1 » à La Varenne Saint-Hilaire ou « le 1 » sur les Champs-Élysées générerait plus de revenus. Nous n’avions pas cette granularité décisionnelle.

Les transferts étaient également manuels et très chronophages ; nous les effectuions de temps en temps. La gestion des ruptures se basait uniquement sur les revenus, ce qui est bien trop simpliste par rapport à tous les critères que nous pouvions prendre en compte.

Yuting Chang: Un élément clé de l’outil que nous utilisions avant Lokad : nous nous concentrions principalement sur les ventes passées. Nous disions : « D’après les ventes des dernières semaines, voilà le nombre moyen de pièces », puis : « Nous voulons couvrir deux semaines de couverture », car c’était le calendrier. Cette mécanique, basée sur les ventes passées, guidait notre décision, alors que dans la mode, la saisonnalité est forte.

Nous devons anticiper — pré-expédier du stock pour répondre aux besoins saisonniers à venir. La prévision des ventes est un élément important : nous recherchons une déviation par rapport à ce que nous faisons aujourd’hui.

Swann Bareilhe: Joannes, vous connaissez très bien tout cela. Pourriez-vous résumer les types de pièges auxquels les équipes font face lorsqu’elles se fient largement à des règles manuelles et à des prévisions statiques, en particulier avec des assortiments rapides comme chez SMCP ?

Joannes Vermorel: Pour moi, il existe plusieurs catégories de pièges très différentes. Le plus important : traiter vos meilleurs collaborateurs comme des co-processeurs d’exception. Vous disposez d’un système — un ERP — qui peut implémenter des règles simplistes, mais ce n’est pas suffisant. Vous vous retrouvez avec des alertes d’« exception ».

Et ensuite ? Vous prenez vos meilleurs collaborateurs, ceux qui possèdent la plus grande expertise métier, et vous traitez leur expertise et leur temps comme des ressources jetables. Ils répètent les mêmes gestes chaque jour. Pourtant, une forte expertise métier est une ressource rare au sein de l’entreprise. C’est le premier piège : cette expertise rare, qui devrait être cultivée, est utilisée comme un composant consommable. Chaque jour, vous avez besoin de X jours-homme, et cela est consommé. Cela permet simplement à l’entreprise de fonctionner un jour de plus ; rien n’est capitalisé.

Notre vision, avec les Supply Chain Scientists, est de robotiser la prise de décision non pas pour supprimer l’expertise humaine, mais plutôt pour donner à ces personnes le temps d’améliorer la formule numérique, d’affiner les nuances métier, et de les sortir de la gestion des exceptions qui est extraordinairement chronophage et sur laquelle nous ne capitalisons rien. C’est le point le plus fondamental.

Deuxième catégorie de pièges : les modèles de séries temporelles — très populaires, mais totalement inadaptés à la supply chain. Pourquoi, notamment dans la mode et le luxe ? D’abord, les collections : une série temporelle est censée n’avoir ni début ni fin ; les collections ont un début et une fin, donc cela ne fonctionne pas.

Ensuite, vous mesurez très précisément et finissez par arrondir à l’unité. Comme vous l’avez dit : une prévision de 0,8 ou 1,2 devient 1. Mais dans votre activité, l’arrondi à l’unité a un poids important — de nombreux produits en magasin n’ont qu’une seule unité. Cet arrondi est considérable.

Un autre problème : du point de vue du client, on ne rentre pas dans un magasin en pensant à un code-barres. Il y a un halo d’articles qui vous intéressent ; ce qui compte, c’est bien servir le client. Un costume un peu plus foncé ou plus clair pourrait être un bon substitut. Mais si vous n’avez pas la bonne taille, vous n’avez pas la bonne taille : c’est bien moins substituable.

Nous avons donc deux grands modes d’échec : dilapider votre expertise la plus importante, et utiliser des modèles simplistes de séries temporelles — populaires mais inadaptés — peut-être adaptés pour du shampoing, mais pas pour des pièces de luxe. Lokad s’oriente dans des directions très différentes face à ces problèmes.

Yuting Chang : En s’appuyant sur ce second point pour le textile : la question des tailles est cruciale. Nous vendons énormément en tailles 36/38 pour les femmes, par exemple. Mais nous avons aussi des clients qui ont besoin de 34 ou de 42.

Si la prévision moyenne des ventes est de 0,3 et que, par conséquent, nous envoyons un article en taille 42 à chaque magasin, cela signifie que nous devons acheter 250 articles en taille 42 pour alimenter tous les magasins. Ensuite, notre centre de distribution n’a plus de stocks disponibles pour réapprovisionner dès qu’une vente survient à un point de vente.

Ce qui importe, c’est de savoir quand nous devons envoyer ce 42 à la boutique, et de détenir des stocks de manière centralisée pour alimenter le prochain point de vente ayant la plus forte probabilité de vendre cette taille 42. Et, en nous appuyant sur les règles de gestion et les principes que nous avons mis en place avec Lokad, nous nous demandons : dans ce cas, combien devrais-je acheter en amont — en achetant de manière plus intelligente par rapport à la façon dont nous allouons ce 42.

Swann Bareilhe : Nous avons beaucoup parlé d’automatisation et de valorisation de l’expertise humaine. Cela nous amène aux succès du projet que nous menons conjointement depuis un an. Avez-vous des exemples que vous aimeriez mettre en avant — soit de la phase projet (la manière dont nous avons travaillé ensemble) soit maintenant en opérations (ce qui est légèrement différent de la phase pure d’implémentation) ?

Carole Thomazeau : Le projet : nous avons commencé en janvier, et dès juin nous avions déjà des solutions intégrées dans nos systèmes. Ce fut assez rapide et très collaboratif, car chez Lokad, ils ne sont pas « seulement des scientifiques », ils sont Supply Chain Scientists — et ce terme est super important.

Ils remettent en question nos habitudes — « pourquoi faisons-nous cela » — avec leurs meilleures pratiques, etc. Nous avons de vraies discussions qui maintiennent le projet vivant ; il ne s’agit pas simplement de paramétrer et de « brancher une machine ». Nous le construisons ensemble.

Je me souviens d’un défi que j’ai lancé à Swann un mois avant les soldes : je lui ai dit, « Je veux des transferts avant les soldes afin de pouvoir les livrer. » Il a répondu, « Eh bien, quand même… » J’ai pensé, « Tu peux y arriver. » Et j’ai obtenu mes transferts pour les soldes. Il y a un engagement fort et une grande réactivité au sein de l’équipe.

Ce que je veux dire, c’est que l’adhésion de l’équipe est la clé du succès. Je leur ai dit : « Arrêtez-vous. Observez, analysez, et réfléchissez à comment nous pouvons faire mieux. » Cela aurait pu déstabiliser une équipe, mais pas du tout. Ils sont super engagés. Chaque matin, ils ont des idées et demandent à l’équipe de Swann : « Pourrions-nous améliorer ceci ou cela ? » Le fait qu’ils aient des idées démontre que l’outil fonctionne et qu’ils l’ont approprié.

Ils se sont perfectionnés : désormais, ils réfléchissent à ce qu’ils font. Ils ne se contentent pas d’exécuter ; ils réfléchissent à ce qu’ils font et pourquoi ils le font. Nous avons obtenu un ROI sur les transferts. Nous bloquons moins de stocks pour le e-commerce — bien que j’essaie d’en bloquer un peu plus — mais nous bloquions trop de stocks et n’envoyions pas aux magasins de détail alors qu’il y avait un chiffre d’affaires en magasin. Les vieilles habitudes ont été brisées.

Yuting Chang : Opérationnellement, je connais très bien l’ancien outil. Imaginez ceci : lundi matin, chaque responsable d’allocation s’installe et passe deux jours à vérifier les produits. Au final, parce que nous avons tant de SKU et de magasins à contrôler, après deux jours, vous dites : « J’ai parcouru le top 20 de notre classement et réussi à réduire la production de nos 20 moins performants. »

Tout ce qui se situe entre les deux — nous avons, en quelque sorte, une idée, mais pas avec certitude. Avec l’ancien outil, cela prenait énormément de temps. Aujourd’hui, ce que nous demandons à l’équipe, c’est un changement de mentalité.

Lundi matin, vous allumez votre ordinateur, consultez les KPI que nous avons mis en place : vérifiez le taux de rupture, la couverture des stocks, et indiquez-nous quelles actions manquent pour la semaine. Au lieu de plonger immédiatement dans l’allocation au niveau des SKU, de taper des mesures de couverture, de gérer les exceptions magasin par magasin — « ce produit, ce magasin » — et de dire : « Dans une localisation plus routinière, je dois m’assurer qu’il y a de la taille 42, car une fois que le client est passé, il ne reviendra pas », c’est adopter une mentalité de tour de contrôle pour les opérations plutôt que de toujours avoir la tête baissée.

Carole Thomazeau : Pour résumer, ils sont devenus des commerçants. Avant, ils étaient techniciens. Ils posent les bonnes questions : comment animer le business chaque lundi et maintenir une croissance en ligne de mire. C’est énorme. Ils ont gagné en productivité, et maintenant ils ont le temps de le faire.

Swann Bareilhe : Si vous deviez parler de Lokad à des collègues de SMCP qui ne travaillent pas quotidiennement dans les opérations ?

Carole Thomazeau : Tout d’abord, toutes les marques souhaitent l’adopter. Nous avons dû créer une liste d’attente dans notre feuille de route. Comment le présenter ? Pour moi, l’approche probabiliste est vraiment importante : « le 1 » — qu’est-ce qu’un « 1 » vaut à La Varenne Saint-Hilaire par rapport à un « 1 » sur les Champs-Élysées ? Je n’avais pas vu d’outil qui offrait cela autrement.

Ensuite, c’est la qualité du support, la qualité des personnes avec qui nous échangeons, et le fait qu’il s’agisse d’une amélioration continue. Nous avons une nouvelle idée — nous n’allons pas tout chambouler — mais un nouveau paramètre, un petit ajustement, car le contexte fait que ce que nous avons fait il y a un mois ne fonctionne plus. C’est facile à mettre en place.

Une fois par semaine, nous avons des réunions avec l’équipe de Lokad — avec Tristan et Cyril — et nous disons : « Nous aimerions pousser des stocks ici, pouvons-nous augmenter certains réglages ? » Il y a beaucoup de paramètres fournis à l’utilisateur — nous ne dépendons pas uniquement d’eux — mais nous apportons des améliorations continues à l’outil.

Yuting Chang : Nous avons rencontré pas mal de fournisseurs lors de la phase de sélection qui voulaient optimiser notre taux résiduel en fin de saison et ainsi améliorer notre marge. Certains proposaient des solutions plug-and-play : vous fournissez les données, les seuils sont prêts, etc.

Ce qui nous a convaincus avec Lokad, c’est l’approche sur-mesure : nous co-construisons autour des besoins spécifiques de nos marques. Quand on dit « sur-mesure », on peut s’inquiéter du calendrier : si ce n’est pas bien cadré, on annonce un projet de six mois qui s’étire sur un an ou plus. La clé du succès ici est que l’équipe de Lokad s’appuie sur son expertise en supply chain : elle peut cadrer le besoin avec le business, l’orienter dans la bonne direction, et au final, nous respectons le délai annoncé initialement. Pour une solution sur-mesure, c’est, à mon avis, un facteur clé de réussite.

Swann Bareilhe : Merci. Joannes, comment présentez-vous Lokad lorsque vous parlez à un nouveau CEO ?

Joannes Vermorel : Il y a quelques années, j’avais l’habitude de souligner que la plupart de nos prospects avaient accumulé une demi-douzaine d’échecs au cours des vingt dernières années. Si une demi-douzaine de fournisseurs ont échoué, peut-être que le problème n’est pas « ce fournisseur contre cet autre ». Il y a un problème de méthode, de fondamentaux, d’approche.

Pour ceux qui sont intéressés, sur notre stand nous avons un livre que j’ai publié il y a une semaine — « Introduction to supply chain » — qui explique pourquoi, de mon point de vue, les théories classiques de supply chain dysfonctionnent, menant à des défaillances opérationnelles, et quels autres points de vue vous offrent une chance de faire fonctionner les choses.

Très concrètement, chez Lokad, nous essayons d’être le partenaire opérationnel de la supply chain. Grâce aux Supply Chain Scientists, nous voulons assumer la responsabilité — cela peut vous surprendre —, une responsabilité personnelle quant à la qualité des décisions. Lorsque vous écrivez une recette numérique, en quelque sorte, c’est vous. Ce n’est pas « un système » qui génère des décisions : vous avez écrit une recette numérique que vous comprenez, et si quelque chose tourne mal, vous devez reconstituer ce qui s’est passé pour le comprendre.

Cette prise de responsabilité est très importante, et assez atypique. Nous ne nous voyons pas comme un éditeur de logiciels disant : « Voici une liste de fonctionnalités », en cochant 600 cases dans un appel d’offres, puis en vous laissant vous tirer une balle dans le pied avec ces cases. Nous assumons la technicité comme notre fardeau, afin que vous puissiez — comme j’ai pu l’apprécier dans les commentaires — raisonner en tant que commerçants, sans que la technicité ne devienne un obstacle avec un jargon technocratique.

Le rôle des Supply Chain Scientists est d’assumer cette responsabilité afin que les personnes qui sont commerçants, spécialistes des pièces de luxe, puissent exécuter leur stratégie sans se perdre dans les détails. Nous parlons d’algorithmes probabilistes mais — et j’interviens ici sous votre contrôle — je ne pense pas que vos équipes aient besoin de les gérer dans le détail. C’est abstrait pour elles.

Carole Thomazeau : Tout à fait. Nous regardons la décision finale. Lorsque nous demandons, « Pourquoi cet article a-t-il été envoyé à ce magasin plutôt qu’à un autre ? », c’est généralement justifié, tangible et mesurable. Et pourtant, nous avons tout disséqué. J’ai présenté à Swann de nombreux scénarios, lui disant « Je ne suis pas d’accord — pourquoi fait-il cela ? », et au final, c’est logique.

Yuting Chang : Ce qui compte, c’est l’explicabilité fournie par les data scientists de la supply chain. Nous travaillons très étroitement avec Swann et son équipe ; ce sont eux qui codent. Si l’on nous demande, « Comment expliquez-vous la décision proposée par l’outil Lokad : pourquoi ne pas envoyer aux Champs-Élysées et à la place envoyer en Provence ? », nous avons toujours une explication basée sur les chiffres affichés dans l’outil. L’équipe de Carole est convaincue ; nous avons confiance en ces décisions ; et au fil du temps, nous n’avons même plus besoin de vérifier chaque point, car nous savons qu’il y a une raison derrière.

Swann Bareilhe : Du côté de la responsabilité, le soutien du Supply Chain Scientist est central. Personnellement, il y a même un aspect émotionnel avec les clients avec lesquels je travaille — SMCP en particulier. Nous sommes concernés non seulement par la fourniture de fonctionnalités, mais par la prise de décisions qui fonctionnent.

Je regarde régulièrement la performance des ventes ; je me rends également moi-même dans les magasins Sandro ou Fursac — même si ma femme se rend chez Maje et Sandro. Il y a un côté humain et un engagement personnel que nous essayons de cultiver et de transmettre à travers le déploiement d’une solution.

Yuting Chang : C’est un partenariat très intéressant et solide que nous avons construit entre SMCP et Lokad. Nous avons même prévu des espaces de bureau dans notre siège social.

Swann Bareilhe : Le temps file, alors commençons à conclure. Joannes, cela fait environ un an que le déploiement est lancé. Quel impact raisonnable décririez-vous à attendre d’un projet Lokad après, disons, 6 à 12 mois — un horizon moyen terme ?

Joannes Vermorel : Nous visons essentiellement un retour sur investissement d’au moins ×10 par rapport au coût de Lokad. Cela peut sembler élevé, mais pour un logiciel d’entreprise — où les risques existent — cela paraît raisonnable. Si vous vous engagez sur une technologie quelque peu complexe et que, sur le papier, vous ne voyez pas un retour potentiel de ×10, il y a probablement d’autres priorités. C’est important.

Un critère heuristique de succès : lorsque les équipes traditionnelles parviennent à se passer de leurs feuilles Excel. Dès que nous atteignons cela — indépendamment des mesures — je sais que l’initiative est sur la bonne voie pour réussir. Quand les gens abandonnent Excel, cela signifie que nous avons résolu tous ces problèmes qui les empoisonnaient — souvent une série de petits problèmes, pas nécessairement de grands. Ensuite, nous passons à l’amélioration continue, et la trajectoire est très bonne.

Je tiens à souligner que, pour la grande majorité des initiatives de supply chain, il n’y a pas d’amélioration continue. Les entreprises adoptent un système, l’utilisent pendant dix ans, puis disent : « Nous en avons marre, nous l’abandonnons et nous repartons de zéro. » C’est dommage. La supply chain ne devrait pas s’améliorer une fois par décennie via un coup d’éclat. Si nous pouvons progresser un peu chaque semaine, c’est bien mieux. Quelques années plus tard, l’équilibre penche clairement en faveur de l’amélioration continue par rapport à ceux qui stagnent pendant une décennie avant de faire un nouvel élan.

L’idée est alors d’étendre le périmètre, toujours avec un retour sur investissement très fort. Mais l’effet le plus mesurable est également la qualité des discussions et des analyses qui s’améliorent. Nous pouvons obtenir des gains de quelques points de pourcentage en revenus — cela prend quelques années, mais les ordres de grandeur sont significatifs. Nous ne parlons pas de 0,01 % ; nous ajoutons littéralement un point complet de marge en termes absolus — et plusieurs points dans les meilleurs cas.

Pour cela, une fois en production, les équipes doivent être capables de s’attaquer à des questions très difficiles. Par exemple : que signifie « qualité de service » dans un magasin de luxe ? Ce n’est pas seulement une métrique de taux de service. Les personnes qui évoquent un « taux de service de 97% » passent à côté de l’essentiel — c’est un sujet complexe.

Comment valoriser la vision du luxe : défendre un positionnement de prix très haut de gamme, maintenir une perception client très favorable sur le long terme ? C’est un exercice difficile. Ce qui est très intéressant, c’est qu’une fois les problèmes opérationnels résolus, vous pouvez entamer ces discussions, où les équipes opérationnelles défient les Supply Chain Scientists : comment affiner cette vision à long terme tout en disposant d’un mécanisme automatisé pour gérer le quotidien ? C’est le paradoxe : regarder très loin dans le futur, alors que chaque jour vous devez produire tout un ensemble de micro-décisions.

Swann Bareilhe : Dernière question avant d’ouvrir la séance aux questions du public. Si un pair venait vous voir et vous demandait une leçon tirée de ce parcours, que lui diriez-vous ?

Carole Thomazeau : Tout le monde parle d’IA, d’automatisation, etc. L’essentiel est de combiner la technologie avec l’intelligence opérationnelle. Les équipes chargées du réapprovisionnement disposent d’une business intelligence opérationnelle. Nous avons réussi à combiner leur savoir-faire — ils n’avaient pas le temps de tout faire — avec un outil qui les aide à aller plus vite et à être plus efficaces.

Yuting Chang : Dans le même esprit : nous parlons beaucoup d’IA. Mais qu’est-ce que l’IA exactement ? Qu’est-ce qu’elle peut réellement améliorer en termes d’efficacité opérationnelle et, en fin de compte, de marge ? Souvent, l’IA est une boîte noire : nous ne savons pas vraiment ce qui se passe à l’intérieur. Avec Lokad, je reviens sur l’explicabilité : chaque décision prise est expliquée et comprise.

Si le directeur des ventes nous demande, « Pourquoi avez-vous décidé d’envoyer ces articles dans ce magasin plus grand, générant un chiffre d’affaires plus élevé, plutôt qu’un autre ? », nous pouvons répondre. Cette explicabilité instaure la confiance non seulement en interne, au sein du département supply chain — l’équipe de Carole — mais aussi en externe : le département commercial, etc. C’est ce que je trouve intéressant dans l’approche de Lokad.

Swann Bareilhe : Merci encore pour vos contributions, Carole, Yuting et Joannes. Passons maintenant aux questions. Nous n’aurons pas beaucoup de temps, mais j’en ai une sur l’explicabilité : y a-t-il également un besoin d’explicabilité envers les magasins ? Vous avez mentionné les Champs-Élysées ou d’autres endroits ; à un moment donné, est-ce que « d’autres endroits » ne seront pas tentés de dire, « je ne reçois jamais les articles ayant le meilleur potentiel » ?

Carole Thomazeau: Tout d’abord, ce n’est pas “never.” Les magasins plus petits, parce qu’ils ont une offre plus restreinte, peuvent recevoir plus qu’auparavant. Auparavant, nous tronquions automatiquement le magasin plus petit et approvisionnions les plus grands — quelque chose que l’outil ne fait plus. Et oui, il y a un véritable sujet de gestion du changement avec les équipes : expliquer aux équipes digitales pourquoi elles disposent de moins de stock réservé ; expliquer au retail que nous leur fournirons avec un délai d’lead time d’une semaine au lieu de deux.

Mais, comme l’a dit Yuting, puisque tout est explicable et mesurable, ce n’est pas un problème.

Yuting Chang: Je dirais même le contraire. Avec l’outil précédent, nous gérions par clusters. Le Cluster A représente les magasins qui génèrent plus de chiffre d’affaires, qui sont plus grands, etc. Désormais, nous regardons la priorisation de stocks basée sur les ventes de ce magasin particulier pour ce SKU particulier. Cela favorise en fait les magasins plus petits qui vendent, mais qui étaient auparavant éclipsés par les magasins « plus grands » vendant trois par semaine. En réalité, le magasin plus petit vend ; nous n’avions tout simplement pas le temps d’examiner ce SKU et ce point de vente auparavant.

Audience: Bonjour. Vous avez mentionné la co-construction, et nous ressentons l’enthousiasme et le plaisir que cela vous a procuré. Vous êtes maintenant dans une collaboration continue — j’ai compris que vous envisagez même potentiellement des locaux pour l’équipe Lokad — et dans les deux sens. Combien de temps cela dure-t-il ? À quel moment prévoyez-vous d’avoir des Supply Chain Scientist dans votre organisation, ou le modèle consiste-t-il à se fier à l’organisation de Lokad ?

Yuting Chang: Merci, c’est une très bonne question. Pour être transparent, nous en avons discuté en interne, et même avec l’équipe Lokad. Ce qui est intéressant, c’est la discussion transparente avec le partenaire : si un jour, dans la feuille de route interne de SMCP, nous prévoyons la capacité de data scientist en supply chain, Lokad est ouvert à ce que nous intégrions ces compétences en interne.

La question est de savoir si SMCP a cette ambition. Pour l’instant, nous n’avons pas de réponse. Quoi qu’il en soit, dans le cadre de la collaboration avec Lokad, c’est une option ; ce n’est pas tabou.

Joannes Vermorel: J’ajouterai que tout le code de la recette numérique que Lokad co-construit avec ses clients est la propriété du client. Le code est déjà entre leurs mains. Lokad n’est pas une technologie cachée dans un logiciel emballé. Il ne reste plus qu’une question d’ambition : souhaitent-ils développer cette capacité en interne ? Nous sommes entièrement favorables à la formation des personnes si elles sont intéressées.

Carole Thomazeau: Je confirme que le code est vraiment accessible — je suis moi-même intervenu pour modifier certaines tables.

Audience: Et en même temps, si l’on suit votre raisonnement, vous apportez probablement plus de valeur en restant concentré sur l’élaboration des critères et en restant centré sur le client, avec une équipe à vos côtés. Si vous intégrez des data scientists, il y a du turnover, vous devrez les reformer, maintenir les meilleures pratiques… Il y a sûrement une grande valeur à continuer à collaborer.

Au-delà des équipes, vous avez expliqué que vous mobilisez vos meilleures expertises, qui passent plus de temps à ajouter de l’intelligence aux critères à définir. Ces critères évoluent-ils régulièrement ? Les modifiez-vous ? Lorsque vous prenez une nouvelle gamme, avez-vous de nouveaux critères ? Transférez-vous des apprentissages d’une gamme à l’autre ? Comment faites-vous ce choix ? Ce n’est pas seulement le chiffre d’affaires qui détermine votre choix au final.

Carole Thomazeau: Les critères : auparavant, “Ship-from-Store” pouvait devenir un nouveau critère. Les magasins éligibles au Ship-from-Store entrent dans un critère d’allocation que nous n’avions pas il y a deux ans, lorsque tout le monde n’était pas en Ship-from-Store. Magasins touristiques : les magasins ne changent pas tout le temps, mais lorsque nous ouvrons un nouveau magasin — sera-t-il touristique ou non — nous prioriserons en conséquence.

Plutôt que des critères “fixes”, il s’agit davantage de notre position dans la saison : au début de la saison, le coût d’envoyer une pièce dans un magasin où elle ne sera pas utile est moindre que vers la fin de la saison. Ainsi, nous ajustons tout au long de la saison, tant le délai de livraison que la prise de risque, en fonction de la qualité des stocks que nous avons en entrepôt.

Audience: Exactement. Et c’est là que vous apportez l’intelligence. Le reste, vous l’avez robotisé, comme vous l’avez dit.

Swann Bareilhe: Merci. Nous sommes vraiment à la fin maintenant ; nous pourrons poursuivre la discussion par la suite. Je n’ai pas vu qui voulait poser une question. Merci pour la présentation. J’ai une question brève pour Lokad, afin de mieux comprendre l’approche quantitative de la supply chain. Je comprends qu’il existe des modèles mathématiques qui prennent des données en entrée et calculent une proposition d’allocation — possiblement dans le cas de SMCP. Existe-t-il donc un temps de formation pour ces algorithmes ? Est-ce inclus dans le projet, ou est-ce instantané ?

Joannes Vermorel: La réponse longue : je vous invite à lire “Introduction to supply chain”, disponible sur Amazon, qui détaille ce que nous faisons. Nos algorithmes sont publics. De façon générale, il y a des temps de formation, mais mon approche est d’avoir des modèles qui peuvent typiquement être formés en moins de 60 minutes, en utilisant potentiellement des ressources cloud computing très distribuées, afin de rester très agiles.

Existe-t-il une formation ? Oui. Engageons-nous dans des approches où il faudrait des semaines pour qu’un modèle converge ? Non. De notre point de vue, il est très important de pouvoir reformer ces modèles potentiellement plusieurs fois par jour. Ce n’est pas que la supply chain change aussi rapidement ; c’est qu’au moment où l’entreprise soulève une objection ou une réorientation stratégique, nous ne voulons pas attendre trois jours que l’entraînement se termine.

Quelqu’un dit : “Et si nous envisagions le sujet de cette manière ?” Vous devez relancer l’entraînement, et nous voulons que le résultat arrive rapidement — au moins pour savoir : “Si nous le faisons différemment, à quoi cela ressemble-t-il ?” Ainsi, oui, nos modèles — tant en apprentissage qu’en optimisation — ont des temps de calcul, mais nous essayons de toujours les maintenir en dessous de 60 minutes, quelle que soit la taille de l’entreprise, afin de rester très agiles opérationnellement.

Maxime Rabillet: Merci à vous quatre pour cette session stimulante. Je n’ai aucun doute que cela suscitera également des conversations après la scène. Le stand de Lokad est juste là. Merci à tous.