00:00:00 Introduction à la supply chain du pétrole et du gaz
00:05:02 Enjeux élevés et logistique offshore
00:08:20 Impacts financiers des temps d’arrêt de la supply chain
00:13:54 Complexité et automatisation dans les supply chains
00:16:15 Les malentendus impactent la planification
00:18:39 Les stocks influent sur la disponibilité
00:20:33 Le prix du pétrole impacte la rentabilité
00:23:00 Les stocks adéquats pour une disponibilité efficace
00:25:10 Optimisation au-delà des tableurs
00:28:58 Les limitations des ERPs dans la prise de décision
00:31:10 Excel comme outil de décision
00:33:15 L’importance des systèmes de records
00:37:00 La justesse approximative dans les décisions
00:38:10 Focus sur la prise de décision en période de tarifs
00:40:30 Les recettes numériques renforcent le focus
00:43:37 Les distractions liées aux défis d’ingénierie
00:46:10 La grande échelle réduit l’agilité
00:51:30 La rapidité et la promotion des recettes numériques
00:53:00 Le rôle de la tarification dans la supply chain
00:57:19 Le pétrole comme fondement de la civilisation
00:59:00 L’IA et l’automatisation bureautique
Résumé
Dans un dialogue réfléchi, Conor Doherty et Joannes Vermorel explorent les problématiques de supply chain dans l’industrie du pétrole et du gaz, les comparant à la gestion d’une ville miniature plutôt qu’à de simples entreprises. Vermorel critique les méthodes conventionnelles centrées sur la criticité, prônant l’automatisation et les modèles numériques pour améliorer l’efficacité. Il aborde l’impact financier des événements longue traîne, en mettant l’accent sur des pratiques de stocks rationalisées plutôt que sur l’accumulation excessive. Vermorel souligne l’insuffisance de systèmes tels que les ERPs dans la prise de décision, et préconise des systèmes d’intelligence pour naviguer à travers les incertitudes futures. La conversation souligne la nature conservatrice de l’industrie, où l’agilité et l’optimisation digitale sont cruciales pour faire progresser les stratégies de supply chain.
Résumé Étendu
Dans un dialogue stimulant la réflexion, Conor Doherty, Directeur de la Communication chez Lokad et animateur de la chaîne YouTube LokadTV, s’entretient avec Joannes Vermorel, CEO et Fondateur de Lokad, pour examiner les défis complexes de supply chain auxquels fait face l’industrie du pétrole et du gaz. Leur conversation constitue un examen minutieux de la manière dont ces complexités se déploient à travers les différentes phases opérationnelles — en amont, au milieu et en aval.
Doherty initie la discussion en présentant le secteur du pétrole et du gaz comme un socle fondamental soutenant les supply chains mondiales, notant son influence profonde sur un large éventail de secteurs — des biens de consommation aux matériaux industriels. Vermorel renforce ce point de vue, en soulignant la complexité de la supply chain qui se compare à celle des secteurs aéronautique et du retail. Contrairement aux présomptions de simplicité, gérer une plateforme pétrolière revient à orchestrer une ville miniature, chargée de milliers de SKUs, chacun étant essentiel pour maintenir des opérations sans accroc. Pourtant, le véritable défi ne réside pas dans la stabilité du produit, mais plutôt dans la satisfaction des besoins futurs de supply chain dans un contexte de contraintes économiques.
Vermorel apporte des éclairages avisés sur les enjeux économiques liés aux temps d’arrêt, où même de petits sites engendrent des coûts exorbitants quotidiennement, exacerbés par les obstacles logistiques posés par des plateformes offshore isolées. S’inspirant du cadre de Doherty sur la complication, la complexité et la criticité, Vermorel critique les pratiques de gestion traditionnelles qui se concentrent uniquement sur la criticité, utilisant souvent des méthodes telles que l’analyse ABC. Il plaide en faveur de la préférence de Lokad pour l’automatisation et les modèles numériques plutôt que pour ces techniques obsolètes, soutenant que l’efficacité peut être atteinte sans recourir à de grandes équipes de planificateurs.
La conversation s’oriente vers la prise en compte des événements à faible probabilité, ou événements longue traîne, qui, malgré leur rareté, infligent des impacts financiers sévères sur l’ensemble des opérations. Vermorel identifie un fossé entre les probabilités perçues et réelles au sein des opérations de supply chain, avertissant que les taux de service pourraient faillir sans une compréhension précise des interdépendances. Alors que l’orthodoxie préconise d’importants stocks comme amortisseurs contre le risque, Vermorel défend des pratiques de stocks rationalisées axées sur la disponibilité plutôt que sur le volume pur, dénonçant l’inefficacité et la contre-productivité d’un excès de stock.
Réfléchissant aux mentalités financières de l’industrie, Doherty se demande si le ROI maximum est réellement recherché pour chaque dollar investi, remettant en question la logique qui soutient la dépendance aux tableurs manuels à une époque où l’optimisation par des recettes numériques est requise. Vermorel partage ce scepticisme, reconnaissant les inefficacités engendrées par les tableurs même dans les grandes entreprises, et souligne la nécessité de systèmes d’intelligence avancée plutôt que de simples systèmes de records.
Vermorel classe les systèmes de records tels que les ERPs et WMS comme des registres avancés, capables de suivre les données mais insuffisants en matière de prise de décision automatisée, renvoyant souvent les utilisateurs aux tableurs en raison de leur inadéquation. Malgré les promesses de prévision de la demande et d’optimisation de stocks, ces systèmes échouent souvent, révélant le besoin de systèmes dédiés à la prise de décision — des systèmes d’intelligence concentrés uniquement sur la résolution des incertitudes et la facilitation de décisions complexes.
Le duo délimite la dichotomie entre les systèmes conçus pour un rappel parfait des transactions passées et ceux systématisés pour traiter les incertitudes futures dans des conditions réelles. Les systèmes d’intelligence sont mis en avant pour leur capacité à naviguer dans des calculs complexes allant bien au-delà du simple maintien des records, prêts à élever la prise de décision concernant les stocks et leurs stratégies de tarification.
Doherty met en lumière la nature conservatrice de l’industrie du pétrole et du gaz, où les entreprises accumulent des stocks pour se couvrir contre les risques financiers tout en évitant les logiciels conçus pour atténuer ces risques. Vermorel se demande si la prouesse technique de l’industrie ne fait pas accidentellement de l’optimisation de la supply chain une priorité secondaire, suggérant une rigidité inhérente par rapport aux secteurs agiles malgré les efforts de numérisation.
L’agilité, illustrée par des logiciels réactifs s’adaptant aux changements imprévus, remet en question les méthodologies traditionnelles comme le FIFO, ouvrant la voie à des stratégies de supply chain plus dynamiques. Vermorel reconnaît la prévalence de l’automatisation trader, en particulier dans les segments midstream et downstream, tout en constatant la complexité physique aux niveaux en amont où les systèmes d’intelligence demeurent manifestement sous-utilisés.
La transition vers un changement systématique implique de combiner les stratégies manuelles existantes avec les solutions logicielles émergentes — une notion que Vermorel illustre à travers l’approche de dual run de Lokad. Cette méthodologie permet aux praticiens de mettre en parallèle les recettes numériques et les tableurs, favorisant la collaboration avec des scientifiques pour affiner et étendre les efforts d’optimisation tout en valorisant l’expertise des praticiens pour un ROI maximal.
Le dialogue se conclut avec Vermorel louant l’importance durable du pétrole et du gaz au sein de la société industrielle, prévoyant des avancées profondes alors que l’IA ouvre une nouvelle ère pour l’automatisation back-office. Doherty partage cet enthousiasme en attendant avec impatience les transformations futures, concluant une session qui non seulement explore les complexités de la supply chain, mais qui témoigne également de la collaboration des entreprises en quête d’innovation.
Transcription Complète
Conor Doherty: Bon retour sur Lokad. En tant qu’industrie, le pétrole et le gaz présente plusieurs obstacles uniques en matière de gestion de la supply chain. Aujourd’hui, Joannes et moi discuterons de ces défis à travers les opérations en amont, en midstream et en aval, ainsi que des méthodes que nous estimons fonctionnelles et, surtout, celles qui ne fonctionnent pas. Et pendant que vous êtes ici, n’oubliez pas de vous abonner à LokadTV et de nous suivre sur LinkedIn. Sur ce, je vous présente la conversation d’aujourd’hui sur le pétrole et le gaz avec Joannes Vermorel.
Conor Doherty: Tout d’abord, Joannes, merci de me rejoindre à nouveau. Première question, je pense que cela donne vraiment le ton ou plutôt offre une perspective sur la manière dont nous en sommes arrivés là. Lorsqu’on entend que Lokad est impliqué dans l’industrie du pétrole et du gaz, c’est toujours un peu surprenant, car la plupart du temps, quand on parle d’optimisation de la supply chain, on pense aux supermarchés, au retail, et autres. Un peu comme lors d’une discussion précédente que nous avons eue sur l’aéronautique, où je t’ai demandé comment exactement Lokad avait fait son entrée dans l’aéronautique, qu’est-ce qui, dans le pétrole et le gaz, a d’abord attiré ton attention ?
Joannes Vermorel: Je veux dire que le pétrole et le gaz représentent, je dirais, le point de départ de presque toutes les supply chains existantes. Tout commence là. Je ne pense pas qu’il y ait, pour un produit quelconque, quel que soit son degré de sophistication, un élément qui ne dépende pas de manière critique du pétrole et du gaz. Par exemple, ce stylo contient probablement une demi-douzaine de composés dérivés du pétrole. Ce micro, la mousse ici, cet ordinateur portable, pratiquement tout, même cette table avec la peinture, ce baril de pétrole là-bas. Et puis l’énergie, le monde fonctionne principalement grâce au pétrole et au gaz. Parmi les énergies alternatives dont nous disposons, la seule qui puisse, je dirais, vraiment avoir un impact sur l’approvisionnement brut en énergie dont nous avons besoin est l’énergie nucléaire. Le reste n’est, au mieux, qu’une empreinte.
Au fil des années, oui, chez Lokad nous avons commencé par les éléments les plus visibles, comme les magasins, vous savez, puis on remonte jusqu’au fournisseur, et puis encore au fournisseur, et ainsi de suite, et un jour, on finit par travailler, comme nous le faisons actuellement, avec des entreprises de pétrole et de gaz qui se concentrent sur les différentes étapes, car lorsque l’on parle de pétrole et de gaz, le secteur est absolument immense.
Conor Doherty: Eh bien, c’est cela. Car tu viens de dire que le pétrole et le gaz sont absolument immenses. Pourtant, je sais aussi, hors caméra, que tu as déjà mentionné qu’en termes de complication — je ne veux pas te mettre de mots dans la bouche —, en termes de complexité, ce n’est pas bien plus difficile que l’aéronautique ou le retail. Peux-tu développer un peu cela ?
Joannes Vermorel: Je dirais, oui, en termes de complication, si l’on veut être précis. Voilà. Ce qui est intéressant, c’est que la complexité est décuplée en raison de l’ampleur. Cela signifie que, pourquoi avons-nous autant de complexité ? Eh bien, si l’on veut exploiter une plateforme pétrolière, c’est comme une ville miniature, et elle nécessite tout ce que l’on attend d’une ville de taille moyenne, littéralement des dizaines de milliers de SKUs de produits, allant, littéralement, de gants, vous savez, à des moteurs d’avion. Ils disposent, je dirais, de moteurs pour produire de l’électricité sur place. Ils possèdent des turbines qu’ils utilisent occasionnellement lorsqu’ils désirent disposer d’un approvisionnement massif ou local en électricité, etc.
Il y a de tout, des choses très petites aux choses très grandes, et tout cela est nécessaire pour maintenir vos opérations. Cela est vrai pour le terrestre, l’offshore, et de même pour les FPSO, qui sont des plateformes non permanentes d’extraction de pétrole et de gaz. Ainsi, la complexité est au maximum. La complication, je dirais, beaucoup moins. Voilà la différence.
Oui, l’ampleur est énorme. Oui, la diversité est énorme. Mais en termes de complication, je dirais que les produits sont relativement stables. Certes, c’est une industrie qui a évolué, mais ce dont vous avez besoin pour approvisionner et avoir disponible, ce n’est pas de la fast fashion. Ce n’est pas comme si, chaque trimestre, vous alliez avoir un catalogue entièrement nouveau et tout le reste. C’est encore très stable.
Et puis, ce n’est pas comme, disons, l’aviation où il existe des boucles de supply chain dans lesquelles tout est réparable et où vous avez une complication folle avec les pièces qui sont en vol, celles qui sont au sol, et une constante rotation entre la pièce que vous réparez et que vous remettez dans l’avion. Ici, c’est encore principalement — je dirais qu’ils effectuent des réparations pour les machines coûteuses, mais c’est encore essentiellement une supply chain orientée vers l’avenir. Ils ont besoin de tonnes d’équipements consommables, ils les consomment, et pour s’assurer vraiment, vraiment qu’ils n’ont aucun temps d’arrêt, ils doivent disposer d’un approvisionnement constant en quantités massives.
Donc oui, en termes de complication par rapport à l’ampleur, ce n’est pas très, très compliqué, mais il est évidemment extrêmement complexe.
Conor Doherty: Eh bien, pour distinguer encore la différence entre complication et complexité, comment le coût s’intègre-t-il dans cette complexité ? Donc encore, si l’on parle des pièces, tu as donné l’exemple où, eh bien, les pièces sont stables dans le sens où tu sais qu’au pire, voici les pièces dont j’aurai besoin pour réparer quelque chose. C’est connu. La BOM est connue. La quantité dont tu pourras avoir besoin, ou quand tu en auras besoin, tu ne le sais pas forcément, mais tu sais qu’à un moment donné, j’aurai besoin de ces pièces pour ce but précis. Cependant, le coût de ne pas avoir ces pièces est tout à fait différent si, disons, tu travailles dans un atelier de réparation terrestre ou dans un atelier de réparation à 200 kilomètres en mer sur une plateforme offshore. Alors, est-ce là la complexité, comment cela s’inscrit-il dans une dimension supplémentaire ?
Joannes Vermorel: Il y a des complications, c’est-à-dire s’il s’agissait d’un casse-tête mathématique serré que rien qu’à y penser serait super difficile. Je dirais non, ce n’est pas le cas. La complexité concerne simplement le nombre pur d’éléments, tu sais, le fait que tu as de très nombreux SKUs, de nombreuses pièces, de nombreux sites, de tout. Mais fondamentalement, c’est simplement plus, plus, plus, plus. Là encore, tu n’ajoutes pas de complications.
Et nous voici donc en train d’aborder une autre dimension, où les enjeux sont extrêmement élevés. Et je dirais qu’il s’agit d’une troisième dimension, que j’appellerais la criticité. La criticité est donc très élevée. Mais du point de vue d’un fournisseur de supply chain, fournisseur d’optimisation de la supply chain comme Lokad, si vous me dites que le coût d’un temps d’arrêt est de 1 $ par heure ou d’un million de dollars par heure, ce n’est qu’un paramètre. Cela est évidemment très différent pour l’entreprise, mais cela ne change ni la complexité ni les complications.
C’est juste que les enjeux, parce qu’alors vous commencez à penser en termes de dollars, sont bien plus élevés. Mais fondamentalement, c’est une autre préoccupation complètement orthogonale, qui est, en effet, très, très importante dans le secteur du pétrole et du gaz, puisque les enjeux sont exorbitants.
Lorsque vous avez un temps d’arrêt, même pour un petit site — nous parlons ici de quelque chose qui extrait du pétrole du sol, oui, exactement — c’est le temps d’arrêt ; nous parlons ici de quelque chose qui coûte 1 million de dollars par jour, vous savez.
Conor Doherty : Quelques sources à titre de référence. Je veux dire, cette fourchette est assez élevée. Et encore une fois, il vaut vraiment la peine de décortiquer cela un peu, car plus tôt nous avons parlé de l’aérospatiale, et je sais que, dans les secteurs de l’automobile et de l’aérospatiale, le coût d’un temps d’arrêt par heure est analogue. Je sais donc que, dans l’automobile, cela peut représenter environ 2 millions de dollars par heure, et pour l’aérospatiale, il n’y a aucune raison de penser que ce soit différent, compte tenu de la complexité. Mais encore une fois, ces cas surviennent généralement sur terre.
Lorsque vous commencez à parler d’une plateforme offshore, vous devez également tenir compte du fait qu’il ne s’agit pas simplement d’acheter les pièces à la dernière minute. Il s’agit aussi de, d’accord, j’ai besoin soit d’un bateau, soit d’un hélicoptère immédiatement pour transporter ces éléments. Et il ne s’agit pas seulement de l’hélicoptère dont j’ai besoin à la dernière minute, j’ai également besoin d’un pilote ou d’un capitaine. Donc, encore une fois, j’ai besoin d’une personne possédant un ensemble de compétences très unique pour être disponible quand j’en ai besoin, et cela à un tarif de crise. Vous payez exorbitamment, car chaque seconde où vous n’extrayez pas de pétrole, vous perdez de la valeur sur le pétrole.
Donc, encore une fois, lorsque l’on parle des enjeux financiers, je veux dire qu’il y a le premier ordre, le deuxième ordre, le troisième ordre, voire le quatrième ordre ; c’est énorme.
Joannes Vermorel : Oui, les enjeux sont extrêmement élevés. Mais encore une fois, pour nous, d’un point de vue de l’optimisation de la supply chain, le fait que vous me disiez que le plan A consiste à obtenir les pièces par bateau avec un envoi à faible coût, que cela prendra le temps qu’il faut ; que le plan B consiste à avoir un hélicoptère d’urgence qui se rend sur votre plateforme offshore, et que le plan B vous coûte 100 fois plus cher que le plan A, ce n’est qu’une question de paramétrage de la modélisation économique.
Fondamentalement, cela n’est pas très différent d’une configuration de multisourcing où vous avez un fournisseur dans votre pays qui est un peu cher et un fournisseur outre-mer, plus éloigné, qui est moins cher. Fondamentalement, le multisourcing, chez Lokad, de notre point de vue, n’est pas un défi très compliqué.
Mais oui, les enjeux. Ce qui rend vraiment le pétrole et le gaz très spécifiques, c’est que les enjeux, la criticité, sont exorbitants, et qu’en termes de dollars, vous voyez très souvent deux zéros, voire parfois trois de plus que dans la plupart des autres industries, tout simplement parce que c’est si massif.
Conor Doherty : J’aime vraiment cette catégorisation. J’ai simplement noté en gros trois C : la complication, la complexité, et la criticité. Ce sont là trois dimensions que vous venez de décrire pour expliquer comment Lokad, ou vous et Lokad et nos supply chain scientists considérez le problème.
Joannes Vermorel : Oui.
Conor Doherty : Veuillez comparer cela avec votre vision de ce qu’est l’approche traditionnelle en matière de gestion de la supply chain dans le secteur du pétrole et du gaz. Je veux dire, pensent-ils à cela avec ce niveau de granularité et de dimensionnalité ?
Joannes Vermorel : Je veux dire que, quand on y réfléchit, lorsque l’on utilise une méthode classique comme l’analyse ABC, ce que vous faites, c’est segmenter le tout selon la criticité. Vous dites, d’accord, quels que soient mes articles de catégorie A — vous savez, les articles les plus critiques — j’aurai, disons, un planificateur pour 100 articles, afin qu’une personne s’occupe de 100 SKU, car ceux-ci sont super critiques et je veux que cette personne puisse surveiller tout cela de très près, au quotidien.
Et puis pour les articles de catégorie B, je dirais, oh peut-être que j’en aurai mille. Ainsi, une personne pour mille articles, avec un volume moindre, des enjeux moindres. Et pour les articles de catégorie C, je ne fais qu’inventer ces chiffres, vous savez, 10 000. Et ce sont des choses moins critiques, moins coûteuses, etc., etc.
Vous voyez donc qu’en essence, la manière traditionnelle d’aborder cela consiste à s’attaquer uniquement à la criticité. Mais là où Lokad ne correspond pas vraiment, c’est que nous voulons l’automatisation. Nous voulons donc une recette numérique qui traite tout de front. Et les machines peuvent effectuer une multitude de calculs, de sorte que nous ne manquons pas d’analyses, quelle que soit la fréquence des articles rares.
Vous voyez l’idée : pourquoi n’auriez-vous pas un planificateur de la demande, un planificateur de l’offre et de la demande, pour chaque 100 SKU ? Pourquoi ne gardez-vous ce ratio que pour les articles de catégorie A, alors que, pour ces articles, vous pourriez avoir par exemple une personne pour 100 SKU ? La réponse est que vous auriez besoin d’une armée d’une taille vertigineuse de planificateurs de l’offre et de la demande si vous deviez faire cela, alors que les entreprises pétrolières et gazières doivent gérer 50 000 SKU distincts pour faire fonctionner leur opération.
Voilà. Si nous étions à 100 articles par employé, nous parlerions de 500 employés rien que pour gérer les stocks d’un site d’extraction. C’est évidemment fou, vous n’allez pas faire cela.
Mais maintenant, si vous entrez dans le domaine de l’automatisation et que vous disposez d’une logique logicielle intelligente, alors ces contraintes deviennent totalement caduques et cette perspective ne compte plus du tout. Ce que vous voulez donc, c’est avoir quelque chose de très performant, depuis, évidemment, vos SKU les plus critiques jusqu’à la longue traîne.
Parce que voilà le problème avec cette longue traîne : même si les choses sont rarement nécessaires, elles peuvent quand même contribuer aux temps d’arrêt.
Conor Doherty : Encore, c’est simplement pour éviter d’utiliser trop de jargon technique pour les personnes qui ne seraient pas familières — quand vous parlez de longue traîne, vous évoquez des événements à faible probabilité dans une distribution ?
Joannes Vermorel : Ouais, exactement, exactement.
Conor Doherty : Une chance sur 0,1 %, mais cela pourrait représenter un impact de 25 millions de dollars.
Joannes Vermorel : Ouais. Cela peut se présenter, vous savez, et ces situations de longue traîne peuvent être dues soit au besoin de quelque chose dont nous n’avons normalement pas besoin, soit au fait que quelque chose que nous fournissons d’ordinaire en une semaine, sans problème, peut prendre six mois. Pourquoi ? Parce que, eh bien, les lead times varient, ou pour d’autres raisons.
Vous voyez donc, toutes les sources d’incertitude — vos opérations quotidiennes dépendent de décisions prises dès maintenant, en anticipant certaines conditions futures du marché. Nous nous attendons à consommer une certaine quantité de pièces. Nous nous attendons à ce que les fournisseurs soient capables de fournir cela dans ce délai, etc., etc.
Ainsi, il existe de multiples sources d’incertitude et, en raison de la complexité, vous pouvez en pâtir, c’est-à-dire que vous pouvez rencontrer des temps d’arrêt simplement parce qu’un événement, ayant eu une chance sur 10 000 de se produire, survient.
On pourrait dire, eh bien, une chance sur 10 000, ce n’est pas grand-chose — sauf si vous avez 10 000 choses de ce genre. Alors, vous lancez les dés encore et encore et, au final, après des dizaines, voire des milliers de lancers, même des événements très improbables finissent par se produire.
Conor Doherty : Eh bien, encore une fois, c’est l’idée de la théorie des probabilités. Il vaut la peine de le souligner ici, car j’ai de nouveau eu une conversation avec Simon Schalit, COO de Lokad, auparavant. Et encore, nous parlions de l’aérospatiale en termes de complexité. L’exemple est valable. Et il expliquait que la façon dont les gens comprennent la théorie des probabilités est très différente de ce qu’elle est réellement.
Par exemple, nous avons donné l’exemple — et vous corrigerez mes calculs en temps réel — mais si vous avez besoin de 100 pièces pour compléter un planning, disons que je veux réparer quelque chose, j’ai besoin de 100 pièces, et il me faut que toutes soient disponibles pour le faire efficacement. Il me faut qu’elles soient toutes disponibles simultanément. Et si vous fixez un taux de service de 99 % pour ces cent pièces, la réaction pourrait être : « Oh, alors j’ai 99 % de probabilité de les avoir toutes disponibles. » Or, en réalité, cela se rapproche plutôt de 65 % ou quelque chose comme cela, environ deux tiers.
Joannes Vermorel : Oui, oui. En supposant une distribution de probabilité dépendante. Ouais, absolument.
Conor Doherty : Mais le principal point est, bien sûr, que ce que vous pensez être susceptible de se produire — et même si vous commencez à adopter une démarche de pensée probabiliste — c’est quand même un peu plus complexe que cela ne paraît.
Mais je tiens à préciser, car vous avez dit, vous savez, que les événements de longue traîne, peut-être un sur 10 000, se produisent et seront financièrement catastrophiques. D’accord. Mais la perspective orthodoxe reconnaît déjà cela, en se disant : « D’accord, il se peut que j’aie un événement de longue traîne. Il se peut que je manque cette vis à 1 $. D’accord, je vais en garder un million sous la main et immobiliser un million de dollars en stocks qui ne seront peut-être jamais utilisés. »
Donc, en réalité, je veux dire, les gens en sont déjà un peu conscients. Ils ont déjà des approches à ce sujet, comme les stocks tampons. Qu’y a-t-il de mal à cela ?
Joannes Vermorel : Je veux dire, si votre industrie est extrêmement rentable, il n’y a rien de fondamentalement mauvais. Je veux dire, c’est du gaspillage, parce que les stocks coûtent une fortune. Mais si vous avez de très belles marges, vous pouvez tolérer cela.
Mais la réalité, c’est que les plateformes pétrolières et les FPSO disposent d’un espace de stockage limité. Vous voyez donc qu’à un moment donné, si vous voulez simplement plus, ce sera sur terre quoi qu’il arrive. Et par ailleurs, c’est loin. C’est loin parce que, encore une fois, votre FPSO est un très grand navire, mais il a une capacité limitée. Et il en va de même pour une plateforme pétrolière. C’est comme une méga-structure en mer. Oui, elle est assez grande pour une construction humaine, mais encore une fois, votre capacité à stocker des choses localement est limitée.
Vous devez vous assurer de tirer le meilleur parti de la capacité de stockage dont vous disposez. Et généralement, le problème de dire « Oh, on peut tout simplement avoir autant qu’on veut, le ciel est la limite pour les stocks » est que, si vous adoptez cette approche, vous finirez très probablement par être très distrait par tous les stocks morts que vous transportez.
Ce n’est pas nécessairement une très bonne stratégie pour assurer une disponibilité maximale. Parce que si vous faites cela, vous accumulerez d’énormes quantités de stocks inutiles de façon quelque peu accidentelle. À un moment donné, quelqu’un finira par constater que c’est très gaspilleur, et alors vous serez très distrait pendant des mois, en essayant de liquider ces stocks morts.
Et être distrait contribue également à manquer d’autres éléments, ce qui peut finalement provoquer un temps d’arrêt accidentel parce qu’il vous manque des éléments dont vous avez besoin.
Mon observation est que, généralement, lorsqu’on a trop de stocks, la disponibilité n’est pas idéale. Vous savez, il est très rare qu’une disponibilité extrêmement élevée soit obtenue simplement en possédant une quantité astronomique de stocks. Habituellement, avoir trop de stocks crée tellement de problèmes qu’au final, la disponibilité en pâtit.
Conor Doherty : D’accord, pour enchaîner — et encore, je viens juste de prendre des notes — il y a beaucoup à aborder, mais l’une des choses que vous avez mentionnées était votre capacité à tolérer un excès de stocks. Je veux dire, cela dépend si vous disposez de marges vraiment généreuses.
Le fait est que, lorsqu’on parle de pétrole, ces prix fluctuent beaucoup et en temps réel. Nous enregistrons cela ce 10 avril. Le pétrole Brent est actuellement à 65,48 $ le baril. À l’instant, il pourrait grimper à 100 $, ou chuter à 25 $. Comment les fluctuations des prix, en termes de valeur réelle de ce qui sort du sol, affectent-elles la capacité des entreprises à absorber les centaines de millions de dollars qu’elles laissent simplement sur la plateforme offshore et dans les entrepôts, tout en louant des avions, des hélicoptères et des bateaux pour tout transporter ? Comment les fluctuations des prix s’intègrent-elles dans le processus de gestion de la supply chain ?
Joannes Vermorel : Donc, en général, différents sites ont des coûts d’extraction totalement différents. Il y a des endroits dans la péninsule Arabique où extraire le pétrole est très, très bon marché, et ainsi, à 65 $, tout va bien. Et il y a des endroits où, disons, le Canada avec le — j’ai oublié le nom — c’est le Bassin de l’Athabasca.
Conor Doherty : Oui.
Joannes Vermorel : Oui, où à 65 $ il frôle en réalité la rentabilité.
Conor Doherty : Ce sont des sables bitumineux.
Joannes Vermorel : Oui, le Bassin de l’Athabasca, ces sables bitumineux. Donc, selon moi, d’abord, le moteur principal est que, selon le prix, vous maintiendrez certains sites en fonctionnement ou non. C’est une méga-force qui détermine ce qui peut fonctionner. Si vous êtes à 100 $ le baril, alors vous avez beaucoup plus de sites opérationnels qu’à 50 $. Et je dirais que c’est l’élément majeur par-dessus tout. Ensuite…
Conor Doherty : Cela a tout de même un coût. Vous dites essentiellement que, oui, parce que vous êtes si riche, vous pouvez vous permettre d’être gaspilleur. Ce n’est pas une bonne pratique en soi.
Joannes Vermorel : Si vous pouvez extraire le pétrole pour, voyez-vous, 10 $ le baril et le vendre ensuite à 65 $, le fait d’avoir quelques dollars supplémentaires par baril de coût des stocks en circulation est quelque chose que vous pouvez tolérer.
Mais si le prix est de 65 $ et qu’en intégrant tous vos coûts, vous finissez par produire pour 60 $ — quand vous intégrez tout, tout, tout — alors vous réalisez qu’avoir soudainement plus ou moins 1 $ par baril rien qu’en coût des stocks est très, très significatif.
Mais quand même, le fait est que, comme je l’ai dit, le problème n’est pas vraiment d’accumuler des stocks en soi. C’est plutôt ce que vous pouvez faire pour obtenir une très haute disponibilité.
Et, en un sens, avoir trop de stocks est généralement l’ennemi. Ce serait une erreur de penser que gonfler simplement les stocks vous donnera une haute disponibilité. Ce serait une sorte de perspective de stocks de sécurité où vous ne faites qu’augmenter sans cesse. Mais la réalité est que, de manière inconsidérée, augmenter le nombre de produits que vous devez garder en stocks crée tellement de problèmes banals liés au stockage et autres que, au final, vous obtenez une disponibilité réduite, et non une disponibilité accrue.
Donc réellement, la question revient très rapidement à disposer des bons stocks, en tenant compte de toutes les contraintes, afin que l’uptime soit vraiment, vraiment maximisé.
Conor Doherty : J’aimerais résumer cette petite partie de la discussion, mais je veux le faire dans une citation que j’ai notée, puis te la soumettre. Dis-moi à quel point c’est exact.
Dirais-tu que l’industrie pétrolière et gazière dans son ensemble, ou du moins du point de vue de la gestion de la supply chain, ne réfléchit pas financièrement — et par financièrement j’entends dans le sens Lokad du terme, c’est-à-dire maximiser le ROI pour chaque dollar investi ?
Joannes Vermorel : Je pense, tu vois, que moralement c’est ce qu’ils font. Dans les petits caractères, ce n’est pas ce qu’ils font.
Conor Doherty : Mettons cela de côté.
Joannes Vermorel : Donc, si vous demandez aux managers, ils diraient, “Oui, c’est évidemment ce que nous faisons, évidemment.” Mais ensuite, lorsque l’on examine les détails du calcul, ce sont en réalité des personnes qui le font à la main.
Et tu vois, le problème est que lorsqu’on a un processus de prise de décision où des personnes ajustent manuellement des chiffres dans un tableur, aucune optimisation n’est possible. Cela se résume fondamentalement à une horde de commis qui, de droit… encore une fois, nous parlons de sites importants.
Nous parlons d’équipes qui doivent gérer des dizaines de milliers de SKU par site. Je veux dire, c’est très complexe. Et donc, lorsqu’on a autant de personnes dans la boucle et que les décisions sont prises manuellement, on obtient des résultats qui ne sont pas très optimisés.
Même si la haute direction pense en termes de optimisation financière, si la couche de base de l’exécution de la supply chain est composée de personnes ajustant des tableurs manuellement, vous n’obtiendrez pas des résultats optimisés. En fin de compte, oui, le top manager pense : “Je veux le maximum de rendement par dollar. Donc, pour chaque dollar investi, investissez en priorité dans la seule chose qui augmentera le plus l’uptime.” C’est la logique. Tout le monde est d’accord sur ce point, sans problème.
Mais ensuite, au bout du processus, quand on arrive au bas de la pyramide, on se retrouve avec des personnes armées de tableurs. C’est l’intérieur qu’ils ont reçu, mais ensuite ils doivent gérer un tableur. Comment font-ils cela ? Et la réalité, c’est qu’ils vont faire quelque chose de très, très brut. Surtout si l’on se retrouve avec ce genre de configuration ABC, où il y a une personne qui gère les A avec 100 SKU, et une personne qui gère les C avec 10 000.
Donc, selon moi, vous ne pouvez commencer à optimiser que si vous disposez d’une recette numérique. C’est la première chose — l’optimisation n’est vraiment pas possible sans une recette numérique. Ce sera votre référence de base.
Et puis, quoi de mieux que cette recette numérique ? La réponse est : une autre recette numérique. Et comme il s’agit de deux recettes numériques, vous pouvez les exécuter côte à côte et effectuer un benchmark.
Une recette numérique est un ensemble d’algorithmes qui part des données historiques brutes et de toutes ces données supplémentaires que vous fournissez jusqu’aux décisions finales — c’est-à-dire, ce que je dois exactement conserver, par exemple, sur ce FPSO à ce moment précis, afin d’avoir les meilleurs stocks pour maximiser l’uptime.
Conor Doherty : Je veux revenir sur un point, et cela remonte, je suppose, même avant que je ne rejoigne Lokad, si on m’avait dit — et je ne veux manquer de respect à personne qui travaille dans une boulangerie ou quoi que ce soit — mais si on m’avait dit, avant que je ne rejoigne Lokad, comment cette petite boulangerie indépendante gère-t-elle sa supply chain ou gérer les stocks, j’aurais dit : “Ils utilisent un tableur.” J’aurais dit, d’accord, cela semble correct. C’est comme deux personnes, des produits limités, c’est tout à fait normal.
Si tu m’avais dit que d’énormes entreprises aérospatiales ou pétrolières ou gazières se contentent d’utiliser un tableur Excel et ne prennent pas en compte le genre de choses que tu viens de décrire, j’aurais dit : “Cela ne peut pas être vrai. C’est bien trop futuriste et compliqué pour utiliser simplement quelque chose comme Microsoft Excel.” Ce n’est pas que ça pose problème, mais pour réaliser ce genre de choses dont tu parles, il faut aller au-delà.
Donc, ma question est la suivante : selon toi, qu’est-ce qui empêche exactement une industrie d’une importance et d’une rentabilité énormes d’adopter les outils que tu viens de décrire — encore une fois, les recettes numériques ?
Joannes Vermorel : À cet égard, le secteur pétrolier et gazier est comme la plupart des autres secteurs en ce qui concerne l’optimization de la supply chain. Les systèmes de record ne fourniront jamais de processus de prise de décision sophistiqués. Ainsi, toutes ces entreprises disposent de systèmes de record.
Qu’est-ce que les systèmes de record ? Ce sont les ERP, les WMS — c’est ce qui permet de suivre ce que vous possédez, les mouvements de stocks, les paiements et tout le reste. Des records, simplement des données brutes. C’est comme un grand livre glorifié qui contient plus qu’un simple grand livre comptable, mais qui reste fondamentalement un grand livre glorifié.
Ces trucs, tous les fournisseurs qui proposent des systèmes de record affirment depuis des décennies, sans succès, qu’ils peuvent automatiser les décisions par-dessus. Il s’est avéré que c’est une très mauvaise idée d’essayer même de faire cela dans un système de record. L’architecture logicielle de ces systèmes n’est absolument pas adaptée à cet usage.
Ainsi, les fournisseurs finissent, je dirais, par concevoir des solutions qui se révèlent très décevantes en pratique. Prenez n’importe quel ERP sur le marché. Ces ERPs auraient dû être appelés ERM — Enterprise Resource Management Systems. Prenez n’importe quel ERM sur le marché, et vous verrez que tous disposent de capacités telles que la prévision de la demande, l’optimisation de stocks, etc. Ils ont tous — du moins sur le papier — ces fonctionnalités.
Et pourtant, les gens continuent d’utiliser des tableurs Excel. Pourquoi ? Parce que ces capacités sont médiocres, elles ne fonctionnent pas. Les gens les essaient, constatent que cela ne répond même pas correctement au problème, et retombent donc dans l’usage des tableurs.
Le secteur pétrolier et gazier n’a pas une histoire véritablement exceptionnelle à cet égard. Le même problème a lieu dans de nombreux autres secteurs. C’était le même problème dans le commerce de détail, dans la fabrication, dans l’aviation. Le problème était vraiment omniprésent.
Ces systèmes de record sont fondamentaux, car c’est ainsi que vous disposez du pendant électronique de ce qui se passe dans votre supply chain, des opérations en cours — ce qui est fondamental. Mais ces systèmes ne seront pas, et ne seront probablement jamais, étendus en systèmes d’intelligence.
Je définis un système d’intelligence comme quelque chose qui est entièrement destiné à automatiser un processus de prise de décision. Et ici, cela ne se produit tout simplement pas. Cela ne s’est pas produit. Ces systèmes de record existent depuis la fin des années 70. Les gens essaient d’automatiser les décisions avec ceux-ci depuis la fin des années 70.
La plupart des fournisseurs d’ERM présentent au moins une demi-douzaine d’itérations, parfois des itérations ratées, sur leurs sites web à propos des différentes choses qu’ils ont essayées et échouées. Et cela ne vient pas de ces personnes.
La question est donc la suivante : si les entreprises pétrolières et gazières veulent prendre cela au sérieux, elles doivent considérer que la solution d’optimisation ne viendra pas de ces systèmes de record. Elle viendra de quelque chose en externe.
Et d’ailleurs, c’est déjà le cas — le tableur Excel est déjà une solution de rechange. Ainsi, la réalité de leur opération, l’outillage pour soutenir le processus de prise de décision, est déjà externe, car le système de record en lui-même n’est tout simplement pas adapté à cela.
Conor Doherty : Eh bien, c’est ça le truc parce que c’est un point très important, mais juste pour le cadrer, j’ai effectué une recherche rapide en arrière-plan. Et j’ai littéralement tapé les mots “ERP smarter decision-m” et il y a d’innombrables résultats.
Et le premier — et je ne vais pas citer de noms, il se peut qu’il ait disparu au moment de la diffusion — mais “Seven financial ERP software solutions for smarter decision-m.” Résultat suivant, “Smarter decision-m with ERPs and business intelligence.”
Maintenant, c’est en fait la deuxième catégorie une fois que l’on passe aux outils BI. Ce sont des systèmes de rapports.
Joannes Vermorel : Oui.
Conor Doherty : Donc, encore une fois, tu as bien exposé, je pense, la distinction entre un système de record et un système d’intelligence, et ensuite un système de rapports au milieu — comme l’analytique de tes données brutes.
Mais ce que tu as, je pense, qu’il reste à déballer un peu, c’est ce qui, dans cette troisième catégorie — le système d’intelligence — la rend incompatible avec un ERP ou un système de record ?
Parce que, encore une fois, tu as dit, eh bien, tu essaies de faire faire à ton ERP quelque chose qu’il ne peut pas faire, et c’est comme si tu ne pouvais pas tirer du sang d’une pierre, en gros. Pourquoi cela ? Parce qu’il semble que les gens se font induire en erreur, c’est ce que je dis.
Joannes Vermorel : Ouais, je veux dire, parce que tu n’es pas tolérant et intolérant envers la même chose. Si tu as un système de record et qu’un calcul est décalé de 1 $, simplement 1 $, le comptable perdra la tête. Ce n’est pas permis.
Même s’il s’agit d’un paiement d'1 million de dollars et qu’il a été arrondi à 1 000 010 dollars, est-ce un gros problème ? Le comptable va s’emporter. Ce n’est même pas possible — impensable. On n’arrondit rien, même pas de 1 $.
Donc, d’une certaine manière, lorsque tu traites avec des systèmes de record, tu veux une pureté complète sur une longue, longue liste de choses, avec une rigueur maniaque. Cela demande beaucoup de temps et d’efforts parce que tu souhaites avoir une pureté absolue dans bon nombre des manipulations de données que tu effectues.
Et en termes de latence, tu veux que tous ces calculs soient super rapides. Pourquoi ? Parce que je veux savoir combien de stocks nous avons actuellement pour ce produit — je veux l’information instantanément. Je veux créer une nouvelle entrée — instantanément. Je ne veux pas attendre. Tout est simple. Les calculs doivent être parfaits et donner l’impression d’être instantanés. Évidemment, le temps réel n’existe pas vraiment, mais ils doivent sembler très rapides.
La prise de décision est complètement différente. Puis-je approximer quelque chose qui était 1 million de dollars et 10 à 1 million ? Oui, absolument. Puis-je tout simplement ignorer des tonnes de choses ? Oui, absolument. Tu veux être approximatif mais correct.
Quand tu as autant d’incertitudes, imagine-toi dans une situation où tu fais face à une consommation extrêmement erratique pour une pièce, à des délais de livraison des fournisseurs également très erratiques, et où tu n’es même pas certain du prix auquel tu vas obtenir la pièce, parce qu’il y a également de l’incertitude.
Tu as donc comme trois incertitudes — la demande, le délai de livraison pour l’approvisionnement, et même le prix auquel tu vas finalement te procurer l’article. Maintenant, tu dois décider : veux-tu déclencher une demande d’achat pour ce nombre d’unités de cette pièce ? Tu vois bien que nous ne sommes même pas proches d’une précision de 1 %. Ce qui est crucial, c’est d’être approximativement correct plutôt qu’exactement faux.
Le système d’intelligence est entièrement conçu en termes de recettes numériques pour cela. Et cela signifie que tu ne te concentres même pas sur les mêmes éléments. Tu vas facilement approximer une multitude de choses si celles-ci sont sans conséquence. En revanche, tu feras des choses qu’un comptable ne ferait jamais, à savoir spéculer en permanence sur ce qui pourrait se produire.
Un système de record te dira fondamentalement si tu as acheté des pièces dans le passé, à quel prix, quel était le prix que tu as payé. Il ne va pas spéculer sur le fait que peut-être le prix que tu vas payer sera beaucoup plus élevé à l’avenir. Ce n’est pas le genre de chose qui relève du domaine des records. Mais cela relève du domaine des systèmes d’intelligence.
Conor Doherty : Donc, encore une fois, si j’ai bien compris, la manière dont j’essaierais de voir la distinction serait — encore un ERP — la différence entre un record et une décision.
Un record n’est qu’un reflet : il y avait un stylo sur la table, j’ai enlevé ce stylo, le record a été mis à jour. Alors qu’une décision — dois-je acheter un stylo ? Eh bien, combien coûte le stylo, d’où va-t-il provenir, à quel prix vais-je le vendre — cela revient, d’un point de vue computationnel, à prendre une décision. C’est bien plus impliqué et sophistiqué que simplement enregistrer une chose.
Joannes Vermorel : Exactement. Et tu ne te focalises même pas sur les mêmes éléments. Pour un système de record, tu regardes vraiment le passé et tu veux avoir une mémoire parfaitement exacte du passé. Les choses doivent être nettes, conformes, et tout le reste.
Considérons un instant ce que cela signifie. J’ai besoin d’acheter une pièce en provenance de Chine. Je n’en ai pas besoin maintenant, mais dans six mois. Dois-je acheter maintenant avec un tarif exorbitant, ou est-ce que je pense que la situation se stabilisera ? Ou est-ce que je pense que cela deviendra encore plus fou et que nous finirons avec un tarif de 200 % ?
Ce sont le genre de choses qui ne relèvent pas d’un système de record. Tu vas rendre fous tes auditeurs et comptables si tu inclus ce genre d’éléments dans le système de record.
Mais en ce qui concerne un système d’intelligence, oui, c’est exactement le genre de choses que l’on voit. L’approche est vraiment différente. Tu es prêt à approximer une multitude de choses insignifiantes.
Tu n’as pas besoin d’avoir les transactions jusqu’au dernier dollar. Tu as plein de petits coûts qui sont réels mais qui peuvent être négligés car ils représentent moins de 0,1 % du coût total.
Encore une fois, un comptable ne peut jamais dire, “Mais c’était juste une dépense de 20 $, franchement nous ne devrions même pas enregistrer cela.” Non, non, non. D’un point de vue comptable, oui, c’était juste 20 $, mais tu l’enregistres, même s’il ne s’agissait que du timbre pour expédier une cargaison de 100 000 $.
Mais encore, d’un point de vue d’un système d’intelligence, tu dis : “D’accord, je me fiche de cette chose. C’est littéralement sans conséquence. Cela complique inutilement ma logique.”
Je veux vraiment que ma logique — ma recette numérique — se concentre sur les aspects majeurs, ceux qui ont réellement de l’importance. Étant donné que ma recette numérique ne doit pas être un monstre — elle ne doit pas comporter des milliers de lignes, complètement incompréhensible — je dois me concentrer sur ce qui compte réellement, en ignorant ce qui, en grande partie, n’a pas d’importance.
Il existe une limite à la sophistication que tu peux intégrer dans cette recette numérique avant que celle-ci ne s’effondre sous le poids de son inmaintenabilité.
Conor Doherty : Juste avant de continuer, je tiens encore à souligner un point. Quand nous parlons, nous ne minimisons pas la valeur d’un système de record — c’est évidemment essentiel — et d’un système de rapports, très, très utile.
Donc, la nomenclature sert simplement à différencier. Quand nous disons intelligence, cela ne signifie pas que les autres sont bêtes. C’est juste la fonction. Le système d’intelligence produit des décisions.
Joannes Vermorel: Mais je soutiendrais qu’il est très dangereux de ne pas avoir un système de registres bête. Vous ne voulez pas avoir quelque chose d’intelligent et astucieux. Demandez simplement à un comptable et dites-lui, “Tu sais quoi, ton collègue fait des choses vraiment astucieuses en comptabilité.”
C’est très imaginatif et intelligent. Le comptable sera terrifié. “Quoi ? De la comptabilité imaginative ? Non, merci.” Je préférerais que ce soit super bête et rigide. Et oui, il y a de nombreuses règles, mais elles sont très basiques.
Ne me parlez pas de créativité sophistiquée ici. Encore une fois, un système de registres doit être le grand livre électronique. Vous voulez vraiment minimiser ce genre de… enfin, la sophistication n’est pas appropriée pour un système de registres. Nous voulons que ce soit super, super bête, super simple — aussi simple que possible — car ce n’est pas l’endroit pour élaborer de la sophistication.
Conor Doherty: Eh bien, si je devais résumer une grande partie des commentaires jusqu’à présent, cela revient essentiellement à dire que l’aversion au risque est très courante dans le secteur pétrolier et gazier. Mais il existe deux formes : il y a l’aversion au risque en ce qui concerne les stocks — ce qui a du sens compte tenu de la criticité et des enjeux financiers que vous avez décrits — mais il y a aussi, si je vous ai bien compris, beaucoup d’aversion au risque même pour les choix logiciels vis-à-vis de la première catégorie d’aversion au risque.
Donc, je ne veux pas perdre beaucoup d’argent parce que ce n’est pas pour cela que je suis dans ce métier. Je vais donc conserver beaucoup et beaucoup de stocks en réserve. D’accord, eh bien voici un logiciel conçu pour résoudre ce problème. Non, je suis également réticent à l’idée de l’utiliser.
Comment, selon vous, les entreprises conciliant-elles ces deux formes d’aversion au risque qui semblent, au premier abord, être contradictoires ?
Joannes Vermorel: Je pense que le problème est un peu — vous savez — ce n’est pas exactement formulé ainsi. Les entreprises pétrolières et gazières sont, je crois, avant tout des entreprises d’ingénierie. Ce sont des entreprises d’ingénieurs. Ce sont des défis très techniques.
La réalité, c’est que les problèmes d’ingénierie liés à l’extraction, au transport et à la distribution du pétrole et du gaz — le problème d’ingénierie — sont extrêmement intéressants. Ils sont très compliqués.
Et donc, je dirais que vous vous retrouvez dans une situation — qui est également un problème rencontré par d’autres secteurs — où il est très facile que tous vos meilleurs ingénieurs se consacrent aux tâches les plus intéressantes, c’est-à-dire inventer des technologies pour pouvoir extraire de nouvelles sources, concevoir de nouvelles technologies pour faire fonctionner et transporter le tout.
Vous voyez, la supply chain est également une discipline d’ingénierie. Mais lorsqu’on a quelque chose juste à côté qui est super brillant, éclatant et extrêmement attractif, on peut se retrouver dans une situation où ces entreprises peinent un peu à obtenir le talent dont elles ont réellement besoin pour leur supply chain.
Le problème vient du fait qu’il y a énormément d’intérêt pour les défis centraux d’ingénierie pétrolière et gazière, qui détournent les personnes — et les entreprises — des défis de la supply chain.
Encore une fois, ce n’est pas quelque chose d’unique au secteur pétrolier et gazier, mais je pense que cela tend à impacter tous ces secteurs technologiques intensifs. Les semi-conducteurs en seraient de même. Dans une certaine mesure, la mode serait la même — car si vous êtes dans l’industrie de la mode, votre intérêt porte sur la mode, et non sur la supply chain, etc.
Ce sont typiquement ces secteurs où les personnes qui y travaillent pourraient être plus enclines, si elles ont une inclination technique, à s’attaquer aux défis centraux du domaine plutôt qu’aux sous-défis de la supply chain.
Conor Doherty: Eh bien, après avoir dit tout cela et pris tout cela en considération, pensez-vous alors qu’il est faisable et/ou réaliste — à vous de choisir, faisable et/ou réaliste — d’espérer que la supply chain dans le secteur pétrolier et gazier, les supply chains pétrolières et gazières, soient un jour aussi agiles ou aussi proactives que dans d’autres secteurs ?
Parce qu’encore une fois, comme ceux que vous avez mentionnés…
Joannes Vermorel: Je veux dire, d’abord, l’échelle les rend, par conception, plus rigides. Plus vous êtes grand, moins vous êtes agile. C’est tout simplement évident. Vous pouvez essayer…
Mais il y a des degrés. Amazon est notoirement connu pour être plutôt doué pour éviter d’être un cauchemar bureaucratique complet malgré sa très grande taille. Toutefois, il est très difficile, quand on est super, super grand, de préserver l’agilité.
Et ici, le secteur pétrolier et gazier est littéralement — il n’existe pas d’industrie plus vaste. Nous parlons de projets débutant à 1 milliard de dollars. Les choses sont extrêmement grandes. Donc, en termes d’agilité, il n’est même pas réaliste de dire que le pétrole et le gaz seront aussi agiles que, disons, les acteurs du le e-commerce.
Ce n’est tout simplement pas une base raisonnable. Mais ils pourraient devenir bien plus performants — je dirais, en considérant la base appropriée — ils disposent d’un potentiel d’amélioration massif. Et encore une fois, je pense qu’avec le fait que la plupart de ces entreprises sont aujourd’hui digitalisées — elles ont donc mis en place ces systèmes de registres, elles ont déjà réalisé les gros investissements — il est temps de commencer à optimiser.
Et ce qui est intéressant, c’est qu’elles ont très souvent réalisé à l’origine ces investissements pour des systèmes de registres en pensant qu’au final elles obtiendraient un système d’intelligence. La réalité est que oui, mais généralement pas avec le même fournisseur.
Vous voyez, la réalité, c’est que oui, votre système de registres est une pierre angulaire pour ensuite optimiser, mais vous n’allez pas le faire dans le système de registres. Vous allez le faire sur autre chose — dans un système d’intelligence — et très probablement, ce sera avec un fournisseur différent.
Conor Doherty: Si je peux me permettre de décomposer cela, le degré d’agilité — ce que je voulais dire par cette question ou plutôt comment je définirais l’agilité — serait illustré par un exemple.
Vous avez un système d’intelligence capable de réagir en quasi temps réel, ou assez rapidement — je pense que c’est ce que nous avons dit plus tôt, assez rapidement — à l’état actuel de votre supply chain.
Prenez un exemple : vous effectuez des réparations sur la plateforme offshore, vous pensez connaître le devis des réparations, mais celui-ci est variable parce que vous découvrez soudainement, “Oh, il y a en réalité un problème que je n’attendais pas.” D’accord, c’est là maintenant. Suis-je préparé pour cela, oui ou non ?
J’ai un planning de réparations prêt. J’ai les techniciens. J’ai les outils. J’ai les pièces. Mais ce que je pensais devoir faire, je ne peux plus le faire parce qu’en réalité cet élément — pour lequel je n’ai pas les pièces en ce moment — est défaillant. Que fais-je ?
Selon moi, une supply chain agile serait, par exemple, celle qui dispose d’un logiciel capable de régénérer un système d’actions — un planning d’actions. Ce ne sera peut-être pas parfait. Et encore une fois, nous arrivons à l’idée que la perfection n’existe pas. Mais ce serait mieux que de simplement se dire, “Bon, on se dégonfle, on se fie au FIFO, peu importe, on verra.”
Joannes Vermorel: Mais la réalité, c’est que, d’accord, si vous avez des humains dans la boucle pour votre processus de prise de décision, surtout s’il y en a beaucoup, ce sera lent. Ce sera lent. Imaginez juste qu’en ce moment, nous avons une situation où les tarifs aux États-Unis ont considérablement évolué. Maintenant, imaginez que des centaines de personnes sont impliquées et qu’elles devront mettre à jour leurs tableurs pour prendre en compte cette nouvelle situation.
Si vous procédez ainsi, vous savez, ça va partir en vrille — d’accord, le top management a remarqué cela — ils enverront un e-mail à tout le monde en disant, “Eh les gars, je pense que vous avez tous lu les infos. Voici une mise à jour sur la nouvelle situation, bla bla bla. Mettez simplement à jour vos pratiques pour refléter la nouvelle réalité, en prenant ces chiffres comme données d’entrée.”
Mais la réalité, c’est que cela prendra du temps. Les gens ont leurs tableurs. Ils peuvent être compliqués à mettre à jour. Ce n’est pas centralisé. Certains ne font peut-être pas vraiment attention. D’autres sont peut-être déjà tellement occupés à éteindre des feux qu’ils n’ont tout simplement pas le temps.
Donc, si vous générez vos décisions avec des humains dans la boucle, il faudra de toute façon six mois pour que tout le monde soit à jour.
Et quand vous considérez la vitesse à laquelle les tarifs aux États-Unis changent par rapport au reste du monde — heure par heure — avoir un horizon de six mois pour mettre à jour vos équipes très diverses, c’est tout simplement… enfin, cela va être extrêmement lent.
Donc oui, c’est l’une des raisons pour lesquelles Lokad préconise les recettes numériques. Vous pouvez, disons, en une journée, mettre à jour la recette numérique, prendre en compte ce qui est la nouvelle réalité, tester, puis passer en production. Et toutes les décisions que vous prendrez par la suite refléteront désormais la recette modifiée, qui peut inclure les nouveaux tarifs ou tout autre changement en cours.
Conor Doherty: Encore une fois, je réalise qu’alors que nous avons discuté de cela, nous nous sommes implicitement et parfois explicitement concentrés sur l’extraction et les plateformes offshore — mais tout ce que nous avons dit ici s’applique à l’ensemble, que ce soit en amont, en midstream, en aval, etc.
Y a-t-il quelque chose d’unique dans les supply chains du midstream et du downstream dans le secteur pétrolier et gazier qui les rendrait peut-être plus adaptées ou plus propices aux types d’interventions logicielles que vous décrivez, ou est-ce simplement tout pareil — des tortues jusqu’au bout ?
Joannes Vermorel: Oui, c’est très, très similaire. Je veux dire, évidemment, dès qu’on en vient au transport, il y a une multitude de traders expérimentés. Et d’ailleurs, c’est intéressant car ils ne se considèrent pas comme faisant partie de la supply chain, mais de mon point de vue, la tarification fait partie de la supply chain.
C’est intéressant car ces processus sont déjà complètement automatisés, robotisés. Nous avons ces quants qui s’occupent de cette partie. Ainsi, lorsqu’il s’agit de spéculer sur les marchandises elles-mêmes, de les acheter et de fixer le prix du marché, ces opérations sont déjà entièrement pilotées par des logiciels.
C’est donc intéressant. C’est l’upstream où se trouve l’essentiel de la complexité physique, très asset-heavy. C’est encore, je dirais, sous-instrumenté en ce qui concerne les systèmes d’intelligence. Cela constitue le gros différenciateur.
Conor Doherty: Eh bien, nous touchons à la fin ici. Mais d’après ce que vous venez de dire — vous savez, sous-instrumenté, j’aime bien cette expression —, en réalité, personne ne passera d’une approche complètement orthodoxe et classique de gestion, disons, de la supply chain en amont, à, “Eh bien, c’est complètement robotisé de bout en bout,” en dehors des clients de Lokad.
Pour les personnes qui souhaitent faire ces premiers pas, à quoi cela ressemble-t-il en termes de logiciels ?
Joannes Vermorel: Le logiciel — c’est simplement l’exécution en parallèle. La manière dont Lokad aborde ces situations est la suivante : vous établissez vos recettes numériques, et au début, les gens continuent d’utiliser leurs tableurs. Mais ils disposent en parallèle de ce que Lokad — la recette numérique de Lokad — recommande.
Ils peuvent comparer, et décider de ce qui est le meilleur. Et Lokad ne prend pas les décisions ; nous fournissons également, dans le cadre de l’effort de white-boxing, des explications en dollars qui les justifient. Chaque décision que nous recommandons s’accompagne généralement d’une demi-douzaine d’indicateurs de performance — eux-mêmes en dollars — qui expliquent pourquoi nous pensons que c’est nécessaire. Cela pourrait être le coût de ce que vous vous apprêtez à acheter, ou le coût exprimé en temps de disponibilité supplémentaire que vous gagnez, etc. Ainsi, vous disposeriez d’une demi-douzaine d’indicateurs de performance en dollars qui motivent les avantages et inconvénients, qui justifient ce que nous recommandons.
Ensuite, nous itérons. Et à un moment donné — c’est ainsi que ces recettes numériques passent en production. Nous pensons que lorsque les professionnels de la supply chain disent, “Eh bien, aujourd’hui j’ai validé toutes vos décisions, tout comme hier et avant-hier, car franchement, elles sont simplement bonnes. Je ne vois aucune valeur ajoutée.”
Alors, nous avons résolu les problèmes. C’est tout. Et ce qui est intéressant, c’est qu’avec l’automatisation, vous n’obligez pas vos équipes à travailler deux fois plus — d’abord pour générer les décisions avec votre tableur via un processus semi-manuelf, puis pour le refaire dans un second système, également de manière semi-manuelle. C’est tout simplement un cauchemar pour l’équipe.
L’idée est la suivante — vous voulez que le nouveau système soit complètement automatisé, robotisé, et ensuite vous pouvez le faire fonctionner — ce que nous appelons l’exécution en parallèle — aussi longtemps qu’il le faut. Typiquement quelques mois, jusqu’à ce que les gens soient bien rassurés que ces systèmes sont solides, qu’ils fonctionnent bien jour après jour, et qu’ils commettent en réalité beaucoup moins d’erreurs que les humains. Lorsque les gens commencent à dire, “Oh, le système n’était pas d’accord avec moi… Oh non, j’ai mal évalué le délai.” D’accord, la recette était correcte. Alors vous décidez tout simplement d’automatiser.
Conor Doherty: Oui. Et il convient également de souligner que tous les professionnels de la supply chain côté client peuvent interagir avec les Supply Chain Scientist en charge de leur compte, et ce travail collaboratif aide à améliorer la recette numérique en intégrant leurs insights.
Parce qu’encore une fois, personne ne prétend qu’il n’y a aucune valeur dans ce qui se trouve dans l’esprit d’un professionnel de la supply chain — il s’agit simplement de tirer parti de cela et de maximiser le retour sur cet investissement grâce à l’évolutivité et à l’automatisation.
Je crois t’avoir entendu le dire une fois, Joannes. Eh bien, Joannes, je n’ai plus de questions. Mais en guise de conclusion, as-tu un appel à l’action à partager ?
Joannes Vermorel: Je veux dire, le monde du pétrole et du gaz est littéralement le fondement de notre civilisation industrielle, et il ne va nulle part. Il ne va nulle part. Malgré ceux qui affirment qu’il y a un pic pétrolier et autres, non, il est là pour rester. Il restera pendant très, très longtemps.
Et même si le monde parvenait à passer à l’énergie nucléaire pour l’énergie pure, il s’avère qu’il existe de nombreux cas où ce n’est tout simplement pas très approprié. Par exemple, concernant les avions électriques, nous n’avons même pas la moindre technologie qui permettrait que cela fonctionne. C’est pareil, par exemple, pour l’exploitation forestière. Vous avez besoin de camions très costauds pour cela. Ces engins ne fonctionneront pas avec des batteries. Batteries et plus de charge. Et cela est vrai pour la plupart des équipements lourds que nous utilisons — pour l’agriculture, pour l’exploitation minière, pour une multitude de choses. Ces équipements dépendent du pétrole.
Et puis, il y a aussi le plastique dont nous avons besoin pour une multitude de choses. Et contrairement à ce que disent les médias — “Oh, we have too many plastics with packaging” — oui, mais la plupart des instruments chirurgicaux sont également fabriqués en grande partie en plastique.
Donc oui, ça ne va nulle part. Et je pense que cette industrie adopte aussi une approche ingénierie. Si je devais émettre une légère hypothèse sur les décennies à venir, je supposerais que cette industrie va prendre le train de l’IA et simplement automatiser des tonnes de tâches administratives de back-office. Je veux dire, c’est de cela dont il s’agit ici — il y a littéralement une industrie qui emploie des centaines de milliers de commis effectuant des tâches de back-office. Ils sont absolument nécessaires, sinon ces entreprises s’arrêteraient net. Mais il existe un potentiel énorme à simplement mécaniser cela et libérer ces personnes pour qu’elles puissent accomplir des tâches plus intéressantes.
Conor Doherty: Eh bien Joannes, je partage ton enthousiasme. Et je te remercie sincèrement pour ton temps. Et je vous remercie tous d’avoir regardé. À la prochaine.
