Expliquer l'optimization aux dirigeants (avec Adam Dejans Jr & John Elam) - Ep 184

00:00:00 Vue d’ensemble de l’optimization de la supply chain et contexte Toyota
00:07:28 Communiquer la valeur aux dirigeants; décisions et argent
00:12:45 Transformation digitale : simplifier la complexité à grande échelle
00:17:49 Adopter des méthodes modernes de supply chain et leur terminologie
00:24:00 Données brutes et cas limites dans la préparation à la production
00:29:44 Améliorer les décisions : objections, perturbations et prévision
00:34:05 Des décisions sûres et la gestion du risque fournisseur
00:36:23 Problèmes jouets et incertitude réelle dans la supply chain
00:41:13 Autonomiser les dirigeants, tests de scénarios et ROI
00:46:10 Impact business : aller au-delà des métriques de précision
00:49:45 La demande est conçue : accessoires, prévisions et historique
00:55:01 Co-rédiger l’optimization et la valeur des relations
01:00:51 Alignement des parties prenantes, culture et tactiques de gestion
01:09:29 Piloter la transformation digitale et modifier les KPIs
01:15:19 Logiciels, incitations et leçons des géants du business
01:21:17 Audience, langage et communication efficace ; conseils livresques

Résumé

Dans une interview sur LokadTV, animée par Conor Doherty, l’optimization de la supply chain occupe le devant de la scène avec les intervenants Joannes Vermorel, CEO de Lokad, Adam Dejans Jr et John Elam de Toyota. Le dialogue explore la prise de décision dans les supply chains globales, en mettant l’accent sur les changements culturels et la simplification des processus complexes. Adam Dejans Jr souligne la nécessité de reconsidérer le système, tandis que John Elam met en lumière l’échelle opérationnelle comme source de complexité et insiste sur l’alignement du langage avec les résultats souhaités. La conversation met l’accent sur la transparence et l’établissement de la confiance, appelant à une introduction progressive de la complexité. Des perspectives sont partagées sur l’importance de simplifier la communication pour engager les dirigeants, en présentant des approches culturelles variées, et en prônant un apprentissage continu pour transformer les pratiques héritées.

Résumé étendu

Dans une interview animée par Conor Doherty, nous plongeons dans le domaine complexe de l’optimization de la supply chain, avec Joannes Vermorel, CEO de Lokad, Adam Dejans Jr et John Elam de Toyota. Cette discussion révèle une exploration multifacette de l’optimization dans les supply chains, abordée avec diligence et clarté.

La conversation commence par une interrogation sur la prise de décision dans les transformations globales de la supply chain. Adam Dejans Jr souligne que les transformations vont au-delà de la simple automatisation, nécessitant des changements culturels et des adaptations face aux perturbations. Il insiste sur l’importance de reconsidérer les systèmes plutôt que de se contenter de moderniser les processus, un sentiment partagé par Joannes Vermorel, qui met en évidence la complexité introduite par la division du travail au sein des grandes organisations. Pour Vermorel, la simplification est un contrepoint essentiel à cette complexité.

John Elam enrichit le débat en identifiant l’échelle opérationnelle comme une source de complexité plutôt que les questions elles-mêmes. Il préconise d’aligner le langage sur les résultats souhaités, notamment lorsqu’il s’agit de convaincre les dirigeants. Adam Dejans Jr poursuit cette approche en conseillant une introduction progressive de la complexité pour instaurer la confiance et en soulignant le rôle des obstacles politiques dans la complication des séquences de décision.

A travers des comparaisons poignantes, Joannes Vermorel évoque des concurrents comme SpaceX qui adoptent des pratiques efficaces malgré les défis politiques, affirmant que les entreprises refusant de rationaliser se confrontent à des menaces existentielles. Un consensus émerge : comprendre et intégrer les perspectives politiques et commerciales est essentiel.

Au fur et à mesure que le dialogue évolue vers l’engagement des dirigeants autour de l’optimization, Elam et Dejans Jr réitèrent l’importance d’embrasser l’incertitude et d’aligner les plans sur des indicateurs financiers plutôt que sur des termes purement techniques. Ils préconisent de commencer par des modèles simples afin d’introduire progressivement des couches complexes, favorisant la transparence et la construction de relations pour obtenir l’adhésion aux cadres d’optimization.

En examinant l’approche de Lokad, Joannes Vermorel décrit l’accent mis sur les prévisions probabilistes et la nécessité de privilégier les résultats plutôt que les moyens techniques. Il souligne l’importance d’itérer et d’affiner les décisions, en particulier lorsqu’il s’agit de traiter des cas limites afin d’assurer des solutions complètes et prêtes pour la production.

John Elam et Adam Dejans Jr établissent des parallèles avec les opérations de Toyota, en se concentrant sur la compréhension des supply chains complexes et la validation des processus au sein des responsabilités managériales. Ils insistent sur l’importance de construire la confiance grâce à des améliorations objectives de la performance, alliant transparence et stratégies pratiques malgré une compréhension partielle.

Les questions de Conor Doherty mènent à explorer la gestion du changement, avec John Elam introduisant des problèmes jouets pour illustrer l’intégration de l’incertitude dans la prise de décision. Cette approche, ainsi que l’expérience d’Adam Dejans Jr en proposant des suggestions accessibles aux concessions, met en lumière l’efficacité d’une communication simple pour engager des dirigeants peu intéressés.

La conversation se tourne vers les approches de gestion culturelle, contrastant les styles entre les entreprises tech américaines et les pratiques françaises, mettant en avant des impacts différents sur la dynamique de l’entreprise. De nouvelles approches de leadership créatif émergent comme essentielles pour surmonter les systèmes hérités et impulser un changement innovant au sein des entreprises établies.

Un aspect important concerne la simplification du langage pour une communication efficace avec les dirigeants. John Elam partage des insights provenant de son enseignement en rhétorique et en rédaction technique, améliorant l’engagement en adaptant les messages à l’audience et au contexte. Ce discours se conclut par des recommandations de lecture, soulignant la valeur de l’apprentissage continu et de l’adaptation.

Tout au long de l’interview, des insights profonds émergent sur la manière de faire le lien entre l’expertise technique et la prise de décision des dirigeants. C’est un voyage dans la navigation de complexités et la promotion d’une évolution collaborative, soutenue par l’humilité, une communication stratégique et une quête incessante de résultats tangibles dans le domaine de l’optimization de la supply chain.

Transcription complète

Conor Doherty : Tout le monde veut une optimization de la supply chain réussie, mais les gens ne prennent souvent pas le temps de s’assurer que tous les intervenants, en particulier les dirigeants, comprennent ce que cela signifie réellement. Heureusement pour vous, le panel d’aujourd’hui va aborder exactement ce sujet. Me rejoignent aujourd’hui Adam Dejans et Johnny Elam de Toyota, et en studio, le fondateur de Lokad, Joannes Vermorel.

Avant de commencer le panel, vous connaissez la procédure : aimez la vidéo, abonnez-vous à la chaîne YouTube et suivez-nous sur LinkedIn. Et maintenant, sans plus attendre, je vous présente le panel d’aujourd’hui.

Eh bien, Adam, John, merci beaucoup de nous avoir rejoints. Cela pourrait être la réponse la plus rapide que nous ayons jamais eue sur LokadTV, car je vous ai contacté, Adam, il y a quelques semaines et vous êtes déjà là. Merci d’être présents.

Adam Dejans Jr : Merci de nous recevoir. Nous sommes ravis d’être ici.

Conor Doherty : John, nous commencerons avec vous. Pouvez-vous présenter au public de LokadTV votre parcours et ce que vous faites chez Toyota ?

John Elam : Je m’appelle Johnny Elam. Actuellement chez Toyota, je suis manager des analyses commerciales et de la stratégie. J’occupe un rôle un peu de tech lead, de product owner, où je gère trois produits différents dans la supply chain qui contribuent à remplir les fonctions de la supply chain.

Il y a toutes sortes de fonctions qui se déroulent, n’est-ce pas ? Il y a la détection de la demande, l’exécution de l’offre. Nous avons même un moteur de préférences clients, où nous essayons de comprendre ce que les gens aiment en examinant les ventes passées. Ainsi, je gère trois équipes différentes qui s’en occupent. Mon parcours, qui m’a conduit ici, inclut des expériences en tant que développeur d’applications, analyste de données, ingénieur de données, et j’ai suivi une progression linéaire naturelle dans ma carrière qui m’a amené à être product owner, reliant mes connaissances techniques à la vision globale de l’entreprise. Ravi d’être ici.

Conor Doherty : Adam, je sais que vous travaillez tous les deux chez Toyota, mais je sais que toi, Adam, tu es dans le Michigan, et John, tu es au Texas. Alors Adam, comment es-tu arrivé chez Toyota et que fais-tu exactement ?

Adam Dejans Jr : Oui, mon parcours est en mathématiques et en recherche opérationnelle. J’ai fait carrière dans l’industrie automobile pendant un certain temps puisque je suis né à Detroit. C’est en quelque sorte tout ce qu’il y a à dire. J’ai travaillé chez Ford pendant un moment, fait un passage dans le conseil, puis j’ai rejoint Toyota pour revenir à la véritable propriété des produits plutôt qu’à louer mon temps.

Actuellement chez Toyota, je travaille en tant que principal decision scientist. Je travaille principalement sur la transformation de la supply chain avec John. Bien que je sois dans le Michigan, je ne travaille pas au Centre du Michigan. Je travaille en fait au siège du Texas, à distance pour le moment.

Mon objectif est de travailler avec John sur nombre de ses produits également, mais j’aborde cela d’un point de vue plus technique, en me concentrant sur la conception des systèmes et les fondements mathématiques des différents algorithmes et produits que nous possédons. Notre objectif est une transformation de la supply chain en Amérique du Nord qui ait un impact mondial, en utilisant nos apprentissages pour nous étendre globalement. Nous sommes actuellement en plein effort de transformation digitale.

Conor Doherty : Merci. Eh bien, merci pour cette introduction. Lorsque vous parlez d’une transformation nationale et possiblement même globale, comment les décisions s’intègrent-elles dans tout cela ? Parce que c’est quelque chose que j’ai souvent vu Adam aborder sur LinkedIn, et votre focus n’est jamais sur un élément isolé. On se concentre toujours sur les décisions. Alors, comment s’insèrent-elles dans l’optimization de la supply chain que vous décrivez ?

Adam Dejans Jr : Je pense que le plus important est qu’il s’agit vraiment d’un changement culturel, surtout pour les entreprises qui existent depuis longtemps. Beaucoup de processus, même chez Toyota aujourd’hui, sont encore manuels. La première chose que font les gens lors d’une transformation, c’est vouloir automatiser ce qui existe déjà.

Ils veulent donc automatiser toutes ces étapes qui se succèdent manuellement. Mais cela ne change pas grand-chose ; il s’agit plus d’une automatisation que d’une transformation. Une transformation nécessite de repenser l’ensemble du système. Ces étapes pourraient ne plus exister de la même manière aujourd’hui, avec l’automatisation par ordinateur. Pour déterminer le fonctionnement du système, vous commencez par les indicateurs de performance que vous souhaitez atteindre, ensuite les décisions à prendre pour atteindre ces indicateurs, et enfin, ce qui pourrait mal tourner dans le système et comment y remédier.

Nous nous préoccupons d’éléments tels que la pandémie, les grèves portuaires, ou lorsque des pièces ne sont pas disponibles. Quand des pièces censées arriver ne le font pas, ou s’il y a un lot de pièces défectueuses — comment décidez-vous de la suite ? Comment décidez-vous de le faire de manière intelligente, automatique, et adaptable en temps réel ?

John Elam : Il faut également être pragmatique quant aux limites du contrôle. Nous sommes une entreprise mondiale avec un contrôle en Amérique, mais en dehors de cela, nous faisons des demandes. Le Japon est la société mère ; ils prennent les décisions sur de nombreux éléments contrôlés à l’échelle mondiale, comme les moteurs et autres ressources stratégiques d’approvisionnement. Nous sommes en concurrence avec Toyota Motors Europe et Toyota Motors Asia pour remporter des approvisionnements distribués mondialement.

Une partie de la prise de décision consiste à déterminer quelles décisions nous pouvons réellement prendre. Ce serait bien de pouvoir prendre certaines décisions, mais ce n’est pas encore le cas. Une partie du travail consiste à prouver notre valeur, à croître, et à montrer comment nous pouvons aider le monde. Commencer petit et connaître nos limites est essentiel ; les gens trébuchent en imaginant un état idéal sans comprendre la réalité — vous pouvez prendre certaines décisions, mais certaines choses échappent à votre contrôle.

Conor Doherty : Joannes, je te rejoins d’ici un instant, mais juste pour rebondir, John, quand tu évoques Toyota comme une entreprise énorme, bien établie et prospère, comment commencez-vous à orienter les gens dans la direction dont parle Adam ? Passer des anciennes méthodes de prise de décisions dans la supply chain à une approche davantage axée sur l’optimization et la recherche opérationnelle ?

John Elam : Pour cela, j’ai en quelque sorte la même réponse pour tous les projets. C’est ce que la plupart des techniciens ne veulent pas entendre, mais c’est la dure réalité. Rencontrez-les là où ils se trouvent. S’ils évoluent dans un monde de moyenne, de médiane, de mode, allez dans ce monde et utilisez ce langage. Déterminez ce qu’ils savent et parlez-leur dans ce langage. Personne ne veut apprendre une nouvelle langue.

Je ne veux pas apprendre le portugais ; je peux mener une vie réussie sans cela. Au Portugal, c’est utile. Il existe des langues nécessaires à la survie dans certains environnements locaux, mais tout le monde n’en a pas besoin. En tant que jeune ingénieur apprenant de nouvelles choses, j’ai compris que la plupart des gens ne se préoccupent pas des maths ou des outils ; ils se soucient de ce que cela peut faire pour eux dans leur univers.

Pour le leadership en affaires, il s’agit d’argent. Combien d’argent pouvons-nous gagner, combien de temps puis-je économiser, etc. Je laisse mon propre langage de côté et adopte le leur, afin de favoriser la compréhension. Je peux connaître une meilleure direction et la mettre en lumière en utilisant leur langage. C’est la seule façon de faire avancer les choses.

Conor Doherty : Eh bien, Joannes, qu’en penses-tu ? Parce que nous opérons en Europe, c’est l’Amérique du Nord, expérience similaire ou non ?

Joannes Vermorel : Oui ou non. Vous voyez, mon point de vue quand j’observe les grandes organisations est que lorsqu’on parle — nous parlons ici de plusieurs ingrédients : une grande organisation, une transformation digitale, et la prise de décisions. D’accord, rassemblons ces éléments.

La réalité est que dans les supply chains, les décisions sont extrêmement simples. Elles n’ont pas besoin d’un langage spécifique. Nous parlons, par exemple — supposons que Toyota soit capable de produire 50 millions de moteurs par an. Admettons que ce soit un chiffre fictif. Je ne connais pas les chiffres.

Et puis la question se pose de savoir comment ils doivent répartir cette production : une partie pour l’Amérique du Nord, une partie pour ceci, une partie pour cela. Très bien. La question porte donc essentiellement sur l’allocation des ressources et des moteurs. D’accord, les détails sont évidemment bien plus compliqués — il y a de nombreux types de moteurs, etc. Très bien. La réalité est que nous avons une série de décisions simples concernant les supply chains.

Il s’agit principalement d’allouer des ressources, de les déplacer. Ce n’est pas fondamentalement très abstrait. Ce n’est même pas si difficile à saisir. Cela comporte un élément physique et tangible. Cependant, les grandes entreprises, lorsqu’elles envisageaient de le faire manuellement, devaient organiser une division du travail.

Et ainsi, vous vous retrouvez avec une décision très simple, et vous avez 20 fonctions différentes dans l’entreprise qui y contribuent de manière fragmentée. Ce n’est qu’une conséquence de la division du travail. Si vous aviez une IA super-intelligente ou autre, elle n’aurait pas besoin de cette division du travail—ce serait juste une entité qui prendrait la décision directement.

Et très souvent, quand je vois ce genre de complication, de langages—mon point de vue est que, d’accord, ce que nous observons est principalement un effet secondaire de la division du travail, où il y a une explosion de complexité. Mais c’est complètement fabriqué, vous voyez ? Ce n’est pas réel. C’est quelque chose de synthétique, créé pour soutenir votre très grande organisation.

Et très souvent, la question est de révéler l’essence de ce qui est décidé à travers toutes ces couches de complexité. Habituellement, c’est là que se trouve la véritable surprise—vous pouvez vous retrouver avec 200 personnes interagissant, mais au final, ce n’est qu’un chiffre. Et peut-être devriez-vous—et c’est ce qui est intéressant—si vous disposez de quelque chose de numérique qui peut calculer comme un ordinateur, vous réalisez que vous n’avez pas nécessairement besoin d’impliquer 200 personnes dans ce processus.

C’est là que je pense que la transformation est très significative. C’est ce que nous avons réalisé chez Lokad. Nous avons très souvent remplacé des processus extraordinairement complexes à cause de la division du travail par quelque chose qui, au final, est assez simple. Vous n’avez tout simplement pas besoin d’autant de personnes. Et le fait d’avoir tant de personnes créait une classe de problèmes qui disparaît lorsque vous mettez en place une recette numérique.

Conor Doherty : John, tu acquiesçais à plusieurs reprises. Je suis simplement curieux d’avoir ton avis.

John Elam : Non, c’est—il a totalement raison. Il y a beaucoup de complexité fabriquée qui existe simplement à cause de l’ampleur du problème que nous devons résoudre, n’est-ce pas ? Par exemple, nous avons un outil qui comporte environ 21 000 contraintes différentes.

Donc, aucun humain ne va gérer cela. Les humains le géraient, mais pas en le gérant véritablement. Plutôt comme un “déplacer d’un côté à l’autre,” ce genre de gestion—et non pas “comment devrais-je réorganiser ces informations pour prendre une meilleure décision ?”

Il n’y avait aucun moyen d’organiser ces informations de manière à permettre à un humain de prendre une bonne décision. Donc oui, j’ai vu de mes propres yeux comment les outils, utilisés au bon endroit, tranchent simplement à travers la complexité et la réduisent à quelque chose de simple.

Parce que tu as raison, bien souvent nous essayons simplement—si c’est dans le domaine de la prévision des séries temporelles, nous voulons juste comprendre quelle est la demande. Si c’est pour l’allocation, nous voulons simplement optimiser pour mettre ces éléments là où ils doivent aller. La décision concrète, comme tu l’as dit, est très tangible—on peut voir le moteur aller dans cette usine pour fabriquer cette voiture.

Mais oui, c’est la quantité d’opérations en cours qui crée la complexité. Ce n’est pas la question en soi.

Adam Dejans Jr : Je suppose donc que j’ai quelque chose à ajouter. Comme je le disais, oui, vous avez ces séquences de décisions. Je ne l’ai pas formulé de manière aussi élégante, mais ce processus—l’un des problèmes est que cette séquence relève de différents piliers de la gestion.

Et cela peut dépendre de différentes parties de l’organisation, et ils ne vous laisseront même pas accéder à certaines de ces sections. Il y a donc beaucoup de cela—peut-être que vous pouvez proposer une solution, mais politiquement, cela ne fonctionne pas. Politiquement, c’est presque comme s’il fallait tout inverser.

Vous pourriez avoir une décision découpée en 20 morceaux, mais ensuite vous devez prendre cinq mesures et les automatiser simultanément, puis les cinq suivantes. Ensuite, vous procédez progressivement. Mais c’est aussi un problème vraiment négligé : l’aspect politique.

Joannes Vermorel : Je suis complètement d’accord. Mais ici, mon message est—eh bien, ne vous laissez pas abattre par ces considérations politiques. Prenez un exemple concret : une entreprise américaine incroyablement prospère, SpaceX. Ils ont décidé, contrairement à la NASA et à Ariane Group, d’avoir une supply chain pour leur fusée, rationalisée et organisée de manière sensée.

Cela peut sembler classique, car en réalité, ce n’est pas super innovant. En général, la grande majorité des entreprises modernes sont organisées de cette façon. Sauf lorsqu’il s’agissait de fusées, Ariane Group en Europe répartissait la construction des fusées à travers littéralement toute l’Europe de l’Ouest.

Vous construisez donc vos fusées dans 50 endroits différents juste pour satisfaire chaque État européen. Il s’est avéré que la NASA faisait exactement la même chose avec ses propres fusées—répartissant la fabrication dans chaque État des États-Unis. Il s’avère que c’est complètement dysfonctionnel.

La conséquence est que vous vous retrouvez avec une organisation qui produit des choses à un coût extravagant. Ça fonctionne jusqu’à ce qu’un concurrent décide simplement, “Au diable la politique, nous allons rationaliser les choses.” La politique, tant pis—faites quelque chose qui a du sens.

Mon point de vue est que vous pouvez vous permettre d’y aller doucement et de préserver les prérogatives et les fiefs de tel ou tel patron—tant que vous ne subissez pas trop de pression de la part des concurrents. Si vous avez des concurrents qui vous pressent réellement, alors vous n’avez pas ce luxe.

Je conviens que c’est un grand défi. Mais historiquement, de nombreuses entreprises qui étaient par ailleurs excellentes ont fait faillite parce qu’elles n’ont pas réussi cette transformation. Le concurrent trouvait simplement un moyen de simplifier, parfois drastiquement, la manière de faire des affaires—et soudain, ils proposaient des prix plus bas.

Et les anciennes entreprises ne pouvaient pas survivre dans ce nouvel environnement.

Adam Dejans Jr : Nous sommes d’accord—totalement d’accord. Je suppose que mon point est qu’il y a deux aspects : l’un, si vous le regardez du point de vue de l’entreprise, et l’autre, si vous le considérez comme individu. Ce sont deux approches différentes.

Joannes Vermorel : Mais Toyota est très, très compétitif. Actuellement, par exemple, le Royaume-Uni n’a presque plus d’industrie automobile. Ils ont tous disparu, comme le dodo, faute de pouvoir adopter des méthodes de production plus modernes.

Conor Doherty : Eh bien, si je peux relier quelques points et revenir au sujet principal—convaincre les gens, en particulier les dirigeants, de s’engager dans l’optimisation. Un élément clé de cela, John, est d’embrasser l’incertitude. Je suis simplement curieux—dans votre contexte, que ce soit chez Toyota ou dans le conseil—comment faites-vous, lorsque vous êtes dans des entreprises avec des systèmes hérités, des pratiques établies et une politique interne, pour convaincre les gens de voir les choses de votre point de vue en ce qui concerne les décisions—qu’il s’agisse de prévisions probabilistes ou autre chose ?

John Elam : Oui, cela commence de la même manière que ma première réponse. D’abord, déterminez où ils en sont. Où en êtes-vous ? Apprenez leur langage. Mais ensuite, amener quelqu’un à ce niveau de réflexion, même en se limitant à l’optimisation déterministe—pour certains, c’est une toute nouvelle manière de travailler. Et puis, moins encore avec une la Supply Chain Quantitative ou un SDA, où vous ajoutez en fait une composante temporelle—c’est tout un autre niveau.

Et donc, honnêtement, je les ajoute souvent en plusieurs couches. D’accord, commençons par où vous en êtes. En ce moment, ils appliquent simplement les traditionnels taux de stocks min/max ou une logique de réapprovisionnement. Franchement, vous commencez simplement—si vous le pouvez, et cela peut être difficile car il peut y avoir de nombreuses interdépendances, de sorte qu’essayer de construire quelque chose d’optimal devient un optimum local—mais trouvez quelque chose qui puisse, espérons-le, être découpé et containerisé. Prouvez-le sous forme de POC et montrez-leur sa valeur.

Et ensuite, établissez la connexion avec eux. Une grande partie consiste, franchement, à parler et à utiliser leur langage. Ils se préoccupent des dollars, des heures, des facteurs de sécurité. Ils se fichent des p-values. Ils ne se préoccupent pas de ce qu’est la variance. La moitié du temps, ils ne savent même pas ce que cela signifie. Aussi regrettable que cela soit—oui, c’est regrettable—mais c’est simplement là où ils en sont. Ce n’est pas le langage qu’ils emploient. Nous l’avons adopté et utilisé pendant des années, mais eux, ils parlent de part de marché, de profit, de chiffre d’affaires, de volume. Ce sont les termes qu’ils utilisent.

Et donc, en connectant et en illustrant—en créant des exemples simplifiés. Commencez par : voilà où vous en êtes, voilà ce que je propose, avec un problème fictif. Un petit exemple Excel simple. Voici comment cela se déroulerait. Puis, vous prenez une solution réelle qui fonctionne et vous la faites tourner en parallèle pendant un certain temps. Voici votre processus, voici le mien. Surtout si vous ne faites même pas d’optimisation déterministe—mon Dieu, cela dépasse tout dès le premier essai si vous mettez en place un bon modèle.

Et alors, vous gagnez leur confiance. Et une fois cette confiance acquise, vous disposez d’une plus grande liberté pour expérimenter. Puis, encore, vous introduisez le niveau suivant. Vous ajoutez simplement à chaque fois une couche supplémentaire de complexité. Et finalement, vous les amenez à comprendre le cadre—voilà comment aborder des problèmes d’optimisation dans le temps, voilà comment aborder des décisions de prévision dans le temps. Ils vous laisseront commencer à élargir le sujet. Mais il n’y a pas de raccourci—vous ne pouvez jamais vous présenter et convaincre uniquement par la vente. Convaincre, c’est prouver.

L’une des choses dont je parle beaucoup avec les équipes produits avec lesquelles je travaille est la suivante : si vous voulez aller vite, il faut avoir la confiance. Et pour avoir la confiance, il faut être transparent. Je suis donc très transparent avec eux sur ce que je veux faire et comment je veux y parvenir. Très souvent, ils réciproquent. Le biais de réciprocité est extrêmement fort. Et ainsi, les gens sont prêts à partager certaines de leurs informations. Une grande partie repose sur les relations. J’aimerais pouvoir résoudre cela mathématiquement, mais obtenir que les gens m’apprécient, honnêtement, c’est neuf dixièmes de la bataille.

Conor Doherty : Joannes, encore une fois—dans quelle mesure cela correspond-il à tes expériences chez Lokad ?

Joannes Vermorel : Chez Lokad, nous procédons de manière assez différente. Pour nous, la façon d’aborder le problème—les moyens, en particulier les moyens techniques, sont en quelque sorte sans importance. Au bout du compte, oui, nous utilisons des prévisions probabilistes—ça va. L’optimisation stochastique—ça va. Je veux dire, beaucoup de choses dont ils n’ont jamais entendu parler, qu’ils ne connaissent pas, dont ils se moquent, et pour lesquelles ils n’ont pas le temps. Et ça va.

Ce que nous voulons, c’est atteindre un point où ces décisions sont clairement identifiées. De nombreux domaines—cela peut être l’allocation de la production, l’allocation de stocks, la quantité d’achat, voire l’optimisation des prix, avec des prix à la hausse ou à la baisse. Peu importe. L’étape clé pour gagner la confiance est d’atteindre—soit dit en passant, c’est techniquement notre objectif principal pour passer en production—0 % de folie. Nous devons donc générer des décisions, idéalement par millions, à une échelle massive. Nous visons directement cette échelle massive.

Et il y a une raison à cela—c’est en fait plus facile, plus rapide et moins cher. Cela peut sembler contre-intuitif, mais la plupart des statistiques fonctionnent mieux lorsque vous disposez de plus de données. Et extraire des données d’un ERP—si vous voulez les filtrer, c’est plus logique. Donc, si vous ne les filtrez pas, c’est en fait plus simple—si vous disposez des outils appropriés. Habituellement, le filtrage engendre beaucoup de complications, surtout dans l’extraction de données.

Nous préférons donc dire : nous allons travailler avec nos systèmes, nous ne filtrons pas, nous prenons tout. Ça va. Cela rend tout simplement les choses plus faciles. Et puis, la question est—quand je dis que ces décisions devraient comporter 0 % de folie—cela signifie que les gens doivent pouvoir examiner toutes les décisions que nous avons générées sans formuler la moindre objection.

Au départ, nous allons itérer, car les gens auront des objections. Ils diront, “Oh, cette décision est intéressante, mais nous ne pouvons pas à cause de ci et de ça.” Très bien. Nous modifions la logique et nous réglons cela. Ou bien : “Ici, tu ne fais pas vraiment attention. C’est un client VIP.” Oh—nouveau concept, client VIP. Je ne savais pas. Il n’était pas documenté que vous aviez des clients VIP. Explique-moi en plus. Explique pourquoi ce client est tellement plus important. Très bien. Ensuite, nous allons prendre en compte ces clients VIP pour vous, etc., etc. Répétez. Itérez. À grande échelle, avec des paramètres maximaux.

Et au final, l’idée est qu’en quelques semaines, vous disposerez de quelque chose où les gens ne peuvent plus contester quoi que ce soit. C’est là que nous gagnons leur confiance. Soudainement, ils ont un système qui génère simplement des décisions très faciles à comprendre—parce que ce sont des décisions. Et personne n’a vraiment d’objection à quoi que ce soit.

Pour nous, c’est ainsi que nous gagnons la confiance. Habituellement en acceptant tous les cas limites, toutes les bizarreries. Ainsi, cela n’a pas l’air d’un simple POC. Ça dégage littéralement une impression de préparation à la production. Même si ce n’est techniquement qu’un pilote—c’est vraiment à grande échelle, avec une couverture maximale de toutes les bizarreries. Ce qui signifie que, si vous n’êtes pas optimal d’un point de vue de l’optimisation—si vos outils sont rudimentaires et autres—ça va. Cela peut être reporté à plus tard. Pour nous, le problème initial n’est pas tant d’avoir quelque chose d’hyper-optimisé, mais d’avoir quelque chose sur lequel il n’y a pas une seule ligne susceptible de recevoir une objection valable.

John Elam : Je pense que nous touchons à quelque chose de similaire. Quand je dis “supprimer quelque chose”, ce que je veux dire, c’est que la supply chain de Toyota implique… Je veux dire, je suis ici depuis trois ans et je n’arrive toujours pas à comprendre. Nous avons des fournisseurs de quatrième et cinquième niveau. Nous avons des accessoires—des accessoires installés dans une usine, des accessoires installés par le concessionnaire, ou des accessoires installés par un centre de distribution de véhicules. Et puis, vous pouvez également acheter des accessoires chez nous.

Et ce ne sont que des accessoires. Ensuite, les moteurs—nous les fabriquons partout dans le monde. Ainsi, souvent quand je dis “POC”, ce que je veux dire, c’est l’une de ces lignes de service. Vous n’allez pas tout choisir—parce qu’ils se recoupent tous. C’est un autre problème. Je dois établir correctement ma prévision de véhicules pour obtenir une bonne prévision d’accessoires. Parce que j’essaie de prévoir : combien de pare-boues vais-je mettre sur des Siennas ? Eh bien, combien de Siennas fabriquez-vous ?

Donc c’est comme essayer de découper – d’accord, lequel je peux réellement… est-ce que je peux rester dans une voie ? Et souvent, quand je dis une voie, c’est franchement la responsabilité d’un manager. Parce que leur sphère d’influence a des limites. Tu as donc absolument raison. Une chose que j’apprécie dans ce que tu as dit, c’est : tu couvres tous les cas limites dans ce que nous allons aborder. Oui – nous allons fabriquer cette chose. Si tu actionnes l’interrupteur, c’est prêt pour la production. Ça résout tous les problèmes.

Oui, je ne peux pas être assez d’accord avec toi sur ce point. Chaque fois – j’appelle cela mon approche de « transformation méthodique des données ». C’est un peu comme, comment abordes-tu les choses ? Est-ce que tu procèdes processus par processus en entraînant l’ensemble de l’organisation dans ce cheminement ? Ou bien commences-tu par une partie de l’organisation et effectues-tu tous ses processus, pour ensuite les diffuser en cascade ? Ce sont deux façons différentes de le faire.

Mais de toute façon, que tu le fasses processus par processus en couvrant tous les différents secteurs de vente ou autre, ou que tu te concentres uniquement sur l’Amérique du Nord et que tu essaies de tout couvrir – quelle que soit la voie que tu choisis, elle doit être terminée à 100 %. Parce que c’est la seule manière d’obtenir la confiance – en montrant que je fais réellement aussi bien que toi. Et dans bien des cas, je fais objectivement mieux. Et c’est ce que j’entends par POC.

Donc oui, je pense que tu as raison. Je n’entends pas par POC que cela soit une expérience de foire scientifique – je veux dire que le concept a vraiment été prouvé. Et qu’idéalement, lorsque le POC est terminé, tu disposes d’un véritable MVP. C’est un produit utilisable. Il aide l’entreprise à ajouter de la valeur, une fois que tous ces cas limites ont été traités. Mais oui, c’est un très bon point. Je ne veux pas que les gens pensent que nous construisons comme avec des Jupyter notebooks et que nous considérons le travail comme terminé.

Joannes Vermorel : Oui, exactement. Des notebooks. Exactement. C’est – je dirais – le piège de la data science que j’ai vu tant de fois. La chose contient tellement de lignes qui sont manifestement fausses que les gens – les opérationnels, tu sais, les personnes qui, au final, seraient responsables des décisions – ils regardent simplement les chiffres et tous les dix lignes, ils trouvent quelque chose de complètement fou. Quelque chose qui est tout simplement délirant. Ça ne fonctionnerait pas, ne décollerait pas, causerait des dégâts, des complications.

Et pour moi, c’est le moyen le plus rapide de perdre toute crédibilité. Peu importe la technologie utilisée – si les managers qui examinent les décisions peuvent repérer des absurdités, il faut procéder à d’autres itérations. Et tu dois itérer jusqu’à ce qu’il n’y ait plus d’objections. Les gens regardent ces décisions et disent : “Eh bien, si un collègue les avait prises, j’approuverais tout cela.” Probablement, avec le temps, certaines de ces décisions s’avéreront être des erreurs – car, encore une fois, les prévisions ne sont pas parfaites. Mais pour l’instant, compte tenu des informations dont je dispose, j’approuverais tout cela. Et c’est tout.

John Elam : Oui. C’est une bonne manière de le voir. C’est un bon modèle mental. Un collègue considérerait-il que c’est une prévision raisonnable, une décision, ou autre ? Et s’ils n’arrivent pas à ce point, tu ne peux pas aller plus loin. Tu n’as pas encore gagné la confiance.

Joannes Vermorel : Et très souvent, lorsqu’il y a des objections, il y a fréquemment des éléments dans la modélisation qui sont simplement faux. Ça peut être des choses débiles, par exemple – tes quantités d’achat que tu demandes à nos fournisseurs sont bonnes, mais tu as oublié que notre capacité à absorber les livraisons à l’entrepôt est limitée. Et ici, nous allons avoir une collision – trop de camions livrant à l’entrée de notre entrepôt le même jour. Tu vois, peut-être que les quantités que tu commandes sont correctes, mais malheureusement il y a autre chose – apparemment sans lien – qui t’empêche quand même de le faire.

Encore une fois, il y a plein de choses. Et ces objections – il est très important de les intégrer. Pour que les gens n’aient pas des objections trop tranchées comme “Ce chiffre n’est même pas dans le domaine du réalisable. Tu as ceci, cela et encore cela qui ne ferait même pas une solution viable.”

Adam Dejans Jr. : Je suppose que pour moi à ce sujet – je pose beaucoup de questions qui touchent directement certains membres de la direction. Par exemple : “Tu te souviens de la grève portuaire de l’année dernière ? Ce n’était pas bon, n’est-ce pas ?” Des choses comme ça. Et – perdre de l’argent, c’est vraiment pénible.

En réalité, beaucoup de ce qu’on entend, c’est : “Nous devons améliorer la précision des prévisions.” Et ce que je leur explique, ou ce dont j’essaie de discuter et de réfléchir, c’est qu’il est assez facile de prévoir lorsque tout va bien. Si tout est stable et que tout se passe bien, alors oui, cela pourrait être plus précis. Mais quand le moment vient – et disons qu’une grève portuaire se produit – tu ne prévois pas que cela se produira.

Donc, le moment où tu as le plus besoin de cette prévision, c’est quand elle échoue. Le moment où tu en as le plus besoin est exactement le même que celui où elle échoue. Alors, au lieu d’essayer d’éviter cela et de faire comme si cela n’existait pas, que se passe-t-il si nous l’acceptons et l’intégrons dans notre processus ? C’est en quelque sorte l’approche que j’ai adoptée. Ça marche pour la plupart. C’est un processus lent. Chaque fois que tu es dans une très grande organisation, il est très difficile de faire des changements. Une grande partie du problème, c’est parce que tu es cloisonné dans ces secteurs.

Mais c’est l’intuition – j’essaie vraiment de la relier à des exemples réels qui leur sont arrivés. Où ils veulent régler le problème, mais ne savent pas vraiment comment. Et puis cela te donne l’opportunité de répondre à leurs points de douleur qu’ils viennent de subir.

Joannes Vermorel : C’est intéressant car modéliser ces perturbations n’est pas si compliqué – tu dis simplement, “D’accord, je vais mettre une probabilité de 5 % pour avoir une perturbation majeure du côté de l’approvisionnement chaque année.” Boom, d’accord, pourquoi 5 % ? Eh bien, au siècle dernier, nous avons eu deux guerres mondiales plus beaucoup d’autres événements, donc oui – récemment, même si tu parles d’une chance annuelle de 5 % d’avoir une perturbation majeure du côté de l’approvisionnement, ce n’est même pas super élevé. Et tu peux avoir un risque similaire du côté de la demande et pour d’autres choses. Donc ces pourcentages sont essentiellement des estimations – c’est très bien.

L’élément intéressant, c’est que c’est pour ça qu’à Lokad, nous ne livrons pas de prévisions car c’est bien trop compliqué à comprendre. Nous nous concentrons sur les décisions. Et les décisions – généralement quand on arrive à cette folie – les gens diraient, “Oh, cette décision, par exemple ici, ces stocks semblent un peu élevés.” Et là, la discussion devient : oui, mais sont-ils absurdemment élevés ? Tu sais, il peut y avoir des problèmes, alors sommes-nous tellement élevés que ce n’est pas raisonnable ?

Et puis tu vois que l’élément intéressant, c’est que si tu regardes les prévisions que les gens ont, il est si difficile de penser en même temps – la demande pourrait être de 100 ou de 50 parce qu’il se passe quelque chose de bizarre. C’est très difficile, tu sais, de penser à tous ces futurs possibles. Mais quand tu examines la décision et que les gens disent, “Oui, cette décision est une agrégation de nombreux risques,” et tu dirais, “Eh bien, cela semble un peu conservateur, mais devine quoi ? Tu peux avoir – tu peux rencontrer tant de problèmes : des fournisseurs peu fiables, des retards, des grèves portuaires, et ainsi de suite. En fin de compte, cela semble sûr.”

Et c’est là l’élément intéressant : lorsque nous déplaçons – nous essayons de déporter – la discussion sur la décision finale, par exemple, l’allocation des ressources, et c’est là que soudainement, je pense que les gens, en particulier du côté de la direction, se sentent beaucoup plus à l’aise avec l’idée que cette décision intègre une tonne de risques que je ne comprends même pas vraiment – c’est juste un paquet, tu sais. Et là, cela fonctionne. Cela fonctionne bien mieux que d’essayer de communiquer sur des prévisions qui ont des modalités étranges avec des événements à longues queues et tout le reste.

Conor Doherty : Eh bien, si je peux juste suivre sur ce point – désolé, je pourrais juste enchaîner sur le point suivant, qui fait à nouveau partie de la gestion du changement, dont je sais, John, que tu aimes parler, et dont tu parles avec beaucoup de passion. Mais une partie de cela n’est pas seulement de générer l’adhésion des utilisateurs. Et une partie de cela – même si les gens voient que ça fonctionne – les gens veulent toujours avoir un certain niveau de compréhension sur le fonctionnement de la chose. La plupart du temps, les gens ne veulent pas simplement dire, “Oh oui, ça marche bien, ça suffit.” Ils veulent au moins pouvoir avoir un résumé exécutif de, “Eh bien, d’accord, comment fonctionne exactement une distribution de probabilité ? Comment prends-tu cela et le transformes-tu en une décision ?” Alors, John, pour toi en premier – comment gères-tu exactement cette partie de la gestion du changement, c’est-à-dire amener les gens à comprendre au moins à un certain niveau les mathématiques complexes qui se déroulent réellement sous le capot ?

John Elam : Honnêtement, les problèmes d’exemple sont formidables, n’est-ce pas ? Des exemples simples, faciles à suivre. Par exemple, je veux intégrer l’incertitude dans notre décision sur la quantité de stocks à conserver en stocks au sol – eh bien, prenons simplement l’hypothèse qu’il y a une chance de 1 % – tu sais, nous commandons des voitures mensuellement (actuellement, nous cherchons à accélérer cela considérablement), mais pour l’instant, nous commandons nos voitures mensuellement. Alors, supposons que chaque mois j’ai, disons, une chance de 1 % qu’il y ait une grève portuaire.

Eh bien – et peut-être que cela change même, n’est-ce pas ? Par exemple, la probabilité d’une grève portuaire peut augmenter à l’approche de l’expiration du contrat. Les chances d’une grève portuaire pourraient augmenter, et donc je vais simplement tracer cela, de manière très simple, n’est-ce pas ? Comme une chance de 1 %, et supposons qu’elle passe à 10 % – je choisis littéralement des chiffres à titre d’exemple. Et nous montrons cette augmentation. Puis, je dirai, “Regardez, chaque mois, n’est-ce pas ? Même en pensant à la sécurité, nous voudrions probablement commander environ 1 % de voitures en plus ou une certaine quantité de voitures supplémentaires pour nous prémunir contre le fait qu’il pourrait y avoir une grève à tout moment.”

Maintenant, les chances de cela sont assez faibles en ce moment, mais elles augmenteraient à l’approche de ce moment. Et donc, je pourrais vouloir augmenter mes stocks au sol, sachant que cette chose très incertaine est plus susceptible de se produire – que cette perturbation est plus probable. Alors je veux constituer cela. Et ensuite, nous examinons simplement – il y a deux scénarios possibles, n’est-ce pas ? Soit il n’y a pas de grève, soit il y a une grève. Et tu leur montres simplement les résultats, n’est-ce pas ? “Regardez, il n’y a pas eu de grève, nous avions un peu plus de stocks. Le mois suivant, je commande un peu moins parce qu’à présent mon incertitude a diminué, mes stocks reviennent à mon niveau habituel d’incertitude. Et regardez ces coûts de stockage supplémentaires que j’ai supportés pendant les deux mois suivants pendant que nous éliminions ces stocks supplémentaires pour couvrir ce risque. D’accord, il y a un coût à cela – quelques millions de dollars ou quoi que ce soit.”

Regardons l’inverse. D’accord, de l’autre côté, il y a une grève. Et disons – combien de temps durent normalement les grèves ? Deux semaines, n’est-ce pas ? Tu sais, tu peux regarder en arrière et dire, “Regarde, combien de temps durent-elles en général ?” Très bien, deux semaines sans recevoir de voitures. Bon sang, combien cela te coûte-t-il ?" Et montre simplement les deux chiffres. Quel coût préférerais-tu avoir ? Tu vas absolument en subir un de ces scénarios, n’est-ce pas ? Et c’est – tu sais, tout le monde peut convenir qu’il y a – tu sais, nous frapperons ou nous ne frapperons pas. C’est assez simple. Et en montrant simplement aux gens, “Eh bien, regardez les différents résultats possibles dans cet exemple simplifié.” Et c’est ainsi que tu amènes les gens à réfléchir aux distributions, à l’incertitude, et à l’incertitude changeant au fil du temps.

Les problèmes d’exemple sur Excel sont formidables – simples, faciles à suivre, et les gens veulent apprendre de cette manière. Ils veulent se sentir – comme tout le monde, n’est-ce pas ? J’aime me sentir intelligent, tu veux te sentir intelligent, nous voulons tous nous sentir intelligents. Alors, comment puis-je les y mener ? Pas nécessairement en leur montrant chaque chose, n’est-ce pas ? Mais en disant, “Hé, construisons cela ensemble.” Si tu te pointes avec un PowerPoint, tu as fait une erreur. Tableau blanc, n’est-ce pas ? Nous allons travailler ensemble sur le tableau blanc – ensemble, nous allons apprendre, nous allons trouver la solution.

Et j’aime même commencer par leur problème – ils peuvent être dans les accessoires, ils peuvent commander des moteurs, ils peuvent commander qui sait quoi. Eh bien, dans quel domaine es-tu ? Et examinons cela, et ensuite demande-leur, “Quel type d’incertitude avez-vous ?” “Eh bien, parfois, nous avons ceci ou cela,” n’est-ce pas ? “Il y aura une grève des trains, il y a eu une grève des trains l’année dernière, c’était un gros problème. Parlons-en, parlons de la modélisation de ces deux décisions différentes.” Et là, j’utilise leur langage, ils guident un peu, tu sais – nous guidons, c’est vraiment collaboratif. J’apporte ce genre de manière de penser, et ils apportent leur douleur très réelle qu’ils subissent. C’est la meilleure façon de construire des produits – c’est autour d’une douleur qui est vécue, car tu sais que le problème est résolu quand la douleur disparaît.

Adam Dejans Jr. : Je pense qu’une autre chose est, oh oui – quand ils demandent, “Comment ça marche ?” Parfois, ils ne se soucient pas vraiment de l’algorithme, mais ce que j’ai remarqué, c’est qu’il y a quelque chose qui leur importe vraiment, et qui aide beaucoup, c’est qu’ils veulent savoir quels leviers ils peuvent actionner et modifier aussi. Donc, par exemple, est-ce que je peux – je ne sais pas – est-ce que je peux tester cela ? Une chose, c’est le test de scénarios. Ils adorent le test de scénarios. Comme, “Eh bien, que se passerait-il, tu sais, si c’était au lieu de 10 % ce était 50 % ?” Ou, “Puis-je ajouter plus de stock de sécurité ou quel que soit l’élément ?” J’ai constaté que leur offrir ces leviers et leur faire savoir ce avec quoi ils peuvent jouer aide vraiment à obtenir leur adhésion.

Conor Doherty : Oui, exactement. J’étais sur le point de dire – le sentiment de contrôle interne. Tu donnes aux gens les moyens de se sentir partie prenante. Et à ce sujet, est-ce que cela correspond – encore une fois – à ton approche à ce sujet ?

Joannes Vermorel : Encore une fois, il y a des parallèles, mais nous procédons de manière tout à fait différente. La méthode typique de Lokad pour ce faire est de décorer chaque décision avec une demi-douzaine de ce que nous appelons les leviers économiques. Ainsi, l’idée est, selon le cas, nous aurions, par exemple, quel est le coût des stocks, le coût de la rupture de stock, le coût des retards fournisseurs, le coût de ceci, le coût de cela – évidemment, cela varie en fonction du secteur.

Mais l’idée est que chaque décision s’accompagne d’une estimation à hauteur de plusieurs dollars de ce qui est en jeu. Et l’élément intéressant – et je reviens, c’est pourquoi il y a des similitudes – c’est que nous nous orientons définitivement vers des enjeux en dollars, et ensuite, lorsqu’il s’agit de remettre en question la décision, ce que nous essayons d’obtenir, c’est que les gens contestent notre estimation en dollars. Tu vois, parce que cela devrait être une manière pour les gens de dire, “Je ne suis pas d’accord avec ce coût que tu imputer à cela.” Tu vois,

Ils ne se préoccupent pas vraiment de la manière exacte avec laquelle nous sommes arrivés à ce calcul, mais ce qu’ils trouvent, et ce qui est généralement très utile, c’est qu’ils disent, “D’accord, le risque que vous exprimez en dollars pour le retard des fournisseurs est, par exemple, beaucoup trop faible.” C’est très intéressant — peut-être parce que nous n’examinons pas correctement les lead times, ou peut-être parce que nous ne prenons pas en compte d’autres éléments. Mais fondamentalement — et c’est pourquoi je m’identifie aux leviers — c’est une manière, en quelque sorte, de faire taire ceux qui réclament 100 simulations.

En fait, c’est plutôt comme, “D’accord, qu’en est-il de — nous avons une divergence de vision sur ce qui coûte de l’argent ?” Par exemple, pour les grèves dans les ports, on peut considérer cela comme une assurance que vous devriez payer. Évaluons-nous correctement le coût de cette assurance ? Sommes-nous même dans la bonne fourchette ? Et c’est là que, très fréquemment, nous revenons — donc, le simulateur ou vos méthodes, nous revenons à ces exemples simplifiés, mais en général, en revenant du coût, c’est : “D’accord, nous avons ce coût que nous indiquons pour le risque de grève et autres; pouvons-nous obtenir un calcul sommaire qui nous montre si nous sommes dans la bonne zone ou non ?”

Et encore une fois, nous avons toujours ce bon sens — ce coût doit se situer dans la bonne fourchette de ce que nous pensons être correct. Et si c’est le cas, tout va bien. Si nous réalisons que nous surestimons ou sous-estimons largement l’un de ces facteurs économiques, c’est ce qui nécessite une correction.

John Elam : J’adore ce langage — assurance. Parce que c’est exactement ce que c’est. Oui, c’est un langage merveilleux pour aider les gens à comprendre en quelque sorte, “Pourquoi est-ce que je paie ce coût ?” C’est comme si vous couvriez un pari, vous prenez une assurance ici. J’adore ça.

Conor Doherty : Merci. Encore une fois, cette perspective ROI sur les décisions — en traitant essentiellement vos décisions dans certains cas comme une assurance — peut s’écarter, ou même dévier, de l’approche établie en matière de décisions. Alors, disons, eh bien, Adam, tu as dit plus tôt : “Eh bien, je veux simplement plus de précision”, par exemple. Et pour être honnête, c’est un sujet intemporel, mais c’est celui dont je parle chaque fois que je vais à un salon professionnel ou que je discute avec un prospect potentiel. Ils diront : “Eh bien, je veux — compréhensiblement, je pense que mon point douloureux est que j’ai besoin de plus de précision.” Donc, encore une fois, Adam, nous nous adressons à toi en premier : comment fais-tu pour différencier ces deux aspects ? Parce que je sais que, hier sur LinkedIn, tu as posté à propos de, “Oh, de meilleures décisions valent mieux que de meilleures prévisions.”

Adam Dejans Jr. : La clé ici est de marteler sans cesse : que faites-vous de la prévision, c’est l’une des choses. Par exemple, il faut d’abord décider quels indicateurs commerciaux vous cherchez à améliorer. Et ensuite, tout le reste n’est qu’un support à cela. Vous pourriez avoir la prévision la plus précise, mais selon la manière dont vous l’utilisez — ou ne l’utilisez pas — cela peut changer la donne.

L’autre aspect de la recherche de la précision est, en fait, que vous n’atteindrez jamais une précision de 100 % de toute façon, car les choses évoluent. Il faut intégrer ce changement dans votre cadre de prise de décision. Mais au-delà de cela, disons, je ne sais pas, vous êtes à 95 % de précision — à quel coût voulez-vous réellement atteindre, par exemple, 96 % ? Et si ce gain en pourcentage ne peut pas être lié à votre indicateur commercial, votre équipe de données se contentera de courir après une mesure arbitraire de précision, sans véritable indication sur son effet pour l’entreprise.

Alors, par exemple, un gain de 1 % me rapporte-t-il — peut-on quantifier cela ? Est-ce que cela se traduit finalement en un chiffre d’affaires quantitatif pour l’entreprise, ou quoi ? Comment l’utilisons-nous ? C’est l’une des choses clés que je constate, surtout dans de grandes entreprises historiques comme Toyota. Toyota est une entreprise japonaise. Ils n’ont jamais procédé à un licenciement. Et tout le monde y reste, c’est une entreprise où vous faites carrière et restez. Et donc, ce qu’ils font, ce qu’ils ont fait auparavant les a amenés là où ils en sont, et ils aiment suivre ce qu’ils ont fait. Parce que, première entreprise automobile pour une raison, non ? C’est comme, “Eh bien, si nous continuons à faire ce que nous avons fait, peut-être continuerons-nous à obtenir les mêmes résultats. Faisons simplement ce que nous avons fait, mais en mieux.”

Et parfois, comme nous l’avons mentionné plus tôt, il finira par falloir changer, parce que quelqu’un d’autre viendra et changera les choses. Donc, je m’étends un peu, mais je ne sais pas.

John Elam : Une chose dont je veux parler, c’est que, quand vous vous concentrez sur les décisions, il y a tellement plus de sujets dont vous pouvez discuter. Vous n’êtes pas obligé de vous focaliser sur les prévisions. Par exemple, un outil que nous avons développé est un moteur de suggestions. Il ne connaît absolument rien des prévisions — il ne se soucie pas de la prévision. Son objectif est de générer purement plus de revenus. Et quand je dis générer plus de revenus, il s’agit d’une recommandation qui incite à ajouter plus d’accessoires sur le véhicule, jusqu’à un point de rupture, n’est-ce pas ? Par exemple, combien d’accessoires puis-je ajouter ici pour que les gens continuent d’aimer la voiture et qu’elle se vende toujours bien ?

Je ne sais pas vraiment à quelle vitesse elle se vendra — ce n’était pas inclus dans la mesure. La mesure portait sur : se vendra-t-elle tout aussi vite en moyenne, et aura-t-elle plus de valeur en dollars lors de sa vente ? Nous avons réalisé un test t apparié et non apparié, en comparant des groupes pilotes et de contrôle et en examinant les moyennes historiques sur la même période pour ces deux groupes différents — vous savez, certains recevaient des recommandations, d’autres non. Et nous avons gagné beaucoup plus d’argent. Il n’y a pas de prévision impliquée ici, n’est-ce pas ? Il n’y a aucune mesure de précision.

Donc, c’est bien cela — c’est pourquoi j’aime me concentrer davantage sur la décision que vous allez prendre plutôt que sur cette prévision parfaite. Car il y a tant de décisions à prendre, et les prévisions — franchement, les prévisions n’ajoutent pas de valeur. Prendre des décisions en se basant sur ce que la prévision vous indique, c’est ainsi que vous créez de la valeur. Alors oui, tout le monde veut sa boule de cristal, mais nous n’en aurons jamais une.

Joannes Vermorel : Je ne pourrais pas être plus d’accord, et je pense que votre exemple concernant le préchargement des voitures avec les bons accessoires en est un exemple flagrant. L’état d’esprit typique dans la vision dominante de la supply chain concernant la prévision est de considérer la demande comme la position future des planètes — quelque chose qui se produira quoi qu’il arrive. Et si vous pouvez ramener l’erreur à 0,00001 %, c’est tout simplement absurde. Ici, ce que vous démontrez, c’est que la demande est conçue — que si vous mettez une meilleure voiture à un prix plus élevé devant les clients, eh bien, ils pourraient acheter la voiture plus chère et meilleure à ce prix.

Évidemment, il y a une limite, car à un moment donné, les gens diront, “C’est vraiment, vraiment une belle voiture, elle a tant de qualités, mais je crains de ne plus pouvoir me la permettre.” Il y a donc évidemment une limite, mais tant que vous n’avez pas testé cette limite, vous laissez de l’argent sur la table. Et le problème, c’est que si vous étiez plutôt conservateur à cet égard par le passé, votre projection ne fait que reproduire l’erreur que vous faisiez, c’est-à-dire de ne pas mettre suffisamment de voitures équipées devant les clients.

Adam Dejans Jr. : Vous voyez cela également — parfois il peut y avoir un rappel, ou nous n’avons pas une pièce ou un accessoire, et alors il manque dans les données historiques pendant, disons, six mois. Est-ce que cela signifie que personne n’en veut maintenant ? Eh bien, historiquement, la demande diminue — on dirait que personne ne veut de garde-boue sur sa voiture. Mais ce n’est évidemment pas vrai.

John Elam : C’est un très bon point. Parfois, en tant que fabricant, nous rencontrons un défaut qualité. Cela est au cœur de notre culture Toyota — si vous avez déjà étudié le TPS, vous savez qu’en cas de problème, nous arrêtons littéralement la chaîne. Et donc, parfois, si le problème est suffisamment important, nous l’arrêterons pendant des jours, voire des semaines, et nous le résoudrons avant de reprendre la fabrication. Nous ne fabriquons pas de mauvaises voitures, du moins pas en connaissance de cause.

Et ainsi, il y a eu un moment où nous avons cessé de fabriquer une certaine gamme de véhicules — une gamme très, très populaire — pendant des mois. Donc, si vous vous contentez de prendre les moyennes et de les extrapoler, vous obtiendrez une prévision considérablement réduite, alors que la demande réelle est extrêmement comprimée. Nous avons des arriérés chez les concessions avec des centaines et des centaines de ces véhicules à chaque point de vente. Il faut donc savoir où chercher, n’est-ce pas, pour comprendre ce que devraient réellement être les prévisions — est-ce que vous prévoyez la demande, ou est-ce que vous prévoyez vos historiques ?

Joannes Vermorel : L’une des plus grandes erreurs de la théorie dominante de la supply chain est encore cette focalisation sur les séries temporelles — comme si c’était un vecteur unidimensionnel. Pour la quasi-totalité des entreprises, cela ne peut tout simplement pas refléter ce qui se passe. Un exemple serait, même pour les voitures, la demande n’est pas une donnée unidimensionnelle. Êtes-vous prêt à attendre la voiture ? Par exemple, pour Mercedes : vous voulez une Mercedes ? Pas de problème — attendez un an, et Mercedes vendra des voitures. Donc, évidemment, cela dépend — la réponse est, cela dépend. Mais le fait est que ce n’est pas une chose unidimensionnelle. La demande est conditionnée par le prix, par le délai, par l’emplacement. Et si vous la réduisez simplement à “nombre de véhicules par jour,” vous passez complètement à côté de toutes ces dimensions. Et elles ne sont pas forcément super compliquées. C’est là le point intéressant : je ne dis pas qu’il faut avoir une complication folle — comme vous le disiez, vous aviez, par exemple, une logique simple qui poussait à ajouter plus d’accessoires, basée sur des heuristiques simples — en copiant les stratégies gagnantes des meilleures concessions. C’est aussi quelque chose de remarquable : parfois, élaborer une bonne décision est d’un ordre de grandeur plus simple qu’une bonne prévision. Vous pouvez parvenir à de bonnes décisions tout en étant relativement dans l’ignorance des subtilités de l’avenir.

John Elam : Même une simple logique order-up-to, si vous n’avez rien d’autre, est très utile.

Conor Doherty : Eh bien, encore une fois, en écoutant la discussion sur comment arriver aux décisions, un élément clé — pour revenir à la gestion du changement — est vraiment le suivant : comment les non-experts en mathématiques s’intègrent-ils dans ce processus ? Parce que, encore une fois, si vous arrivez en tant que génies des mathématiques, des prodiges, vous essayez toujours de mettre cela en œuvre dans une salle avec des personnes ayant une expertise dans d’autres domaines. Je suis donc curieux : comment exploitez-vous cela pour co-créer ou co-rédiger une initiative, une optimisation ? Parce que, encore, il vous faut les informations qui sont dans la tête des autres — comment cela s’intègre-t-il dans votre processus ?

John Elam : Comme je l’ai dit dans le commentaire précédent — n’arrivez pas avec un PowerPoint. Parce que cela signifie que vous avez la réponse, et je ne veux pas — vous savez, j’ai un ego, n’est-ce pas ? Je pense que tout le monde a un peu d’ego. Je veux le construire, n’est-ce pas ? Eh bien, construisons-le ensemble. Et cela semble si simple, et je me répète presque, mais c’est vraiment aussi simple. C’est probablement la partie difficile — c’est qu’il est si simple. Quel est leur problème, quel est leur langage, que savent-ils ? Et ensuite, amenez-les là où je pense que nous devrions aller avec leurs problématiques.

Et une grande partie consiste à découvrir ce qui fait mal — c’est-à-dire que les gens savent ce qui est pénible dans leur travail. C’est souvent sur ce point qu’ils passent beaucoup de temps, ou — je dirais que parfois nous passons beaucoup de temps sur des problèmes qui n’en ont pas vraiment besoin — et qui, une fois résolus, n’apportent pas tant d’aide. Mais ils comprennent souvent : c’est ce que nous faisons aujourd’hui, et voilà où ça coince. Et bien souvent, là où ça coince, c’est quelque chose qui peut être automatisé, ou quelque chose qui peut être prévu, ou même quelque chose qui peut être simplifié.

Il s’agit donc vraiment de les rencontrer là où ils sont, d’apprendre leur langage. Et comme je l’ai dit, vous ne construisez rien sans eux — vous construisez avec eux, recueillez leurs besoins, et, si nécessaire, les guidez vers la bonne réponse, sans leur dicter quoi faire. Vous ne pouvez pas dire aux gens ce qu’ils doivent faire. Je ne saurais trop insister là-dessus — beaucoup de gens ne veulent pas qu’on leur dise quoi faire. Ils adorent le moment “aha”, et donc, si vous pouvez les aider en leur indiquant, “Hé, je pense que c’est par là, allons vérifier ensemble”, et puis — parfois je connais déjà la réponse, mais ce n’est pas grave, je n’ai pas besoin de la leur imposer. Nourrissons-les à la cuillère.

Adam Dejans Jr. : Je vais apporter une perspective encore plus simple — une perspective différente. Mais pour moi, au fil de toutes ces années, bâtir des relations est encore plus important que tout cela. Et aussi, reconnaître ce que nous appelons le “power chart”, qui est une sorte d’organe influent. Vous avez votre organigramme, n’est-ce pas ? Vous avez, par exemple, des personnes qui lui sont rattachées, et voici le manager, voici l’exécutif. Et les gens pensent que le pouvoir et la persuasion montent cette chaîne, mais souvent ce n’est pas le cas.

Souvent, quelqu’un murmure à l’oreille d’un dirigeant parce qu’il est son ami ou autre, et simplement élargir votre réseau, établir des relations, écouter les gens, discuter avec eux, vous offre ensuite la possibilité d’aborder des aspects plus techniques, et ils sont alors disposés à écouter parce qu’à ce stade, vous avez déjà une relation — ils vous font confiance. Et cet aspect est tellement important, et beaucoup de gens, surtout les jeunes ingénieurs et scientifiques, passent à côté de cela, car ils pensent — et ils ont généralement raison — qu’ils ont objectivement une meilleure réponse, et c’est souvent le cas. Mais vous n’allez pas l’implémenter de cette façon.

Il s’agit donc vraiment de les rencontrer là où ils sont, d’apprendre leur langage. Et comme je l’ai dit, vous ne construisez rien sans eux — vous construisez avec eux, en recueillant leurs besoins, et, si nécessaire, en les guidant vers la bonne réponse, sans la leur dicter. Vous ne pouvez pas dire aux gens ce qu’ils doivent faire. Je ne saurais trop insister là-dessus — beaucoup de gens ne veulent pas qu’on leur dise quoi faire. Ils adorent le moment “aha”, et donc, si vous pouvez les aider en disant, “Hé, je pense que c’est par là, allons vérifier ensemble”, et puis — parfois je connais déjà la réponse, mais ce n’est pas grave, je n’ai pas besoin de la leur imposer. Nourrissons-les à la cuillère.

Adam Dejans Jr. : Je vais donner une perspective encore plus simple — une perspective différente. Mais pour moi, au fil de toutes ces années, construire des relations est encore plus important que tout cela. Et aussi, reconnaître ce que nous appelons le “power chart”, qui est une sorte d’organe influent. Vous avez votre organigramme, n’est-ce pas ? Vous avez, par exemple, des personnes qui lui sont subordonnées, et voici le manager, voici l’exécutif. Et les gens pensent que le pouvoir et la persuasion remontent cette chaîne, mais souvent ce n’est pas le cas.

Souvent, quelqu’un murmure à l’oreille d’un dirigeant parce qu’il est son ami ou autre, et simplement ouvrir votre réseau, construire des relations, écouter les gens, discuter avec eux, vous ouvre la voie pour ensuite aborder des aspects plus techniques, et ils sont prêts à écouter parce qu’à ce stade, vous avez déjà établi une relation — ils vous font confiance. Et cet aspect est tellement important, et beaucoup de gens, surtout les jeunes ingénieurs et scientifiques, passent à côté de cela, car ils pensent — et ils ont généralement raison — qu’ils ont objectivement une meilleure réponse, et c’est souvent le cas. Mais vous n’allez pas l’implémenter de cette manière.

Et c’est pourquoi les gens se frustrent également dans les grandes entreprises, car il peut y avoir une solution pire – objectivement pire – mais oui, elle est mieux vendue, parce que soit cette personne est simplement plus influente, que ce soit par la prise de parole, la vente, ou simplement par les relations dans le réseau qu’elle a construit. Dans le cadre de nos activités, nous faisons aussi du coaching de carrière. Quand nous faisons cela, nous disposons vraiment d’une section entière pour en parler, car c’est très important pour impulser le changement. C’est souvent négligé.

Conor Doherty: Je sais que vous parlez de coordonner avec Toyota, le siège japonais. Et je sais, ayant travaillé en Chine pendant cinq ans, l’importance – par exemple, quand vous avez dit « relationship », le mot auquel j’ai pensé était « guanxi », qui se traduit approximativement par réseautage ou relations, mais en Chine c’est bien plus puissant. Si vous n’avez pas un bon guanxi avec votre supérieur ou vos collègues, rien ne se fait – ou, pardon, il devient tellement plus compliqué de faire avancer les choses, même si, comme vous l’avez dit, vous avez une idée objectivement supérieure ou la plus impressionnante objectivement.

Ça dépend – la façon dont vous l’avez présenté, la manière dont vous êtes entré dans la pièce, vous avez fait en sorte que les gens se sentent idiots, vous ne les avez pas impliqués, comme vous l’avez dit, John, vous ne les avez pas impliqués dans le processus. Alors ma question – quand vous parlez de relations, est-ce que vous entendez cela ? Dans quelle mesure cela est-il influencé par le genre de travail interculturel que vous effectuez avec le Japon, en tant qu’Américains travaillant avec une entreprise japonaise, ou est-ce simplement universel ?

John Elam: Oui, c’est les deux – c’est définitivement les deux. Mais je serais tout à fait d’accord pour dire que, dans la culture japonaise, qu’elle soit à faible ou à haut contexte, c’est primordial. Il y a même un terme pour cela – nous l’utilisons tout le temps, il y a des sites à ce sujet en interne – c’est un terme japonais appelé “nemawashi”. La traduction littérale est “préparer le sol”, comme préparer le terrain pour planter quelque chose, mais la signification culturelle et sociétale est : “Mettons-nous tous d’accord.”

Et comme Adam le disait, que ce soit la carte d’influence informelle ou même – et en fait surtout dans cette culture, la hiérarchie classique également – nous devons tous être sur la même longueur d’onde, et fondamentalement, la décision est prise avant même d’être prise. Ce que je veux dire par là, c’est que je vais établir – et c’est, franchement, je veux dire, vous avez dit que c’était en quelque sorte la seule façon – d’après mon expérience, c’est la seule manière de faire avancer les choses dans cette culture.

Je dois établir ces connexions individuelles avec pratiquement chaque partie prenante qui va même avoir un impact intermédiaire sur son travail, puis leur faire comprendre ce que nous faisons, en quoi cela va leur bénéficier, ce qui va changer dans leur univers. Et ensuite, quand nous avons la réunion pour décider de la marche à suivre, nous avons déjà décidé – tout le monde connaît déjà la réponse. Et franchement, s’il y a le moindre problème à ce stade, vous n’irez pas de l’avant. Vous allez revenir et faire encore plus de nemawashi. C’est donc extrêmement important.

Mais même dans le contexte américain, quand nous faisons notre travail de conseil, les relations restent primordiales – ce n’est pas aussi strict en ce sens qu’il faut que chaque personne soit alignée, mais il faut avoir une masse critique. Certain(e)s ont un poids différent, n’est-ce pas ? Et c’est tout l’enjeu de la carte d’influence. Mais il faut une masse critique pour aller de l’avant. Vous n’allez pas changer la manière de travailler d’une organisation avec une idée géniale ou une métrique vraiment impressionnante.

Conor Doherty: Joannes, je veux immédiatement vous lancer la question, car, je veux dire, nous sommes une entreprise française – la France est une culture à haut contexte – et pourtant, en tant qu’entreprise française, nous traitons – la majorité de nos clients se trouvant à l’extérieur de la France. Alors, en termes de culture et d’efficacité, quelles sont vos réflexions ?

Joannes Vermorel: Oui, je veux dire, c’est très intéressant. Clairement, ce que j’ai observé, c’est qu’aux États-Unis, certaines entreprises, notamment dans la tech, adoptent une approche de gestion très, très confrontatrice. Par exemple, le mémo de Jeff Bezos en 2002, dans lequel il a essentiellement envoyé un mémo à toute son équipe, en disant, “Every manager who in two weeks does not have a plan to expose the data of his own department through an API (if it’s not already the case)—if I don’t have a plan from this manager, he’s fired.” Et il a fini par licencier – j’oublie – 15 % des managers.

Et pourtant – c’est extrême. En France, ce serait impensable et presque impossible – extrêmement coûteux. Il est possible de licencier, mais si vous le faites de cette manière, ce serait tout simplement incroyablement coûteux. Mais la réalité, c’est que si vous regardez les entreprises technologiques – eh bien, elles viennent en majeure partie des États-Unis. Amazon n’est donc pas apparu en Europe, vous savez, il est né aux États-Unis. Et quand vous observez les autres géants de la tech et ce qu’ils ont fait en termes de gestion – pendant des années, Microsoft, oui, ils ne licenciaient pas, mais ils étaient d’une brutalité incroyable à bien des égards, et pourtant, quel succès.

Donc, d’après moi, la quantité de nemawashi versus la brutalité nécessaire dépend un peu de la rapidité avec laquelle votre secteur évolue. Si votre industrie change lentement, alors probablement, vous savez, le style japonais, constant, qui consiste à rendre tout le monde content et viser progressivement quelque chose de mieux, sans perdre vos atouts humains – c’est probablement la meilleure solution.

Si vous travaillez dans un domaine qui évolue, vous savez, comme le logiciel, de manière ultra rapide, alors si vous procédez ainsi, il est probable que vous soyez une entreprise où l’ambiance est bonne, mais vous devenez simplement obsolète, et vous êtes complètement remplacé par des personnes qui vous ont volé votre marché. Donc je suis d’accord avec cela. Je dirais que la réponse dépend vraiment de ce que font vos concurrents et de l’ampleur de la disruption qu’ils apportent. Ce serait mon avis – encore une fois, secteurs différents, époques différentes.

John Elam: C’est un très bon point, car dans le logiciel, prenons l’exemple de Lokad. Si Lokad lance cette fonctionnalité et qu’elle n’est tout simplement pas bien accueillie, vous modifiez la fonctionnalité, n’est-ce pas ? Vous obtiendrez ce retour assez rapidement, puis vous itérerez dessus, et vous pourrez obtenir une nouvelle version assez rapidement.

Alors qu’en fabriquant une Prius, cette Prius est en service pendant 20 ans – plus longtemps que, vraiment, plus que toute ma carrière professionnelle, ces véhicules sont censés fonctionner. C’est pourquoi il est si crucial de faire les choses parfaitement dès le début. Mais vous avez raison – comme nous construisons du logiciel, et que c’est un changement culturel que nous rencontrons en travaillant chez Toyota, c’est un défi, n’est-ce pas ? Nous construisons du logiciel, nous fabriquons des choses que je peux simplement mettre à jour. “Dites-moi ce qui ne va pas, j’itère, nous vous proposerons quelque chose le mois prochain, donnez-moi plus de retours.”

Et toute cette façon de penser est un défi. L’entreprise l’adopte définitivement, cependant. On peut voir les rouages en train de tourner et de changer pour être, au moins du côté du logiciel, un peu plus flexibles, un peu plus itératifs. Mais c’est – c’est définitivement un défi. Mais vous avez raison, je pense qu’il y a la bonne culture et la bonne philosophie pour le bon moment et le bon endroit.

Joannes Vermorel: Si des disruptions massives sont à venir, alors je pense que la brutalité l’emporte. Mais d’un autre côté, si vous êtes simplement constant, alors vous ne faites que créer du chaos pour rien. Et c’est – mais vous voyez, par exemple, l’un des exemples de cette brutalité absolue, et pourtant qui s’est avéré être une bonne décision, a été la prise de contrôle de Twitter. Ils ont fini par licencier 90 % de leurs employés, et au final, le produit comporte plus de fonctionnalités que jamais et son trafic a augmenté. Ce qui est, évidemment, la question pour Toyota : est-il concevable qu’en licenciant 90 % des personnes travaillant chez Toyota, ils produiraient plus et de meilleures voitures ? Non, pas une chance.

Mais dans le secteur du logiciel, ce genre de choses arrive, et c’est là – encore une fois, c’est une culture très différente, différente. Mais je pense que ce qui est intéressant, c’est que dans la transformation digitale, on constate cet élément d’une nature bien plus brutale, rapide et chaotique des industries qui s’infiltre dans des entreprises où les choses n’étaient pas traditionnellement faites de cette façon, et ce, pour de bonnes raisons.

John Elam: C’est définitivement un changement de paradigme qui se fait sentir, et oui, tout le monde en profite, que ce soit des technologues rejoignant des entreprises ayant un cadre plus traditionnel et une manière de travailler classique, ou inversement – ces entreprises très traditionnelles qui recrutent beaucoup de talents en IA, deep learning, etc. Il y a une certaine friction, mais je pense qu’une bonne gestion trouve le juste équilibre entre l’harmonie nécessaire dans un environnement de type industriel et le progrès ainsi que la pensée innovante requis pour, vous savez, changer ce que nous faisons.

Adam Dejans Jr.: C’est un processus lent. C’est un processus lent chez Toyota. C’était pareil chez Ford aussi – c’est quelque chose de propre à l’automobile. Chez Ford, j’ai travaillé dans le groupe de véhicules autonomes pendant une période, et ils le traitaient un peu comme une startup, mais financé par Ford Motor Company, n’est-ce pas ? Donc, beaucoup d’argent soutenait le projet. Oui, je veux dire, je pouvais voir la différence, et j’ai vu du logiciel bien fait parce que nous devions agir rapidement dans cet environnement, donc il n’y avait pas autant de cette culture hiérarchique typique de l’automobile. Mais oui, c’est différent – cela prend simplement du temps.

Conor Doherty: Par exemple, nous travaillons de cette façon depuis 30, 40 ans, et nous sommes une entreprise de plusieurs milliards de dollars – qui êtes-vous pour venir dire, “Hé, vous devez arrêter de faire toutes ces choses.”

John Elam: Oui, c’est du genre, “Montrez-moi quelqu’un qui fabrique plus de voitures que nous.” Vous allez avoir des difficultés.

Conor Doherty: C’est fondamentalement vrai. Donc, encore une fois, si vous arrivez avec votre diplôme en mathématiques du MIT et que vous dites, “Bon, tout cela est de la camelote,” ou même si vous – désolé, même si vous adoptez l’approche très “velvet love”, que j’adore la manière dont vous l’avez décrite, John, l’approche du tableau blanc – quand même, vous vous heurtez à des décennies et des décennies de succès presque inégalé et très rentable. Alors, combien de résistance vient simplement de cela ? Vous pouvez rencontrer de la résistance parce que, “Je n’aime pas cette technologie,” ou, “Je ne connais pas cette technologie,” et puis il y a, “Non mec, statu quo – ça va, nous n’avons pas besoin de ça.”

John Elam: J’ai eu la chance d’être embauché dans le cadre d’une transformation digitale, donc j’ai littéralement été recruté en sachant que c’était le défi, et il y a une raison pour laquelle nous avons dû faire appel à des personnes extérieures. Je suis donc en quelque sorte conscient que la raison pour laquelle je suis même dans l’entreprise, c’est parce que ce que nous faisions ne nous mènera pas là où nous aimerions aller. Je suis donc assez chanceux à cet égard, mais cela ne signifie pas que pratiquement chaque partie prenante que je rencontre, à l’exception de ma chaîne de direction directe, soit dans ce mode “Eh bien, John, j’ai réussi en faisant cela de cette manière depuis longtemps.”

Ça peut, vous savez, être présenté de plusieurs façons. Cela peut être, comme je l’ai décrit précédemment, un service haut de gamme, une approche tableau blanc, « co-créons ensemble ». Parfois, il s’agit de présenter cela à leur direction ou à leurs cadres, selon – une grande partie de cela dépend de la carte d’influence, et de savoir si vous pouvez identifier les personnes réellement influentes au niveau décisionnel, c’est-à-dire, au niveau VP, là où les vraies décisions sont prises dans une entreprise de cette taille. Et donc, découvrir qui est en relation avec eux – franchement, parfois, si je rencontre un obstacle avec une partie prenante, il faut tout simplement contourner et laisser leur direction savoir ce qui est possible, avec d’autres alliés, n’est-ce pas ? Ce n’est pas juste moi qui me présente avec, vous savez, Frank contre Bob, c’est Frank et ses amis contre Bob qui fait cela depuis 40 ans, et voici ce que cela signifie pour vous, M. et Mme l’Exécutif – voici comment vos KPI vont changer, en les guidant à travers tout cela.

Mais heureusement, je ne rencontre pas ce problème – j’ai eu le privilège d’être embauché en tant qu’innovateur digital – le poste de digital transformation manager est exactement pour lequel on m’a recruté, donc beaucoup de personnes savent que lorsque le téléphone sonne et qu’ils voient John Elam, ils savent que je vais leur parler de changer quelque chose, car c’est littéralement inscrit, juste à côté de nos titres, dans l’équipe de transformation digitale.

Donc, quand les gens nous contactent, ils savent pourquoi nous sommes là. Oui, je ne vais pas mentir, il n’y a pas de solution miracle pour cela. Il s’agit de travailler avec les gens, avec beaucoup de patience – beaucoup de patience. Je veux dire, vous allez contre des personnes qui font cela depuis aussi longtemps que je suis en vie dans certains cas – littéralement. J’ai des supérieurs qui, vous savez, j’ai 36 ans, et il y a des managers avec 40 ans d’expérience dans l’entreprise. Donc, la patience vous mènera très loin – lentement.

Conor Doherty: Et je sais que lorsque vous parlez de cela, vous utilisez souvent des exemples de l’industrie technologique, qui est évidemment généralement beaucoup plus agile que les grandes entreprises bien établies depuis plusieurs décennies, voire 50 ou 60 ans, qui disposent de processus préétablis et d’un héritage de succès énorme. Alors, quand vous entamez ces conversations, comment ce discours du “Eh bien, voilà comment ça fonctionne dans le monde de la tech” est-il perçu par les gens ?

Joannes Vermorel: Je pense que la réalité est que, quand on regarde l’histoire des affaires, ces entreprises très établies ne représentent qu’une illusion de stabilité. Vous savez, si l’on remonte dans le temps – par exemple, l’une des plus grandes chaînes de distribution de tous les temps, A&P, que presque personne ne se souvient, mais qui fut la plus grande chaîne de distribution mondiale pendant la majeure partie du 20e siècle, et qui était aux États-Unis, et maintenant je pense qu’il ne leur reste plus aucun magasin.

Il y a donc eu tant de géants qui semblaient intouchables et qui ont disparu. Mon avis est que les marchés sont d’excellents filtres, et l’industrie du logiciel – et d’ailleurs, il y a cette tendance générale du logiciel qui dévore le monde – c’est que de plus en plus, je vois que les industries suivront la dynamique de l’industrie du logiciel, que ce soit pour le meilleur ou pour le pire, simplement parce que le logiciel représente une part toujours plus importante de tout.

Par exemple, c’est très intéressant, si vous regardez SpaceX — SpaceX est, pour la plupart, une entreprise de logiciels. Ce n’est pas une entreprise de fusées, c’est avant tout une entreprise de logiciels. Par exemple, la grande majorité des améliorations apportées à leurs moteurs-fusées provient d’un logiciel supérieur pour concevoir les moteurs — c’est là que réside la véritable magie de leurs fusées. La majeure partie de la magie de ces fusées réside dans cette capacité de pilotage surhumaine qui leur permet de récupérer leurs fusées — par exemple, environ 30 secondes avant d’atteindre la rampe de lancement, la fusée se déplace encore à plusieurs centaines de miles par heure.

D’ailleurs, la fusée freine à 20 Gs avant l’atterrissage. Si c’était un humain, celui-ci mourrait — la chose freine bien trop vite. C’est donc quelque chose qu’aucun humain ne pourrait piloter avec une décélération de 20 Gs. C’est là que seul le logiciel peut y parvenir. Encore une fois, cela a été très, très délicat, et il y a eu de nombreux échecs spectaculaires, mais c’est un bel exemple.

Et demain, par exemple, pour l’industrie automobile, si les véhicules autonomes deviennent, je dirais, de niveau production — je ne suis pas certain de notre position exacte à cet instant — mais dans une large mesure, cela deviendra une bataille de logiciels, de plateformes et autres. C’est très intéressant car je vois de nombreuses industries de ce type, et l’idée — j’ai oublié le nom du VC qui venait juste de dire, “Software is eating the world.” — je pense que c’était Andreessen Horowitz.

En tout cas, je constate cela, et je pense que la transformation digitale pour de nombreuses entreprises et leur supply chain, ainsi que ce qu’elles peuvent en faire, sera l’un des vecteurs par lesquels, je dirais, le logiciel apportera l’une des plus grandes transformations pour des entreprises par ailleurs assez traditionnelles.

Conor Doherty: As-tu dit Andreessen ? Marc Andreessen ?

Joannes Vermorel: Oh oui, c’est exact, tu as raison, tout à fait.

John Elam: Oui, par exemple Circuit City me vient à l’esprit, n’est-ce pas ? Je ne sais pas s’ils étaient populaires en Europe, mais ils l’étaient aux États-Unis — ils n’existent plus, ils sont en faillite. En fait, je les nettoyais au lycée.

Joannes Vermorel: Radio Shack, pareil. Radio Shack, disparu. Nokia, Kodak.

Conor Doherty: Kodak est un exemple intéressant dont tu as déjà parlé. Kodak, corrige-moi si je me trompe, c’est eux qui ont inventé l’appareil photo numérique, ou je me trompe ?

Joannes Vermorel: Appareil photo numérique portable, oui, et rien d’autre. Et ce qui est intéressant, c’est qu’ils avaient la projection — c’est aussi un aspect intéressant chez Kodak — ils avaient la prévision, n’est-ce pas ? Et littéralement, un cadre, au début des années 70, a anticipé que la domination de l’appareil photo numérique arriverait au début des années 2000, avec une marge d’environ trois ans, la prévision était correcte. Et c’est ce qui est fascinant : oui, vous pouvez — c’est même pire — avoir la prévision correcte et ne rien faire, et c’est absolument terrible.

John Elam: J’ai une hypothèse. J’imagine qu’au sein de Kodak, il y avait de nombreuses divisions — probablement, par exemple, l’optique, l’appareil photo, le film, les services, etc. — et je parierais que le film et les services représentaient probablement la plus grande partie de l’entreprise. Ainsi, les cadres responsables avaient une influence disproportionnée sur les décisions que nous allions prendre, et ils ont pris des décisions pour protéger leur propre secteur.

Joannes Vermorel: C’était exactement la raison.

John Elam: Oui, c’est parce que — oui, la politique sera toujours présente, et si nous n’incitons pas les gens à aider l’entreprise, ils vont s’aider eux-mêmes. Tu sais, les structures d’incitation, c’est quelque chose dont je parle avec ma direction et d’autres leaders technologiques : on obtient ce que l’on incite. Les gens fonctionnent comme à la tirelire. Moi-même, je fonctionne de cette manière. On obtient ce pour quoi on paie. Les commerciaux — j’adore, ils sont les plus authentiques, n’est-ce pas ? On peut le voir immédiatement. Mais honnêtement, tout le monde l’est. Et donc, si tu incites les gens à protéger ton domaine et ton royaume, tu protégeras absolument ton royaume. Il faut donc faire attention à ce que nous incitons — tu prends de très mauvaises décisions à grande échelle.

Conor Doherty: Adam, John, s’il y a quelque chose sur lequel vous souhaitez revenir ou que vous voulez développer davantage, faites-le moi savoir, nous pourrons en reparler, ou est-ce que tout va bien ?

John Elam: J’essaie de trouver comment introduire cela, car c’était lié au langage et à la communication avec les gens. Et il y a quelque chose que nous avons intégré dans notre livre, une image que vous ne pourrez pas voir ici, mais je vais essayer — je vous en procurerai une, afin que vous puissiez, de la manière que vous souhaitez, la consulter. Il s’agit du concept que nous appelons dans notre livre la “roue des mots”. Nous l’avons empruntée à la roue des émotions. Zoomez un peu, et je sais que vous ne pouvez pas lire les mots, mais le concept est assez simple.

À la périphérie, vous trouvez le mot le plus technique et spécifique que vous recherchez, et à mesure que vous vous en rapprochez, ils deviennent plus génériques. Et le concept est très simple : vos pairs — beaucoup de personnes sur cet appel — utiliseraient ces termes en périphérie, et honnêtement, zut, je me situe peut-être un peu plus au milieu personnellement, pour être franc. Je sais que ce serait mon cas, alors par exemple, est-ce que je connais, disons, le “greedy best-first search” ?

Je ne sais pas, je n’ai jamais étudié les algorithmes de pathfinding, mais si vous me disiez que c’était un algorithme de pathfinding, je pourrais dire, “D’accord, au moins je peux imaginer dans quelle catégorie ranger cette conversation.” Et pour un cadre, quant à lui — puisque c’est le cadre et les clients que nous plaçons au cœur — c’est l’essentiel : c’est juste un algorithme, n’est-ce pas ? On utilise simplement un algorithme. Ils ne disent même pas “pathfinding”, car ensuite ils se demanderaient, “Pathfinding ? Qu’est-ce que c’est qu’un algo de pathfinding ?” — ils ne savent pas, ils n’en parlent pas.

Conor Doherty: Eh bien, je suis quelque peu confus, parce que si tu n’utilises pas de grands mots, comment les gens savent-ils que tu es intelligent ? Est-ce que tu leur montres ton diplôme, ou comment cela fonctionne-t-il ? Je prends juste des notes, John.

John Elam: C’est vraiment difficile, tu sais, d’utiliser de grands mots et de paraître important, non ? Le tout, c’est l’humilité, n’est-ce pas ? Et je pense qu’une des vérités essentielles est que tout le monde, là-dehors, en sait bien plus que moi — j’essaie simplement d’aborder cela comme s’il y avait tellement plus pour moi à apprendre qu’à enseigner.

Essaie d’enseigner — tu sais, enseigner signifie connecter, et enseigner ne veut pas dire simplement énoncer des mots ou des concepts. Enseigner, c’est faire passer mon idée dans ta tête, et si parfois je dois même utiliser le mauvais mot — tu sais, techniquement c’est le mot inapproprié ou techniquement ce n’est pas — ce n’est pas une analogie parfaite, mais cela t’aidera à mieux comprendre, alors allons-y, avançons. L’essentiel est d’acquérir une meilleure compréhension de ce que je peux et ne peux pas faire, et ainsi, même si ce n’est pas parfait — une explication simple, souvent selon le public, vaut mieux qu’une réponse parfaitement détaillée et très nuancée.

Joannes Vermorel: Une approche légèrement contraire, certes. Mais évidemment, je suis d’accord sur le fait que si vous donnez une réponse qui passe complètement au-dessus de la tête de votre public, ce n’est tout simplement pas une bonne réponse. Pourtant, dans cette ère des LLM, j’ai souvent manqué de mots, et j’ai réalisé que l’une des choses les plus importantes à apprendre était de posséder un vocabulaire très riche, juste pour pouvoir poser au LLM les bonnes — les questions que vous recherchez. Et c’est — très souvent, c’est, tu sais, mettre en mots — ce que je demande ? Et parfois, il y a des mots très spécifiques qui m’échappent, évidemment.

John Elam: J’essaie de trouver comment introduire cela, car c’était lié au langage et à la communication avec les gens. Et il y a quelque chose que nous avons intégré dans notre livre, une image que vous ne pourrez pas voir ici, mais je vais essayer — je vous en procurerai une, afin que vous puissiez, de la manière que vous souhaitez, la consulter. Il s’agit du concept que nous appelons dans notre livre la “roue des mots”. Nous l’avons empruntée à la roue des émotions. Zoomez un peu, et je sais que vous ne pouvez pas lire les mots, mais le concept est assez simple.

Et ainsi, choisir le bon langage vous aide à vous connecter avec le bon public — les personnes qui souhaitent des détails, donnez-leur des détails. Quant à ceux qui s’en fichent — ils s’en fichent vraiment, n’essayez pas de les inonder, cela ne les intéresse pas. C’est littéralement du bruit, et le bruit est nuisible — il détourne toujours de votre véritable message.

Conor Doherty: Eh bien, je suis quelque peu confus, parce que si tu n’utilises pas de grands mots, comment les gens savent-ils que tu es intelligent ? Est-ce que tu leur montres ton diplôme, ou comment cela fonctionne-t-il ? Je prends juste des notes, John.

John Elam: C’est vraiment difficile, tu sais, d’utiliser de grands mots et de paraître important, non ? Le tout, c’est l’humilité, n’est-ce pas ? Et je pense qu’une des grandes vérités est que tout le monde, là-dehors, en sait bien plus que moi — j’essaie simplement d’aborder cela comme s’il y avait tellement plus pour moi à apprendre qu’à enseigner.

Comme un analyste senior qui ne connaît pas l’optimisation stochastique, et qui est — tu sais, presque tous les analystes avec qui j’ai interagi sont des personnes d’une grande curiosité, de véritables étudiants à vie. Ce genre de personne, je vais lancer quelques grands mots et les laisser aller les chercher par eux-mêmes. Donc oui, je suppose que je suis d’accord avec vous deux. Les LLM font en sorte que j’apprenne tant de choses que je n’aurais jamais cherchées auparavant, parce que je peux désormais les assimiler à mon niveau. Et surtout, maintenant qu’ils possèdent un historique, ils connaissent le genre de choses que je connais, alors c’est un peu comme, “Eh bien, tu sais comment tu travailles sur cet autre projet ? C’est un peu comme cela”, n’est-ce pas ? Le LLM peut répondre à ce genre de questions, et cela aide vraiment.

Mais pour revenir au point d’Adam, beaucoup de cadres avec qui j’ai interagi n’ont pas cette curiosité naturelle et innée pour, franchement, approfondir un concept. Il faut donc que cela soit accessible.

Adam Dejans Jr.: Même les cadres intermédiaires — oui, même beaucoup de managers intermédiaires s’en moquent.

Conor Doherty: J’aime beaucoup la façon dont tu t’y es pris — enfin, tout le monde l’a décrit, mais encore une fois, en tant que personne qui enseigne la rhétorique et qui a également enseigné la rédaction technique, le prisme que j’applique à pratiquement toutes les formes de communication (et vous le remarquerez dans la manière dont je vous envoie des messages) est l’adaptation. Donc, c’est l’audience et le but — à qui suis-je sur le point de m’adresser, que savent-ils déjà, que doivent-ils savoir, quelles sont leurs compétences préexistantes. Le but — qu’est-ce que je veux exactement leur transmettre, est-ce que je cherche à obtenir quelque chose d’eux ? Et ces deux points — à chaque email, chaque SMS, chaque brief, chaque PowerPoint, chaque discours, chaque vidéo — audience et but. Qui regarde, qu’essaies-tu de leur transmettre ou d’obtenir d’eux, pourquoi fais-tu cela ? Et comprendre cela — encore, pour revenir à ton point, Adam — comprendre ton audience, car il y a des contraintes : le public a-t-il le niveau de connaissance préalable pour comprendre ce qui se passe ? Ont-ils le temps, l’envie ? Ce sont toutes des priorités changeantes, ce sont toutes des choses différentes. Sont-ils fatigués, leur cerveau manque-t-il de glycogène parce qu’il est 18h ?

Pour de vrai — parce qu’il est 18h à cause du décalage horaire. Tu as commencé ta journée, tu es frais, tu viens de prendre un café — et ils sont épuisés. Encore une fois, c’est le contexte. Donc, encore, audience, but, et ensuite contexte — où se déroule la conversation ? Quoi qu’il en soit, pour enchaîner sur ma dernière question : si les gens veulent en savoir plus sur la rhétorique, je recommande Aristote. Mais si les gens veulent en savoir plus sur la prévision probabiliste ou la supply chain, il y a eu une question qui m’a été posée lors d’un sondage que j’ai réalisé pour cette interview, et c’était très simplement : “Pour les gens — Connor, merci de demander au public, ou au panel, quelques recommandations, que ce soit pour l’optimisation de la supply chain, la prévision probabiliste, ou même simplement des conseils.” Alors, dernière question, en ordre inverse : Joannes, as-tu des recommandations de livres ou des conseils à partager pour ceux qui souhaitent en apprendre davantage ?

Joannes Vermorel: Je veux dire, la série de conférences que j’ai produites sur YouTube — si vous avez des heures, pour être honnête, j’espère qu’elles sont plutôt bonnes, mais c’est un parcours de 100 heures, donc il faut du temps et c’est un engagement, disons.

Conor Doherty: Mais il existe aussi des LLM capables de résumer les transcriptions. Oui, la transcription complète est aussi disponible sur le site — si tu disposes d’un LLM, tu peux la condenser en une page. Oui, d’accord. John.

Adam Dejans Jr.: Pourquoi ne pas le faire pour nous et mâcher notre nourriture.

John Elam: Un — un livre que je recommanderais, et il va, bien sûr, venir de moi, le gars du produit, est “The Lean Startup” par Eric Ries. Ce n’est pas nécessairement un livre technique — en fait, ce n’est probablement pas une recommandation que ce public entend très souvent — mais il traite entièrement du produit et de la résolution de problèmes. Et donc, oui, Eric Ries a réalisé ce très bon livre, il présente d’excellents exemples sur la manière de tester son idée, d’une manière générale.

Et il explique comment différentes agences gouvernementales ont su devenir plus efficaces et créer réellement plus de valeur pour les citoyens. Il présente de nombreux exemples de startups qui ont démarré sans aucune technologie — zéro tech. “Est-ce vraiment un problème réel et les gens vont-ils payer pour le résoudre ?” Et ils s’en occupaient littéralement de manière manuelle, envoyant des e-mails à la main, juste pour tester : ce problème vaut-il vraiment la peine d’être résolu ? Parce que je pense qu’il arrive que nous dépensions beaucoup d’argent pour résoudre un problème existant, alors que personne n’est réellement prêt à payer pour qu’il disparaisse. Voilà donc un livre que je recommanderais : “The Lean Startup” par Eric Ries.

Adam Dejans Jr.: Ouais, je pense que si vous cherchez des livres techniques, il y en a beaucoup. Je reviens sur un livre appelé—je l’ai lu durant mon époque de consulting—appelé “Just Listen” de Mark Goulston. Et ce livre porte davantage sur comment amener les gens à passer d’une posture défensive à un partage véritable d’empathie et de persuasion, ce que je pense être plus important que l’aspect technique. Vous pouvez toujours trouver quelque part le concept technique. Et puis, bien sûr, notre propre livre—vous avez décroché le job des données, et ensuite ?

“Vous avez décroché le job des données, et ensuite ?”—c’est un livre que John et moi avons écrit. Ce livre est né du constat que nous voyions beaucoup de nos collègues, très intelligents, dont les idées étaient souvent négligées simplement parce qu’ils ne savaient pas comment les présenter ou qu’ils n’avaient pas établi les bonnes relations ou la bonne fondation avant d’aller de l’avant. John peut en dire plus.

John Elam: Oui, ce livre a été très amusant à élaborer car il représente en quelque sorte la grande culmination de tous les problèmes que j’ai rencontrés durant ma carrière, ainsi que de nombreux problèmes rencontrés par Adam tout au long de la sienne. Il aborde en quelque sorte certains des éléments fondamentaux pour avoir une belle carrière et faire un impact au travail. Et quand je parle d’impact au travail, je veux dire que même dans les milieux académiques—par exemple, si vous créez ce tout nouvel algorithme vraiment génial et qu’il est évalué par tous ces journaux mais que personne ne l’utilise—vous savez, j’espère que vos recherches finiront par être utilisées une fois que vous aurez passé le cap, je suppose, peut-être, je ne sais pas, mais vous voulez que cela ait de l’importance.

Et ainsi, tout le livre commence avec la communication en tant que premier chapitre. Il y a tellement de petits aspects dans la communication que nous avons essayé d’aborder, qu’en tant que jeune ingénieur, je me suis dit : “Je vais simplement montrer aux gens que c’est la bonne manière—objectivement la bonne, pourquoi pas ?” Et j’ai appris que ce n’était pas vraiment le cas—nous sommes humains, nous sommes très émotionnels, nous avons évolué pour être des créatures très sociables qui aiment les histoires, nous nous y connectons.

Et ainsi, dans le livre, vous trouverez de nombreux éléments concernant la roue des mots que nous venons de partager, vous découvrirez différentes techniques de storytelling, et vous verrez en fait l’une des choses dont tu parlais, Conor, à savoir que, lors d’une présentation, il existe tout un cadre composé de cinq questions à se poser : pourquoi êtes-vous là, pourquoi votre public est-il là, dans quel état se trouvent-ils, que souhaitez-vous vraiment communiquer, et quel est l’appel à l’action par la suite.

Et si vous ne faites pas cela, alors vous vous contentez de parler, et vous pourriez faire passer votre message, mais si vous parvenez à communiquer : “Voici ce que je veux que les gens retiennent et voici où ils se trouvent,” vous pouvez les guider. Et il y a d’autres aspects, comme, comment lancer votre premier projet de données, à quoi cela ressemble-t-il exactement ? Pour ceux qui ont peut-être participé à un projet mais qui n’en ont jamais mené un de bout en bout.

Et puis, une des dernières choses dont je veux parler dans le livre, que je trouve importante mais souvent passée sous silence, est notre section sur le leadership—le leadership en termes de leadership formel et informel—mais l’une des principales choses que j’aurais aimé apprendre plus tôt était l’élaboration de business cases. Si j’avais su comment monter un business case étant jeune ingénieur, de nombreux projets auraient pu être financés et cela aurait aidé les entreprises pour lesquelles j’ai travaillé.

Et la principale chose que je souhaite que l’on retienne concernant les business cases, c’est leur simplicité déconcertante. Je n’ai jamais vu de business case comporter plus de 10 lignes d’articles. C’est toujours : “Voici ce que nous faisons aujourd’hui, voici le coût mensuel, voici ce que j’aimerais faire demain, voici le coût fixe, voici notre coût variable, voici le delta,” et ensuite les gens demandent : “Où est-ce que je signe ?” C’est donc très simple. Quand nous parlons du “back of the napkin”, je ne saurais trop insister sur ce fait—je ne pense pas avoir vu de décision financière qui n’ait pas été une décision de type back-of-the-napkin.

Nous essayons simplement de faire de notre mieux avec les informations dont nous disposons à l’époque. Donc, oui, j’espère que les gens trouveront un certain intérêt dans le livre—il y a aussi quelques anecdotes amusantes sur nos succès et nos ratés, donc j’espère que cela leur sera utile.

Conor Doherty: Je terminerai en disant qu’il est disponible sur Amazon. C’est vrai—eh bien, parce que vous étiez trop timides pour le faire, je m’en charge pour vous. Mais bon, merci les gars, j’apprécie. Pas de souci. Je n’ai pas d’autres questions. Adam, John, vraiment, je sais que je vous ai retenus longtemps, alors merci beaucoup de vous être joints à nous—j’apprécie vraiment.

John Elam: Ça a été génial, merci de nous avoir accueillis.

Conor Doherty: Merci à tous les autres—I say retournez au travail.