00:00:00 Configuration du chapitre deux et perspective du lecteur
00:04:30 Dérive terminologique et confusion des praticiens
00:08:55 Pourquoi le “planning” dans l’ERP induit en erreur
00:13:25 Éviter les pièges du planning d’ERP; Excel n’est pas honteux
00:17:55 Critique des buzzwords et néologismes de Lokad
00:22:25 Utiliser un langage défectueux sans promesses creuses
00:26:55 La recherche opérationnelle est devenue supply chain, puis a divergé
00:31:25 Supply chain pré-scientifique et norme de falsification
00:35:55 Les décisions stochastiques nécessitent des essais répétés
00:40:25 Promesses d’automatisation brisées et critères mouvants
00:44:55 Les affirmations d’optimalité échouent quand de meilleures méthodes apparaissent
00:49:25 Des preuves historiques d’une stagnation de plusieurs décennies
00:53:55 Pourquoi les véritables percées se répandent; supply chain à la traîne
00:58:25 Les affirmations sans détour aliènent-elles les praticiens ?
01:02:55 Critique de la théorie de la boue : les affirmations informes résistent à la réfutation
01:07:25 Science pratique : juger les méthodes sur la base de leurs résultats
01:11:10 Les bases de données graphiques comme exemple de battage médiatique avertisseur
Résumé
Conor teste le chapitre “Histoire” de Joannes comme un outil pratique, et non comme un détour. Joannes soutient que la terminologie est un champ de bataille : les significations évoluent, les vendeurs exploitent la confusion, et les mauvaises appellations détournent les budgets — le “planning” ERP étant le cas par excellence. Conor remet en question le jargon lui-même de Lokad (“holimization”); Joannes affirme que la différence réside dans la substance et la transparence, et non dans l’échange de mots à la mode. L’affirmation la plus importante : la théorie mainstream de la supply chain supply chain theory est “pré-scientifique” car elle évite la falsification; des décennies d’articles “optimaux” ne sont pas adoptés, ainsi les théories ne fonctionnent pas. Règle pratique : faites confiance à l’histoire, pas au battage médiatique.
Résumé étendu
Conor présente l’épisode comme un test de résistance du livre de Joannes Vermorel : non pas comme une conversation interne amicale, mais comme ce que l’on pourrait remettre en cause ou mal comprendre, dans la peau d’un praticien moyen — l’un des millions —. Le premier affrontement est structurel : le chapitre deux est “Histoire” dans un livre présenté comme un playbook pratique. Joannes soutient que l’histoire est pratique précisément parce que la supply chain est inondée de termes dont les significations évoluent au fil des décennies, et que les vendeurs tirent parti de cette dérive. Si vous ne maîtrisez pas le vocabulaire, vous ne pouvez même pas effectuer de recherches de manière efficace, sans parler de l’évaluation des affirmations.
L’exemple central est celui de “enterprise resource planning.” Les ERPs modernes ne “planifient” en grande partie pas, pourtant le nom persiste en raison des jeux de marché et des batailles de marques des décennies passées. Le coût de croire à cette appellation n’est pas académique — il est financier et organisationnel. Les entreprises tentent d’imposer le planning dans des systèmes conçus comme des systèmes d’enregistrement, gaspillant des années pour finalement retomber sur les feuilles de calcul. La leçon n’est pas que “les mots comptent” au sens poétique, mais que “les mots induisent en erreur” au sens opérationnel : une mauvaise appellation oriente les budgets, l’attention et les attentes vers des impasses, tandis que les vendeurs et les consultants disent rarement non.
Conor aborde ensuite une deuxième contradiction : Joannes critique les buzzwords, mais Lokad invente des termes tels que “holimization.” La défense de Joannes n’est pas que Lokad évite totalement le jargon, mais qu’il introduit de nouveaux termes avec parcimonie et leur confère de la substance — méthodes publiques, documentation et affirmations testables — plutôt que d’échanger des noms à la mode (blockchain hier, generative AI aujourd’hui) via un discours marketing sans changement opérationnel.
L’argument s’intensifie jusqu’à la thèse de Joannes selon laquelle la théorie mainstream de la supply chain est “pré-scientifique.” Son critère est la falsification : les affirmations doivent être mises à l’épreuve par la réalité. Il cite des décennies d’articles académiques “optimaux” sur les stocks qui sont rarement utilisés en production et considère cette absence d’adoption — malgré une prise de conscience généralisée des recherches en entreprise — comme la preuve que les théories ne fonctionnent pas en pratique. Conor objecte que les supply chains sont variables, distribuées et humaines, rendant la falsification à la manière de la chimie irréaliste. Joannes admet que le bruit est élevé, mais insiste sur le fait que la falsification reste nécessaire, même si elle nécessite des essais répétés et des tests comparatifs.
Le conseil pratique est direct : utilisez l’histoire comme substitut de la vérité. Suivez ce qui a été promis depuis des décennies, constatez quand les promesses se réduisent alors même que la technologie devient “plus avancée,” et mettez de côté les idées de longue date qui n’ont toujours pas abouti (il cite les bases de données graphiques). En résumé : suivez les incitations, méfiez-vous du langage marketing et considérez les résultats stagnants comme le point de données le plus décisif.
Transcription complète
Conor Doherty: Alors Joannes, bon retour au Black Lodge. Voici l’épisode deux d’une série en cours où nous prenons votre nouveau livre, Introduction to Supply Chain, et nous passons chapitre par chapitre pour en discuter, l’analyser, et surtout, j’essaie de vous pousser sur des points pouvant prêter à confusion ou susciter un désaccord. Et pour cela, j’adopte la perspective de l’un des, disons, 10 millions de praticiens dans le monde qui pourraient se procurer votre livre. Ils ne vous connaissent pas. Ils ne connaissent pas Lokad. Ils n’ont jamais entendu parler de la Supply Chain Quantitative. Ils ne me connaissent pas—imaginons le contraire—et ils prennent simplement votre livre et commencent à le lire.
Quelle serait leur réaction s’ils pouvaient s’asseoir ici ? Que vous diraient-ils en lisant certaines choses ? Vous en arrivez donc, essentiellement, à répondre au lectorat potentiel de ce livre.
Donc, étant donné cela — et ceci est le deuxième épisode — le premier épisode a couvert le chapitre un. Si vous ne l’avez pas regardé, j’encourage l’audience à le faire car il s’agit d’une conversation évolutive. Nous ferons probablement des rappels au cours de la série sur les chapitres précédents. Pour comprendre le contexte, lisez le livre — ou lisez le livre et regardez les épisodes dans l’ordre.
Mais bon, allons-y. Aujourd’hui, c’est le chapitre deux. Le chapitre deux que vous appelez “Histoire.” Un détail clé ici : ce n’est pas une préface. Ce n’est pas un prologue. Il n’y en a en fait aucun dans le livre, et il n’y a même pas d’index dans le livre. Ainsi, il s’agit du chapitre deux, intitulé “Histoire,” dans un livre que vous qualifiez, au dos, de playbook destiné à améliorer la qualité de service et la marge dans des conditions réelles. Il y a d’autres prétentions, mais encore une fois, c’est la principale revendication.
Ma question est donc la suivante : le chapitre deux est “Histoire”, dans lequel vous remontez 200 ans en retraçant les origines de la supply chain. Vous citez des mathématiciens français du XVIIIe siècle. Vous parlez de recherche opérationnelle. Vous évoquez les vendeurs et leur obsession pour inventer des termes. Ma question est donc : cette histoire contribue-t-elle de manière pratique à un playbook pour les praticiens ?
Joannes Vermorel: Oui, car le paysage est rempli de mots — mots-clés — qui ne signifient pas nécessairement la même chose, et qui, en effet, ne signifiaient pas la même chose selon la décennie à laquelle on se réfère.
Ainsi, l’un des défis pour les praticiens est de donner un sens à tous ces termes. De quoi parlons-nous ? Nous parlons de choses comme la logistique, ou la supply chain, ou la recherche opérationnelle, entre autres.
La réalité, c’est que les vendeurs utilisent encore ces termes. Les entreprises les utilisent toujours. Et vous trouverez des tonnes de documents en ligne qui utilisent également ces termes, mais parfois avec des significations différentes.
Ainsi, lorsque j’essaie de clarifier un peu le paysage, je suis parvenu à la conclusion qu’adopter, je dirais, un regard historique léger — il s’agit d’un chapitre relativement court — était probablement le moyen le plus simple de comprendre où nous en sommes actuellement en termes de terminologie, et de clarifier ce que les gens entendent par ces termes, ou ce qu’ils signifiaient vraiment autrefois.
Et de nouveau, pour un praticien, cela est important, car il devra comprendre le paysage. La supply chain n’est pas quelque chose qui se fait, dirais-je, en stricte isolation comme la géométrie. Vous devrez interagir avec des outils, des systèmes, des vendeurs, des partenaires, et autres, et comprendre tout cela est important.
De plus — et pour conclure — c’est également un exercice intéressant, car c’est la première étape vers un état d’esprit adversarial en ce qui concerne la supply chain.
Conor Doherty: Revenons à l’état d’esprit adversarial — eh bien, vous pourriez sans doute répondre à cela avec cette question. Alors, quand vous parlez des termes, pouvez-vous donner des exemples de leur importance ? Exactement. Donc encore une fois, du point de vue du praticien, vous affirmez que les vendeurs abusent du langage. Vous donnez des exemples dans le livre — je vous laisse citer les vôtres — mais quels exemples pouvez-vous fournir ? Et surtout, pourquoi sont-ils si problématiques qu’il est nécessaire de consacrer du temps dans un playbook pour que les praticiens les apprennent ?
Joannes Vermorel: Encore une fois, si vous ne connaissez pas les termes de votre propre domaine, vous êtes dans le noir. Vous n’avez aucune idée de ce qu’il faut rechercher. Vous ne pouvez même pas utiliser Google, et même ChatGPT sera quelque peu déconcerté si vous posez les mauvaises questions, tout simplement parce que vous n’avez pas les mots.
Il m’a fallu, lorsque j’ai commencé avec Lokad, quelques années pour me rendre compte de tout ce qui me manquait, simplement parce qu’il me manquait les mots. Je n’avais pas réalisé, par exemple, que certains mots signifieraient quelque chose de radicalement différent il y a trois décennies.
Vous lisez donc un document et cela ne fait qu’ajouter à la confusion parce que : que se passe-t-il ici ? Ils parlent de logistique, mais d’une manière qui n’a aucun sens comparé à ce que j’ai vu en ligne. Qu’est-ce qui se passe ? Et la réalité est : la terminologie a évolué au fil des décennies.
Ainsi, pour un praticien, cela est très important. Je pense que maîtriser le vocabulaire est probablement la première étape pour devenir réellement compétent. Vous devez comprendre les termes, sinon vous ne serez même pas capable de donner un sens aux documents que vous pouvez trouver en ligne. Vous ne pourrez même pas effectuer de recherches efficacement avec Google, et vous ne serez même pas capable de poser des questions pertinentes.
Vous voyez, ces termes sont d’une importance capitale. Et nous devons parcourir ce chemin car, en raison des incitations, bon nombre de ces termes ont été introduits non pas pour une pure rigueur scientifique, mais avec une certaine intention derrière.
Conor Doherty: Encore, pouvez-vous me donner un exemple de terme ? Parce que là, vous voulez dire — comme la prévision ? Je suppose que vous ne parlez pas de prévision.
Joannes Vermorel: Non. Je pense, par exemple, au terme “planning.” Si vous commencez à penser au planning et à “enterprise resource planning,” d’accord, c’est le genre de chose qui devient très confus.
Parce que si vous pensez, de nos jours, à la grande majorité des ERPs — et c’est pourquoi les gens ne disent plus “enterprise resource planning” — c’est parce que ces logiciels ne concernent pas le planning. Ils utilisent donc “ERP” comme un nom précisément parce que, en réalité, il n’y a plus de planning, et cela n’a tout simplement plus de sens.
Maintenant, pour comprendre un peu : d’accord, nous avons donc ce logiciel qui est très important. Il s’appelle “planning,” mais il ne fait pas de planning. Pourquoi l’ai-je ? La réponse réside essentiellement dans les jeux orchestrés par les analystes de marché dans les années 90.
Et à l’époque, pour comprendre un peu, ces choses auraient dû être appelées “enterprise resource management.” Mais en raison des jeux joués par les analystes de marché et les vendeurs de logiciels, ils ont tenté d’insister avant de se replier sur le front du planning. Ainsi, nous sommes coincés avec cette terminologie d’“ERP.”
Mais c’est le genre de chose qu’il est important de comprendre car, par exemple, cela signifie qu’au sein de votre ERP, malgré son nom technique, il n’y a pas de planning — tout comme dans “business intelligence” il n’y a pas d’intelligence.
Ainsi, au début, lorsque vous entrez dans ce domaine, les terminologies sont si mauvaises. Et pour y voir plus clair, il est tout simplement plus facile de comprendre un peu l’anecdote historique qui nous y a conduit. C’est plus facile à saisir, et plus simple à mémoriser.
Conor Doherty: Oh, je ne suis pas en désaccord avec — je ne pense pas que quiconque serait en désaccord avec cette présentation. Encore une fois, supposez que tout est correct et que le déroulement historique est exact. Je ne pense pas que quelqu’un contesterait la sémantique du propos.
Ce dont je parle, c’est de l’impact de ce point. Donc si je vous dis : “Oui, oui, je suis d’accord. Il n’y a pas de planning dans l’ERP.” D’accord. Qu’est-ce que cela change pour moi, en tant que praticien, dès le premier jour ? Jour zéro : je lis le livre. Jour un : je sais désormais que ces termes sont mal utilisés. Qu’est-ce qui change ?
Joannes Vermorel: Je n’essaierai pas de faire du planning au sein de l’ERP. Vous voyez, c’est d’une importance capitale, car certaines entreprises tentent de faire le planning — le pauvre logiciel n’a jamais été conçu pour ce genre de choses. C’est une base de données relationnelle. C’est complètement en contradiction — c’est un système d’enregistrement — c’est totalement incompatible avec cette entreprise, et cela se passe extrêmement mal.
Et ils gaspillent littéralement une demi-décennie dans ce genre de choses. Je veux dire, vous pouvez aller jusqu’à Lidl, et ils ont gaspillé littéralement un demi-milliard, sur une épopée de sept ans avec SAP, en essayant essentiellement de faire ce qu’un système d’enregistrement n’a jamais été conçu pour faire, à savoir effectuer toute forme d’analyse avancée. Cela s’est très mal passé.
Au cours de mon parcours chez Lokad, j’ai constaté que j’ai vu tant d’entreprises confrontées au même problème. Encore une fois, tout commence avec le vocabulaire. Si vous êtes induit en erreur et que vous pensez que votre ERP est censé faire du planning, c’est donc à cet endroit que vous allez le chercher.
Et voilà, vous trouverez un vendeur qui prétendra le pouvoir, car les vendeurs de logiciels d’entreprise — tout comme les consultants — ne disent jamais non. “Votre logiciel peut-il faire n’importe quoi ?” et la réponse est invariablement oui. Et si nous ne pouvons pas, nous nous contenterons d’un module ou d’une petite personnalisation pour y remédier.
Ainsi, disposer de la bonne terminologie constitue un point de départ pour orienter votre attention et concentrer vos efforts dans des domaines pertinents. C’est d’une importance extrême.
De nouveau, pour les praticiens, ou pour les personnes qui achètent le logiciel : si je suis un CFO et que j’approuve un budget pour un ERP et que l’on me dit, “C’est un demi-milliard d’euros pour un système d’enregistrement,” cela n’a aucun sens pour quiconque, car ces logiciels sont à très forte granularité. Vous avez des milliers et des milliers de fonctionnalités, et pour y voir plus clair, il faut avoir une compréhension de haut niveau.
Donc encore, même si vous n’allez pas changer le logiciel, une fois que vous savez, vous savez que si tout ce que possède votre entreprise est un ERP, eh bien soit. Votre planification se fera sous Excel. Ne soyez pas gêné par cela. C’est simplement la réalité et ça va.
Vous ne devriez pas passer des années à essayer de faire cela dans votre base de données SQL. Cela ne se passera pas sans accroc. Ce sera extrêmement douloureux et fastidieux, et finalement, cela sera remplacé par un tableur.
C’est donc aussi ce genre de choses qu’il est très important de comprendre. Et encore une fois, les incitations sont extrêmement fortes, ce qui signifie que vous serez confronté à une multitude de personnes qui vous mentent constamment.
Et encore une fois, je pense que les plus grands mensonges passent généralement par le langage lui-même, car c’est ce que l’on veut. Et de nombreux fournisseurs ont eu tant de succès — les fournisseurs de logiciels ont eu tant de succès — en déformant littéralement la réalité par la terminologie. Vous essayez simplement de façonner le langage, l’anglais, de manière à ce qu’il vous place sur un piédestal d’une certaine manière. Et ça marche, dans une certaine mesure. Enfin, dans une certaine mesure, mais ça marche.
Et c’est ce genre de choses qui doit être traité. Sinon, en tant que praticien, vous perdrez une quantité immense de temps et d’efforts en vous dirigeant essentiellement vers des impasses.
Conor Doherty: Eh bien, quand on parle d’incitations, et de la capacité à les démêler et à les diagnostiquer, et à, en substance, flairer le BS. Donc, vous savez, ERP : ce n’est pas vraiment de la planification. Cela devrait être de la gestion. Et c’est un système de records. Ce n’est pas un système de prise de décision ou d’intelligence.
Vous en êtes arrivé là parce que vous avez beaucoup d’expérience et une vaste connaissance interdisciplinaire. Maintenant, dans le chapitre un — et c’est pourquoi il est important de regarder cela dans l’ordre — dans le chapitre un, vous affirmez qu’il y a un manque de formation formelle en supply chain.
Donc ma question est la suivante : comment exactement le lecteur — encore une fois, le praticien moyen, l’un des 10 millions dont nous avons convenu en ordre de grandeur — comment le praticien moyen qui n’a pas votre niveau d’expertise prend-il l’information de ces chapitres et l’applique-t-il dans le monde réel ? Je veux dire, il n’a pas vos connaissances en informatique, en économie, en maths ou autre.
Joannes Vermorel: C’est précisément à cela que sert ce livre : fournir le bagage culturel minimal afin que vous ne soyez pas complètement perdu, et aussi pour que vous compreniez un peu les types de batailles qui se déroulent dans ce domaine, et que vous les encadriez correctement.
Par exemple, si nous parlons de cet ERP : vous voyez, si vous revenez à la majorité de ce que vous trouverez en ligne entre ERP et APS — systèmes de planification avancée — vous constaterez que la plupart des personnes impliquées, en tant que fournisseurs dans ces batailles, le cadrent comme « généraliste contre spécialiste », comme si l’ERP était une solution généraliste et l’APS, les systèmes de planification avancée, était la solution spécialiste.
Et ici, encore une fois, c’est le point soulevé dans ce chapitre : c’est tout simplement une manière complètement erronée de formuler cela. Parce que cela donne l’impression que les systèmes de records sont en réalité une option valable pour la planification. Ils ne l’ont jamais été et ne le seront jamais.
Vous voyez, c’est là encore pourquoi nous devons revoir ce type de terminologie, car elles sont tellement mauvaises qu’elles sont extrêmement confuses. Elles doivent être remplacées par quelque chose de plus cohérent et qui a plus de sens.
Et pour les planificateurs, encore une fois, en termes d’appel à l’action : si vous ne pouvez pas concevoir votre domaine au moins de manière quelque peu claire, cela va être extrêmement, extrêmement confus.
Conor Doherty: D’accord. Eh bien, sur ce point, poursuivons un peu parce que, encore une fois, une partie essentielle du chapitre est que vous attaquez, peut-être à juste titre, les fournisseurs pour leur utilisation du langage.
Et je dois apporter un peu de contexte ici parce que je tiens à citer dans le contexte. Vous utilisez donc le terme — vous dites que la supply chain se situe entre la netteté euclidienne — un langage donc très, très précis — et le jargon changeant de l’IA. Et vous dites que les étiquettes changent toutes les décennies. Vous avez établi cela.
Vous faites remarquer que les fournisseurs utilisent des buzzwords pour, entre guillemets, « flatter les organigrammes et les argumentaires marketing ». Vous écrivez, et c’est important : « Une manœuvre désormais classique consiste à inventer, ou du moins adopter, de nouveaux termes tous les quelques années pour rafraîchir l’offre et la marque ».
Vous avez également écrit, entre guillemets : « La terminologie de supply chain reste en flux et les fournisseurs sont plus actifs que jamais. Certaines sociétés de conseil prônent une supply chain agile, dynamique et holistique. »
Êtes-vous d’accord avec tout cela ?
Joannes Vermorel: C’est juste. Ouais. Exactement. C’est littéralement ce qu’il y a dans le livre.
Conor Doherty: Exactement. Maintenant, vous avez aussi tendance à parsemer des néologismes obscurs et des termes académiques non seulement dans le livre, mais aussi dans l’ensemble de vos argumentaires marketing.
Par exemple, la semaine dernière, vous avez publié un blog sur l’holimization, qui est un mot-valise entre holistic et optimization. Holistic, comme je viens de vous le citer, est un exemple explicite de buzzwords que les fournisseurs — dont nous sommes aussi l’un — utilisent. Ainsi, d’une part, nous critiquons les fournisseurs pour l’utilisation de certains langages et pour embrouiller les gens avec un langage opaque.
Mais comment répondez-vous à l’affirmation que quelqu’un pourrait faire, s’il est familier avec votre travail, que cela ressemble un peu à ce que nous faisons aussi ?
Joannes Vermorel: Oui, mais en mieux. D’accord.
Non, la réalité est que la plupart de la récupération du langage par les fournisseurs de logiciels d’entreprise est tout simplement incroyablement superficielle. Et, à ma connaissance, Lokad est l’un des tout, tout rares fournisseurs qui tente même d’être précis en termes de terminologie sur ce qu’ils entendent par planning, ce qu’ils entendent par prévision, ce qu’ils entendent par optimisation, ou les limites de l’optimisation.
Et ce que Lokad fait avec l’holimization, par exemple — ce degré d’attention — est, je pense, l’une des caractéristiques clés de l’initiative Lokad.
Mes pairs — encore une fois, je peux être biaisé ici — mais ma perception est que mes pairs ne sont nulle part aussi précis dans leur vocabulaire que Lokad. Ils n’essaient même pas, et ils ne s’en soucient probablement même pas.
Conor Doherty: Mais ils vous diraient la même chose à propos de leur documentation. Vous voyez, « Nous définissons nos choses très clairement. Regardez notre site web. » Vous dites, « Regardez mon livre. » Ce sont des arguments d’autorité.
Joannes Vermorel: Non, non, non. Je veux dire, vous voyez, la plupart — ils n’atteignent même pas le niveau où Lokad fait quelque chose qui est assez unique pour la supply chain — pas unique dans le savoir humain général — mais c’est d’investir réellement à mettre à disposition beaucoup de documentation publique pour étayer ces affirmations.
Parce que, voyez-vous, la manœuvre typique de mes pairs est de dire : il y a un buzzword, « blockchain. » Vous produisez, je dirais, 50 pages où figure le mot « blockchain. » Et puis, il y a un nouveau buzzword, « generative AI, » et vous pouvez simplement faire Ctrl+H, « rechercher/remplacer tout, » remplacer les mots-clés blockchain par « generative AI, » et les pages qui viennent d’être publiées fonctionnent exactement de la même manière.
C’est mon problème. Et Lokad ne fait pas ça.
Vous voyez, imaginez que je vous donne une brochure — 50 pages — qui dit que Lokad est tellement génial parce qu’il a adopté la blockchain. Et maintenant, il y a un nouveau buzzword, « generative AI. » Je peux littéralement faire Ctrl+H, « rechercher/remplacer tout, » remplacer les mots-clés blockchain par « generative AI, » et votre document fonctionne exactement de la même manière.
C’est là le cœur du problème. Et Lokad ne fait pas ça. Vous voyez, lorsque nous introduisons de la terminologie, je dirais que Lokad le fait très parcimonieusement. Nous n’introduisons pas des tonnes de buzzwords. C’est probablement environ une demi-douzaine sur près de deux décennies d’existence.
Mais ce sont des concepts très conséquents. Et chaque fois que nous en introduisons, nous essayons d’être très, très détaillés. Par exemple, ce concept « holimization », est venu après plusieurs conférences où je décrivais, par exemple, l’optimisation expérimentale, qui est une méthodologie.
Il est donc venu avec une multitude de supports, et j’ai simplement décidé de créer ce terme générique pour regrouper ce qui est essentiellement un chapitre entier de livre plus une conférence plus de nombreux outils plus de nombreux articles.
Conor Doherty: Vous voyez, la question — pour être clair, parce que je ne veux pas m’égarer — je ne vous demande pas, « Pourquoi l’holimization est-elle meilleure ? » ou — je ne demande pas cela. C’est orthogonal à la discussion.
Permettez-moi de préciser ma question pour peut-être aider. Pensez-vous qu’il soit judicieux d’utiliser le même langage que vous critiquez, même si vous le faites brillamment ? Pensez-vous qu’il soit sage d’utiliser un langage contaminé — un langage contaminé par le marché ?
Joannes Vermorel: Mais voyez-vous, à un moment donné, vous devez être capable de comprendre. Je ne peux pas réinventer tout le langage. Je dois donc utiliser ce qui est imparfait.
Parce que, par exemple, si j’utilise le terme approprié, « systems of records, » le problème est que les gens ne sont pas familiers avec ma terminologie, et donc ils ne comprendront probablement pas de quoi je parle. Puis je dirais, « D’accord, je parle de votre ERP, de votre CRM et de votre WMS. » Et ils diraient, « Ah, d’accord. »
Mais voyez-vous, ce n’est pas vraiment du buzzword. Un « system of record » est très clair. Je peux comprendre ce que cela signifie. Mais « holistic » — qu’est-ce que cela signifie dans le contexte d’une supply chain ? C’est plus du buzzword que l’autre.
Et par exemple, « holistic », Lokad utilise très peu ce mot, et lorsqu’il apparaît sur notre site web, nous précisons que nous voulons dire « end-to-end », que nous voulons dire des choses très spécifiques.
Vous voyez, ce qui, je pense, distingue Lokad, c’est que, parmi toutes les imperfections que nous pouvons avoir, nous ne lançons pas des buzzwords sans aucune substance. Nous ne lançons pas de buzzwords sans contexte ni substance.
Parce que, voyez-vous, encore une fois, les gens diraient qu’ils ont la blockchain, et ensuite ils ne sont pas du tout spécifiques : d’accord, quelle est votre liste exacte de fonctionnalités ? Quelles en sont les conséquences ? Que faites-vous d’un point de vue technologique ? Est-il possible de comprendre ce qui se passe ?
Et je crois que Lokad est extrêmement minutieux dans le fait de rendre public tout ce qui se cache sous le capot. Dans la compétition M5, lorsque nous avons atteint la première place mondiale au niveau du SKU, nous avons publié l’algorithme réel.
Il y a un degré de transparence très élevé. Et encore une fois, je crois que le principal problème avec les fournisseurs de logiciels est que, très fréquemment, ils sont excessivement opaques. Et ainsi, on retrouve des buzzwords utilisés, mais sans aucun contexte, sans aucune substance.
Et vous aurez beaucoup de ce que j’appellerais du « happy talk », du happy talk d’entreprise, qui entoure cela. Et la terminologie que nous avons actuellement est malheureusement ce qui reste après des décennies de batailles corporatives entre de nombreux fournisseurs de logiciels et de grands groupes de conseil.
Conor Doherty: Juste. Et pour quelqu’un — encore une fois, le praticien moyen — qui se voit présenter… alors je mets deux termes, ou deux brochures, devant les gens. Je dis, « Ceux-ci proviennent de fournisseurs, peu importe qui ils sont, quels sont leurs noms. » L’un est « holistic supply chain » et l’autre est « holimization (holistic optimization). » Pour eux, ils pourraient — et ils n’iront pas plus loin — devoir simplement décider : j’ai un temps limité, auquel vais-je consacrer mon temps ?
Comment les gens sont-ils censés savoir si le langage est si contaminé ?
Joannes Vermorel: Non, ça ne marche pas comme ça. Ça ne fonctionne pas — vous ne pouvez pas, encore une fois, ce n’est pas la solution miracle. Vous ne pouvez pas, en ayant une seule définition donnée par Joannes, ce n’est pas comme ça que ça marche.
Il s’agit de la manière dont vous comprenez la réalité même dans laquelle vous opérez. C’est ainsi que vous organisez dans votre esprit le paysage. Et vous commencez, et vous devez le faire.
Par exemple, vous aurez une multitude de cours universitaires qui vous parlent de recherche opérationnelle, et ils contiennent beaucoup de bonnes choses. Ils ne s’appellent pas supply chain. Est-ce une supply chain ? N’est-ce pas une supply chain ? C’est exactement de cela que traite ce chapitre, et cela clarifie la relation entre ce que l’on appelle la recherche opérationnelle et la supply chain.
Il s’avère que la recherche opérationnelle, telle qu’elle était pratiquée dans les années 50, 60, 70, est supply chain. De nos jours, si vous cherchez des matériaux plus récents qui s’appellent également recherche opérationnelle, cela devient quelque chose de complètement différent.
Alors, quand vous voyez recherche opérationnelle : est-ce de la supply chain ? Eh bien, cela dépend de la date du document. Et cela varie un peu parce que certaines universités s’accrochent à l’ancienne terminologie tandis que d’autres ont adopté la nouvelle terminologie.
Donc, encore une fois, il est très crucial de comprendre cela. Sinon, l’ensemble du domaine est un peu déconcertant avec des choses qui semblent complètement déconnectées, mais qui sont littéralement la même chose.
Ainsi, par exemple, la recherche opérationnelle est supply chain, mais seulement jusqu’à la fin des années 70 essentiellement. Par la suite, la recherche opérationnelle est devenue une branche de l’informatique, qui est complètement différente, qui concerne l’optimisation mathématique.
Conor Doherty: D’accord. Je vais continuer parce qu’il y a beaucoup à couvrir. Nous pourrons y revenir.
Je pense que l’une des affirmations marquantes — parce que, encore une fois, j’ai essayé de lire ceci avec un regard neuf — l’une des affirmations marquantes que vous faites dans ce chapitre concerne l’idée que la théorie dominante est tout simplement complètement défaillante. En fait, vous utilisez le terme « pré-scientifique ».
Et encore une fois, il est important, pour être juste, dans leur contexte complet — et c’est à la conclusion du chapitre — vous dites : « Une proposition simple est que la théorie dominante est inadéquate. »
Maintenant, vous en arrivez là sur la base de tout ce dont nous avons discuté, et du chapitre un que nous avons déjà enregistré. Donc : « Une proposition simple est que la théorie dominante est inadéquate. La pratique diffère parce que la théorie est défaillante et que les profits anticipés ne se matérialisent pas. En d’autres termes, malgré sa vaste littérature, la supply chain reste à un stade pré-scientifique où la connaissance ne parvient pas à produire des résultats cohérents et prévisibles. »
Donc, je tiens à aborder ce point parce que je pense qu’un thème est souvent le suivant : même si vous avez raison, il pourrait y avoir une certaine force dans le langage. C’est un point. L’autre est la véracité de cette affirmation.
Donc, pour un lecteur occasionnel, l’idée que la supply chain, et toutes ses technologies — aussi imparfaites soient-elles — toutes ses technologies et ses approches, soient considérées comme pré-scientifiques, pose quelques problèmes.
À quoi comparez-vous cela ? Et je poserai le reste des questions, mais que voulez-vous dire par « pré-scientifique », comparé à quoi ?
Joannes Vermorel: Tout domaine où la falsification fonctionne réellement. La falsification signifie que la réalité peut invalider les affirmations.
Et si vous cherchez simplement ce seuil — par exemple en chimie — si je vous dis : considérez la chimie. Oui, c’est vraiment scientifique. Si vous savez qu’il existe un manuel de chimie indiquant que vous devez prendre tel produit et tel produit, les mélanger, et que le mélange va chauffer : eh bien, vous pouvez faire l’expérience.
Et il y a un risque de falsification car si cela ne se passe pas comme indiqué dans le manuel, la théorie — la théorie chimique — est bidon. La réalité, c’est que la chimie est désormais si bien établie et vérifiée que si vous n’obtenez pas le résultat attendu d’après votre manuel de chimie en réalisant l’expérience, c’est très probablement que vous l’avez mal faite.
Mais précisément, vous pouvez avoir tant de confiance en cette théorie scientifique spécifique parce qu’elle a résisté à la falsification pendant si longtemps. Ainsi, les fondamentaux — vous savez, acide-base —, vous les mélangez et vous obtiendrez quelque chose, une solution qui va chauffer : elle est tellement vérifiée qu’il y a très, très peu de chance que vous fassiez une grande découverte en chimie en ne faisant que quelque chose de basique.
En revanche, quand il s’agit de supply chain, la grande majorité de la littérature ne franchit pas ce seuil. Tout d’abord, la grande majorité de ce qui a été publié ne peut même pas être falsifié. Ainsi, si vous appliquez ce critère, cela ne relève même pas de la science dès le départ. C’est là un gros problème.
Mais ensuite, pour moi, la véritable manière de constater que la supply chain n’est pas une théorie scientifique, c’est de regarder l’histoire. Il faut considérer le fait que nous avons plus d’un million d’articles. Il faut constater que ces idées circulent depuis littéralement un demi-siècle, et que pendant ce temps, l’automatisation a été promise sans jamais être délivrée.
Et encore une fois, il faut examiner toute cette histoire pour constater que le problème n’est pas le fait de ne pas avoir eu d’ordinateurs suffisamment puissants. Ce ne sont pas des explications valables.
Ainsi, lorsque vous adoptez cette perspective historique, vous en arrivez à : d’accord, j’ai 70 ans de publications. J’ai au moins 50 ans d’environnements informatiques modernes — et quand je dis modernes, j’entends des systèmes capables de traiter des données bien au-delà de ce qu’un humain peut faire.
Depuis un demi-siècle, nous pouvions effectuer des calculs sur plus d’un million de nombres avec un ordinateur. Ainsi, cette capacité existe depuis un demi-siècle.
Et pendant un demi-siècle, nous avons littéralement vu des centaines de milliers — maintenant nous avons probablement au total plusieurs millions — d’articles affirmant, dans une certaine mesure, détenir des solutions optimales pour gérer les stocks et exécuter toutes sortes de tâches pour les supply chains.
Ils ne sont pas utilisés dans les entreprises. Et donc, ce que je dis, c’est : le rasoir d’Occam. La manière la plus simple d’expliquer cela est que cette théorie ne fonctionne pas.
Vous pouvez passer par le processus très fastidieux de passer en revue chacun de ces plus d’un million d’articles et constater pourquoi chacun d’eux est défectueux — cela va prendre une éternité — ou vous pouvez simplement adopter cette perspective historique et dire : cela existe depuis si longtemps, a été testé par tant de personnes, avec tant de publications, pour donner si peu de résultats.
L’explication la plus raisonnable et la plus simple est que la théorie dominante est défaillante. Cela explique pourquoi vous avez si peu de choses qui fonctionnent réellement dans le monde réel de nos jours.
Conor Doherty : Comme c’est souvent le cas, plusieurs choses peuvent être vraies simultanément. Vous avez affirmé qu’elle était défaillante. Je souhaite revenir sur l’idée qu’elle est pré-scientifique, et surtout sur l’affirmation — la norme — de la falsification.
Et encore une fois, je vous laisse explorer ce point pendant un bon moment. J’avais anticipé que vous évoqueriez la chimie. Pour poser le cadre à nouveau : chapitre un, votre définition de la supply chain — votre définition — « la maîtrise de l’optionnalité face à la variabilité dans la gestion du flux des biens physiques ».
D’accord. Tout d’abord, quand on considère la nature géographiquement distribuée de la supply chain, en prenant en compte les forces météorologiques qui agissent sur elle, et en considérant les centaines — voire des milliers — d’agents différents, ayant tous des structures d’incitation différentes, qui doivent collaborer avec le temps disponible dont ils disposent pour acheminer un stylo, de son lieu de fabrication jusqu’à ma main.
Comparer cela à la robustesse de la chimie peut être un peu difficile à appréhender pour certains, étant donné que vous pouvez ajouter un acide et une base ici, là ou dans n’importe quelle autre pièce et obtenir une réaction très prévisible.
L’idée que la supply chain ne peut être considérée comme une science robuste que si elle franchit la barrière de la falsification peut, pour certains — certainement ceux qui liront les deux premiers chapitres —, sembler une norme littéralement impossible, compte tenu de ce qu’est la supply chain, telle que vous venez de la définir : la variabilité.
Alors, comment pouvez-vous falsifier une entité en perpétuelle mutation ?
Joannes Vermorel : C’est très difficile, mais néanmoins, si vous avez quelque chose qui se qualifie de scientifique, certes après un demi-siècle, cela devrait produire des résultats. Cela devrait avoir transformé l’ensemble du domaine.
Si vous revenez aux revendications depuis essentiellement les années 50, juste après la Deuxième Guerre mondiale, l’affirmation était très simple : nous allons concevoir des méthodes quantitatives qui nous permettront d’automatiser les décisions pour les entreprises. Et c’est tout.
Et les gens étaient très précis. Ce qui est intéressant, c’est que la communauté s’est un peu perdue en chemin. Mais la communauté de la recherche opérationnelle de l’après-guerre était très, très claire : nous allons élaborer des méthodes quantitatives — des méthodes mathématiques — pour optimiser nos opérations, pour guider notre allocation des ressources, pour prendre des décisions à notre place.
Et au départ, ils disaient même : le fait que nous ayons des ordinateurs ou non n’est pas un problème. Si nous disposons d’un modèle mathématique très solide, ce seront les humains qui feront simplement le calcul à la main, et voilà.
Et devinez quoi ? Lorsqu’ils ont identifié des modèles mathématiques d’une véritable pertinence — comme ce fut le cas pendant la Seconde Guerre mondiale — ils ont réellement été utilisés par les gens. On disait alors : « Oh, j’ai les meilleures méthodes, c’est un outil mathématique. Et voilà, je vais effectuer le calcul à la main parce que j’ai besoin de prendre cette décision. J’ai une méthode, et cette méthode est la meilleure pour allouer mes ressources rares. »
Ainsi, les revendications étaient très claires.
Conor Doherty : Et puis ma question — qui est : est-ce trop fort ?
Joannes Vermorel : Désolé, désolé. Oui. Est-ce trop fort ? Je dirais non.
Je comprends que l’on ne peut pas avoir quelque chose d’aussi facile à falsifier que ce qui se fait en chimie. Certes, les problèmes sont distribués, il faut impliquer beaucoup de personnes, etc. Nous allons donc nous rapprocher des sciences molles.
Mais néanmoins, lorsque nous essayons d’établir la supply chain en tant que science, nous devons nous efforcer de rendre nos affirmations aussi fortement falsifiables que possible.
Conor Doherty : Personne ne serait en désaccord avec cela. Désolé de vous interrompre, mais c’est une belle affirmation, cependant ce n’est pas celle que vous avancez dans le livre.
Joannes Vermorel : Non, non, non. C’est exactement celle que j’essaie d’avancer.
Conor Doherty : Encore une fois, je dois insister sur ce point. Si je pouvais paraphraser ce que vous venez de dire en une citation, vous avez fondamentalement reflété Oscar Wilde : « Nous sommes peut-être dans le caniveau, mais au moins nous pouvons regarder les étoiles. » Donc, nous sommes orientés dans la bonne direction. Oui. Mais ce n’est pas ce que vous dites dans le livre.
Vous avez dit — et je peux vous le relire — « Malgré sa vaste littérature, la supply chain reste pré-scientifique. »
Joannes Vermorel : Oui. Et puis vous avez dit que la falsification est la seule norme. Puis vous avez ajouté : « Ouais, enfin, je veux dire, la supply chain ne peut probablement pas être falsifiée comme la chimie, ni les maths, ni l’ingénierie. »
Non. Encore une fois, c’est le degré de confiance que vous pouvez avoir dans votre preuve, et c’est différent. Et encore une fois, non, ce n’est pas le cas.
Si vous avez des éléments qui ne peuvent être falsifiés, c’est complètement pré-scientifique. C’est une norme.
Et ensuite, la qualité de la preuve peut s’améliorer au fur et à mesure que l’on progresse dans le domaine, que l’on mûrit. Pour moi, la maturité scientifique du domaine se mesure à la capacité des gens à trouver de meilleures manières de falsifier leurs affirmations. C’est un travail en cours.
Ce n’est pas comme un zéro ou un un : quelque chose peut être falsifié ou non. Ce n’est pas cela. Je suis tout à fait d’accord. Et ce que je dis, c’est qu’en ce moment, elle se trouve dans une phase pré-scientifique car ce n’est même pas quelque chose qui préoccupe réellement.
Vous voyez, nous avons des millions d’articles. Cette idée que les choses pourraient être véritablement testées, pour s’assurer que nous avons un moyen de laisser la réalité nous indiquer qu’il y a un problème : ce n’est même pas à l’ordre du jour.
Parmi ces plus d’un million d’articles sur l’optimisation “optimale” des stocks, aucun n’est même exposé au risque d’être falsifié.
C’est pourquoi je dis que c’est vraiment pré-scientifique. Et maintenant, nous devons évoluer vers quelque chose où nous trouvons des méthodologies de plus en plus performantes pour potentiellement rendre falsifiables les affirmations et les théories.
De plus, c’est justement le but de cette histoire : évaluer quand nous pouvons disposer d’un critère empirique permettant de dire : l’histoire falsifie littéralement votre théorie pour vous.
Vous voyez, c’est une affirmation empirique. Mais fondamentalement, ce que je dis, c’est que si quelque chose fonctionne réellement, alors — mais non, ça ne fonctionne pas, car nous devons revenir à la promesse.
La promesse était l’automatisation complète depuis la Seconde Guerre mondiale. Cela existe depuis longtemps. Et l’aspect intéressant est que lorsqu’on a des théories pré-scientifiques, leur évolution n’est pas de devenir de meilleures théories scientifiques. C’est de se rendre totalement immunisées à toute critique.
Conor Doherty : Vous pensez que cela est possible dans la supply chain ?
Joannes Vermorel : C’est exactement ce qui s’est passé.
Si nous revenons à l’époque d’après-guerre, les gens disaient : « Nous allons simplement élaborer des méthodes mathématiques qui nous donneront la réponse mathématique exacte à notre problème. Et ces méthodes seront les meilleures. »
Et même si la seule ressource dont nous disposons est un humain pour effectuer le calcul, il vaut toujours la peine de le faire à la main.
Passons aux années 70 : à l’époque, ces fournisseurs de logiciels d’entreprise disaient : « Nous allons automatiser toutes vos décisions routinières de stocks. » À l’époque, la gestion des stocks se réduisait à des décisions. C’était vraiment ce qui était vendu.
Et si vous revenez à SAP, ils disaient dans les années 70 : « Nous allons robotiser complètement — complètement. » Je ne veux pas dire à moitié. Non, non, complètement : ces processus de prise de décision.
Et puis ça n’a pas fonctionné. Ainsi, les gens sont revenus sur tout cela. Et maintenant, nous disons : « Oh oui, je veux dire, nous allons simplement faire en sorte que ce soient les praticiens qui fassent tout pour nous. »
Vous voyez, il y a un retour en arrière considérable sur ce que vous êtes censé livrer — ce que votre théorie est censée apporter — qui est absolument immense.
Et pour moi, c’est exactement le chemin que suivent les théories pré-scientifiques : au lieu de s’améliorer en évoluant, elles mutent simplement pour devenir de plus en plus immunisées face à la réalité.
C’est quelque chose que Karl Popper a identifié dès le début du 20e siècle : les domaines qui ne suivent pas une voie scientifique n’évoluent pas pour devenir plus scientifiques. Au contraire, ils tendent, la plupart du temps, à rendre leurs théories complètement immunisées à toute forme de contradiction.
Conor Doherty : D’accord, selon ce critère, soyons concrets ici. Parce qu’honnêtement, cela s’éloigne un peu du propos du livre, car vous n’entrez pas dans ce niveau de détail dans le chapitre deux.
Il y a donc ici une certaine latitude. Je vous mets quelque peu sur la sellette, mais vous parlez de résultats cohérents — même si nous disons raisonnablement prévisibles. Vous avez dit que la supply chain est fondamentalement des décisions.
Les décisions que vous prenez à un moment donné reflètent une constellation très unique de facteurs, de variables, de forces, d’incitations, de prix, d’actions, de personnes, de disponibilités, de dispositions, de motivations, et de tout ce qui va avec.
Donc, si je prends une décision aujourd’hui qui reflète tout cela, comment puis-je falsifier la décision que je viens de prendre ? Parce que je ne pourrai pas la reproduire. Encore une fois, du fait que vous avez — c’est un aspect stochastique — si vous en prenez une, vous ne pouvez rien falsifier.
Joannes Vermorel : D’accord, partons là-dessus. Si vous prenez des milliers de décisions dans le cadre d’un jeu itératif, vous pouvez, dans l’ensemble, falsifier quelque chose.
Le fait que vous ayez une certaine variabilité signifie que vous devez effectuer des essais répétés, et que le niveau de bruit ambiant est élevé. Vous avez donc besoin de beaucoup de séries d’essais pour conclure.
Mais comme c’est une science molle, ce n’est pas seulement cela. Par exemple, vous rencontreriez exactement le même problème si vous vouliez sonder des opinions rares.
Par exemple : combien de personnes devez-vous interroger en France pour décider quelle branche monarchiste — car parmi les personnes pro-monarchie en France, il y en a qui sont pour certaines branches de la monarchie.
Le problème, c’est que si vous prenez les personnes pro-monarchie en France, cela représente probablement environ 0,5 % de la population. Ainsi, si vous voulez réaliser une enquête fiable sur qui est pro Bourbon et qui est pro cette autre branche, vous devrez probablement interroger plusieurs milliers de personnes.
Donc, ce n’est qu’à cause du bruit ambiant. Et ici, vous voyez qu’il ne s’agit pas seulement de science molle. C’est simplement le fait que chaque décision s’accompagne de beaucoup de bruit. Il vous faut donc de nombreuses décisions juste pour pouvoir faire la moyenne et conclure, avec peu dincertitude, que la méthode A est meilleure que la méthode B.
Mais c’est tout.
Conor Doherty : Encore une fois, vous utilisez l’exemple de la chimie. Nous parlons de la structure moléculaire, ou de ce qui se passe lorsque deux composés très, très connus interagissent. Nous pouvons prévoir que si nous avons beaucoup — ou un peu — et que vous dites alors, par exemple, que l’équivalent en chimie serait : et si nous voulions réaliser une expérience, mais avec une quantité de l’ordre du nanogramme. D’accord. Et donc vos mesures sont super médiocres simplement parce que vous avez une quantité incroyablement minuscule.
Et la seule façon d’obtenir une mesure qui soit à peu près correcte est simplement de le faire des milliers de fois et d’en faire la moyenne. Vous voyez donc que c’est une situation où votre expérience comporte beaucoup de bruit.
Mais avec bien moins de bruit — et c’est tout l’enjeu.
Encore une fois, j’aime bien cet exemple et je vais m’appuyer dessus. Vous parlez d’une expérience à faible résolution qui peut être conduite dans un domaine très précis, par opposition à une supply chain qui, selon votre propre définition, est soumise à bien plus de variabilité.
Joannes Vermorel : Oui. Mais néanmoins, vous pouvez réaliser des tests A/B. Si vous disposez de deux méthodes pour allouer vos ressources, vous pouvez faire des tests A/B.
Conor Doherty: Mais encore, ce n’est que comparatif. Ce n’est pas la falsification. La falsification est absolue.
Joannes Vermorel: Non, la falsification sera : ça marche ou ça ne marche pas.
Si vous avez une méthode qui prétend, “C’est optimal.” Optimal signifie : il n’existera jamais rien de mieux, jamais. Jamais. Jamais. Si j’ai ma méthode qui est optimale et que je découvre quelque chose de mieux, elle n’est plus optimale.
Peu importe ce qui se passe avec les mathématiques.
Je viens de dire que nous avons un million d’articles qui affirment avoir les stocks optimaux. Ils ont peut-être eu tort, mais qu’est-ce que cela dit sur la potentielle rigidité ou souplesse du domaine ?
Ce que j’essaie d’atteindre, c’est d’avoir quelque chose qui nous montre une flèche de progrès, et nous progressons dans cette direction. Et ici, quand vous avez un million d’articles qui affirment avoir des politiques de stocks optimaux, et qu’aucun d’entre eux n’est réellement utilisé en production après des décennies, c’est un problème.
Ce n’est pas une flèche de progrès. C’est un domaine très stagnant, où les gens continuent de publier des choses censées être optimales, mais qui ne sont pas utilisées pour de bonnes raisons.
Conor Doherty: Et ce n’est pas une question de—donc, la question est : c’est une autre manière de voir les choses, en présupposant la conclusion. Tu présumes que les articles ne sont pas utilisés parce qu’ils sont nulles, et non pas parce que tu ne serais peut-être pas capable d’obtenir le genre de structure que tu souhaites dans ce domaine. C’est comme essayer d’attraper de l’eau. “Oh non, de l’eau, je devrais pouvoir l’attraper. La science devrait être tangible.”
Joannes Vermorel: Non. C’est le but de ce chapitre : penser à ces derniers peut-être 70, ou du moins 50, ans. Si nous avons, disons, un million — voire plus — d’articles sur les techniques d’optimisation de stocks qui prétendent des techniques d’optimisation de stocks optimales, et que la plupart des praticiens ne les ont pas lus, d’ailleurs. La plupart des gens ne savent pas.
Si nous avançons de 50 ans de plus et que nous avons un million d’articles supplémentaires, est-ce que cela fera une différence ?
Et ma réponse est : encore une fois, si l’on regarde l’histoire, en y pensant de la mauvaise manière, probablement non. Et vous voyez, c’est pourquoi nous avons besoin de ce chapitre historique : pour réaliser qu’il y a très peu de progrès. Cela a été très stagnant.
Et la seule façon de réaliser que le domaine est stagnant depuis des décennies est de regarder l’histoire. C’est un jugement de haut niveau.
Et je crois qu’une partie du problème que nous rencontrons est le manque de falsification, et donc nous ne pouvons pas vraiment — nous n’avons pas de flèche de progrès. La flèche de progrès dans ce domaine est en quelque sorte brisée.
Et c’est ce que j’essaie de souligner et de mettre en avant. La falsification est juste un des instruments dont nous avons besoin. C’est un instrument critique, mais ce n’est pas le seul.
Et je crois qu’en fin de compte, si vous avez des choses qui ne peuvent pas être falsifiées, vous êtes dans un territoire très dangereux.
Conor Doherty: Donc, juste pour être clair, parce que c’est une légère modification de la position présentée précédemment. Tu disais auparavant qu’une chose est pré-scientifique si elle résiste à la falsification. Puis tu as dit que c’est l’un des outils de la science. Alors, dis-tu qu’à cause du fait que la science est plus exigeante, la supply chain pourrait ne pas être falsifiable mais pourrait tout de même être scientifique ?
Joannes Vermorel: Non, non, non. La falsification est nécessaire, mais elle n’est pas suffisante.
Par exemple, une théorie doit être falsifiable, mais elle doit également être minimalement concise — le rasoir d’Occam. Si vous avez deux théories qui seraient équivalentes dans leur capacité à prédire le monde, à vous donner la meilleure décision, et que l’une est de loin plus simple que l’autre, alors vous devriez choisir la plus simple.
Mais certes, cela ne dit rien sur la pertinence ou la justesse de l’autre. C’est une manière de différencier ou de faire un choix, mais cela ne signifie pas nécessairement — parce que vous avez choisi A plutôt que B, A était plus courte ou plus simple à comprendre — que cela commente en réalité l’exactitude de B.
Conor Doherty: Non, mais c’est ainsi que la science — les deux seraient correctes.
Joannes Vermorel: Oui. C’est littéralement comme cela que la science fonctionne. Si vous avez deux théories exactement équivalentes mais que l’une est de loin plus simple, les scientifiques diraient simplement : nous choisissons celle-ci. Voilà.
Ils savent qu’ils ont des théories alternatives qui peuvent être également correctes, mais vous choisissez simplement la plus simple.
Et vous voyez cela comme réalisable dans ce domaine.
Joannes Vermorel: Oui. Encore une fois, je crois que la transition vers quelque chose de scientifique passe par le fait que nous devons être capables d’avoir des critères pour éliminer ce qui ne fonctionne pas, et comprendre que nous disposons des instruments pour rejeter — pour avoir des critères de rejet clairs — et rétablir cette flèche de progrès, où ce qui est découvert, ce qui est considéré comme véritablement scientifique par la communauté, est en effet utilisé.
Vous voyez, lorsqu’une découverte est faite en chimie, ou dans bien d’autres domaines véritablement scientifiques, elle est utilisée par les praticiens. Si vous développez un nouveau procédé chimique qui est bien plus efficace qu’un précédent — et encore, tous ces termes sont correctement compris, vous savez, le rendement d’une réaction chimique, et cetera — les gens l’utiliseront réellement.
En informatique, lorsque certaines personnes découvrent un meilleur algorithme, ce meilleur algorithme est généralement mis en production en quelques mois par des entreprises intéressées par ce type de problèmes.
Ainsi, vous voyez, c’est là que je reviens sur cette idée du pré-scientifique : si nous regardons des domaines qui sont scientifiques, lorsqu’il y a une percée, elle se répercute sur l’ensemble du domaine. Les gens s’adaptent. Ils se ruent furieusement sur le dernier article, la dernière découverte.
Si vous regardez, par exemple, ce qui se passe dans le generative AI : lorsqu’une équipe publie un article et dit, “Oh, regardez, j’ai pu faire cela, mais plus rapidement, plus facilement,” tout le monde se précipite pour l’implémenter le plus vite possible. Et la raison est que ça marche. C’est quelque chose de valable.
Conor Doherty: C’est comme comparer des pommes et des oranges, cependant. Je comprends l’exemple, je comprends le point que tu fais à propos de—
Joannes Vermorel: Non, ce n’est pas comparer des pommes et des oranges. C’est ça le point.
Conor Doherty: En quoi choisir quoi commander, quand, combien, d’où, accélérer ou non, est-ce comparable à ce que tu viens de décrire ?
Joannes Vermorel: Parce que si le domaine avait mûri pour devenir quelque chose de scientifique, lorsque les gens publieraient une méthode, ils la testeraient simplement en A/B, et en l’espace d’un mois, si la méthode était réellement supérieure, elle serait adoptée.
Et les gens n’utilisent pas les articles, comme tu l’as souligné. Mais encore une fois, ma réponse est : ils ne l’utilisent pas parce que ça ne fonctionne pas.
Et encore, c’est pourquoi nous devons adopter cette posture historique : supposer que ces 10 millions de praticiens de la supply chain sont tous des ignorants, tellement ignorants de toute cette littérature académique — je pense que c’est une hypothèse complètement déraisonnable.
Ce n’est pas le cas.
Chaque grande entreprise avec laquelle j’ai travaillé a au moins quelques personnes qui gardent un œil sur la littérature académique. Elles le font toutes. Toutes ces grandes entreprises, elles ne sont pas idiotes. Elles ont des collaborations avec leurs universités locales. Elles surveillent ce qui est publié.
Si ce n’est pas adopté, c’est simplement que ça ne fonctionne pas. C’est l’explication la plus simple, et je crois que c’est l’explication correcte.
Et lorsque nous atteindrons une étape scientifique pour cette communauté, nous verrons ce qui se passe dans d’autres domaines : un article est publié, il prétend réaliser quelque chose de significatif, et alors tout le monde se précipite pour répliquer et adopter. Et c’est exactement ce que nous voyons en informatique. C’est exactement ce que nous voyons dans le generative AI. C’est exactement ce que nous pouvons voir en science des matériaux, et cetera.
Et pour moi, ce genre de comportement est la preuve anecdotique que vous avez un domaine qui fonctionne réellement sur des prémisses scientifiques, où la flèche de progrès est claire.
Quand les gens découvrent quelque chose et disent, “Nous avons quelque chose de grand entre les mains,” tout le monde essaie de répliquer, et si la réplication réussit, ils adoptent simplement.
Conor Doherty: Nous avons parlé maintenant — cela fait plus d’une heure. Nous avons déjà fait deux heures sur ce sujet. C’est génial. J’ai vraiment apprécié la conversation.
Et j’ai maintenant une pensée que je pense appropriée de te soumettre, à savoir : j’ai lu le livre, et évidemment, je ne peux pas complètement éteindre le fait que je te connais. Je ne peux pas totalement—non, mais je ne peux pas. C’est comme si tu ne pouvais pas—c’est comme si tu comprenais l’anglais. Tu ne peux pas ne pas comprendre l’anglais quand je le dis parce que tu comprends l’anglais. Donc tu ne peux pas éteindre totalement cette partie de ton cerveau. Tu peux l’ignorer, mais tu comprends toujours. Même si tu essaies de faire en sorte que ton cerveau ne comprenne pas.
Et de même, évidemment, quand je lis, même si j’essaie de le regarder avec des yeux complètement neufs, je sais toujours ce que tu dis. Je sais que j’ai peut-être formulé les choses légèrement différemment, mais je comprends ce qu’il veut dire. Et évidemment, je sais ce que tu veux dire par tout cela.
Ceci étant dit, cela fait deux heures de conversation où nous avons abordé peut-être cinq ou six points et avons rebattu la discussion pas mal de fois. Et bien que je ne prétende pas être au niveau de ton expertise sur ce sujet, je ne suis pas complètement novice non plus.
Donc, penses-tu que toutes les informations que nous avons échangées — penses-tu que le praticien moyen lira entre les lignes dans ton livre et verra, “C’est ce que Joannes voulait dire quand il a dit que c’est pré-scientifique” ?
Il ne voulait pas dire que je suis un ignoramus, un chirurgien autodidacte—c’est le chapitre un—qui n’en connaît rien, que ma formation est nulle. Mais tu sais, tout ce qui est constructif que nous venons de dire, comme la flèche de progrès.
Penses-tu qu’ils verront cela, ou penses-tu qu’ils pourraient être un peu rebutés par l’extrême ? Et c’est une question émotionnelle. Il n’y a ni bien ni mal.
Joannes Vermorel: Je crois que mes discussions avec les praticiens montrent très fréquemment que le fait que leur domaine soit stagnant, je pense qu’environ 90 % des praticiens de la supply chain seraient d’accord.
Les personnes qui sont dans le métier depuis 30 ans diraient : “Oh, quand j’ai rejoint cette entreprise il y a 30 ans, nous faisions déjà les mêmes choses sur un mainframe IBM à l’époque. Et maintenant, nous avons une application web, mais c’est toujours la même logique, toujours de la daube, et toujours les mêmes tableurs pour coller ensemble les résultats. Cela n’a pas beaucoup de sens.”
Ainsi, vous voyez, le fait que le domaine soit stagnant : la plupart des praticiens de plus de 50 ans seraient probablement d’accord, simplement parce que, pour eux, toute leur carrière a tourné autour des mêmes idées et ils ont vu très peu de changements au cours des trois dernières décennies, même si l’apparence et la convivialité des logiciels ont changé de manière spectaculaire, passant de terminaux en noir et blanc sur mainframes à des applications web.
Mais encore une fois, bien que l’interface utilisateur ait changé de manière spectaculaire, les mathématiques, la logique, et ce type de compréhension n’ont pas changé.
Alors tu as demandé : lisent-ils entre les lignes ? Je ne sais pas.
Ce que je pense, c’est que, parce qu’ils partageront probablement intuitivement le même diagnostic — domaine stagnant, flèche de progrès brisée — en lisant cette section historique, cela cristallisera en quelque sorte ce qu’ils perçoivent déjà. Et cela suscitera leur intérêt. Cela augmentera leur envie d’en apprendre davantage et d’essayer de défier le statu quo.
Vous pouvez avoir l’impression que votre domaine est stagnant au quotidien, mais vous n’y pensez pas vraiment chaque jour. C’est donc quelque chose en filigrane dans votre esprit. Et puis, peut-être, grâce à ce livre, vous réalisez : “Oh merde, en fait, ça fait maintenant un demi-siècle que c’est stagnant. Quelque chose doit changer. Et je dois peut-être en apprendre un peu plus.”
Alors, peuvent-ils lire entre les lignes ? Je ne sais pas. Mais cela peut-il tout de même déclencher le genre de réaction nécessaire pour réellement relancer cette flèche de progrès dans ce domaine ? J’espère que oui.
Conor Doherty: Eh bien, je ne suis pas en désaccord.
Peut-être permets-moi de reformuler d’une perspective plus méta, car encore une fois, tu es un auteur. Tu as écrit un livre. J’écris aussi. Il y a donc un contrat social implicite signé entre l’auteur et le lecteur : le but est, je veux transmettre une idée. Je suis l’auteur. Tu es le lecteur. Tu es le public de mon livre.
Le contrat social implicite est : autant que possible, je te rencontrerai là où tu es. Par exemple, tu n’as pas écrit en latin. Il y a en fait quelques phrases en latin, mais tu n’as pas écrit en latin. Cela aurait été fou, car alors personne ne l’aurait compris. Tu n’as pas écrit en latin. Tu n’as pas écrit en araméen.
Et plus concrètement : j’ai placé toutes les mathématiques dans la toute dernière section du livre. Tu as fait ces choix. Des choix systématiques ont été faits : d’accord, je veux m’adapter, au moins en partie, au public.
Et ce que je dis, c’est — laisse-moi le formuler ainsi — nous sommes tombés d’accord sur un ordre de grandeur de 10 millions de praticiens. Disons que, par magie, je place le livre devant ces 10 millions de personnes, et peut-être que 50 % d’entre eux se disent : “Génial. Oui, cela résonne en moi.”
Et 50 % se disent : “Je suis un peu perturbé par l’extrême des affirmations,” et ils n’ont pas entendu cela. Ils lisent littéralement : “La théorie dominante est brisée,” catastrophique, à ne pas croire, dilemme du prisonnier, extrême — quel était le terme exact qui l’indiquait déjà — “pré-scientifique.”
Tu es très précis, et je sais que dans ta tête tu l’es très précisément sur ce que tu veux dire. Mais encore, si nous prenons 10 millions et que nous faisons une moyenne, penses-tu qu’ils se diront : “Il ne veut pas vraiment dire que je suis un idiot. Il veut dire qu’il manque la théorie poppérienne de la falsification. C’est ce qu’il veut dire.”
Joannes Vermorel: Mais de plus, tu vois, je ne pense pas que la communauté se considère même comme faisant de la science. Et c’est en quelque sorte le problème.
Le fait que les professeurs d’université publient des articles qui ne sont pas du tout de la science est définitivement un problème. Mais en termes de conscience de soi, elle est assez élevée, et très peu de praticiens penseraient : “Ce que j’ai appris en supply chain est de la vraie science, et maintenant il y a un gars qui remet cela en question.” Non.
Je pense que la plupart des praticiens savent que c’est un assemblage de heuristiques, de savoirs tribaux, et de choses qui fonctionnent en quelque sorte pour leur entreprise, mais c’est très incohérent. Il y a beaucoup de contradictions internes qui ne sont pas résolues, ce qui est très pénible, et par conséquent, tout nécessite plus de réunions qu’il ne le devrait, etc.
Je crois donc que beaucoup de gens ne seraient probablement pas trop choqués par ces affirmations.
Mais aussi, je pense qu’une partie de l’effort pour faire de ce domaine une science consiste à établir des distinctions plus nettes. Et c’est pourquoi nous devons être un peu plus extrêmes, car une partie du problème que j’ai avec ce genre de matériaux pré-scientifiques est qu’ils sont très souvent impossibles à falsifier précisément parce que ce qu’ils avancent est tout simplement trop flou.
Ainsi, vous pouvez lire le contenu supply chain 4.0 et l’interpréter de diverses manières. Les événements peuvent se dérouler de n’importe quelle façon. Cela ne se contredira jamais parce que ce n’est pas net. Il n’a pas cette structure cristalline qui, en se brisant, se révélerait clairement.
C’est comme une énorme boule de boue. Si vous présentez une théorie qui est une énorme boule de boue, celle-ci peut être déformée de toutes sortes de manières — elle reste une énorme boule de boue — contrairement à quelque chose qui serait plutôt comme un cristal, où, s’il se casse, il se casse, et il serait assez évident que vous l’ayez brisé.
Je sais que cela peut sembler terrible, mais nous venons de publier une critique d’un article co-écrit par 42 auteurs. Le titre est quelque chose comme “Supply Chain in the Era of Generative AI,” ou quelque chose dans ce genre.
Et cet article, quand je dis “big ball of mud,” c’est exactement cela. Cet article est l’archétype de quelque chose qui est une énorme boule de boue. Il n’a ni forme ni consistance. Vous pouvez le diviser, et il restera une énorme boule de boue. Rien de ce qui surviendra à l’avenir ne pourra vraiment contredire cela, parce qu’il est tellement informe et médiocre.
C’est ce que j’entends par être pré-scientifique : une fois que vous avez quelque chose avec une structure beaucoup plus claire, vous réalisez, “Oh, cette chose était une énorme boule de boue.” Il faut que la science émerge pour se rendre compte que ce que vous faisiez jusqu’à présent était pré-scientifique.
Conor Doherty : D’accord. Bon, nous n’allons pas conclure la discussion — nous ne serons pas en mesure de clore le débat sur la question de savoir si la supply chain peut atteindre des niveaux de falsifiabilité comparables à ceux de la chimie.
Mais pour conclure, dernière question : en termes de conseils pratiques pour les gens, comment peuvent-ils intégrer un peu plus de science dans leur supply chain dès le premier jour ? Donc, le jour zéro, c’est-à-dire qu’ils ont commencé à lire le livre, ils n’ont lu que quelques chapitres. Le jour un : ils commencent à les appliquer. Comment peuvent-ils mettre de la science dans ce qu’ils font ?
Joannes Vermorel : Si nous devons revenir à cette perspective historique, je pense qu’il faut avoir un regard historique. C’est très important, car encore une fois, si vous ne voulez pas vous faire berner, il faut examiner l’histoire des revendications qui ont été faites.
Quand des gens avancent des affirmations depuis des décennies, et qu’à chaque décennie ils avancent des propos moins ambitieux avec plus de mots à la mode que la décennie précédente, vous n’êtes pas sur la bonne voie. Réfléchissez-y.
Les principaux éditeurs ERP formulent désormais des revendications bien plus modestes quant à ce qu’ils prétendent accomplir, tout en proposant des choses encore plus sophistiquées et élaborées. Par exemple, si ma revendication en 2025 est plus modeste, malgré le fait que j’ai accès à la generative AI, que ce que je revendiquais en 1975, que se passe-t-il ? Que se passe-t-il ?
Vous voyez, c’est pourquoi je pense qu’il est très important d’étudier l’histoire : pour comprendre en qui l’on peut avoir confiance.
Et encore, je pense que nous avons vu que la réalisation de ces expériences est très coûteuse. C’est vrai. La falsifiabilité est coûteuse, lente, bancale et difficile.
Mais je crois que la perspective historique vous offre quelque chose qui en est une sorte de substitut. Ce n’est pas un substitut parfait, mais c’en est un quand même.
Et vous pouvez examiner des choses qui existent depuis des décennies et qui avancent des revendications grandioses, et constater qu’il y en a très peu. À un moment donné, on pourrait dire : d’accord, c’est juste bidon, sinon cela aurait fonctionné. Ça aurait fonctionné.
Sinon, certaines personnes auraient réussi à convertir toutes ces connaissances en quelque chose d’utile.
Par exemple : les graph databases pour les supply chains. Les graph databases existent depuis près de trois décennies. Les graph databases open-source existent depuis deux décennies. Cette technologie n’est pas devenue grand public. Il y a très, très peu d’utilisations dont j’aie connaissance.
Je ne pense pas avoir déjà rencontré une entreprise qui utilise, en production, pour soutenir quoi que ce soit en lien avec la supply chain, une graph database.
Puis-je maintenant conclure, à partir de ces connaissances historiques, que les graph databases n’auront jamais d’impact sur la supply chain ? Je veux dire, c’est très empirique. C’est un argument historique basé sur l’observation. Ce n’est pas exactement une preuve, mais cela compte tout de même. Pour moi, c’est une indication très solide que c’est une direction très improbable pour de futures percées dans la supply chain.
Donc, ce que je dis, c’est : il faut jeter un œil à l’histoire. Regardez ce qui n’a jamais apporté grand-chose. Si des choses existent depuis très, très longtemps et qu’il semble qu’elles n’ont jamais apporté grand-chose, il est probable qu’elles n’apporteront jamais rien.
Et cela serait l’essence de ce chapitre : faites attention à l’histoire. Ce qui ne fonctionne pas depuis un demi-siècle, très probablement, ne fonctionnera jamais.
Conor Doherty : Très bien. Eh bien, merci beaucoup pour votre temps. Je n’ai plus de questions. Cela clôt le chapitre deux. Je vous verrai, vraisemblablement la semaine prochaine — en tout cas en 2026 — pour le chapitre trois.
Et merci à tous de nous avoir regardés. Si vous souhaitez nous contacter, ou si vous voulez échapper à l’énorme boule de boue dans laquelle vous vous trouvez, connectez-vous avec nous — et avec moi — sur LinkedIn, ou envoyez-nous un email à contact@lokad.com. Et sur ce, veuillez retourner travailler.
