00:00:00 Chapitre six : l’intelligence en tant que colle de la supply chain
00:04:49 La rentabilité définit l’intelligence, pas la ressemblance humaine
00:08:17 Les choix supérieurs mesurent l’intelligence opérationnelle
00:12:50 La mécanisation atteint le travail de la supply chain de cols blancs
00:17:24 Les agents de codage font taire les objections quant à la préparation
00:21:12 Les playbooks de la supply chain grand public sont robotisables
00:26:10 Essayez des agents de codage, constatez la preuve par vous-même
00:30:20 L’automatisation des cols blancs transforme l’OPEX en CAPEX
00:34:24 Les logiciels deviennent un actif concurrentiel qui s’apprécie
00:39:23 Les systèmes d’intelligence ne représentent qu’une fraction de l’actif
00:42:34 Aucune voie incrémentale vers des opérations axées sur le logiciel
00:46:23 L’automatisation sans surveillance devrait gérer les jours normaux
00:50:26 Les humains améliorent les actifs grâce à la résolution de problèmes épineux
00:55:02 Chaque département devient en partie dirigé par le logiciel
01:00:46 Les praticiens doivent repenser la valeur face aux machines
Résumé
La séance soutient que l’intelligence dans la supply chain n’est pas une question de prestige, mais de résultats : tout ce qui transforme l’information en décisions plus rentables est, par définition, plus intelligent. Sur cette base, une grande partie du travail routinier dans la supply chain peut déjà être automatisée, et les entreprises qui l’ignorent se verront surpassées. Le rôle plus profond de l’humain consiste à résoudre des problèmes épineux et stratégiques que les machines gèrent encore mal. Ainsi, la supply chain ne doit plus être perçue uniquement comme un centre de coûts, mais comme un actif productif : un ensemble de logiques décisionnelles qui peut s’apprécier par l’amélioration ou se déprécier par la négligence.
Résumé détaillé
La discussion dans cet épisode repose sur une distinction simple mais négligée : l’intelligence n’est pas un compliment, c’est une fonction. Dans la supply chain, l’intelligence n’est pas ce qui semble sophistiqué, ni ce qui flatte le jugement humain. C’est la capacité de transformer l’information en décisions qui produisent de meilleurs résultats économiques. Si une méthode génère plus de profit qu’une autre, alors, dans ce sens limité et pratique, elle est plus intelligente.
Cette définition élimine immédiatement une grande partie de la confusion. Beaucoup d’entreprises aiment dire qu’elles emploient des personnes intelligentes, mais cela ne signifie pas grand-chose à moins que ces personnes ne prennent systématiquement de meilleures décisions que les alternatives. La comparaison pertinente n’est jamais entre des êtres humains et un idéal abstrait de perfection machine. C’est entre un système de prise de décision et un autre. Un processus humain médiocre n’est pas justifié simplement parce qu’il est humain. De même, un logiciel n’est pas disqualifié parce qu’il est un logiciel.
À partir de là, la conversation se déplace vers un schéma historique plus large. Le travail manuel a d’abord été mécanisé. Le travail de cols blancs est désormais mécanisé également. Ce que les ordinateurs faisaient autrefois pour l’arithmétique et la comptabilité, les agents de codage et les outils d’automatisation commencent à le faire pour une gamme beaucoup plus étendue de tâches intellectuelles. Peu importe que les entreprises se sentent « prêtes » pour cela. Les marchés n’attendent pas la préparation psychologique. Les concurrents qui utilisent des outils supérieurs obtiennent des avantages, et ces avantages se cumulent.
Mais cela n’est pas présenté comme un chèque en blanc pour des revendications à la mode sur l’IA. Bien au contraire. Le travail routinier et grand public dans la supply chain — les formules standard, les catégorisations et les processus décisionnels répétitifs — peut de plus en plus être automatisé avec aisance. Les problèmes plus difficiles restent ceux qui sont véritablement stratégiques : la valorisation, les compromis en situation de profonde incertitude, et la création d’avantages distinctifs que les concurrents ne peuvent facilement copier. Il ne s’agit pas de problèmes de tableur déguisés en jargon. Ce sont des problèmes épineux, et pour l’instant ils restent majoritairement des problèmes humains.
C’est pourquoi la supply chain ne devrait pas être considérée uniquement comme un centre de coûts, mais comme un actif productif. Lorsque la logique décisionnelle est incarnée dans un logiciel, maintenue, améliorée et rendue économiquement efficace, elle devient semblable à un capital intellectuel. Elle peut s’apprécier grâce à un raffinement ou se déprécier par négligence. En ce sens, la capacité supply chain d’une entreprise commence à ressembler à un morceau de code productif plutôt qu’à une collection de routines administratives.
L’implication pratique n’est pas le désespoir, mais une réévaluation. La valeur humaine ne disparaît pas. Elle se déplace en amont. Le banal doit être automatisé. Ce qui est rare, difficile et stratégique demeure. La véritable question pour les praticiens n’est plus de savoir si les machines peuvent penser exactement comme les humains. La question est de savoir où les humains créent encore de la valeur une fois que les machines peuvent faire plus qu’auparavant.
Transcription complète
Conor Doherty: Bon retour. Ceci est l’épisode six d’une série spéciale où Joannes et moi prenons son nouveau livre, Introduction to Supply Chain, et nous passons en revue les idées chapitre par chapitre.
Pour cette série, j’adopte une position très spécifique : celle de quelqu’un qui ne connaît pas Lokad, ne connaît pas Joannes, et qui n’a certainement pas travaillé chez Lokad pendant trois ans et demi. Dans cette série, je suis l’un des quelque 10 millions de praticiens moyens dans le monde qui pourraient voir le livre, peut-être sur Amazon, où il est largement disponible, commencer à le lire, et poser des questions. Je prends ces questions et je les soumets à Joannes.
Comme je l’ai dit, c’est l’épisode six. Cela signifie qu’il y en a eu cinq avant celui-ci. Si vous ne les avez pas vus, je vous suggère aimablement de les regarder d’abord, car il y aura des éléments mentionnés aujourd’hui, en fait dans les premières questions, qui feront référence à des sujets abordés précédemment. Et sur ce, Joannes, ça fait plaisir de te revoir.
Ainsi, le chapitre six est intitulé de manière énigmatique « Intelligence ». Maintenant, je sais qu’au chapitre cinq, nous avons parlé de données, d’information et de connaissance, et maintenant nous passons à l’intelligence. Donc, de la manière la plus concrète possible, quelle est la thèse centrale du chapitre six, « Intelligence », et comment s’appuie-t-elle sur ce que nous avons déjà couvert ?
Joannes Vermorel: L’intelligence est la colle. Nous avons établi l’objectif dans le chapitre sur l’économie : l’objectif est de maximiser le taux de rendement. C’est une évidence. Et dans le chapitre précédent, l’information, nous avons vu que nous disposions, dirais-je, des ingrédients. Les ingrédients sont l’information.
Maintenant, nous savons ce que nous voulons faire, le taux de rendement, et nous avons rassemblé toutes les informations pertinentes avec une compréhension clarifiée de ce qui est des données et de ce qui est de l’information. Ainsi, nous avons l’essentiel, et maintenant le seul ingrédient manquant est une exécution très intelligente. Mais que voulons-nous dire exactement par intelligent ?
Évidemment, si l’on parle d’une personne, on dirait : “Oh, c’est quelqu’un de plutôt astucieux,” et ainsi de suite. Il existe de nombreuses définitions imprécises. Les gens disent, comme la plupart des entreprises le disent, “Oh, nous recrutons des personnes talentueuses et intelligentes,” ce qui peut être vrai. Et certes, certaines entreprises très performantes le font, mais ce n’est pas une définition très opérationnelle, car lorsque vous demandez fondamentalement aux gens, “Mais comment définissez-vous l’intelligence ?” ils répondent essentiellement : “Je ne sais pas, mais je peux la reconnaître quand je la vois chez un autre être humain.”
Pour être juste, c’est aussi en quelque sorte une norme, je pense. Mais ce n’est pas une définition pratique opérationnelle, car nous vivons dans un monde où le logiciel est très important. C’est ce que je dis. C’est plutôt une affirmation : ces ordinateurs ne sont pas un détail du paysage de la supply chain. Ils constituent en grande partie le paysage. Et c’est ce que je décris en disant que la supply chain ne peut être observée qu’à travers essentiellement des archives électroniques. Ainsi, la composante logicielle n’est pas un détail. C’est littéralement la couche fondamentale.
Et devinez quoi ? Ces ordinateurs peuvent également, sous certaines formes, fournir de l’intelligence, et ils le font déjà. L’arithmétique est clairement une forme de traitement intelligent de l’information. On pourrait dire, “Oh, c’est juste mécanique,” mais la réalité est que jusqu’à la fin des années 70, c’étaient en réalité des personnes diplômées qui effectuaient les calculs. Il est donc évident que les ordinateurs nous ont déjà permis d’être soulagés d’un fardeau d’intelligence, de traitement de l’information, certes, les parties les plus mécaniques de cela avec l’arithmétique.
Maintenant, nous devons discuter de ce qui reste sur la table. Nous avons des ordinateurs qui peuvent être en quelque sorte des machines à moitié intelligentes. Qu’est-ce que cela signifie ? Et quel est le rôle de l’intelligence humaine dans tout cela ? Et clarifions même ce que nous entendons par intelligence, car nous devons avoir une compréhension qui va au-delà du “je te dirai quand je la verrai.” Cette définition est tellement inapplicable qu’elle est impraticable.
Conor Doherty: Il y a quelques points là-dedans, et j’ai déjà noté quelques remarques, donc je m’écarte déjà des questions préparées. Mais il y a une distinction importante, je pense, à faire lorsqu’on parle d’intelligence. Et tu as fait un bon point dès le début à propos du fait que, tu sais, tu es une entreprise, une grande entreprise, tu engages des personnes intelligentes, et cela peut être vrai.
Un des points dans le livre, ou dans ce chapitre, que tu abordes est le suivant : qu’est-ce que l’intelligence dans le contexte spécifique de l’exécution des décisions quotidiennes requises pour faire fonctionner une supply chain de manière rentable ? Et as-tu besoin de cette intelligence au niveau humain pour cela ? Avons-nous déjà des logiciels capables d’exécuter ce niveau d’intelligence de manière fiable et à grande échelle ? Et je pense que tu défends nettement cette dernière option, et que nous l’avons depuis de très, très, très longues décennies.
Joannes Vermorel: Oui. Tout d’abord, je ne veux pas avoir une définition de l’intelligence centrée sur l’humain, car le problème est que si votre définition est centrée sur l’humain, alors vous vous retrouvez avec un tel problème, car vous finissez par vous demander : “Qu’est-ce qu’un humain ?” Évidemment, cette question est très intéressante sur le plan philosophique, mais ce n’est pas une question de supply chain. J’essaie donc de démêler cela.
Je n’essaie pas de définir ce qu’est l’humanité, l’âme, la conscience, tout cela. Ce sont des préoccupations incroyablement importantes, mais ce ne sont pas des préoccupations de supply chain.
Conor Doherty: La rentabilité, et ainsi de suite.
Joannes Vermorel: Exactement. Donc, je rattache tout à la rentabilité. J’ai expliqué au chapitre trois, l’épistémologie—pardon, pas cela—le chapitre quatre, c’est l’économie.
Conor Doherty: Oui.
Joannes Vermorel: Et ensuite, il y a le chapitre quatre, où j’approfondis l’économie. Je dis donc : qu’est-ce que cela signifie, fonctionner intelligemment ? C’est tout simplement générer des décisions qui sont très rentables, qui maximisent ce taux de rendement. Donc, littéralement, dans ce livre, dans mon livre, j’assimile l’intelligence, dans le contexte spécifique de la supply chain, à la capacité de générer des profits.
C’est ainsi que l’on transforme ces informations brutes en profits, essentiellement en choisissant les bonnes décisions. Et ce sera ma définition. Elle est très opérationnelle : si vous avez quelque chose qui génère plus de profits, alors c’est plus intelligent. Si cela génère de meilleures décisions qui s’avèrent plus rentables, c’est plus intelligent, peu importe son apparence.
Si ce qui génère plus de profits utilise des pourcentages de base, alors ces pourcentages de base sont plus intelligents. C’est ainsi que j’aborde le problème afin de disposer d’une définition très ancrée dans la réalité. Et cette définition de l’intelligence est adoptée dans la perspective de ce dont nous avons besoin pour la supply chain. Encore une fois, nous ne cherchons pas ici à résoudre le problème philosophique de l’intelligence humaine. Nous essayons de clarifier quel est le prochain ingrédient une fois que vous disposez de l’information, de l’information brute sur tout ce que vous pouvez éventuellement collecter concernant l’état de votre supply chain, l’état du marché, l’état de vos clients, fournisseurs, etc.
Une fois que vous avez rassemblé toutes ces informations, comment les transformez-vous en décisions ? Je dis que c’est là que l’intelligence intervient. C’est la colle, la magie qui convertira l’un en l’autre.
Conor Doherty: Eh bien, en fait, j’ai trouvé la citation, mais je l’avais déjà notée. Donc, juste pour un peu de contexte, tu écris dans le livre : “La supply chain exige une intelligence substantielle pour être exécutée de manière rentable,” et l’intelligence, selon ta définition, est “la capacité de faire des choix qui rapportent des récompenses futures supérieures.”
Maintenant, quelqu’un pourrait dire, “Eh bien, nous avons déjà des systèmes non logiciels pour cela. Nous avons nos processus centrés sur l’humain pour aboutir à des décisions qui rapportent des récompenses futures supérieures.” Alors, comment réponds-tu à cela ?
Joannes Vermorel: Encore une fois, je dirais oui, mais maintenant : est-ce intelligent ? Génère-t-il tous les profits qu’il pourrait ? C’est une question de comparaison.
Conor Doherty: Donc c’est un point de comparaison que tu soulèves.
Joannes Vermorel: Oui. Deux choses peuvent être bonnes, mais l’une est meilleure que l’autre.
Conor Doherty: Exactement.
Joannes Vermorel: Le fait est que des ressources sont allouées. Des choses sont achetées, transportées, transformées, distribuées, etc. Ainsi, les allocations de ressources ont lieu. La question est : se font-elles de manière intelligente ? Se font-elles de manière rentable, ou de la façon la plus rentable possible ?
Le cœur du problème est toujours un contrefactuel. Il s’agit de savoir si vous laissez des options de profits sur la table. Et si elles sont très évidentes, c’est pour cela que l’on dirait, “Oh, tu fais quelque chose de stupide,” parce que tu laisses tant d’argent sur la table. C’est toujours une comparaison.
Maintenant, si nous avons des personnes qui font déjà cela, tant mieux. La question porte sur la comparaison entre ce qu’elles font collectivement — donc c’est en quelque sorte une intelligence collective — et ce que tout autre, y compris une organisation alternative, pourrait offrir.
Conor Doherty: Quand tu dis “organisation alternative,” tu entends un système d’intelligence, comme l’intervention logicielle, ou simplement des personnes organisées différemment ?
Joannes Vermorel: Ou simplement des personnes organisées différemment. Encore une fois, tu peux imaginer qu’il s’agit simplement de personnes effectuant le travail, comme dans un processus S&OP. Ainsi, il peut s’agir simplement de personnes, mais organisées différemment, et il peut s’agir de personnes avec un logiciel, un peu de logiciel — ce serait des personnes avec Excel — ou des personnes avec beaucoup de logiciel, ou simplement un logiciel qui se trouve être puissant.
Donc, vous avez tout le spectre du fait d’avoir plus ou moins de personnes. Encore une fois, lorsqu’il s’agit d’intelligence, plus de personnes ne signifie pas nécessairement des résultats plus intelligents. À titre d’analogie, pouvez-vous simplement amener 10 personnes de la rue pour jouer aux échecs contre un grand maître d’échecs, et gagneront-elles ? Si vous prenez juste 10 personnes dans la rue, la réponse est non, probablement pas.
Conor Doherty : Mhm.
Joannes Vermorel : Et vous direz, si vous prenez maintenant mille personnes de la rue, ces 10 000 personnes parviendraient-elles à battre le grand maître d’échecs ? Toujours non. Du moins, pas de manière fiable.
Conor Doherty : Oui. Probablement pas même en réalité.
Joannes Vermorel : Exactement. Et c’est là que les gens ont tendance à se tromper, car lorsqu’on pense que “l’union fait la force” et ce genre de choses, c’est essentiellement pour des tâches matérielles, et non pour des tâches d’intelligence.
Si la question consiste à transporter des briques d’un endroit à un autre, oui, s’il y a un millier d’entre nous, nous allons transporter beaucoup plus de briques que si je n’étais qu’un seul. Mais lorsqu’il s’agit de créer la Joconde, il peut y avoir un millier d’entre nous, et aucun d’entre nous n’arrivera jamais à s’approcher de la Joconde.
C’est pourquoi l’intelligence est si spécifique. L’intelligence est incroyablement insaisissable. C’est difficile. Et ce que je dis, c’est que je veux vraiment ancrer ma définition dans quelque chose qui peut finalement être mesuré : les profits. Et je ne fais pas l’hypothèse massive qu’elle ait quelque chose à voir spécifiquement, dans le contexte de la supply chain, avec les personnes.
Je dis simplement que tout ce qui génère des profits est bien. Combien de personnes sont réellement impliquées dans la recette finale, eh bien, ce sera à découvrir, et cela dépendra en grande partie de l’état de votre technologie logicielle.
Conor Doherty : Eh bien, pour poursuivre, et c’est quelque chose dont nous avons réellement commencé à parler hors caméra, nous n’avons pas besoin de mentionner de noms, mais vous m’avez dit aujourd’hui que vous aviez reçu quelques réactions négatives en ligne concernant votre perspective sur ce concept même, l’idée de l’IA — nous y reviendrons plus tard — l’idée de l’intelligence et du standard que vous tentiez d’établir au sein de la supply chain.
Les gens vous remettaient en question, vous contredisaient, en affirmant que la supply chain n’était pas fondamentalement suffisamment évoluée pour le genre de paradigme dont nous parlons ici.
Joannes Vermorel : Oui, mais ici nous devons examiner la tendance générale des progrès technologiques. Le travail a été mécanisé, et c’est toujours le cas. C’est quelque chose qui progresse depuis littéralement des millénaires, et qui a accéléré de manière considérable pour tout ce qui est physique au cours des cinq dernières décennies.
Nous avons donc progressé. Même l’irrigation est un moyen d’économiser la main-d’œuvre. Il y a beaucoup de choses qui ont mis littéralement des millénaires à vraiment décoller, et au cours du dernier demi-siècle, le travail physique a connu des gains de productivité spectaculaires.
Conor Doherty : L’automatisation, essentiellement, c’est de cela dont nous parlons.
Joannes Vermorel : Oui, l’automatisation, essentiellement, mais à toutes les échelles. On peut penser que parfois ce n’est même pas de l’automatisation intelligente. Il peut s’agir simplement de machines plus grandes. Par exemple, un porte-conteneurs : il y a toujours un homme pour piloter le navire, sauf qu’il y a 20 000 conteneurs au lieu de — et donc si vous voulez déplacer les mêmes conteneurs avec trucks, il vous faut 20 000 chauffeurs de camion.
Ainsi, le porte-conteneurs n’est pas une technologie très avancée, mais en le rendant simplement très grand, vous pouvez augmenter la productivité de manière énorme. Les gains de productivité peuvent parfois être obtenus grâce à des technologies sophistiquées et parfois simplement par la force brute. Les porte-conteneurs illustrent bien l’approche du gigantisme par force brute et de la production par lots.
Conor Doherty : Ou même, désolé, pour revenir alors au contexte de la supply chain.
Joannes Vermorel : Oui. Et maintenant nous parlons des cols blancs, des travailleurs de bureau. Avec l’émergence des machines informatiques, les ordinateurs automatisent le travail de bureau, du moins les aspects banals des postes, et bien d’autres aspects.
Les gens ne savent pas : lorsque mes parents ont commencé à travailler, il y avait encore des personnes qui faisaient des calculs à la main. C’était littéralement des emplois à plein temps. On avait quelqu’un qui additionnait les chiffres pour tout l’argent devant être payé aux fournisseurs, et on tenait manuellement le grand livre de chaque fournisseur. Puis est venue Excel, ensuite des logiciels de comptabilité, et plus tard ERPs sont venus, encore une fois, améliorer ce processus.
Conor Doherty : Rendre le tout plus efficace, essentiellement.
Joannes Vermorel : Exactement. Nous avons donc commencé à voir des gains de productivité non seulement pour les cols bleus qui déplaçaient effectivement des choses, construisaient et fabriquaient, mais aussi pour les cols blancs. Et le processus se poursuit, et ces derniers temps il a fortement accéléré, énormément. C’est essentiellement l’histoire des agents de codage des derniers mois.
Ce qui est intéressant, c’est qu’il y a beaucoup de personnes en ligne, sur LinkedIn — je publie régulièrement —, et beaucoup de gens disent, pour résumer les retours, que c’est majoritairement positif. Ils disent : “Joannes, vous défendez quelque chose qui restera le futur dans 100 ans.”
Conor Doherty : Oui, peut-être pas cent ans, mais vous avez une longueur d’avance d’une décennie.
Joannes Vermorel : L’automatisation — le monde n’est pas prêt. Essentiellement, ils disent que les supply chains ne sont pas prêtes pour le niveau d’automatisation dont vous parlez, ce que vous défendez, ce que Lokad fait. Elle est présente, mais vous êtes une exception. Les entreprises ne sont pas prêtes.
Et c’est très intéressant, car avec les agents de codage, ce que je vois, c’est que personne n’est prêt, mais cela arrive. C’est déjà là. Ce que montrent les agents de codage — Claude Code, OpenAI Codex, et quelques-uns de leurs concurrents —, c’est que ça n’a pas d’importance si vous n’êtes pas prêt. C’est déjà là.
Et le niveau est — ce que le monde, y compris moi, découvre, et c’est vraiment un coup de poing dans l’estomac — tellement plus élevé que ce que je pensais.
Conor Doherty : Ceux-là en fait, depuis que vous avez même écrit le livre.
Joannes Vermorel : Oui, depuis que j’ai écrit le livre.
Conor Doherty : Oui. Votre question sur les LLM est désormais dépassée. Cela vous donne l’échelle du progrès, ce qui n’est pas une remarque désobligeante à votre égard. C’est juste que c’était avant Codex.
Joannes Vermorel : Exactement. Le progrès est absolument exponentiel, et c’est très, très étrange. Même ces entreprises d’IA — leur brochure marketing est dépassée. Habituellement, en tant que fournisseur de logiciels, vous promettez toujours la lune. Vous vendez quelque chose qui pourrait être disponible l’année prochaine.
Et ici, ils vendent en réalité des choses qui ont été déjà effectuées il y a six mois. Ainsi, même les départements marketing sont en retard par rapport aux capacités réelles du logiciel, et c’est fantastique.
Dans le livre, je décris l’intelligence générale comme la capacité d’un système intelligent à s’améliorer lui-même. Et devinez quoi ? Pour la dernière génération — donc c’est Opus 4.6 et GPT 5.3, donc Anthropic et OpenAI respectivement — devinez quoi ? Dans les deux cas, dans les deux instances, les équipes de développement logiciel disent que ces agents de codage ont littéralement écrit la version suivante.
Évidemment sous la supervision humaine, mais quand même. Cela signifie que l’idée que nous nous rapprochions d’un système logiciel capable de se réécrire lui-même est — eh bien, dans le livre, je mentionnais avec les LLMs qu’il se pourrait que nous ayons une étincelle d’intelligence générale. Maintenant, ce n’est plus juste une étincelle. Nous avons un petit feu. Ce n’est pas un grand feu, mais ça se construit clairement.
Donc, la critique consistant à dire “Nous ne sommes pas prêts” est, je pense, sans pertinence. Elle est sans pertinence. Le marché se moque de savoir si vous êtes prêt ou non, car ces outils sont si brutalement efficaces que quelque part dans le monde il y aura un concurrent à vous qui utilisera ces outils. C’est tout.
Et encore une fois, combien de temps votre entreprise tiendra-t-elle si vous arrivez — c’est l’expression “apporter une épée à un combat de fusils” — mais c’est plutôt comme si vous apportiez une épée et qu’eux apportaient un char. L’ampleur est grande. Elle est vraiment très grande. Donc oui, et d’ailleurs, c’est un véritable coup de fouet même pour un fournisseur de logiciels comme Lokad. Nous ne sommes pas à l’abri. C’est aussi quelque chose que nous prenons très, très au sérieux.
Conor Doherty : Bon, encore une fois, nous n’avons pas besoin d’entrer trop dans les détails, mais il y a certains mythes ou certaines idées préconçues mal conçues que nous aimerions aborder ici. Par exemple, les gens qui vendent l’idée que les LLMs, en tant que grands modèles de langage, sont une solution miracle, une panacée, pourrait-on dire, dans la supply chain — vous faites remarquer que c’est absurde. Cela est peut-être un peu daté, mais où vous situez-vous maintenant sur l’idée de l’IA en termes de prise de décision dans la supply chain ?
Joannes Vermorel : Ce qui est clair, c’est que si vous voulez complètement robotiser l’approche traditionnelle de la supply chain, les agents vont bien au-delà de cela.
Conor Doherty : Par là, encore, vous voulez dire —
Joannes Vermorel : Je veux dire safety stocks, ABC analysis, tous les suspects habituels. Donc, si vous prenez tous les suspects habituels, cela représenterait l’ensemble du matériel de formation de l’ASCM, et les agents de codage vont bien au-delà de cela. Si vous adoptez la supply chain theory, je dirais qu’il ne reste même plus une seule question sur la capacité d’OpenAI Codex ou d’Anthropic Claude Code à robotiser cela.
Oui, c’est possible. C’est faisable avec aisance. Ce n’est même pas quelque chose de vraiment difficile. Ce n’est même plus mettre ces outils à l’épreuve.
Conor Doherty : Alors, pourquoi les entreprises ne font-elles pas cela ? Cela est commercialement disponible pour 20 dollars par mois. Des entreprises milliardaires—
Joannes Vermorel : Mais certaines le font. Encore une fois, nous parlons de la majorité. Les marchés sont des filtres, pas des éducateurs, donc vous devez supposer que les nouvelles technologies ne seront jamais adoptées par toutes les entreprises. Les entreprises n’adoptent jamais toutes les technologies. Cinq pour cent d’entre elles adoptent les nouvelles technologies ; le reste fait simplement faillite. C’est là toute l’essence des marchés. Et c’est très douloureux. Schumpeter l’avait remarqué. C’est la destruction créatrice de l’innovation.
Revenons au e-commerce. Walmart aurait pu écraser Amazon. Il suffisait d’allouer quelques ingénieurs. Jeff Bezos travaillait dans un garage. Il n’avait rien. Il ne pouvait même pas embaucher les très bons ingénieurs. Tout cela est venu plus tard. Il ne pouvait se permettre, en phase très précoce, que des ingénieurs bon marché. Il était une petite startup, et il avait tant de problèmes. Rien n’était prêt. Il n’avait pas le lien avec les banques. Il n’avait pas les réseaux logistiques. Ainsi, c’était un véritable désordre.
Et pourquoi Amazon est-il devenu un tel géant ? La réponse est que tout le monde a lâché l’affaire. Personne n’a fait attention pendant des décennies jusqu’à ce qu’il soit trop tard. Et ici, ce que nous verrons sera une répétition, car le e-commerce n’était pas un cas isolé.
Si vous regardez la fin du XIXe siècle, c’est très intéressant. L’électricité arrive. L’électricité change la donne. Si vous avez de l’électricité, par exemple, choisissez n’importe quelle usine, peu importe l’usine, vous installez des ampoules, et soudainement votre usine peut fonctionner 24 heures sur 24. C’est donc la conquête de la nuit. Cela signifie que votre investissement dans des actifs physiques — si ces machines sont coûteuses — permet soudainement à vos machines de fonctionner 24 heures sur 24 au lieu de fonctionner, en moyenne sur l’année, 12 heures par jour.
Avant les ampoules, faire fonctionner une usine dans l’obscurité, ou avec des bougies, n’était tout simplement pas possible. Vous voyez, c’est le genre de chose où l’électricité, simplement en ajoutant quelques ampoules, pouvait soudainement doubler le taux de rentabilité de votre usine. Et devinez quoi ? Chaque entreprise industrielle qui a raté l’opportunité d’ajouter des ampoules dans ses usines a disparu.
Et l’histoire s’est répétée encore et encore. C’est la même chose, par exemple, pour les entreprises automobiles. Si vous regardez le début du XXe siècle, il y avait des centaines de marques en Europe. Des centaines. Et toutes ces entreprises ont quasiment disparu, et la raison est le taylorisme — l’idée d’organiser votre chaîne de montage de manière très spécifique afin de maximiser le débit et tout le reste — ce qui a fait la fortune de Ford. Toute entreprise qui n’est pas devenue comme Ford, en un sens, a fait faillite.
Alors la question est : est-ce réel ou non ? Parce que le problème avec la technologie, c’est que les gens ont formulé ces affirmations grandioses encore et encore pour parfois des choses très superficielles. Tous les mots à la mode dont j’ai parlé. Par exemple, la blockchain était dépassée pour un non-sens complet. Plus proche de nous, il y avait le demand sensing — encore une fois, c’est comme du vaporware. Il n’existe aucune technologie de détection de la demande. C’est juste un mot à la mode inventé par certains fournisseurs.
Alors la question est : parlons-nous de quelque chose de réel ? Et ma réponse est : ne me faites pas confiance. Prenez simplement du code. C’est ce que, d’ailleurs, je dis à mes collègues chez Lokad : prenez l’un de ces agents de codage, utilisez-le, et en moins d’une heure vous créerez votre première application, et vous en serez époustouflé. C’est aussi simple que cela.
Vous n’avez pas à faire confiance à Joannes Vermorel de Lokad. Vous pouvez obtenir la preuve en une heure simplement en faisant un test. Et d’ailleurs, j’ai vu des dizaines de YouTubers qui ne sont littéralement même pas des gens du logiciel. Ils discutent littéralement de cuisine, de politique, ou n’importe quoi, et ils disent : “Oh, au fait, j’ai essayé ce truc et j’ai construit une application en une heure, et c’est comme une application très sophistiquée.” Et ils en sont époustouflés.
Donc oui, cette fois, c’est quelque chose de vraiment, vraiment percutant. Et cela signifie que cette idée d’automatiser le travail de bureau — pour ma déclaration, la théorie dominante de la supply chain telle qu’elle est peut être complètement robotisée.
D’ailleurs, la théorie alternative de Lokad, celle que je présente dans ce livre, pas tout à fait. Pas tout à fait, pour des raisons qui sont, d’ailleurs, toujours très valables, que j’aborde dans le livre. Par exemple, le problème de l’évaluation est un problème très difficile. Vos LLMs ne vous donneront que des absurdités à ce sujet. Il y a donc certains — et j’énumère une certaine liste de problèmes très difficiles — pour lesquels je dis que je ne m’attends pas à une solution automatisée de sitôt, car ils sont tout simplement trop complexes, en particulier les problèmes diaboliques.
Encore une fois, ce livre a été écrit bien avant que les LLMs ne deviennent grand public, et certainement avant que les agents de codage ne deviennent grand public, mais je suis relativement satisfait sur ce front. Ces prédictions étaient en quelque sorte correctes. Claude Code ne résoudra pas correctement pour l’instant. Pareil pour OpenAI Codex, pour le moment. Ces problèmes d’évaluation sont tout simplement trop difficiles.
Conor Doherty: Eh bien, c’est ça le point, car je pense que nous avons déjà beaucoup abordé l’intelligence et l’IA, mais certains éléments d’économie s’insinuent dans le chapitre, ce qui est naturel puisque la supply chain est une branche de l’économie appliquée, excusez-moi. Et c’est l’idée de – vous avez mentionné des actifs plus tôt – c’est l’idée de l’OPEX contre le CAPEX, et l’idée de traiter la supply chain davantage comme un actif.
Je veux juste lire quelques citations, puis je vous laisserai méditer. Mais vous soutenez que ce que nous devons faire, c’est transformer les dépenses opérationnelles en dépenses d’investissement. “La pratique de la supply chain est réifiée en tant qu’actif productif,” ou devrait être réifiée en tant qu’actif productif. “Elle génère des retours continus au-delà de ses coûts d’exploitation.”
Maintenant, l’idée de transformer l’OPEX en CAPEX plaît sûrement à beaucoup de gens. Vous n’êtes pas la première personne à proposer ce concept: “Oh, nous devrions le considérer davantage comme du CAPEX.” Mais vous avancez une solution technologique pour y parvenir. Donc, oui, dans le livre et également d’après votre propre point de vue, à quoi cela ressemble-t-il concrètement? Quel est l’actif productif? Qu’est-ce que c’est? À quoi ça ressemble?
Joannes Vermorel: Encore une fois, pensez aux ouvriers et aux employés de bureau. Un ouvrier: si vous voulez transformer l’OPEX en CAPEX, vous remplacez votre employé par une machine, et au lieu de devoir payer un salaire, vous effectuez un investissement initial, et ensuite les machines réaliseront le même travail pour un prix bien, bien inférieur.
Vous voyez, c’est là toute la beauté de l’automatisation, car vous pouvez éliminer ce qui est la ressource la plus rare de toutes, à savoir la main-d’œuvre.
Conor Doherty: Mhm.
Joannes Vermorel: Au final, la ressource la plus rare de toutes, c’est la main-d’œuvre. Ce que je dis, c’est que les ouvriers et les employés de bureau représentent deux types de main-d’œuvre différents, mais c’est quand même de la main-d’œuvre. D’une part, avec les ouvriers, vous achetez la force, la motoricité, d’un employé. Dans le cas d’un employé de bureau, vous achetez essentiellement les capacités cognitives de cet employé.
Mais en fin de compte, pendant longtemps, l’idée de convertir l’OPEX en CAPEX était le privilège du travail manuel. Vous achetez simplement une machine, et cette machine effectue le travail physique.
Avec les ordinateurs, nous avons commencé à entrer dans le domaine de l’automatisation des employés de bureau. Encore une fois, pensez aux commis qui effectuaient le calcul pour suivre les registres. Ils ont déjà été remplacés par des ordinateurs. Et je dis que cela n’est qu’une continuité.
La chose intéressante à propos de la comptabilité, c’est qu’elle est fondamentalement axée sur les coûts. Aucune entreprise ne peut devenir extrêmement rentable simplement parce qu’elle a une bonne comptabilité. C’est seulement que, si vous avez une mauvaise comptabilité—
Conor Doherty: Oui, nous avons abordé ce sujet la semaine dernière.
Joannes Vermorel: Exactement. Si vous n’avez pas une bonne comptabilité, de l’argent sera perdu, volé, soudoyé, peu importe. Vous en avez donc besoin. C’est une question de survie pour votre entreprise. Vous avez besoin de la comptabilité en partie double. Ce n’est pas une option, du moins si vous opérez à une certaine échelle.
Conor Doherty: Oui.
Joannes Vermorel: Maintenant, l’aspect intéressant de la supply chain, c’est que, si vous jouez bien le jeu – c’est ce que je défends – la supply chain n’est pas un centre de coûts, c’est un centre de profits.
Premièrement, pour faire de la supply chain un centre de profits, vous devez comprendre pourquoi elle peut l’être, car si vous restez enfermé dans la perspective traditionnelle de la supply chain, la perspective traditionnelle dit: nous avons des exigences, taux de service, ce genre de choses, et ensuite le jeu de la supply chain consiste à minimiser le coût pour atteindre juste ce niveau.
Je dis que si vous encadrez le problème de cette manière, la supply chain ne peut être rien d’autre qu’un centre de coûts. C’est donc une manière de voir erronée. Encore une fois, c’est une position philosophique, plus qu’une position financière. Lorsque j’aborde le fond du sujet, j’envisage la supply chain comme quelque chose où les décisions peuvent avoir un taux de rendement. Ce taux de rendement peut être très avantageux, signifiant qu’un dollar se transformera en deux après un certain temps, ou qu’il deviendra un demi-dollar après un certain temps.
Donc, ce que je dis, c’est que lorsque je parle de “centre de profits”, je ne veux pas dire que votre supply chain générera des bénéfices. Je dis simplement qu’elle a ce potentiel.
Conor Doherty: Ouais.
Joannes Vermorel: Si vous jouez mal, vous perdriez tout simplement de l’argent. Maintenant, si nous adoptons l’idée que la supply chain a le potentiel de devenir un centre de profits, la question est alors: cette machine, cet ordinateur équipé du bon logiciel, peut-il générer automatiquement, à la manière des machines, ces bénéfices pour moi? Et la réponse que je donne est oui, et ce n’est même pas de la science-fiction.
Conor Doherty: Ouais. Eh bien, encore une fois, permettez-moi de peut-être reformuler la question. Donc, quand vous dites que vous voulez remodeler la supply chain d’un centre de coûts en un actif, vous êtes assez littéral dans le sens où vous allez en réalité – un actif n’a pas nécessairement à être quelque chose que vous détenez. Je veux dire, les stocks sont des actifs. Mais ce sont des choses qui, par définition, prennent de la valeur ou en perdent.
Vous soutenez en fait que vous pouvez convertir essentiellement la supply chain en un actif productif ou en appréciation. Qu’est-ce que cela signifie, en fait? Un actif productif. Qu’est-ce que cela signifie? Cela veut dire: qu’est-ce que je regarde et que je pense, “Voilà ma supply chain”?
Joannes Vermorel: En pratique, il s’agira de logiciel. Car vous avez d’autres types d’actifs productifs qui sont purement intellectuels. Cela pourrait être, par exemple, une marque.
Conor Doherty: Oui.
Joannes Vermorel: C’est un actif. Évidemment, lorsque Disney a acheté Marvel en tant que marque, cela constituait un actif productif. C’est quelque chose qui peut générer des revenus et qui génère bien des revenus.
Donc, ce que je dis, c’est qu’il s’agit d’un actif de propriété intellectuelle. Quel genre d’actif? Eh bien, ce n’est pas un brevet, ce n’est pas une marque, c’est un morceau de logiciel. C’est du code, essentiellement. Et pourquoi est-ce exactement un actif? La réponse courte est que, fondamentalement, vous jouez dans un domaine très compétitif.
Et donc l’idée est que, si vous jouez correctement le jeu de la supply chain, il y a dans votre logiciel et votre logique quelque chose qui vous est très propre, et qui vous permet de mieux performer que la concurrence. Pas nécessairement partout et tout le temps, mais cela vous donne une niche où vous êtes le plus fort.
Voilà pourquoi je dis que cela devient un actif productif, car c’est quelque chose qui, s’il est bien réalisé, générera des profits et aidera votre entreprise à se tailler dans le marché une île de supériorité. Parce que si vous n’avez pas une île de supériorité avec une sorte de fossé, alors vous serez remplacé par des concurrents. Par définition, une entreprise qui survit est une entreprise qui possède dans le marché une île où elle n’est pas seulement bonne, elle est la meilleure. Si elle n’a aucun segment où elle excelle, elle disparaîtra.
Conor Doherty : J’ai utilisé le terme “appreciate” plus tôt et “depreciate” car, lorsqu’on parle d’actifs qui ressemblent à une maison, ils s’apprécient ou se déprécient. Vous achetez une voiture, dès que vous la quittez du concessionnaire, elle s’est dépréciée. Vous achetez une Rolex, une bonne, une Submariner, elle peut s’apprécier en valeur. Donc, les choses montent ou elles descendent.
Appliqué dans ce contexte, d’après ma lecture de ce que vous avez décrit, vous transformez la supply chain en code. C’est un actif, et en le maintenant activement ou en l’améliorant, il permet de prendre de meilleures décisions, car encore une fois ce n’est pas un concept statique. Et en allouant les ressources de manière judicieuse, vous pouvez faire en sorte que—pour utiliser l’expression, c’est la ligne de code, je sais que cela dépend—mais c’est la ligne de code qui produit des décisions de plus en plus bonnes et plus rentables pour vous. Il s’est apprécié.
Si je ne l’examine pas pendant six mois, il produira des décisions moins bonnes, ou pas aussi bonnes qu’au début. Cet actif s’est déprécié. Ai-je bien compris ?
Joannes Vermorel : Absolument. Parfait. Absolument. Et d’ailleurs, quand je dis cela pour le logiciel, ce jeu est joué depuis un demi-siècle par les vendeurs de logiciels. Microsoft possède un actif appelé Microsoft Excel. Ils peuvent le laisser se déprécier, et ainsi le logiciel vieillit de plus en plus, et les gens achètent de moins en moins de licences. Ou ils peuvent investir dedans pour l’améliorer et inciter les gens à acheter les nouvelles versions.
Vous voyez, il en est ainsi. C’est donc un actif productif, car chaque jour des tonnes de personnes achètent, par abonnement ou autre, et paient Microsoft pour une licence de ce logiciel. Pour Microsoft, c’est donc un actif. C’est quelque chose qui génère des revenus, et s’ils ne font rien, il se déprécie lentement mais sûrement.
Par exemple, pour certains actifs de Microsoft, Microsoft déclare, “Nous n’allons jamais réinvestir à nouveau.” Ce serait l’histoire de Microsoft Access. Microsoft Access, par exemple, reste un actif à valeur dépréciée. Certaines personnes achètent encore des licences pour cela, donc il continue généralement de générer des revenus pour Microsoft, bien que ce soit essentiellement une courbe, une trajectoire en déclin. Microsoft a décidé, il y a environ 15 ans, qu’ils ne feraient plus d’investissements supplémentaires dans Access, à l’exception de mises à jour minimales, juste pour s’assurer que le logiciel continue de fonctionner. Mais c’est tout. Rien de vraiment révolutionnaire, juste un entretien minimal.
Conor Doherty : Je tiens également à être clair sur la nomenclature, sur le nom que nous utilisons ici, car encore une fois nous parlons de supply chain, on dit qu’elle est invisible, qu’elle ne peut pas être touchée—c’est le chapitre un—qu’elle ne peut pas être directement observée. Nous disons maintenant qu’elle peut être du CAPEX, elle peut être un actif, un actif s’appréciant, oui. Mais nous parlons également de systèmes d’intelligence. Le système d’intelligence est l’actif, qui est alors votre supply chain—est-ce que tout cela devient fondamentalement synonyme ?
Joannes Vermorel : Non, non. La raison pour laquelle l’introduction des systèmes d’intelligence est vraiment une discussion centrée sur le logiciel.
Conor Doherty : Mais c’est l’actif. C’est ce que vous achetez. C’est là que quelqu’un pourrait se tromper.
Joannes Vermorel : Non, non, non, non. Le système d’intelligence est une fraction de l’actif, car pour l’entreprise, cela doit être expliqué.
Conor Doherty : Oui.
Joannes Vermorel : Pour l’entreprise, il faut avoir le personnel et les connaissances institutionnelles pour exploiter votre actif. Pour disposer réellement d’un actif complet—parce que nous n’avons pas Skynet, parce qu’il n’est pas entièrement autonome—vous aurez besoin de personnes pour exploiter le logiciel. Donc, si vous pensez à votre actif, vous devriez inclure les personnes qui sont responsables de l’exploitation et de la maintenance du logiciel en tant que partie de cet actif.
Mais le système d’intelligence consiste réellement à clarifier les limites de responsabilité des différentes parties de votre paysage applicatif. Il s’agit simplement de dire que ce morceau de logiciel devrait être responsable de ceci, mais pas de cela.
Conor Doherty : Oui. Et le système d’intelligence génère les décisions, ce dont nous venions de parler en termes de lignes de code qui génèrent des décisions. Donc, c’est là que j’essaie de clarifier.
Joannes Vermorel : Mais ce que je décrirais typiquement comme un système d’intelligence est en réalité une catégorie de logiciel. Je n’y inclurais pas le fait que vous avez besoin de personnes pour le maintenir. Encore une fois, quand je parle de systèmes d’enregistrements, de rapports, je reste vraiment dans le domaine du logiciel. Je me contente de classifier différents types de logiciels ici.
J’adopte une perspective centrée sur le logiciel en réfléchissant aux caractéristiques qui appartiennent ou non au logiciel. Ici, lorsque je dis actif, je n’adopte pas une perspective centrée sur le logiciel, j’adopte une perspective économique. Une façon d’y voir les choses est l’inverse : un passif. Est-ce un actif ou un passif ? C’est ainsi que je le vois. Vous voyez, c’est une perspective économique, une posture économique.
Lorsque je parlais des systèmes d’intelligence, c’était une approche axée sur le logiciel. Je sais qu’il y a beaucoup de recoupements, mais fondamentalement, je ne considère pas la chose sous le même angle.
Conor Doherty : D’accord.
Joannes Vermorel : Au final, il existe d’énormes recoupements, mais encore une fois, cela relève de la perspective. Est-ce que j’aborde le problème d’un angle logiciel ou d’un angle économique ?
Conor Doherty : D’accord. D’accord. Eh bien, je souhaite approfondir cela, car, du point de vue d’un praticien, il y a des sections dans le chapitre qui sont très techniques. Vous commencez à parler de gradient descent stochastique, par exemple. Tout cela est très cool.
Ce qui ressort vraiment pour moi, c’est l’économie, car c’est quelque chose qui, oh, parle mon langage. C’est mon quotidien : de l’argent qui entre, de l’argent qui sort. Et si je suis quelqu’un qui prend le livre, commence à le lire, et se dit, “Oh, j’adore cette idée. J’aime l’idée de passer enfin d’un centre de coûts à un actif productif”, quelle est ma première étape ? Est-ce le système d’intelligence ? Quel est le chemin linéaire entre “oui, j’aime cette idée” et “je progresse pour l’instaurer” ?
Joannes Vermorel : Le problème est qu’il n’y a pas d’incrémentalisme. Vous ne pouvez pas passer linéairement des chevaux aux voitures. C’est le problème. Encore une fois, ici nous parlons de quelque chose qui représente un départ radical par rapport à la sagesse conventionnelle.
Nous devons adopter l’idée que l’intelligence est un spectre, et que, dans ce spectre, les ordinateurs et les machines emportent de plus en plus ce qui était autrefois le privilège de l’esprit humain. Et maintenant, avec les agents de codage, nous avons atteint une situation où la position philosophique devrait être : tout, absolument tout, devrait être fait par un logiciel intellectuellement, sauf preuve du contraire.
Ça va même plus loin que ce que j’ai exposé dans mon livre, car je pense que ces agents de codage placent désormais la barre si haut que la posture interactionnelle correcte devrait être la suivante : à moins que vous ne puissiez prouver que cette chose dépasse ce qu’un agent peut faire, nous devons supposer par défaut qu’un agent peut et le fera. C’est la bonne posture.
Tout comme dans le domaine des transports : à moins que vous ne puissiez me prouver que transporter les choses à la main est la bonne approche, par défaut j’assume que l’utilisation d’un véhicule pour le transport est préférable. Vous devez me prouver que ne pas utiliser de véhicule est l’option correcte.
Dans le monde des cols bleus, c’est si évident qu’aujourd’hui les gens regardent toute tâche répétitive et se demandent, “Ne pourrait-on pas utiliser une machine pour cela ?” Ce serait leur réflexion par défaut. Si je vous dis qu’il y a Charlie Chaplin, à la manière de Modern Times, et que vous devez frapper un marteau 5 000 fois par jour, les gens diraient, “Mais il devrait sûrement y avoir une machine. Personne ne devrait tenir un marteau lourd dans sa main et le frapper 5 000 fois par jour.” Évidemment, une machine est nécessaire.
Ce qui s’est passé, et je pense que cela s’est produit l’année dernière avec les agents de codage, c’est qu’aujourd’hui le paradigme philosophique correct est : jusqu’à preuve du contraire, pour le travail intellectuel, il devrait être réalisé par une machine. Et oui, cela ne signifie pas que le travail intellectuel humain a disparu. Mais la position philosophique appropriée devrait être : vous automatisez tout jusqu’à ce que vous ayez de très bonnes raisons de ne pas le faire.
Conor Doherty : Eh bien, d’accord. Pour vous citer, immédiatement après cela, pour vous citer du chapitre six : “À grande échelle, l’automatisation sans surveillance du banal,” ou simplement des tâches quotidiennes plus simples, “les décisions opérationnelles banales,” est à portée de main dans la supply chain depuis plus d’une décennie déjà.
Juste deux points concernant cette question. Je vous laisserai les aborder l’un après l’autre. Premièrement, d’un point de vue opérationnel, que signifie “sans surveillance” ? Si vous parlez d’un processus bout en bout, esquissez-le pour moi. Mais aussi, quelle place occupent les humains si quelque chose tourne mal ?
Joannes Vermorel : Donc, “sans surveillance” signifie cela — et vous pouvez en prendre un exemple. Si vous voulez prendre une entreprise, l’esquisser, n’importe quelle entreprise normale, pensez à Walmart. C’est simplement une entreprise normale. Il ne se passe rien de vraiment extravagant. Il ne se passe rien de vraiment extravagant. Ce n’est pas comme la tempête de neige du siècle. C’est juste un temps assez normal. Conor Doherty : Une journée moyenne. Joannes Vermorel : Oui, c’est une journée normale. Ce que je dis, c’est que si c’est un jour qui ressemble à n’importe lequel de ces jours, et que vous avez déjà cent de ces jours dans l’année, alors votre système d’intelligence, ce logiciel, devrait être capable de prendre toutes les décisions de supply chain en votre nom, sans surveillance. Et il devrait le faire non pas avec des personnes qui appuient sur un bouton pour dire oui, oui, oui. Il prend simplement les décisions, et vous avez suffisamment confiance. Le système s’est avéré suffisamment fiable pour que vous puissiez effectivement le laisser faire pour vous. Les gens diraient, “Oh, peut-on faire confiance à un ordinateur pour cela ?” Et la réponse est absolument oui. Il y en a de nombreux exemples. Par exemple, votre ABS dans votre voiture, le système anti-blocage des freins, prend une décision incroyablement vitale. Il va décider que vous freinez trop. Ce n’est littéralement pas un système pour freiner davantage. C’est un système pour freiner moins afin que vos roues ne commencent pas à glisser sur la route. Donc, fondamentalement, si cet ABS dysfonctionne, cela signifie que vous perdriez vos freins. Il va de soi qu’il s’agit d’un système extrêmement dangereux pour la vie, car c’est littéralement au moment où vous en avez le plus besoin qu’il doit être super, super critique en termes de fiabilité. Nous avons eu ce genre de systèmes pendant des décennies. Ce n’est pas un problème, à condition que nous disposions d’une ingénierie appropriée. Et donc, ce que je dis, c’est que la supply chain, par définition, la plupart des jours, est banale, sinon nous aurions une mauvaise définition du banal. Je dirais qu’un système, probablement au moins 19 jours sur 20 — c’est encore une indication — devrait pouvoir fonctionner complètement sans surveillance. Si vous devez intervenir plus de deux fois par mois, alors vous avez un problème. Oui, il y aura des mois vraiment, vraiment fous. Une fois par décennie, vous aurez un mois fou où cinq choses apparemment impossibles se produisent dans le même mois. Mais encore une fois, si nous revenons à la normalité, la plupart des jours sont normaux. Votre système devrait tout simplement fonctionner complètement sans surveillance. Et que veux-je dire par “sans surveillance” ? Cela signifie que si, à la fin de la journée, vous examinez ces décisions — quelle quantité vous avez envoyée où — vous dites, “C’était bien. C’était bien. Rien à signaler. C’était bien. Cela a fonctionné exactement comme prévu. Il n’y a rien que je regrette. Le système a fonctionné exactement comme il se devait,” et c’est tout. Conor Doherty : Eh bien, c’est l’exception. Cela aborde l’idée de ce qui se passe lorsque des exceptions surviennent. Encore une fois, c’est comme quand vous achetez une Rolex, vous l’achetez en tant qu’actif, quelque chose tourne mal, et alors vous appelez un réparateur de montres. Cela va, pour améliorer l’actif, car vous avez convenu plus tôt qu’un actif peut prendre de la valeur. Prendre de la valeur signifie qu’il s’améliore. Si ça s’améliore, c’est vraisemblablement grâce à une intervention humaine à un certain point du processus. Expliquez aux auditeurs comment cela fonctionne. Joannes Vermorel : Encore une fois, nous sommes dans le paradigme du logiciel. Il s’agit donc de refactoriser progressivement votre logiciel pour qu’il devienne une meilleure version de lui-même. C’est un problème d’ingénierie, un problème d’ingénierie logicielle. Conor Doherty : Donc, c’est un problème d’intuition humaine. Joannes Vermorel : Absolument. C’est exactement ce que je dis. C’est un problème créatif. Fondamentalement, c’est quelque chose où vous devrez inventer des avantages par rapport à vos concurrents. Vous devrez faire des choses que vos concurrents ne font pas. C’est donc un problème épineux. Il n’y a pas de solution correcte. Une solution pourrait n’être correcte que parce que vos concurrents ne l’ont pas encore adoptée. S’ils le font, vous devez vous différencier. Nous sommes donc dans le domaine des problèmes épineux, des problèmes ouverts, des problèmes qui n’ont pas ce que j’ai décrit comme des limites formelles. Et oui, c’est le privilège de l’esprit humain, du moins pour l’instant. Mais ici, nous comprenons clairement pourquoi nous avons besoin de l’esprit humain. C’est parce que ces problèmes sont hyper-difficiles. Vraiment, ils ne peuvent pas être résolus par force brute. Ils ne peuvent pas être énumérés. Conor Doherty : Par exemple, donnez un exemple, si vous le pouvez. Encore une fois, vous êtes une entreprise de vente au détail, peu importe. Vous êtes un MRO aérospatial. Choisissez n’importe quoi. Un exemple où vous avez un actif productif et une personne dans cette entreprise aide à améliorer cet actif. Joannes Vermorel : Par exemple, vous diriez : puis-je établir un partenariat avec l’un de mes fournisseurs et encadrer ce partenariat de manière à avoir un accès privilégié sur le marché, afin d’accéder à quelque chose à un coût inférieur à celui de quiconque ? Voyez-vous, à quoi ressemble ce partenariat ? Cela peut être n’importe quoi. Cela peut être une coentreprise, ou la construction d’une ligne de chemin de fer pour ce fournisseur. Conor Doherty : Des perspectives stratégiques. Joannes Vermorel : Oui. Cela peut être n’importe quoi. Cela peut être que je transmette l’une de mes technologies à ce fournisseur pour l’améliorer, via un contrat. Cela peut être que le fournisseur investisse dans mon entreprise. Cela peut être simplement que les équipes partent en retraite ensemble chaque mois. Cela peut revêtir tant de formes. Ce n’est pas une proposition qui peut être énumérée par l’option A, l’option B, l’option C. Non. C’est comme si les possibilités étaient infinies. Conor Doherty : D’accord. Et en termes de — encore une fois, pour prendre un exemple — c’est ainsi que je l’ai envisagé, et peut-être que je me trompe, vous pouvez me corriger. Mais si vous vous trouvez dans une situation où, à la fin de la journée — vous avez pris l’exemple de Walmart — vous regardez en arrière, oui, les choses auraient pu être bonnes, mais vous savez quoi, je pense en fait que cette décision aurait pu être légèrement meilleure, car cela reflète quelque chose que je connais un peu à propos de ce fournisseur ou de ce magasin. J’ai tout simplement un insight humain très unique à ce sujet. Si c’est un événement répétable ou récurrent, qui peut être intégré dans le code, ou exprimé sous forme de code, absorbé dans cet actif, et qu’à l’avenir cela a désormais entraîné le modèle à produire des décisions, alors vous n’avez pas besoin de répéter— Joannes Vermorel : Oui. C’est exactement la façon dont Microsoft améliore Microsoft Excel. Ils observent ce que disent les gens, leurs retours, et s’ils constatent que quelque chose revient très fréquemment, alors à un moment donné, ils décident d’agir et de dire, “Ce n’est pas du bruit. Ce n’est pas juste un hasard. Il s’agit en fait d’un retour fondamentalement correct sur le produit, et ainsi nous modifions le produit dans cette direction.” Et vous voyez, ici le principal problème est que, à la fin de la journée, vous pouvez constater de nombreux domaines où, ah, cette décision aurait pu être meilleure. Mais le problème est qu’à la fin de la journée, vous en savez plus que le logiciel au début de la journée. Vous disposez donc de plus d’informations. Vous devez distinguer ce qui constitue votre véritable insight pour la solution par rapport au biais de survie, c’est-à-dire le fait que vous disposez d’informations post-mortem qui n’étaient pas disponibles pour votre système d’intelligence au début de la journée. Vous ne pouvez donc pas reprocher à ce système d’être ignorant quant à ce qui ne s’est dévoilé qu’au cours de la journée. Conor Doherty : D’accord. Eh bien, cela fait environ une heure, donc je voudrais commencer à conclure un peu. Mais quelque chose qu’il me semble utile de clarifier, c’est : si la supply chain devient un actif, quel département possède cet actif ? Vous pouvez dire que c’est l’entreprise, mais où cela se manifeste-t-il ? Est-ce la finance ? Joannes Vermorel : Le problème, c’est qu’avec l’automatisation des cols blancs, tous les emplois de cols blancs sont automatisés. Pour moi, cela était évident il y a même 20 ans. Et d’ailleurs, j’ai même une conférence où j’affirme, lors de la deuxième conférence, “Le 21e siècle sera le siècle de la mécanisation des cols blancs.” C’est littéralement ma phrase d’introduction. En résumé, cette idée que nous allons convertir les entreprises, leurs divisions, en mini entreprises de logiciels pour chaque département arrive. Cela arrive depuis longtemps, et maintenant c’est fort. Ainsi, le problème est que si vous dites que le logiciel appartient à IT— Conor Doherty : Mhm. Joannes Vermorel : Quel est le but ultime de cela ? Cela gère l’ensemble de l’entreprise. Nous ne voulons pas cela. Le point, c’est que nous ne voulons pas cela, car cela rend la notion d’IT dénuée de sens. Si vous dites que j’ai le juridique, le marketing, la supply chain, peu importe, c’est une division du travail. C’est une manière de segmenter les personnes. Donc, si vous dites que tout va dans IT, alors d’accord, cela signifie que cela devient l’entreprise, et la question devient : comment la segmenter ? Je fais simplement passer le problème, en repoussant la question. Si je mets tout dans IT, pourquoi pas, mais alors la question sera comment la segmenter ? Donc, ce que je dis, c’est que mettre tout dans IT rend le terme dénué de sens. Cela revient simplement à dire que cela devient l’entreprise. Donc, si nous voulons préserver des mots qui ont une signification, alors cela ne peut être “tout va dans IT,” car nous perdons alors la proposition, la division du travail est absente, et nos mots cessent d’avoir du sens. Donc, ce que je dis, c’est que nous sommes dans un monde où, pratiquement partout où vous aviez l’habitude d’avoir de nombreux cols blancs, vous allez désormais avoir beaucoup de logiciels à la place. Et ce qui est intéressant, c’est que les agents de codage offrent un aspect fascinant sur ce à quoi pourrait ressembler l’entreprise du futur. Peut-être que chaque division aura des personnes utilisant des agents de codage pour créer leurs propres actifs pour leur division. Cela signifie que vous avez un département juridique, ces personnes utilisent des agents pour opérer à grande échelle et être extrêmement productives. De même pour les ressources humaines. De même pour chaque division. Donc, ce que je dis, c’est que si vous affirmez que la supply chain devient essentiellement un jeu logiciel — et c’est ce que je préconise dans ce livre — cela signifie simplement que la division de la supply chain devient une sorte de division logicielle spécialisée au sein de l’entreprise, dont l’objectif est de créer, d’exploiter, de maintenir et de développer un actif productif qui génère des profits en jouant très rentablement au jeu de la supply chain. Et ce sera une trajectoire parallèle, car le marketing jouera exactement le même jeu, et il aura le même problème, et il devra également développer ses propres actifs productifs afin que, au niveau de la marque et de la notoriété du marché, il cultive quelque chose qui génère de l’argent pour l’entreprise. Encore une fois, avec un véritable actif productif où la main-d’œuvre humaine est encore présente, mais non dominante. C’est en quelque sorte l’avenir de nombreuses grandes entreprises. C’est déjà le cas dans les entreprises manufacturières. Dans la plupart des entreprises manufacturières, ce qui domine, ce n’est pas la composante de la main-d’œuvre. Si vous regardez Nvidia, leurs dépenses en main-d’œuvre ne dominent pas. Ce qui domine, c’est le capital, le prix des machines qu’ils exploitent. Cela est bien plus significatif que les cols bleus qui les exploitent. Et si vous regardez Microsoft, la valorisation de leurs actifs logiciels est bien supérieure au montant qu’ils paient pour les employés. Fondamentalement, les entreprises de logiciels opèrent dans ce paradigme depuis des décennies, à savoir que la valorisation de vos actifs logiciels immatériels représente littéralement l’essentiel de ce que vous faites. Oui, vous versez des salaires, de bons salaires pour les ingénieurs logiciels, mais, comparativement à vos actifs, ils restent faibles. Et maintenant, nous assistons simplement à la prochaine étape où pratiquement toutes les entreprises commencent à ressembler un peu plus à des entreprises de logiciels. C’est un monde étrange, mais je dirais aussi que c’est un monde que beaucoup ont vu arriver depuis des décennies. Ce n’est donc pas super nouveau non plus. Conor Doherty : Très bien. Eh bien, ma dernière question, qui revient un peu à l’idée du praticien de supply chain qui lit ceci. Pour les quelque 10 millions de praticiens de supply chain qui pourraient arriver à la fin du chapitre six, que sont-ils censés retenir de ce que vous venez de dire ? Joannes Vermorel : Ils doivent repenser leur propre intelligence humaine et déterminer où se situe leur valeur ajoutée par rapport à l’intelligence machine. C’est exactement la question que, il y a deux siècles, l’on posait aux cols bleus. La même question : quelle est votre valeur ajoutée ? Et d’ailleurs, il existe de très bonnes réponses. Il y a beaucoup de personnes qui, avec leurs mains, continuent d’être très appréciées par le marché. Si vous allez dans un grand restaurant à Paris, vous trouverez un chef. Le chef est un travailleur manuel, et généralement ce chef gagne très bien sa vie. Donc, il existe de très bonnes réponses. La réponse n’est pas la douleur et la misère. La réponse est : vous avez des chefs qui gagnent — si vous regardez les personnes qui gagnent le plus en France, beaucoup de ces chefs se situent à un très haut percentile de richesse par rapport à la population générale.
Conor Doherty : Très bien. Joannes Vermorel : Ils doivent repenser leur propre intelligence humaine et déterminer où se situe leur valeur ajoutée par rapport à l’intelligence machine. C’est exactement la question qui, il y a deux siècles, était posée aux cols bleus. Et d’ailleurs, il existe de très bonnes réponses. Il y a beaucoup de personnes qui, avec leurs mains, sont toujours très valorisées par le marché. Si vous allez dans un grand restaurant à Paris, vous trouverez un chef. Le chef est un travailleur manuel, et généralement ce chef gagne très bien sa vie. Donc, il existe de très bonnes réponses. La réponse n’est pas la douleur et la misère. La réponse est : vous avez des chefs qui gagnent — si vous regardez les personnes qui gagnent le plus d’argent en France, beaucoup de ces chefs se situent à un très haut percentile de richesse par rapport à la population générale.
Mais néanmoins, ceci est une vraie question qui doit être abordée. Tous les ouvriers, cols bleus, ont été forcés de se poser la question : quelle est ma valeur comparée à celle de la machine ? Et maintenant, les cols blancs ont exactement besoin de réfléchir sérieusement à ce qu’est leur valeur par rapport à l’intelligence machine.
Ma petite assurance rapide est : ne vous inquiétez pas, vous avez encore beaucoup de marge. Mais ça va être différent, et vous devez y réfléchir attentivement, sans supposer que le monde restera le même, car ce n’est vraiment pas le cas.
Conor Doherty: Donc, si je devais résumer cela, le conseil général il y a 10 ans était “learn to code,” et aujourd’hui c’est “learn to cook.”
Joannes Vermorel: Encore, ou apprenez à meta-coder, car un agent de codage code pour vous à une vitesse bien supérieure. Si vous savez déjà coder, c’est bien. Ceux qui savent déjà coder, devinez quoi, ce sont eux pour qui il est le plus facile d’adopter ces technologies. Vous voyez, c’est simplement que le mélange des compétences, ce que vous devez apprendre en plus, devient un peu différent.
Mais fondamentalement, être très compétent, par exemple en codage, ne vous rend pas inapte à passer à l’étape suivante de cette révolution. Bien au contraire. Ainsi, il y a 10 ans, apprendre à coder aurait été un bon conseil. C’est encore, d’ailleurs, un bon conseil si vous voulez vraiment adopter les agents de codage. Il vaut mieux que vous soyez vous-même, au moins, un peu à l’aise avec une mentalité de programmation.
Conor Doherty: Oui.
Joannes Vermorel: La syntaxe des langages est beaucoup moins pertinente. Mais encore une fois, le monde est vaste, les opportunités sont très, très nombreuses, donc je ne peux pas proposer une solution unique pour tous. Ce sera un parcours très personnel, tout comme, il y a deux siècles, les cols bleus dont le travail a été mécanisé. Certains ont choisi de devenir artistes, d’autres ont suivi un chemin complètement différent, etc., etc. Il y a une multitude de chemins différents.
Mais vous devez faire attention, car la mécanisation des opérations intellectuelles de base et banales est déjà là. Elle est déjà là.
Conor Doherty: D’accord. Eh bien, Joannes, je te remercie beaucoup. Je n’ai pas d’autres questions. Je te verrai bientôt pour le chapitre sept.
Et à vous qui regardez, merci beaucoup pour votre temps. Comme toujours, je le dis chaque semaine, dans chaque vidéo : si vous voulez poursuivre la conversation, n’hésitez pas à contacter Joannes et moi. Le moyen le plus simple est sur LinkedIn, ou à défaut, vous pouvez nous envoyer un email à contact@lokad.com.
Et sur ce, on se retrouve la prochaine fois pour le chapitre sept. Et oui, retournez travailler.
