00:00:00 Introduction : le cout cache des lead times fixes
00:00:57 La contradiction : tout le monde sait que les lead times varient, mais les entreprises planifient comme s’ils etaient fixes
00:01:52 Pourquoi la theorie et les logiciels de supply chain ignorent largement la variabilite des lead times
00:04:01 Impact executif : capital mal alloue, exces de stock et ruptures
00:08:28 Anecdote : quand une commande en retard devient le nouveau lead time standard
00:10:36 Les lead times fixes comme algorithme de prevision naif
00:12:29 Exemple des produits perissables : ou l’argent s’echappe
00:17:02 Ce que les entreprises peuvent et ne peuvent pas controler dans la variabilite des lead times
00:19:06 Comment les lead times fixes amplifient les autres raccourcis de supply chain
00:20:49 Capacite d’entree en entrepot : pourquoi lisser les livraisons compte
00:24:10 Pourquoi les variations quotidiennes banales font plus mal que les chocs mondiaux rares
00:29:00 Evaluation fournisseurs et besoin d’une modelisation probabiliste des lead times
00:33:52 Pourquoi les rapports OTIF et les scorecards fournisseurs ne suffisent pas
00:35:19 Crises macro contre erreurs quotidiennes auto-infligees
00:38:55 Amazon et la maitrise de la variabilite banale a grande echelle
00:42:13 Question du public : moyennes historiques et buffers
00:45:18 Exemple de fabrication chimique : intrants chers contre intrants critiques bon marche
00:49:12 Question pharma : modeliser la variabilite des lead times en pratique
00:56:28 Pourquoi les ecarts historiques de lead times ne declenchent pas a eux seuls de bonnes decisions
00:58:23 Aparté : Tetris dans Excel et les limites des tableurs
00:59:01 Qui doit posseder la fonction de perte ?
01:03:22 Les entreprises a lead times courts font-elles face au meme probleme ?
01:07:25 A-t-on encore besoin de safety stock ?
01:10:23 Prochaines etapes pratiques : robotiser les decisions de supply chain
01:14:12 Conclusion
Resume
Le probleme n’est pas que les lead times varient. Tout le monde sait qu’ils varient. Le probleme est que les entreprises planifient comme s’ils ne variaient pas, puis s’etonnent que le capital soit gaspille, que les stocks soient faux et que les equipes passent leurs journees a eteindre des incendies. Les lead times fixes, le safety stock et les buffers ne sont pas du raisonnement economique. Ce sont des raccourcis bureaucratiques. Le vrai dommage vient moins des crises spectaculaires que d’une multitude de petites erreurs auto-infligees, repetees chaque jour. La solution consiste a modeliser explicitement l’incertitude et a prendre les decisions selon le rendement economique attendu, non selon l’habitude, les moyennes ou la commodite administrative.
Transcription complete
Conor Doherty : Voici Supply Chain Breakdown, et aujourd’hui nous allons analyser le cout cache des lead times fixes. Ravi d’etre de retour. Vous savez qui je suis : Conor, directeur marketing chez Lokad. A ma gauche, comme toujours, le fondateur de Lokad et l’imperturbable Joannes Vermorel.
Avant de commencer, quelques questions rapides pour le public. Premiere question : pensez-vous que les lead times varient ? Avant de taper “Bien sur, Conor, idiot, evidemment qu’ils varient”, question suivante : si vous avez repondu oui, planifiez-vous comme si les lead times etaient fixes ? C’est bien sur la tension dont nous allons parler aujourd’hui.
Sur ce point, nous aimons que ce soit interactif, donc envoyez vos questions et commentaires le plus tot possible, et j’essaierai de les integrer a la discussion. Sur ce, Joannes, commencons.
Nous allons donc passer la question evidente, “Les lead times varient-ils ?” C’est trivialement evident. J’ai fait hier un sondage tres simple sur LinkedIn, et si j’ecarte toutes les reponses humoristiques de gens qui essayaient juste de plaisanter, et c’etait drole, largement plus de 90 % ont repondu : “Oui, bien sur que les lead times varient.”
La question, ou la tension comme je viens de le dire, porte sur ce que les gens disent et ce que les entreprises font. Si vous prenez 1 000 praticiens, ou des gens dans la rue, et que vous leur demandez : “Pensez-vous que les lead times varient ?” Ils repondent : “Oui, evidemment, Conor, c’est trivial.” Mais prenez ces memes praticiens, mettez-les dans une entreprise, et soudain les politiques et processus de decision ignorent cette realite, ou au minimum la repoussent tres loin sur le cote.
Ma premiere question, Joannes, est donc : comment expliquez-vous la contradiction entre ce que les gens disent croire et ce que les entreprises font reellement ?
Joannes Vermorel : Il y a toute une serie de raisons. Certaines sont tres basiques. Par exemple, la theorie supply chain dominante, un peu par accident, ne reconnait pas vraiment cette variance, mais c’est ainsi.
Prenez les livres de theorie, 1 000 pages qui donnent une presentation tres etendue de ce qui est considere comme la theorie supply chain. C’est largement absent. En consequence, quand on regarde l’immense majorite des produits de planification supply chain et des produits de prevision sur le marche, l’analyse des lead times, la modelisation des lead times ou leur prevision sont egalement absentes. Cela se repercute donc sur le praticien. Il peut etre interesse par la modelisation des lead times, mais les outils disponibles ne le font pas.
Il y a aussi le fait que, tres souvent, du cote du management, l’intuition est : “C’est un probleme fournisseur. Nous devons simplement…” C’est comme un defaut. Il faut que les fournisseurs reglent cela definitivement, puis tout ira bien. Pourquoi devriez-vous traiter quelque chose qui peut etre corrige puis disparaitre pour toujours ? Evidemment, les gens savent aussi que cela ne disparaitra pas pour toujours, mais penser cela comme un probleme appartenant aux fournisseurs est une facon de ne pas vraiment y preter attention.
On se retrouve donc avec un vide sur ce front dans la theorie, un vide dans le logiciel, et en plus une position implicite de l’organisation : “C’est un probleme que les fournisseurs doivent resoudre. S’ils le resolvent, nous n’avons rien a faire.” Techniquement, c’est vrai, mais cela n’arrive jamais.
Conor Doherty : Nous avons deja discute de la hierarchie des differentes sources d’incertitude et de leur importance dans la decision supply chain. Vous avez dit auparavant, et je pense que la plupart des gens seraient d’accord, que la demande est probablement le numero un. Mais vous avez soutenu, et nous l’avons soutenu plusieurs fois, qu’un numero deux tres proche est l’incertitude sur les lead times.
Mon point ici est qu’il semble y avoir un manque d’investissement, non pas au niveau individuel mais au niveau de l’entreprise, un manque general d’interet, d’attention, de logiciel et de focus sur les lead times, meme si la plupart des gens reconnaissent qu’ils sont d’une importance critique.
Ma question est donc : quel est l’impact dangereux immediat, au niveau executif, d’ignorer cette source essentielle d’incertitude ?
Joannes Vermorel : Si vous ignorez vos propres lead times, vous allez allouer beaucoup trop de capital a votre stock, ou beaucoup trop peu. C’est un moteur massif de votre activite. C’est extremement consequent.
Si vous pensez que votre lead time est de sept jours, alors qu’en realite il est d’un mois, cela va creer toute une cascade de problemes dans toute votre chaine d’operations. C’est aussi simple que cela. C’est un probleme massif.
Ce qui est interessant, c’est que les gens comprennent que ne pas livrer les clients a temps et en totalite est une grande preoccupation, et que les clients partent. Mais il faut comprendre que c’est exactement la meme chose pour vos fournisseurs. Ils essaient de faire de leur mieux, mais c’est complique. Ils doivent gerer beaucoup d’evenements inattendus, et donc ils ne sont pas toujours a temps et en totalite. C’est pour cela que vos lead times varient.
Comme c’est systematique, ces variations ne sont pas un evenement qui arrive une fois par decennie. Si vous avez des dizaines ou des centaines de fournisseurs, chaque jour un certain pourcentage de tout ce que vous avez commande sera en retard, et probablement pas dans les quantites voulues. Cela fait partie des affaires, et ignorer cela revient a conduire l’entreprise avec un seul oeil ouvert.
La penalite peut etre tres, tres consequente. Si votre usine arrete de produire, c’est tres consequent. Si vous ne pouvez pas livrer, si vous ne pouvez pas tenir vos propres promesses envers vos clients, l’impact est tres fort. Si vous avez un enorme excedent de stock dont vous n’avez pas vraiment besoin parce que le fournisseur dit contractuellement “le lead time est de deux semaines”, mais qu’en realite il livre en deux jours, vous portez des tonnes de stock pour rien. Donc, encore une fois, c’est tres consequent.
Une raison supplementaire pour laquelle le sujet ne recoit pas l’interet qu’il devrait recevoir est que, lorsque les gens jouent au jeu politique du S&OP avec un bras de fer sur la prevision, ce qui est en jeu, c’est le budget de chaque departement. Le departement commercial veut que les objectifs soient aussi bas que possible afin de pouvoir les depasser. Il va donc sous-estimer massivement les cibles de prevision de demande. A l’inverse, la production veut exactement l’inverse. Pourquoi ? Parce qu’elle obtient alors plus de capacite de production et plus de budget pour la fabrication, la production ou l’entreposage.
Vous avez donc ces dynamiques de bras de fer, et cela concentre tout le monde, parce que ces previsions ponctuelles classiques cote demande sont consequentes pour l’allocation budgetaire. Mais pour les lead times, beaucoup moins. Les lead times sont extremement consequents, mais ils ne le sont pas beaucoup pour les jeux politiques specifiques qui se jouent dans l’entreprise. C’est donc une des raisons pour lesquelles ils ne recoivent pas tout l’interet qu’ils devraient recevoir.
Conor Doherty : D’accord. Il y avait, et il y a toujours, pas mal d’interet pour ce sujet. J’ai beaucoup d’anecdotes que j’ai promis d’anonymiser. Il y en a certaines que je veux vous soumettre plus tard pour avoir votre avis.
Mais pour bien poser les bases, et je pense que c’est un point cle pour la suite, quand nous parlons de lead times fixes, nous parlons essentiellement de moyennes : prendre la moyenne et fonder vos decisions dessus, ou bien le lead time contractuel.
Joannes Vermorel : Contractuel, vous dites : “Le contrat indique sept jours, donc nous mettons sept jours.” Tres souvent, dans les pratiques supply chain, les lead times ne sont litteralement meme pas mesures. De temps en temps, un fournisseur est vraiment tres mauvais et il y aura une serie d’appels telephoniques furieux : “Non, vous devez faire mieux.” Mais la plupart du temps, les lead times fournisseurs sont juste des constantes dans les systemes.
Et d’ou viennent ces chiffres ? Tres souvent, ils viennent litteralement de l’accord contractuel avec le fournisseur. Cet accord contractuel peut dater de dix ans. C’est interessant. Parfois, vous avez des chiffres desesperement obsoletes, et c’est ainsi.
Conor Doherty : Justement, vous l’avez bien amene. Voici donc un exemple anonymise. Comme vous parliez de moyenne ou de contrat, c’est un autre exemple venant d’un follower de Lokad. Je vais le lire mot pour mot et vous demander votre reaction. Il explique comment cette personne, je le sais, croit que les lead times varient, mais une fois au travail, quelles sont les politiques imposees au niveau departemental ?
Imaginez sa situation : “Le lead time normal pour une paire SKU-fournisseur est de 14 jours. Si nous passons une commande et que le fournisseur dit : ‘Desoles, cette fois ce sera 100 jours pour les raisons X, Y et Z’, alors le systeme suppose, a partir de la, que 100 jours est le nouveau standard pour les lead times. Cela reste ensuite en place pour la commande suivante parce que le systeme pense que le comportement fondamental du fournisseur a change. Evidemment, cela conduit a un enorme surstock.”
Encore une fois, c’est un exemple anecdotique, mais le point est : a quel point est-ce different, ou a quel point est-ce mauvais, par rapport a la maniere dont les gens gerent typiquement les lead times ?
Joannes Vermorel : Pour moi, c’est le type de situation dysfonctionnelle que je vois tres, tres souvent dans beaucoup d’entreprises concernant les lead times. Cette politique tres mauvaise ressemble a un algorithme de prevision de lead time incroyablement naif. Quand vous dites “je prends simplement le dernier lead time et je suppose que ce sera la reference a partir de maintenant”, c’est litteralement un algorithme de prevision.
Sauf qu’il n’est pas compris ni implemente logiciellement comme un algorithme de prevision, donc il n’y a pas de backtesting, rien qui mette une pression pour ameliorer cette chose. Les lead times sont traites comme un element purement clerical des nombreux workflows supply chain.
On peut le voir ainsi du point de vue logiciel : un fournisseur a une adresse, il a un code postal, donc il y a une zone de texte ou vous pouvez entrer un code postal, et si vous entrez un nombre negatif, cette zone dira que cela ne ressemble pas a un code postal valide. Les lead times sont un peu comme cela. Entrez un lead time exprime en jours, et si vous entrez un nombre negatif, cela dira : “Probablement pas bon.” Et c’est a peu pres tout.
C’est traite comme une metadonnee, comme le detail de l’adresse du fournisseur. Il y a une prise en compte de modelisation tres superficielle des lead times. Et encore une fois, l’immense majorite des logiciels supply chain modelisent litteralement cette vision tres superficielle que la litterature supply chain academique a des lead times. Je pense que tout se resume vraiment a cela.
Conor Doherty : Je veux avancer vers des exemples concrets. Je veux etre tres clair, en restant anonymise, parce que je veux faire ressortir tres clairement, en termes financiers simples, ou les couts caches apparaissent. Souvent, ces choses ne sont pas directement visibles. Il n’y a pas d’entree nette dans un grand livre disant : “Ceci vient de cela”, ou “ce gaspillage vient de cette decision.”
Prenons un exemple d’une entreprise avec des produits perissables qui voyagent a travers le monde avec un lead time nominal de dix semaines. Evidemment, cela pourrait etre huit semaines, dix semaines, vingt-quatre semaines, ou six mois selon ce qui arrive. Ce serait extreme, mais le point est que n’importe quel nombre de variables peut interrompre cela.
Ou l’argent fuit-il dans ce processus de decision ? Ou sont les couts caches ? Parce que ce n’est pas simplement : “Mes lead times varient.” C’est le catalyseur qui produit des consequences.
Joannes Vermorel : Si nous parlons de perissables et d’alimentation, et que vous importez outre-mer, selon la periode de l’annee, la demande et le prix de ces produits varient enormement. Il y a beaucoup de produits pour lesquels, en France, et je soupconne que c’est la meme chose dans beaucoup de pays, le cout d’avoir ce produit a la bonne saison ou a la mauvaise saison varie d’un facteur quatre. Ce n’est vraiment pas subtil. Le prix auquel vous vendrez vos produits est tres sensible au temps.
Si vous passez une commande et que vous vous attendez a ce que les marchandises arrivent, disons, le 1er septembre, et que vous pensez faire un profit parce que vous vous dites : “Quels sont les prix habituels auxquels je peux vendre cela, quel est aussi le volume de demande attendu”, car la demande aussi est saisonniere, pas seulement l’offre, vous pouvez dire : “Si cela arrive le 1er septembre, c’est une option tres rentable.” Mais si cela arrive le 1er novembre, vous n’avez aucune raison de penser que la meme quantite arrivant beaucoup plus tard sera vendue au meme prix et rencontrera le meme niveau de demande.
Ce qui peut arriver, c’est que non seulement vous ne servez pas les clients qui attendaient ce que vous deviez avoir en rayon en septembre, donc vous frustrez tous ces clients, ce qui est une source massive de cout, mais ensuite vous vous retrouvez avec toute une cargaison arrivee tres tard. Vous avez non seulement des volumes de demande plus faibles, mais aussi probablement des prix plus bas pour l’article a cette periode.
La combinaison peut etre assez devastatrice : clients frustres, ventes perdues, perte potentielle de parts de marche s’ils vont chez un concurrent, puis vous vous retrouvez avec un gros stock qui se transforme a moitie en stock mort, ou vous avez une grosse depreciation. Pas necessairement une depreciation en quantite, mais vous devez accorder une forte remise parce que ce n’est pas le bon moment.
C’est le type de chaos qui se deroule. En plus, si votre organisation n’est pas naturellement preparee a gerer les variations de lead time, cela cree beaucoup de firefighting de derniere minute. Si vous n’avez rien pour tenir compte de ces variations, si cela ne fait pas partie de la modernisation ni de votre automatisation, cela signifie que beaucoup d’employes devront intervenir, cliquer sur des boutons, ajuster des parametres et reconfigurer des choses.
Au lieu d’avoir des equipes supply chain tres proactives qui anticipent l’avenir et prennent les bonnes decisions pour les bonnes allocations de capital, vous vous retrouvez avec des gens qui eteignent des incendies sur des problemes banals et symetriques, juste des glitches causes par des variations parfaitement peu surprenantes, et pourtant elles perturbent vos operations.
Conor Doherty : Je vais revenir sur ce point, parce que c’est un point parfait pour nuancer un peu, pas necessairement pour defendre l’opposition, mais pour indiquer les limites de votre propre controle. Par exemple, quand nous parlons d’importer des aliments perissables a travers le monde, vous ne controlez pas vraiment tout cela. Vous ne pouvez pas personnellement faire aller le bateau plus vite.
Il faut donc demeler ce qui reste sous votre controle et ce qui releve, pour citer Shakespeare, des coups du sort, des choses qui sont simplement hors de votre controle. Pouvez-vous clarifier cela ?
Joannes Vermorel : C’est justement pour cela que je dis que vous ne pouvez pas vous attendre a ce que ces problemes de lead time soient resolus, car ils ne sont pas sous votre controle. Typiquement, ils ne sont meme pas entierement sous le controle de votre fournisseur. C’est une situation ou non seulement les lead times varient, mais ils continueront a varier indefiniment. Ce ne sera pas resolu de sitot.
Ce que je dis, c’est que ces variations sont tres consequentes pour le retour sur investissement que vous pouvez attendre de chaque allocation de capital. Si vous decidez de passer une commande a un fournisseur lointain et que vous avez ces lead times qui varient beaucoup entre-temps, cela doit etre correctement reflete dans votre calcul economique du taux de rendement. Sinon, vous risquez de commander beaucoup trop ou beaucoup trop peu, sans meme le savoir.
Je dis donc que les lead times sont tres consequents d’un point de vue economique et doivent etre pris en compte, parce que les prendre en compte devrait modifier votre allocation. Cela signifie que lorsque vous tenez compte des variations, parfois cela reduira vos commandes, parfois cela les augmentera. Tout depend du sens dans lequel cela va du point de vue economique.
Conor Doherty : Nous avons discute recemment de cela, je crois que nous avons publie la video la semaine derniere, dans une section sur les raccourcis en supply chain. Je pense que cela s’appuie sur votre point : les lead times fixes sont un raccourci naturellement commode. Mais l’un des couts caches est que, lorsque les lead times varient, ce que la quasi-totalite des gens reconnaitra, ils ont cet effet etrange d’amplifier l’impact financier des autres raccourcis mentaux qui accompagnent typiquement les lead times fixes.
Par exemple, supposons que nous parlions d’importer des produits perissables. Souvent, la pile de decision, appelons-la ainsi, pourrait etre : “J’ai des niveaux de service, j’ai ma classification ABC, j’ai des lead times statiques. Quand les choses arrivent, quand elles finissent par arriver, j’utiliserai des regles MRP statiques, ou des regles ERP, pour allouer en consequence.” J’ai donc toutes ces sortes de raccourcis mentaux qui s’empilent.
Lorsque le lead time varie, disons qu’il est deux fois plus long que prevu, l’impact de toutes ces autres decisions, comme fixer arbitrairement ou bureaucratiquement un niveau de service, devient soudain beaucoup plus mauvais financierement. Dans ce nouveau contexte, etes-vous toujours d’accord avec cette analyse ou voulez-vous ajouter quelque chose ?
Joannes Vermorel : Oui. Si vous etes aveugle a quelque chose d’aussi consequent, alors beaucoup de problemes stupides emergent, et ils sont extremement couteux pour rien, car ils auraient ete tres faciles a prevenir autrement.
Prenons un cas ou vous avez souvent un entrepot dont la capacite entrante est limitee. Imaginez des camions complets qui prennent des heures a decharger dans l’entrepot. Disons, pour simplifier, que cet entrepot ne peut recevoir que dix semi-remorques par jour. Apres cela, il n’y a plus de creneaux disponibles. Vous ne pouvez pas faire entrer un camion de plus. Physiquement, cela ne rentre pas. Vous etes a pleine capacite entrante maximale.
Ces camions viennent de vos fournisseurs, et leur arrivee future depend du lead time. Si vous construisez un plan avec des points chauds, ou de nombreux jours sont deja au maximum de votre capacite, c’est-a-dire beaucoup de jours a dix camions, et beaucoup d’autres jours a seulement cinq, cela signifie que si une livraison est en retard, les dix camions censes arriver un jour donne peuvent devenir onze. Pourquoi ? Parce qu’un camion en retard apparait soudain, et vous etes coince.
Dans le monde reel, quand ce type de chose arrive, le conducteur n’a pas d’autre option que de repartir. Cela peut etre immensément couteux. Attendre n’est meme pas une option, car le camion lui-meme peut deja etre engage pour une autre expedition. Cela peut devenir un enorme casse-tete : vous avez un camion et un chauffeur, vous ne savez pas quoi en faire, et cela cree toute une cascade de problemes qui doivent maintenant etre resolus.
Si vous aviez agi de facon proactive, vous auriez dit : “Je prefere que vous livriez deux jours plus tard”, donc un lead time un peu plus long, “afin de garder mes charges a, disons, huit camions par jour, de sorte que lorsqu’un camion sera inevitablement en retard, je n’atteigne pas immediatement ma capacite.” C’est simplement lisser un peu les livraisons. Conceptuellement, c’est tres simple. Lissons un peu cela.
Mais si vous voulez lisser votre flux entrant pour un entrepot, cela signifie qu’occasionnellement vous demandez explicitement, contre-intuitivement, un lead time legerement plus long. Habituellement, vous pouvez mettre la pression sur votre fournisseur pour raccourcir le lead time, mais le cout explose typiquement. Donc la reponse economiquement viable serait souvent : “Au lieu d’essayer de livrer en sept jours, et si exceptionnellement c’etait huit jours ?” Et le fournisseur repond : “D’accord, aucun probleme. Si vous donnez un jour de plus dans ce sens, il n’y a pas de probleme.”
C’est le genre de chose ou, soudain, si vous le faites et que vous lissez le flux, vous evitez des incidents, puis vous evitez des tonnes de firefighting qui finissent par etre extremement perturbatrices et distrayantes pour les equipes, et qui empechent tout travail vraiment super productif d’etre fait.
Conor Doherty : Un point cle ici, et c’est une question posee par quelqu’un qui est globalement d’accord avec nous mais voulait que vous explicitiez mieux le point. Dans l’entreprise de cette personne, les gens pensent souvent que les lead times ne varient vraiment, ou du moins ne deviennent financierement vraiment dommageables, que lorsque des evenements extremes se produisent. Par exemple, le detroit d’Ormuz est ferme, ou COVID. Ces enormes evenements systemiques. C’est la que nous souffrons de la variation des lead times.
Non, les entreprises souffrent tout le temps de variations tres banales. C’est le premier point. Expliquez, car ce n’est pas forcement clair pour tout le monde, d’ou la question.
Joannes Vermorel : La situation par defaut des entreprises qui n’utilisent pas Lokad est que presque 100 % des gens font essentiellement du busy work. C’est terrible. Absolument terrible.
Qu’est-ce que j’appelle busy work ? Si vous investissez une heure a faire quelque chose qui n’est pas presque 100 % accretif, capitalistique. Transformez-vous votre supply chain en actif productif completement automatise, ou chaque heure humaine depensee rend cet actif meilleur ? C’est une machine a gagner de l’argent, et chaque heure investie sert a ameliorer la machine.
Est-ce ainsi que c’est fait ? Absolument pas. L’immense majorite, c’est essentiellement du firefighting, de l’ajustement permanent. Toutes les personnes impliquees sont traitees comme consommables. Chaque jour, la machine, l’entreprise, le flux exige, disons, 50 jours-hommes juste pour fonctionner. Donc chaque jour, pour une grande entreprise, disons un milliard de dollars de chiffre d’affaires annuel, le flux a besoin de 50 jours-hommes d’effort col blanc juste pour continuer a circuler.
Nous parlons de gens qui poussent des choses dans des tableurs Excel, apaisent le dieu de l’ERP, et ainsi de suite. C’est completement non capitalistique. Pour moi, c’est juste du busy work. Vous faites un travail qui ne devrait meme pas exister au depart. Et le fait de ne pas gerer correctement les lead times garantit que cette quantite de firefighting sera grande et constante.
C’est la que je dis qu’il y a un cout massif. Quand vous avez tout ce firefighting, cela signifie qu’il y aura moins d’intensite mentale pour prendre les bonnes decisions sur toutes les allocations de ressources. La supply chain est un jeu economique ou vous voulez maximiser le taux de rendement de chaque allocation de capital que vous faites a travers le flux. C’est un jeu, et nous parlons de milliers et milliers de decisions chaque jour pour toute entreprise de taille significative.
Si tout le monde est distrait a faire des choses non accretives, cela signifie qu’il y a un cout d’opportunite massif simplement parce que vous etes tres distrait. Pensez-y ainsi : vous jouez aux echecs et vous voulez gagner. Maintenant imaginez qu’en meme temps vous devez eteindre des incendies a cote. Vous regardez la partie pour essayer de jouer le bon coup, mais vous etes constamment interrompu par une situation penible qui se deroule et vous devez agir.
Imaginez quelque chose ou vous cuisinez, des choses brulent, vous devez ajuster en permanence, et vous devez diviser votre attention tout le temps. Serez-vous tres bon aux echecs ? Non. Vous serez completement distrait, et vous ferez au mieux des coups instinctifs. Ils ne seront peut-etre pas catastrophiques, mais evidemment c’est une situation ou vous continuerez a faire des erreurs grossieres. Vous ne serez pas au meilleur de votre jeu.
Voila le cout : si vous avez ce firefighting, les gens sont distraits et les decisions principales sont mal prises.
Conor Doherty : Au tout debut de l’episode, vous avez mentionne que la perspective interne de la plupart des entreprises est que les lead times sont un probleme fournisseur. Vous venez de decrire comment des deviations mineures, ou des deviations quotidiennes triviales, “c’etait un jour en retard” ou “deux jours en retard”, ont des impacts financiers.
Cela mene naturellement a une discussion inconfortable ou potentiellement politique sur la responsabilite des fournisseurs et la robustesse avec laquelle il faut les surveiller. Comment modeliser les lead times probabilistiquement influence-t-il la maniere dont vous evaluez vos propres fournisseurs, essentiellement ? Et comment cela influence-t-il la dynamique entre l’entreprise et le fournisseur ?
Joannes Vermorel : D’abord, tant que vous n’avez pas une modelisation probabiliste du lead time, vous ne pouvez pas vraiment commencer a modeliser l’impact economique de ces variations. Si vous l’avez, alors vous pouvez faire de l’A/B testing dans votre modele, avec ou sans variation. Cela vous donnera une base de ce qu’il y a sur la table.
C’est le point de depart, car tant que vous n’avez pas cette evaluation economique, vous ne pouvez meme pas vraiment commencer une discussion negociee avec le fournisseur. Si vous attaquez le probleme en disant : “Fournisseur, nous voulons que vous soyez parfaitement fiable”, le fournisseur repond : “A n’importe quel cout ?” Quel est l’arbitrage ici ?
Il y a beaucoup d’activites ou vous pouvez avoir une fiabilite absolue, mais a un cout completement extravagant. Par exemple, pour un objet personnel que j’ai achete recemment, si vous voulez, a Paris, acheter une nouvelle serrure pour votre porte, vous pouvez soit l’acheter au fabricant de serrures, et elle mettra environ trois semaines a etre livree, soit passer par un prestataire specialise qui la livrera en une heure.
Imaginez que quelqu’un ait essaye de rentrer chez vous, que la serrure soit litteralement cassee, et que vous ayez maintenant une porte sans serrure. J’ai decouvert qu’il existe des gens capables de vous livrer litteralement n’importe quelle serrure dans l’heure. Ils ont une couverture incroyable, mais le prix est cinq fois le prix normal. C’etait une serrure a 200 euros qui, en prix d’urgence, coutait 1 000 euros.
Donc oui, vous pouvez avoir des lead times incroyablement bons, mais le prix est aussi incroyablement eleve. C’est pourquoi je dis que si vous ne pouvez pas evaluer l’impact economique de l’amelioration du lead time, vous ne pouvez pas avoir une discussion raisonnee avec votre fournisseur.
Et parfois, vous pourriez meme dire a vos fournisseurs, et nous l’avons vu dans l’aviation : que se passerait-il si vous disiez a votre fournisseur : “Nous ne sommes pas vraiment presses pour cette commande. Nous devons l’avoir, mais a terme. Pourriez-vous baisser le prix si nous vous donnons deux mois de plus pour livrer ?” Il s’est avere que parfois la reponse etait absolument oui.
La negociation ne va donc pas necessairement dans un seul sens, “nous voulons raccourcir le lead time”. Vous pouvez peut-etre obtenir un bien meilleur prix si vous acceptez d’allonger le lead time, parce que le fournisseur a peut-etre un enorme probleme en ce moment et concedera une remise importante si vous le soulagez de la pression sur certains elements qui creent pour lui des points de prix tres intenses.
Encore une fois, vous ne pouvez le faire que si vous commencez a modeliser probabilistiquement votre lead time afin d’evaluer l’impact des variations, pas seulement l’impact d’un lead time de sept jours contre neuf jours, mais litteralement l’impact des probabilites de resultats negatifs. Un lead time qui sera beaucoup plus long que d’habitude. Quel est l’impact si 1 % des livraisons sont tres en retard, ou si c’est 5 % ?
Conor Doherty : Pouvez-vous contextualiser, a vue de nez bien sur, la difference entre ce que vous venez de decrire en termes d’impact economique et ce que, nous le savons tous les deux, beaucoup de gens font deja ? Quelqu’un pourrait vous repondre : “D’accord, Joannes, j’ai deja un rapport on-time-in-full. J’ai des scorecards fournisseurs. J’ai mes conditions contractuelles. Des penalites sont en place.” Il existe deja des sortes de metriques ou de regles financieres. A quel point ce que vous decrivez est-il meilleur que ce que j’ai deja ?
Joannes Vermorel : Enormement meilleur. Le point de base est : evaluez ce que les gens font dans votre organisation, et pensez vraiment la supply chain comme un actif productif qui devrait fonctionner sans surveillance. Sans surveillance signifie zero personne. Zero. Pas 50. Non, zero. Cela veut dire que vous pourriez normalement supprimer toute l’equipe supply chain et, pendant trois semaines, l’entreprise fonctionnerait tres bien. Pas s’il y a une crise mondiale massive pendant ces trois semaines, mais si c’est business as usual, cela devrait tourner tres bien, sans surveillance, strictement sans surveillance.
A l’inverse, ce que j’observe, c’est que pour la plupart des entreprises d’un milliard de dollars de chiffre d’affaires annuel, leur supply chain ne fonctionnerait pas une seule journee sans investir des dizaines de jours-hommes chaque jour pour faire essentiellement du firefighting, du micromanagement et du busy work. Tout cela, et le fait que les lead times ne soient pas modelises, sont des contributeurs enormes, car cela cree beaucoup de situations surprises qui necessitent ensuite l’intervention manuelle de quelqu’un pendant des heures pour rectifier une situation qui etait en fait tres prevenable si elle avait ete correctement modelisee au depart.
Conor Doherty : Pour conclure ce point avant de continuer, je veux etre sur que nous avons touche un point tres important. La question initiale qui a ouvert ce chapitre etait : la plupart des entreprises pensent que la vraie douleur financiere, ou la vraie devastation, arrive quand COVID arrive, quand un canal est bloque. Mais c’est l’accumulation de decisions quotidiennes sous-optimales qui compose.
Joannes Vermorel : Ma position est que la supply chain doit etre vue comme un jeu economique joue competitivement. Si une catastrophe mondiale frappe, elle frappe tout le monde. Le prix de l’energie augmente pour vous, vos concurrents, vos clients et vos partenaires. Est-ce vraiment un probleme pour une entreprise donnee ? En essence, pour la societe dans son ensemble, quand le prix de l’energie augmente, tout le monde s’appauvrit parce que notre capacite a acheter diminue. Mais pour une entreprise individuelle, cela change-t-il quelque chose ? Pas vraiment. Ce que vous achetez devient plus cher, donc vous augmentez votre prix et vous transferez le cout. Cela ne change rien de fondamental.
C’est pourquoi je pense qu’il faut vraiment penser en termes de parts de marche. Est-ce que je fais quelque chose pour ma supply chain qui me rend plus competitif ? Quand vous pensez a ces evenements mondiaux, ils sont extremement difficiles a predire dans leur deroulement. Par exemple, la situation avec l’Iran etait extremement chaotique. Personne n’aurait vraiment pu predire ce que l’administration americaine ferait exactement, quand, et comment cela se deroulerait. Probablement que le 1er janvier de cette annee, personne ne faisait de prediction fiable.
Et quand cela se deroule, cela impacte tout le monde. Je dirais donc que c’est tres distrayant, et que cela ne deplacera pas beaucoup l’aiguille de qui gagne des parts de marche. Par exemple, est-ce que cela a change les parts de marche entre Apple et Samsung ? Pas vraiment. C’est tres consequent, mais fondamentalement pas vraiment.
Le probleme banal que j’ai decrit, c’est le type de chose ou chaque entreprise a ses propres machines a generer du chaos, ou tant de choses sont auto-infligees. Et parce que c’est auto-inflige, il y a de grandes chances que vos concurrents prennent de l’avance simplement parce qu’ils en font moins.
C’est donc a vous de corriger cela, contrairement a la situation d’Ormuz, qui n’est apparemment pas votre affaire. Il n’y a pas grand-chose que vous puissiez faire, et ce sera la meme chose pour vos concurrents. C’est pourquoi je dis : concentrez-vous sur ce sur quoi vous avez le plus de levier. Et ici, pour ce busy work et ce firefighting constant, c’est tres auto-inflige, parce que si vous prenez une hypothese massive comme “mes lead times ne varient pas”, et que vos plans reposent dessus, puis que cela cree une quantite massive de friction, d’overhead et de firefighting, alors c’est votre responsabilite.
C’est vraiment votre decision qui a cree toute cette friction, tout ce firefighting. Cela aurait pu etre completement evite. Et beaucoup de vos concurrents prennent deja de l’avance simplement en n’ayant pas ces blessures auto-infligees qui se repetent.
Conor Doherty : Avec de meilleurs mots, vous avez repris l’idee avec laquelle j’allais resumer, mais je vais quand meme le faire. Les termes que j’allais utiliser etaient macro et micro. Le macro, c’est ce que vous venez de decrire : une devastation systemique qui impacte absolument tout le monde. Le micro, c’est ce que vous appelez le banal. C’est le quotidien. C’est ce que font vos fournisseurs. Auriez-vous pu prendre une meilleure decision avec votre commande, votre fournisseur, vos conditions ? Auriez-vous pu en savoir plus sur la probabilite d’un retard ? C’est ce sur quoi vous avez plus de controle.
Et c’est vraiment, quand on y pense, la magie d’Amazon, et c’est pourquoi Amazon continue d’ecraser tous ses concurrents.
Joannes Vermorel : Jeff Bezos, quand il dirigeait, n’avait pas une boule de cristal pour savoir : “Nous devons faire exactement cela, garder cet article en stock, ce produit doit etre a ce prix.” L’idee chez Amazon etait de maitriser le chaos a l’echelle pour prendre correctement toutes ces micro-decisions. “Oui, nous avons un monitoring tres serre. Nous avons des produits pour lesquels les livraisons semblent deraisonnables pour ce code postal. Nous ne savons pas pourquoi, ni comment. Nous ne pouvons pas le corriger maintenant. Mais assurons-nous que la promesse que nous affichons ne surestime pas notre capacite a livrer cette chose a temps.”
C’est juste une chose basique. Et peut-etre que cela doit etre ajuste code postal par code postal, parce qu’il est probablement beaucoup plus difficile de livrer un colis dans le New York tres dense que dans l’Arkansas tranquille, par exemple.
La meme chose vaut pour les prix. Ils ajustent constamment les prix des produits qu’ils vendent. C’etait beaucoup de choses ou, en termes d’ajustement banal, il s’agit simplement de bien faire les choses banales a l’echelle. Et si vous pouvez le faire a l’echelle de facon tres automatisee, alors vous pouvez meme le faire, comme Amazon, a l’hyperechelle. Parce que si vos recettes sont automatisees et peuvent gerer automatiquement un million de SKUs, elles peuvent gerer, comme Amazon, 300 millions de SKUs automatiquement.
Cela devient un peu un defi IT pour passer a l’echelle d’un tel calcul. Mais c’est une partie tres banale. La partie difficile etait d’avoir la pensee que la supply chain doit automatiser tout le banal.
Amazon fait cela pour tout. Par exemple, si vous demandez un remboursement, ils auront des heuristiques intelligentes qui disent : “Vous etes un tres bon client. Vous avez paye tellement depuis dix ans. Vous ne demandez jamais de remboursements. Tres probablement, d’accord, fait immediatement, sans question, parce que vous n’abusez manifestement pas de ce mecanisme.”
Imaginez l’alternative : cela cree une alerte, quelqu’un doit intervenir, faire une approbation manuelle, il peut meme faire le mauvais choix, etc. C’est pourquoi je suis un grand partisan de maitriser la variabilite banale pour toutes choses, les lead times entre autres, simplement parce que c’est tres actionnable.
En pratique, c’est la que la plupart des entreprises perdent beaucoup sur des choses qu’elles auraient pu completement prevenir. Et c’est vraiment, pour l’essentiel, auto-inflige.
Conor Doherty : Vos mots resonent avec le public. Myself Torres dit essentiellement : “Oui, excellent insight. Important de surveiller l’impact economique des lead times.” Sur ce point, je vais avancer, car il y a des questions du public et aussi des questions envoyees avant.
Et au fond, tout ce que j’allais vous demander va de toute facon etre integre ici. Je vais commencer par une question qui, je pense, va vous lancer, mais qui couvrira un terrain que nous n’avons pas exactement couvert plus tot. Je cite, donc ne vous fachez pas contre moi : “Nous suivons deja les lead times et utilisons la moyenne historique, parfois avec un buffer. Quelle est la difference avec ce que vous proposez, Joannes ?”
Joannes Vermorel : Le probleme est qu’un buffer est une politique d’allocation de capital sans calcul economique reel. C’est cela. Vous dites simplement : “Nous gardons le lead time plus sept jours de stock.” Cela signifie que vous allez allouer de l’argent a l’achat de choses sans faire le calcul economique : est-ce rentable, et a quel point ? Cette chose entre-t-elle en concurrence pour l’espace de stockage dans mon entrepot, et quel est le cout d’opportunite par rapport a l’achat d’autre chose ?
Quand les gens me disent cela, ce que vous avez est une heuristique de decision. Et quelles decisions ? Des allocations de capital. Parce que si vous me dites “un buffer”, il s’agit d’allouer du capital chaque fois que vous achetez. Je dis simplement que tant que vous ne faites pas un calcul economique, vous n’avez aucune idee si la politique que vous avez mise en place est bonne.
Peut-etre que votre buffer est exactement juste et qu’il se situe precisement au point qui maximise le taux de rendement, mais peut-etre pas. Ce que je dis, c’est que si vous ne faites pas de calcul economique, quelles sont les chances de maximiser le taux de rendement ? Je dirais tres, tres faibles. Et quelles sont les chances que parfois vous fassiez quelque chose de dramatiquement mauvais en termes de calcul economique ? Probablement pas aussi faibles que vous le souhaiteriez.
C’est vraiment la difference. Modeliser les lead times ouvre la voie a une evaluation probabiliste, qui a son tour ouvre la voie a une evaluation du taux de rendement ajuste du risque, qui tient compte de tous les futurs possibles. Puis vous prenez le taux de rendement attendu sur cette base.
Conor Doherty : D’accord, je suis convaincu. La question suivante pourrait etre un episode a elle seule. Vous ne connaissez pas la question a l’avance, donc c’est un contexte de fabrication chimique, anonymise car envoye a l’avance. Donnez-moi simplement votre avis.
“Imaginez qu’un logiciel d’optimisation ameliore”, entre parentheses, “avec prevision des lead times, evidemment”, “identifie deux risques. L’un est une matiere de grande valeur, couteuse a detenir. L’autre est un input de faible valeur, mais s’il arrive en retard, il bloque la production et destabilise nos plans. Comment les planificateurs doivent-ils decider la meilleure action globale dans ce contexte : changer des parametres, constituer du stock, accelerer, negocier, etc. ?”
Joannes Vermorel : Nous revenons au calcul economique. C’est pourquoi je dis que cette perspective financiere, quand je dis “nous devons evaluer le taux de rendement des investissements”, n’est pas une folie de Lokad. Vous avez beaucoup d’options en concurrence. Comment allouez-vous votre budget ? Comment allouez-vous vos ressources ?
La reponse est : laquelle priorisez-vous, et de combien ? Repartissez-vous vos investissements ? Misez-vous tout sur une chose et ignorez-vous les autres ? Comment reglez-vous ce type de situation ? “J’ai un composant tres cher a detenir, mais que je peux approvisionner a court terme.” Il y a probablement, comme pour tout, des rendements economiques decroissants. A quel point diminuent-ils vite ? Cela depend des specificites de votre situation.
Ce que je dis, c’est que la discipline consistant a faire le calcul economique vous dira quel doit etre l’arbitrage, combien vous devez avoir. Vous pouvez penser a toutes les decisions potentielles possibles. Je peux detenir quatre jours de stock pour ces produits, cinq jours, six jours, sept jours, etc. Chaque politique alternative vient avec son taux de rendement, et cela sera un calcul economique.
Et la meme chose vaut pour l’element bon marche mais potentiellement tres critique. Dans ce cas, pour un fabricant chimique, ce serait exactement la meme chose que le ruban adhesif dans l’aviation. Pour reparer un avion, vous avez besoin de ruban adhesif. C’est tres bon marche, mais vous en avez frequemment besoin. Et si vous n’en avez pas, vous pouvez etre bloque avec un incident d’avion immobilise pour quelque chose qui ne coute que quelques centimes.
Donc oui, mais encore une fois, il faut faire un calcul economique, parce que peut-etre que ce produit tres bon marche est volumineux, et peut-etre que vous ne preniez pas en compte le fait qu’il occupe beaucoup d’espace, en general de l’espace de stockage. Et peut-etre qu’a un moment vous manquez simplement de place pour le stocker, et cela entre en concurrence avec d’autres choses que vous devriez stocker la.
Encore une fois, le calcul economique consiste a convertir tous ces facteurs en euros ou en dollars afin de savoir comment decider.
Conor Doherty : La seule chose que j’ajouterais, parce que vous ne l’avez pas explicitement dite mais je sais que vous l’avez en tete, c’est que ce n’est pas une situation “set and forget”. Ce n’est pas comme si vous le faisiez une fois et disiez : “C’est bon, j’ai fini.” Le processus que vous decrivez est iteratif. Il est revisite. Au moins dans l’exemple aeronautique que vous avez donne, ce serait revisite chaque jour.
Joannes Vermorel : Oui, mais encore une fois, nous voulons garder le travail accretif. Vous avez donc ce processus sans surveillance, qui est essentiellement un logiciel qui genere toutes les decisions, allocations de ressources, pour faire circuler le flux. Tout concerne le flux.
Ensuite, les gens, quand ils travaillent a le reviser, travaillent a ameliorer ces recettes numeriques. Ils travaillent a ameliorer ces decisions sans surveillance, mais de facon systematique, de sorte que si vous livrez une amelioration, cette amelioration rend la decision d’aujourd’hui meilleure, mais aussi celle de demain, du jour suivant, etc. C’est ainsi que vous obtenez quelque chose d’accretif.
Conor Doherty : Merci. La question suivante est similaire, mais je vais la modifier un peu pour ne pas repeter exactement la meme chose. Elle est dans le contexte pharma et touche un point legerement different, plus concret.
Citation : “Je suis particulierement interesse par la comprehension de la maniere dont les organisations peuvent mieux modeliser et prevoir la variabilite des lead times, et comment ces insights peuvent etre traduits en decisions plus efficaces de stock et de niveau de service.”
Ils donnent un exemple, mais il est tres similaire. C’est simplement un exemple pharma de ce que vous avez decrit dans la fabrication. Mais ici, c’est plus litteralement : variables aleatoires, technologie impliquee. Concretement, a haut niveau, que faut-il reellement pour faire cela ? Jusqu’a present, c’est de la theorie.
Joannes Vermorel : Il faut la machinerie pour la modelisation probabiliste. Il y a une serie de cours, et meme un cours sur la modelisation probabiliste des lead times. Essentiellement, pensez-y comme un composant specialise de machine learning qui peut transformer vos observations historiques en distributions de probabilite.
Cela peut se faire de facons tres simples. Dans ce cours, je donne un exemple ou, si vous avez le langage de programmation approprie, nous parlons d’environ dix lignes de code. Encore une fois, vous pouvez raffiner, mais vous pouvez avoir quelque chose de niveau production et extremement compact.
Une fois que vous avez cela, vous avez ces perspectives probabilistes. Il vous faut la machinerie qui pourra combiner cette projection probabiliste que vous avez pour les lead times avec la projection probabiliste que vous avez pour les autres sources d’incertitude : la demande, les prix futurs, les retours potentiels, etc.
Et ce ne sont probablement pas seulement les lead times que vous voulez modeliser probabilistiquement. Ce sont aussi les quantites que vous allez recevoir, car peut-etre qu’en pharma le probleme est que votre fournisseur n’est pas seulement en retard, mais ne livre meme pas en totalite. Donc la meme approche probabiliste doit aussi tenir compte de cela : combien recevrez-vous ? Ce n’est pas seulement la distribution de probabilite des retards, c’est aussi la distribution de probabilite de ce que vous recevrez effectivement quand cela arrivera enfin. Et en general, c’est inferieur a ce que vous attendiez.
Maintenant, vous avez toute cette machinerie qui vous donne tous les futurs possibles. Il faut un peu de machinerie specialisee, parce qu’Excel ne suffira pas. C’est la grande limitation d’Excel. Des que vous voulez entrer dans ce monde probabiliste, cela ne correspond plus au modele tableur ou des cellules contiennent des nombres. Il vous faut quelque chose de plus adapte. Ce sera donc un environnement comme Lokad, mais cela pourrait etre autre chose. Ce ne sera simplement pas Excel.
Vous avez maintenant tous les futurs possibles, mais il faut quelque chose qui pose de facon repetee la question : pour toutes les decisions possibles, quel taux de rendement economique observeront-elles ? Ici, cette modelisation probabiliste releve surtout du machine learning. Ensuite, vous avez un element de modelisation economique, qui est litteralement : si ceci arrive, et ceci arrive, et ceci arrive, quel est le resultat pour le prix ?
Vous adoptez donc ici une pensee post facto. Si ceci, ceci et ceci arrivent, le cout est celui-la. C’est un calcul deterministe. C’est litteralement votre modelisation a la louche des facteurs economiques.
Une fois que vous avez l’approche probabiliste et le modele economique, il vous faut une optimisation stochastique, un solveur stochastique. Que fait le solveur stochastique ? Il explore tout cet espace de decisions potentielles, d’options, afin de trouver celle qui maximise le taux de rendement.
Vous voyez, c’est comme les solveurs classiques, mais les solveurs classiques attendent des entrees deterministes. Ici, la particularite, c’est pourquoi il faut un solveur stochastique, est que vos entrees sont probabilistes par nature.
La facon dont Lokad aborde cela est que la modelisation probabiliste est sur mesure, la recette economique est en quelque sorte sur mesure, et le solveur stochastique est aussi en quelque sorte sur mesure. Mais a chaque etape, nous avons une technologie qui rend le deploiement de la recette sur mesure tres compact en nombre de lignes de code, tres direct et tres robuste.
Nous ne pouvons donc pas eviter l’aspect programmatique. Il sera present a chacune de ces trois etapes. Mais si vous avez les bons langages de programmation et les bons paradigmes de programmation, cela peut etre rendu tres compact, afin que votre actif logiciel qui represente le coeur de votre supply chain ne se transforme pas en monstre de centaines de milliers de lignes de code que personne ne comprend vraiment ni ne peut maintenir.
Conor Doherty : Donc nous utilisons des ordinateurs, essentiellement. En une phrase.
Joannes Vermorel : Oui, mais les tableurs sont aussi des ordinateurs. Donc il s’agit d’utiliser des ordinateurs intelligents. Non, le point important n’est pas le sur-mesure. C’est simplement d’utiliser, encore une fois, des ordinateurs. Un tableur est un paradigme de programmation. C’est une facon de representer les donnees et de modeliser la logique au-dessus de vos donnees.
Si vos instruments ne sont pas adaptes a la tache, vous aurez enormement de mal. Par exemple, il est tout a fait possible d’implementer Tetris, le jeu video, dans Excel. Mais ce n’est vraiment pas pratique. C’est beaucoup plus facile de le faire en Python. Mais si vous aimez le defi, il est absolument possible d’implementer Tetris dans Excel.
Donc, prenons le bon outil pour le bon usage. Et ce que je dis, c’est que des que des probabilites entrent en scene, malheureusement les tableurs doivent etre ecartes, car ils ne seront tout simplement pas adaptes a cette classe d’objets.
Conor Doherty : Nous parlons depuis une heure. J’ai encore l’energie pour continuer et repondre aux questions. Je suppose que vous aussi, donc continuons.
J’espere prononcer cela correctement. Voici plusieurs commentaires que j’ai compresses en une question de Sophian, je crois. Pardonnez-moi si je prononce mal. La question est : puisque les entreprises suivent les lead times, ou la plupart le font, pourquoi les ecarts historiques de lead times ne suffisent-ils pas a declencher une action une fois qu’ils commencent a creer un impact economique ? Le vrai blocage est-il les outils, la theorie ou l’absence de responsabilite sur les lead times ?
Joannes Vermorel : D’abord, le probleme est que les entreprises suivent les lead times, c’est vrai. Mais encore une fois, toute la pile logicielle a une attitude de workflow. Elles voient donc les lead times passes enregistres, mais il n’y a pas de couche de modelisation et rien pour exploiter vraiment les modeles probabilistes qui pourraient resulter de cette modelisation.
Des lead times variables modelises probabilistiquement sont inutiles si vous ne pouvez pas les combiner avec toutes les autres sources d’incertitude. Modeliser les variations des lead times en isolation est inutile, parce que ce n’est pas actionnable. Il faut donc avoir la recette de bout en bout qui va jusqu’a l’allocation des ressources.
La raison pour laquelle les entreprises ne font generalement rien a ce sujet est que, meme si elles modelisaient reellement la variation des lead times, tout le reste manquerait encore. Et quand je dis “tout le reste”, je veux dire la modelisation probabiliste des autres sources d’incertitude, la recette economique, puis le solveur stochastique. Le package est encore completement absent.
Ainsi, les entreprises ne commencent tout simplement pas, car en soi, en isolation, modeliser le lead time ne conduit vraiment a rien si vous n’avez pas le reste du package.
Conor Doherty : Petite note, je viens de recevoir un DM : “Joannes vient-il de dire que Tetris peut etre programme dans Excel ? C’etait quoi ?” Vous etes serieux, pour que ce soit clair. Tetris.
Joannes Vermorel : Tetris, oui, absolument.
Conor Doherty : Donc vous ne vous etes pas trompe, pour etre clair.
Joannes Vermorel : Non. Je suis sur qu’il y a des sources en ligne. Excel est un langage de programmation Turing-complet. Il peut faire des choses fantastiques, des choses folles, et vous trouverez beaucoup d’exemples en ligne.
Conor Doherty : Tres bien. Que le compte rendu montre que quand les gens m’envoient des DM, je pose la question. La question suivante vient de Jonathan. C’est un commentaire, mais donnez-moi votre avis.
“Le fonctionnement sans surveillance pourrait etre la partie facile. Je ne pense pas que l’accumulation de decisions sous-optimales soit un probleme technologique. C’est que personne ne possede la fonction de perte. Chaque equipe optimise sa propre metrique. Le plus grand defi serait de faire accepter a une grande organisation un objectif economique unique avant d’automatiser quoi que ce soit.”
Alors ?
Joannes Vermorel : Oui, globalement oui, mais je pousserais un peu avec quelques nuances.
D’abord, le probleme de la supply chain est que c’est un effort bureaucratique par conception. J’ai defendu ce point il y a longtemps. Qu’est-ce que je veux dire ? Ce jeu de planification et d’allocation des ressources doit etre specialise dans les entreprises. Le probleme est que vous developpez des gens qui ne sont pas connectes aux clients ni a la production. C’est vraiment un effort bureaucratique a l’interieur de l’entreprise pour faire ce processus de decision.
Et il y a un danger avec toutes les entreprises bureaucratiques : elles tendent a grossir. Les garder sous controle est tres difficile. Donc chaque fois que des gens suggerent “nous devons creer une nouvelle equipe”, je dis : attention. La plupart des entreprises ont beaucoup trop de gens en supply chain. Pour donner un ordre de grandeur, chez Lokad nous avons des supply chain scientists ou une personne gere 1 milliard d’euros ou 1 milliard de dollars de stock. Une personne hautement talentueuse et qualifiee, pas des stagiaires, pour etre clair. C’est ce niveau de productivite dont nous parlons. Et generalement, quand nous faisons cela, cote client ils ont des centaines de personnes. Donc beaucoup, beaucoup trop.
Je dirais donc qu’avant d’ajouter encore une couche, il faut penser en soustraction plutot qu’en addition. Que pouvons-nous faire pour enlever des personnes plutot qu’en ajouter encore ?
Maintenant, quand vous dites que la fonction de perte doit etre possedee par quelqu’un ou par une entite, c’est la que je suis legerement en desaccord. Ma position est qu’il faut decomposer cette fonction de perte en drivers business, en drivers economiques, et chaque driver economique a deja un proprietaire clair. Le cout d’une rupture doit appartenir aux ventes. Ce sont clairement eux qui peuvent dire : si nous perdons, si nous ne sommes pas a temps et en totalite avec ce client, cela nous coute tant. Ce sont eux qui doivent pouvoir le posseder. Le cout de l’argent doit clairement appartenir a la finance. Ce sont eux qui savent combien coute l’emprunt a la banque, quelles options de financement sont disponibles, etc.
Ce que je montre ici, c’est qu’il ne faut pas prendre la fonction de perte comme un seul objet. Il faut la decomposer morceau par morceau en facteurs economiques. La plupart des facteurs economiques sont deja implicitement possedes par des divisions. Rendons simplement cette propriete explicite. Nous n’avons pas besoin d’ajouter une division.
A la fin, la supply chain est simplement responsable de l’assemblage. Mais c’est une couche de responsabilite tres modeste, parce qu’il s’agit seulement de reunir ces dix facteurs economiques dans une formule qui a du sens. Vous ne pilotez pas toute la formule, vous pilotez seulement l’emballage de la formule, en rassemblant ces drivers economiques.
Ensuite, la supply chain fournira des retours aux differents departements si ces drivers economiques sont faux, mal alignes ou generent des consequences involontairement nuisibles. Je ne creerais donc pas de nouvelle entite. En court : pas de nouvelle entite. La supply chain suffit. La supply chain possede l’emballage de la fonction de perte, mais pas ses composants. Les composants sont possedes par les departements deja existants.
Comme cette responsabilite est tres legere, nous parlons de quelques heures par an, meme pour une grande entreprise, pour ce travail d’emballage. C’est tres mince. Cela ne necessite pas de nouvelle equipe ni de nouveau dispositif. L’organisation existante conviendra tres bien.
Conor Doherty : En parlant de consequences nuisibles, cela mene a la question suivante, courte, mais qui souligne quelque chose que nous n’avons pas encore vraiment aborde. C’etait envoye en prive a l’avance. Cette personne connait tres bien Lokad.
“Tout ce que nous avons dit sur les lead times semble tres pertinent pour les imports ou les lead times longs. Ce que vous dites compte-t-il autant pour les activites a lead times courts ? Par exemple, si mes lead times sont typiquement de deux a cinq jours, pas dix a quinze semaines, dans quelle mesure tout cela tient-il encore ?”
Joannes Vermorel : Cela depend de l’economie. Oui, cela depend de l’economie.
Mais generalement, quand vos lead times sont tres courts, cela signifie que plus loin dans la chaine, vos clients s’attendent aussi a des lead times tres courts. Les choses tendent a cascader beaucoup plus. Si vous avez des lead times de dix semaines, vos clients ne s’attendent probablement pas a recevoir les choses du jour au lendemain, et vous avez beaucoup de marge si vous etes importateur. Les dynamiques ne sont pas les memes.
Par exemple, si vous etes dans une supply chain tres tendue ou vous vous attendez a ce que les aliments frais soient livres chaque jour pour approvisionner vos magasins, un retard d’un jour peut etre massivement plus impactant qu’un retard d’un jour sur quelque chose que vous avez commande il y a dix semaines en Chine.
Donc la modelisation est importante, essentiellement ?
Conor Doherty : Oui, oui, oui.
Joannes Vermorel : Ma position est que, pour savoir si bien traiter vos lead times sera economiquement benefique, sans faire tout le calcul economique comme test, regardez simplement la quantite de firefighting ambiant. Prenez tous ceux qui s’occupent de replenishment, d’entreposage, de planification, de prevision, de suivi des prix, qui parlent soit aux fournisseurs pour leur mettre la pression, soit aux clients pour les apaiser quand vous etes en retard. Mettez tous ces gens ensemble et demandez-vous : quelle part de leurs heures est reellement consacree a construire quelque chose d’accretif, de capitalistique, et quelle part est simplement consommee chaque jour pour garder les marchandises en mouvement dans l’entreprise ?
Pensez au ratio. Si plus de 20 % de l’effort va au firefighting, alors vous avez un potentiel massif. Cela signifie que les gens sont largement distraits par des choses qui devraient rester tres exceptionnelles.
Est-il acceptable de passer 20 % de son temps en firefighting, voire 50 %, le lendemain d’un evenement comme le detroit d’Ormuz ? Oui, probablement. Mais ces situations exceptionnelles ne se produisent pas tous les jours. Et si elles se produisent tous les jours, alors elles sont la nouvelle normalite, et vous devez robotiser autour de cette nouvelle variabilite, qui est devenue la nouvelle normalite.
Conor Doherty : Essentiellement et succinctement, l’importance financiere de tout ce que nous decrivons depend de l’impact financier des retards. C’est tout.
Joannes Vermorel : Exactement. Il faut le modeliser. Si c’est negligeable ou nul, vous n’avez pas besoin d’y penser. Mais il est peu probable que ce soit le cas. Il y a des entreprises magiques, par exemple Rolex, qui gerent la rarete : “Vous voulez une montre ? Ce sera un an.” D’accord. Mais ce sont des entreprises qui ont litteralement passe un siecle a construire leur marque. Il y en a probablement dix dans le monde qui peuvent faire ce genre de choses. Un retailer alimentaire frais n’a pas ce luxe, sans mauvais jeu de mots.
Conor Doherty : Oui, exactement.
J’ai garde cette question pour la fin parce que je pense que vous avez encore de l’energie pour celle-ci. Elle touche a l’un de vos sujets preferes. La personne qui l’a posee est fan, je veux etre clair, mais elle pose la question dans le contexte d’une entreprise ou c’est pertinent pour elle, donc c’est tres concis.
“Si nous commencons a prevoir les lead times probabilistiquement, avons-nous encore besoin de safety stock ?”
Vous voyez pourquoi je l’ai gardee pour la fin.
Joannes Vermorel : Vous n’avez pas besoin de safety stock. Encore une fois, le safety stock est une classe de politiques non economiques. Le safety stock est une facon d’allouer votre capital sans faire de calcul economique.
L’idee que vous pourriez, a travers quelque chose de non economique, atteindre une cible economique est folle. C’est comme si j’avais un appareil qui affiche un nombre. Il est cense donner l’heure, mais l’appareil n’a rien a voir avec la mesure du temps. Pourquoi donnerait-il jamais la bonne heure ?
Donc, ma principale critique du safety stock est que c’est un instrument non economique et donc, par conception, il ne donnera jamais une reponse economiquement valide. Sauf par pur hasard. Je peux prendre ce livre et decider qu’il me donnera l’heure du jour, et peut-etre qu’il y a une heure imprimee sur une page, mais cela n’a rien a voir.
C’est le type de folie que je vois dans la theorie supply chain dominante, ou des choses completement fausses sont presentees comme correctes. Quand on y pense attentivement, l’idee qu’un instrument non economique puisse produire quoi que ce soit de significatif economiquement est une proposition extremement etrange. Il faudrait une justification massive pour expliquer par quelle magie cela arrive.
Ma position, pour relier cela a la discussion du jour, est que l’approche probabiliste des lead times est un element de plus qui clarifie a quel point les safety stocks sont irrelevants et obsoletes. Ce n’est pas parce que la bonne modelisation des lead times rend les safety stocks obsoletes, mais c’est un clou de plus dans le cercueil.
Conor Doherty : Ma derniere pensee de conclusion est qu’au debut nous avons parle du fait que la plupart des gens, si vous leur demandez “les lead times varient-ils ?”, disent oui. Mais si vous demandez ensuite : “Dans votre entreprise, les prevoyez-vous vraiment probabilistiquement ?”, la plupart disent non.
Supposons donc que toutes les personnes qui ecoutent soient tres impressionnees et veuillent passer aux prochaines etapes, sachant qu’elles operent dans un environnement corporate ou il y a un manque de formation academique qui enseigne cela. Quelle est la prochaine etape viable pour commencer a avancer dans cette direction, selon vous ?
Joannes Vermorel : Il faut penser a robotiser le processus de decision. La modelisation des lead times est un moyen, pas une fin. Il s’agit d’obtenir de meilleures decisions.
La raison pour laquelle Lokad en est arrive la, il y a plus de dix ans, est que nous avons attaque le probleme des decisions, et les decisions sortaient mauvaises. C’est comme un jeu d’elimination : “D’accord, nous avons ce probleme ici, nous ajustons la modelisation, d’accord, les decisions sont encore mauvaises, nous avons encore des cas ou les decisions sont absurdes.”
Le critere pour Lokad est que, pour passer en production, nous devons avoir 0 % d’insanite dans les decisions que nous generons, qui sont des allocations de ressources. L’insanite serait quelque chose ou l’economie vous dit que c’est tres mauvais. C’est cela une decision insane. C’est une decision qui, peu importe comment vous ajustez les drivers economiques, reste simplement tres mauvaise.
Et ici, une mauvaise modelisation des lead times est apparue comme l’un des facteurs cles generant des decisions insanes, et nous avons donc du le faire.
Mais au fond, n’essayez pas de faire de la modelisation des lead times en isolation. C’est inutile. Il faut l’aborder sous l’angle : “Je genere des decisions, et ici je dois evaluer, dans ma modelisation, quels sont les angles morts. Ou est-ce que je continue a generer des decisions insanes alors que je ne devrais pas, parce que ma modelisation est simpliste ?”
Peut-etre faites-vous partie des tres rares entreprises chanceuses ou vous pourriez dire que le lead time fixe est tres incorrect, mais suffisant pour avoir des decisions non insanes. Ce n’est pas vraiment le jeu en cours. Cela peut arriver, rarement, mais cela peut arriver.
Ma position est donc que vos efforts de modelisation doivent etre guides par ces decisions insanes. Vous voulez passer en production et ainsi eliminer le busy work et le firefighting. Quand vous avez quelque chose qui genere des decisions avec 0 % d’insanite, ou chaque decision est assez bonne, pas optimale, je n’ai aucune idee de l’optimalite, mais ou chaque decision peut etre relue par des collegues et ils disent : “C’est solide. Je ne l’aurais peut-etre pas fait exactement ainsi, mais si un collegue disait cela, je donnerais le feu vert”, c’est l’ambiance.
Vous voulez quelque chose ou chaque decision recoit cette reaction. Une mauvaise modelisation des lead times underminerait completement cela, avec peut-etre jusqu’a 20 % de vos decisions qui ressemblent a : “C’est quoi cette decision ? C’est completement fou. Il faut faire autrement.” En general, c’est cela que vous voulez corriger. Vous voulez que toutes les decisions sortant de vos recettes numeriques soient vertes, qu’elles disent : “Je suis a peu pres correcte. C’est sain.”
Conor Doherty : Tres bien. Je n’ai rien a ajouter. Je n’ai plus de questions, et vous parlez depuis presque 80 minutes, donc je pense que nous n’avons plus de temps. Merci beaucoup, comme toujours, pour votre insight.
Et a tous ceux qui regardent, merci d’etre venus, merci pour vos questions, vos DMs, vos commentaires. Si vous voulez continuer la conversation, comme je le dis toujours, vous etes deja sur LinkedIn. Cliquez sur les profils de Joannes et du mien. Venez nous parler. Nous sommes charmants. Nous aimons parler de ces sujets.
Sur ce, nous nous reverrons dans quelques semaines, et nous parlerons de pricing en supply chain. Je n’ai rien d’autre a dire sauf : retournez au travail.
