Le podcast Supply Chain Saison 3

La France vient de se confiner à nouveau pour une durée minimale d’un mois. Qu’est-ce que ça signifie pour les Supply Chains ?

Malheureusement pour l’économie et la santé, nos craintes d’un deuxième confinement se sont réalisées. On peut se dire que si il y a un deuxième confinement, on ne maîtrise pas encore l’épidémie, et il y en aura probablement d’autres à prévoir jusqu’à ce que l’on trouve un vaccin. Il est vital s’y préparer.

Ce nouveau confinement est inédit dans le sens où il intervient à une autre période que le premier, à savoir avant voir pendant les fêtes de fin d’année. Cela coïncide donc avec une période d’activité majeure pour les Supply Chains, notamment du commerce.

Une très forte problématique de tension va se poser sur les Supply Chains du e-commerce.

Le phénomène est assez simple à comprendre : on a à la fois le pic de ventes de fin d’année, ce à quoi s’ajoute un déport massif des achats qui physiques vers les canaux e-commerce, mais aussi les envois de cadeaux générés par une potentielle impossibilité de se retrouver pour Noël.
On peut s’attendre à ce que les logistiques e-commerce soient saturées et il y a un risque que la promesse exprimée au client ne soit pas tenue. C’est un risque destructeur par rapport à l’image de marque, surtout dans une période de fatigue et de tension.

Nous vous conseillons d’être transparents avec votre clientèle très tôt, et d’inviter vos consommateurs à acheter le plus tôt possible pour éviter ces problèmes d’engorgement.

Tu parlais des changements des habitudes de consommation, peut être que des produits se vendront moins également étant donné les circonstances ? Notamment dans l’alimentaire si on ne peut pas se rassembler ?

Dans l’alimentaire on peut s’attendre à une augmentation des volumes dans les commerces, ce qu’il s’était déjà passé pendant le premier confinement puisque les restaurations collectives était fermée. Les écoles restant ouvertes, cette augmentation pourra cependant être plus faible.

En fin d’année, on ne s’attend pas forcément à changement de la typologie des produits mais simplement de leur conditionnement. Si on est en petits groupes, on ne va pas acheter une dinde pour 12 personnes mais peut être seulement une cuisse ! On pourra peut-être observer un glissement de consommation sur des produits adaptés à des plus petits conditionnements.

Au niveau des cadeaux, comme on en parlait au début, il faut envisager que les produits qui s’envoient facilement en colis seront privilégiés. Beaucoup de français vont anticiper de ne pas pouvoir se rendre sur place et de devoir envoyer les colis plutôt que de les remettre en main propre.

Quels enseignements peut-on tirer du premier confinement pour aborder ce deuxième ?

Le premier enseignement est de rendre hommage au personnel de la logistique qui a su faire fonctionner les Supply Chains pendant le premier confinement donc on peut se rassurer sur le fait que ça fonctionne également pour le deuxième.

Le point supplémentaire est qu’il y a davantage de fatigue et de la lassitude. Tous les managers doivent être vigilants sur l’état de santé psychologique et de fatigue de leurs équipes, puisque la situation peut devenir lourde. Les périodes de fin d’année sont très actives pour les professionnels de la Supply Chain et cela peut être très difficile à passer en termes de charge mentale.

D’autre part, les entreprises qui ont fait des efforts de digitalisation de leurs outils de pilotage vont évidemment passer cette période plus facilement que les autres, qui risquent d’être submergées pas une masse de travail considérable, sans avoir les outils d’automatisation pour alléger la charge des équipes. Par ailleurs, leurs historiques de consommation seront totalement atypiques ce qui compliquera le pilotage l’année prochaine.

Il est aujourd’hui presque certain que nous vivrons plusieurs re-confinements. Il est indispensable pour les Supply Chains de se préparer pour cette course d’endurance où on enchaîne les sprints, qui sont très éprouvants pour tout le monde, donc plus que jamais, la priorité est sur l’accompagnement des équipes et le fait de leur donner des outils qui leur permet d’être efficaces.

Manuel, quel est ton regard sur le choix de développer les solutions en interne afin de se digitaliser ?

C’est effectivement un sujet important en ce moment puisqu’on se rend compte que les entreprises qui se sont digitalisées sont bien mieux armées pour faire face à la situation actuelle. On le voit avec les entreprises du retail qui ont proposé rapidement un service de Click and Collect, on le voit aussi dans l’industrie où on est obligé de mettre des espaces entre les personnes pour des raisons de santé, il y a besoin de plus d’automatisation parce qu’une partie du personnel ne pouvait pas venir travailler pendant le premier confinement, et pour certains ne peuvent pas pendant le deuxième.

On voit bien que le sujet de la digitalisation est fortement rendu nécessaire par la crise.

Il y a pas mal d’entreprise qui se décide pour le faire en interne, et ce n’est pas forcément une mauvaise idée. Il y a des sujets qui sont au cœur du métier sur lesquels l’entreprise doit s’approprier un minimum de connaissances et de savoir-faire technique sur cette digitalisation. C’est typiquement le cas dans la Supply Chain comme on le voit chez Vekia, il y a un certain nombre de choses qui peuvent être mises en place pour planifier pour organiser le travail avec des outils relativement simples, que les entreprises peuvent faire émerger d’elles-mêmes.

Je dirais que la difficulté à laquelle vont se confronter les entreprises qui vont le faire en interne concerne plutôt la maintenance et la performance à long terme.

Il y a deux grands sujets :

• La maintenance : les personnes qui ont conçu le système en général sont des personnes qui ont un regard technique, informatique, data… Dans la durée, ça ne va pas être facile pour eux de passer d’un rôle de concepteur à un rôle de maintenance, d’entretien, et de support pour les utilisateurs. La première difficulté pour les entreprises est de pérenniser l’énergie initiale afin de la faire vivre dans le temps, la pérenniser, et faire de l’amélioration continue, avec des personnes qui ne sont pas forcément motivées par cette mission ni même formées. Il est important de bien réfléchir le plan à long terme, et de se demander « Comment je vais faire pour entretenir cette solution tout en gardant la maîtrise, en la faisant progresser petit à petit, et en ayant des personnels qui vont pouvoir répondre aux questions de utilisateurs et m’aider à améliorer le process ? »
• D’autre part, on se rend compte que les entreprises qui essaient de faire par elles-mêmes perdent du temps. Tout simplement parce que l’état de l’art sur un domaine particulier avance beaucoup plus vite que beaucoup n’en ont la perception.
  Pour la prévision de la demande par exemple, aujourd’hui ce n’est pas très compliqué de faire venir un stagiaire ou une entreprise pour mettre en place des algorithmes de prévision de la demande qui sont relativement performants. Mais est-ce que ce qu’ils vont mettre en place va vraiment répondre à votre enjeu business ?
  Cela nécessite une analyse et de l’expérience. Avoir le meilleur algorithme ne fait pas tout, il faut avoir la chaîne de valeur complète, de l’utilisateur, des process, des données, des algorithmes, qui vont faire que ça va être le plus performant pour vous.

Donc c’est intéressant de faire en interne au début pour s’approprier sujet et le comprendre, mais vous pourrez perdre du temps par rapport à des niveaux de performances que vous pourriez attendre et sur lesquels des entreprises concurrentes sont déjà en train de travailler.

Notre constat et qu’il y a besoin d’avoir des acteurs qui permettent à des entreprises de s’autonomiser dans la mesure du possible sur la digitalisation. Mais ces entreprises ont besoin d’aller plus vite en bénéficiant d’une expérience. Elles ont besoin aussi d’un partenaire dans la durée pour faire ce que les équipes ne vont pas savoir faire ou ne pas avoir envie de faire : l’exploitation, le support, la réponse aux utilisateurs etc…

Quand est-ce que développer en interne peut être un bon choix ?

Ça peut être un bon choix lorsque l’entreprise a quelque chose d’unique, par exemple un procédé technique sur lequel elle n’a pratiquement aucune chance de trouver une solution sur l’étagère, ou un partenaire qui va voir le savoir-faire pour traiter ce point. Dans chaque entreprise il y a des sujets uniques.

Pour des sujets qui sont transversaux ou plutôt standard, comme le recrutement assisté par ordinateur ou la gestion des carrières pour les RH, ou des sujets juridiques sur lesquels l’IA peut aider, cela représente une perte de temps et d’argent à mon avis.

Comment procéder si aujourd’hui on a envie de digitaliser sa Supply Chain ?

Il faut se demander quels sont ses enjeux business majeurs, créés par la crise ou non, et à long terme comment faire pour accélérer sûr ces forts enjeux. Sur des sujets Supply Chain ça peut concerner la disponibilité, le BFR immobilisé dans les stocks, des OPEX, des nouveaux modèles commerciaux qu’il faut mettre en place, etc…

Ça part donc de l’enjeu. Ensuite, pour y arriver je pense qu’il faut effectivement se faire accompagner par un partenaire qui est spécialisé sur le sujet, mais aussi embarquer le Top Management qui doit avoir une vision de la bonne façon de faire, et créer une équipe. C’est absolument essentiel. Beaucoup de gens disent « pour faire de l’IA il faut d’abord avoir des Data », certes mais ce n’est peut-être pas ça le plus difficile.

Avoir une équipe pluridisciplinaire, avec des gens qui vont avoir accès aux données, d’autres qui vont connaître le métier, les utilisateurs, les process… Ce sont d’abord des gens qui sont déjà dans l’entreprise qui vont constituer cette équipe dans laquelle on peut faire rentrer aussi de la connaissance technique, en intégrant pas exemple un Data Engineer ou un chef de projet IA qui vont pouvoir piloter cette équipe.

L’écosystème technologique est tellement énorme aujourd’hui qu’on trouve des solutions existantes pour tout faire, quasiment.

La question est « Qu’est-ce qu’on veut faire et qui va le faire ? »

Voir « Podcast Supply Chain by Vekia S2 #4 : Les prérequis à l’automatisation »

Manuel, tu as participé à une table ronde à propos de l’IA dans l’industrie en compagnie d’Etienne Delille et Aimé Lachapelle. De quoi avez-vous parlé ?

C’était un grand plaisir d’enregistrer cette Table Ronde avec des cas pratiques de l’utilisation de l’IA dans l’industrie.

Etienne Delille nous a parlé de l’utilisation de l’IA dans le diagnostic précoce de maladies chez les animaux. Par l’apprentissage d’un grand nombre de radios de chats, ils ont réussi à avoir 2 ans à l’avance par rapport à diagnostic vétérinaire, une identification des futurs problèmes rénaux, ce qui permet d’ajuster alimentation. C’est un cas très intéressant dans l’aide à la décision.

Cliquez ici pour assister à la table ronde

Pour ma part, j’ai parlé de l’exemple qu’on a mis en place avec Engie sur l’optimisation des stocks de pièces détachées dans les agences est dans les camionnettes. Puis la discussion a ensuite pas mal tourné autour de des conditions de réussite d’un projet d’Intelligence Artificielle dans l’industrie. J’ai donc parlé des cinq prérequis dont on a déjà parlé, et également de la méthode PPDA qu’on a développée récemment pour garantir la réussite des projets.

Est-ce que tu peux expliquer en quoi ça consiste ?

Le PPDA est d’abord issu du retour d’expérience de plus de 10 ans d’essais, de réussites mais aussi de quelques échecs. On s’est rendu compte qu’il fallait non seulement les prérequis dont on a parlé, mais que quand on a un projet d’installation de l’IA, il y avait aussi des points particulièrement importants à surveiller.

PPDA ça veut dire tout simplement : People Process Data Algorithms, et dans cet ordre.

La partie « People » : une conduite du changement est très importante quand on transforme fondamentalement la façon dans les gens travaillent. On a un point de vigilance particulier sur le fait que l’environnement de travail, le rôle, les outils mis à disposition des utilisateurs, sont cohérents par rapport à leurs objectifs, et qu’ils disposent de suffisamment d’informations pouvoir continuer à faire leur métier. On passe également le temps suffisant à expliquer le fonctionnement pour qu’il y ait une bonne compréhension de l’Intelligence Artificielle, et également qu’ils soient au contrôle du système pour qu’ils aient le bon niveau d’information pour pouvoir bien faire leur travail.

Pour le deuxième P qui est Process, on s’est rendu compte que l’intelligence artificielle, en particulier dans la Supply Chain, pouvait changer radicalement la façon dont les gens travaillent. On va supprimer une grande partie des tâches répétitives et changer la façon dont les équipes collaborent.
Il faut reposer les bases des process pour arriver à une cohérence globale avec l’ensemble des autres processus de l’entreprise, et s’assurer que les entités qui ne sont pas impactées directement par le projet aient aussi les bonnes informations en entrée et en sortie, pour pouvoir continuer à fonctionner harmonieusement avec le processus qui a été modifié.

Ces 2 premiers P de PPDA sont ceux qui mobilisent 80 % de l’énergie dans un projet parce que ce sont les sujets qui embarquent le plus de monde.

Souvent quand on parle de projet l’Intelligence Artificielle, on pense aux Data et Algorithms, les deux dernières lettres.

La partie Data est évidemment un sujet important. C’est un sujet de travail continu sur lequel il faut investir du temps, des moyens de correction de données, d’amélioration des processus de saisie, … Il faut aussi « brancher » les systèmes entre eux, vérifier quelles sources extérieures à l’entreprise peuvent apporter de la valeur, etc…

Enfin, le dernier A ce sont les algorithmes, qui sont de plus en plus disponibles et assez faciles à prendre en main. Il y a cependant un certain nombre de points de vigilance sur les algorithmes, pour s’assurer qu’ils vont être stables dans le temps, qu’ils vont continuer à avoir des bonnes performances sur les cas limites, et aussi qu’ils vont être explicables. On sait aujourd’hui que l’explicabilité est un des facteurs fondamentaux dans la réussite des projets d’Intelligence Artificielle.

Comment on vérifie concrètement la réussite pour chacune des lettres ?

Niveau méthodologie, il y a deux points.

Le premier, ce sont des tableaux de bord qui vont se structurer sur ces quatre axes, avec les bonnes questions à se poser et les différents points à monitorer.

Le deuxième ce sont des KPIs, qui nous permettent de vérifier qu’il n’y a pas de d’angle mort. Par exemple, sur la partie people, on peut avoir des scores d’adhésion à l’utilisation de la solution. Sur la partie process, on peut monitorer la performance globale et suivre son évolution, etc…

Comment gérer l’incertitude actuelle dans la gestion des stocks à l’approche de Noël ?

On n’a jamais eu une situation aussi incertaine à une période de très forte activité comme celle de Noël. On ne sait pas si on pourra se voir en famille, on ne sait pas quels magasins vont être ouverts et quand, c’est difficile d’anticiper les choses de manière précise.

Néanmoins, il y a des manières de faire qui permettent de mieux s’en sortir dans ce genre de situation. Quand on est dans de l’incertitude, on a tendance à faire 2 erreurs :

• Penser que certaines choses relativement certaines, ne le sont plus ;
• Au contraire, confondre des convictions avec des certitudes.

Pour gérer dans un contexte incertain, on doit revenir aux faits, aux données, aux informations, et de vérifier sil s’agit d’une certitude, d’une croyance, ou d’une possibilité.

Quand on a bien cartographié cela, on aura un terrain de jeu intellectuel plus clair.

On sait que si des informations sont quasi certaines, il y a toujours une part d’erreur possible. Les probabilités peuvent-elles aider dans ce contexte ?

En effet, il a des degrés dans la certitude et dans l’incertitude. Les probabilités sont le meilleur outil pour mesurer ce degré.

La plupart des outils de gestion de stock font des prévisions, ce qui est évidemment très utile pour se représenter ce qu’il va se passer. Mais souvent, quand on utilise ces prévisions pour calculer des stocks, on fait comme si elles étaient certaines. En réalité, on sait qu’une prévision ce n’est pas ce qu’il va se passer, mais ce qu’il pourrait probablement se passer. C’est la notion de probabilités qui permet de faire la différence entre les deux. Elles rationalisent la mesure de l’incertitude.

Sans probabilités, le seul moyen de gérer l’incertitude au niveau stock est le stock de sécurité, ce qui coûte une fortune, encombre les plateformes, et n’est pas du tout efficace.

Il faut les piloter en fonction du degré réel d’incertitude, grâce aux probabilités.

C’est un peu le jeu du Supply Chain Management de vaincre l’incertitude…

Oui, si on savait tout d’avance, ce serait extrêmement facile.

La petite incertitude du quotidien, les probabilités sont capables de la gérer de manière automatisée. Par contre, l’intelligence humaine est le seul moyen de gérer cet incertain exceptionnel.

Dans les moments d’incertitude, il est important d’explorer les limites : Quel est le pire scénario ? Le meilleur ? Quels sont entre ces extrêmes, les différents degrés de scénarios possibles et qu’est ce qui les différencie en termes d’actions à mener ?

Pour résumer, pour Noël on doit se baser sur ce qui est certain et faire des scénarios ?

Oui, sans tout de même oublier les convictions car elles peuvent faire la différence.

Comment rendre sa Supply Chain moins polluante ?

C’est un enjeu qui devient de plus en plus important, notamment grâce aux normes RSE qui évoluent. Si on se focalise sur l’environnement, il est assez clair que les Supply Chains sont des sources de pollution.

D’abord, le transport, qui est une activité majeure de la Supply Chain, ça pollue. Il y a des camions sur les routes qui ne sont pas suffisamment remplis (en moyenne aux 2/3 en France), des transporteurs de containers, du transport aérien… Grâce à des technologies d’optimisation, on peut mieux remplir les camions et réduire le transport de manière relativement importante.

Le transport n’est pas le seul vecteur de pollution.

D’abord, le coût environnemental de la production et des matières premières, qui s’aggrave encore lorsque l’on produit trop et que l’on doit détruire. C’est ce qu’il se passe dans le domaine du luxe par exemple. Un enjeu très important est de mieux quantifier les stocks dont on a besoin, pour éviter les destructions, le transport, et la production inutiles. On sait qu’on peut réduire jusqu’à 30% du stock et la pollution qui y est liée.

Enfin, la pollution passe aussi par la consommation de terrains agricoles par la construction d’entrepôts. Tous les 10 ans en France, c’est l’équivalent d’un département qui est bétonné en plus. L’enjeu est de maîtriser cette construction.
Aujourd’hui, par une optimisation du stockage et de la distribution, on peut réduire ses surfaces de stockage de parfois 30%.

Chez Vekia, nous sommes convaincus que la Supply Chain peut faire mieux grâce à de meilleurs outils d’optimisation.

Revenons rapidement sur les récentes annonces gouvernementales : Qu’est ce que ça change au niveau de l’incertitude liée à Noël sont nous parlions la semaine dernière ?

On y voit plus clair en termes d’organisation, notamment au niveau du commerce. Les Français semblent vouloir dépenser plus que l’année dernière, avec un maintien très fort de l’e-commerce.

Cependant, il reste une part d’inconnu relative au comportement des Français durant cette phase pandémique : Vont-ils se réunir en famille ? Quand vont-ils acheter ?

Il est important de garder un pilotage serré, de regarder en temps réel les remontées des ventes pour prendre des décisions d’approvisionnements rapidement. Ce sera forcément plus difficile que les autres années, il faut garder l’optique de fonctionner avec des scénarios. Les scénarios extrêmes le sont moins qu’avant les annonces, mais une part de flou persiste.

Tombé dans la tech a une époque où il faillait 16ko de mémoire pour faire tourner Flight Simulator, Jean-François a toujours surfé sur l’innovation : Internet, OSS, Linux, Java, XML, WebServices, Cloud, SaaS, … Aujourd’hui chez Microsoft et avec son background d’architecte SI, il challenge les métiers notamment du commerce et de la distribution sur leurs transformations.

J’ai le plaisir de le recevoir dans ce nouveau Podcast dans lequel il nous partage son parcours et surtout sa perception de la transformation de la société.

Nous entrons dans un nouveau monde qui va reposer de plus en plus sur l’humain, la technologie et qui aura comme impératif la préservation de l’espèce.

4ieme révolution industrielle ou bouleversement anthropologique au même titre que la découverte de l’écriture ?

Nous évoluons progressivement dans un monde en réseaux, en graphes, où la performance de chaque entreprise, organisation, individu est le résultat de sa capacité à intégrer des chaînes de valeur à la vitesse du marché, ou de les quitter.

Dans ce monde, chaque acteur doit être très clair sur sa proposition de valeur, et donc ses valeurs, pour être reconnu. Chaque acteur, nœud, consomme et fournit des services à d’autres acteurs présents dans sa proximité. Avoir un solide écosystème est donc un élément fondamental dans ce monde en permanente transformation. C’est la garantie de l’agilité dans le respect de sa mission et donc de ses invariants. La performance est alors le résultat direct de la capacité de faire preuve d’audace en s’associant à de nouvelles chaînes de valeurs. Et cela doit être vrai à toutes les échelles de l’entreprise et donc de l’individu.

La vitesse de composition ou de destruction des chaînes est un élément majeur de performance. Les deux éléments clés de l’équation sont : La transparence (confiance et lisibilité de la proposition de valeur) et la richesse de l’écosystème par le nombre et la diversité. On bascule d’un monde de rapport de force à un monde de partage de flux… « un monde préindustriel » mais avec la puissance de la technologie ?

De nombreuses initiatives technologiques ou/et sociales y ressemblent : prêts entre voisins, « cultivé sur place », recyclage, fait maison, travail sur lieu de vie, fin de l’anonymat, du formaté, blockchain et impression 3D …

Ce n’était pas mieux avant mais demain ça peut l’être, mieux… Pour cela il y a urgence à traiter le long terme : toute minute passée à résoudre un problème de l’est pas à créer le futur.

Et concernant la Supply Chain, elle doit épouser ces nouveaux enjeux : agilité, vitesse mais également prévisibilité et respect de l’environnement et l’individu. Cela se fera naturellement comme pour les entreprises et individus avec plus de transparence, d’ouverture des modèles, et un usage massif de la technologie.

En quoi consiste la recherche opérationnelle ?

Avant tout, expliquons pourquoi on doit en parler. Le pilotage des stocks passe par deux grands sujets : la prévision de la demande et la prise de décision dans les approvisionnements. Cette prise de décision nécessite une optimisation autre que du Machine Learning, c’est ce qu’on appelle la recherche opérationnelle.

Que la recherche opérationnelle va-t-elle permettre de faire ?

Prenons l’exemple d’un gestionnaire de stock qui doit passer des commandes à ses fournisseurs. Il a devant lui plusieurs fournisseurs possibles pour un même produit, certains avec des remises commerciales, d’autres avec des francos de port, certains qui ne fournissent pas toutes les références dont il a besoin, etc. Pour trouver la façon la plus avantageuse de faire la commande, il faut simuler tous les scénarios différents.

Avoir des algorithmes d’optimisation qui vont chercher à résoudre ce problème, c’est un exemple basique de recherche opérationnelle.

Elle permet aussi de faire des choses beaucoup plus avancées, comme calculer les stocks en cascade sur plusieurs niveaux de la Supply Chain (MEIO), même dans des structures en réseaux qui s’échangent du stock mutuellement et continuellement.

Il y a aussi le multi-step, soit prévoir plusieurs commandes à l’avance pour repousser encore les optimisations possibles.

Ce sont des questions très compliquées pour lesquelles le cerveau humain n’est pas très bon, et pour lesquelles la recherche opérationnelle est la discipline scientifique.

La recherche opérationnelle apprend-elle aussi du passé ?

Il y a deux grandes familles dans la recherche opérationnelle :

Les solvers : Résout un problème d’optimisation sous contraintes. Ils fournissent une solution exacte qui est la meilleure possible. Ils ne capitalisent pas sur le passé. Les métaheuristiques : Des approches d’optimisation qui peuvent intégrer une couche de Machine Learning, afin qu’ils se souviennent de leurs solutions précédentes pour tout nouveau problème. Cela permet d’avoir des solutions qui arrivent plus vite, qui sont plus faciles à expliquer, et qui sont plus modulaires en termes de mise en œuvre informatique.Elle fait partie pleinement de l’IA. Chez Vekia, on l’articule avec le Machine Learning. Notre moteur de recherche opérationnelle prend les prévisions probabilistes en entrée, les combines avec les contraintes, puis trouve ce qui va rapporter le plus à l’entreprise utilisatrice. De plus en plus, on calcule la meilleure solution en euros et non plus en quantités.

Voir : A quoi sert l’approche probabiliste dans l’automatisation des approvisionnements par Alexandre, Head of Research Lab

Quel message veux-tu passer sur la recherche opérationnelle ?

Aujourd’hui, on investit plus sur les algorithmes de recherche opérationnelle que sur les algorithmes de prévision. Une des prochaines grandes avancées dans la Supply Chain, est que les algorithmes de calcul de stocks seront intrinsèquement prévisionnels, on ne passera plus par une étape de calcul de prévision.

Quels logiciels sont les plus importants pour piloter sa Supply Chain aujourd’hui ?

Il y a en effet beaucoup de vendeurs et de technologies en lien avec la Supply Chain aujourd’hui. Pour les opérationnels et les décideurs ce n’est pas évident de s’y retrouver.

Pour moi (Manuel), il y a 4 couches :

– La couche d’exécution physique (palettes, entrepôts, camions, …). Cette couche est pilotée par des logiciels de type ERP, WMS, TMS.

– La couche de pilotage classique ou d’exécution logicielle : On y retrouve des logiciels qui permettent d’avoir de la visibilité, ce qu’on appelle régulièrement end-to-end visibility, pour savoir à tout instant où se trouve le stock dans la chaîne. Ils permettent généralement de trouver l’information dans le présent, dans le passé, mais rarement dans le futur. Nous sommes convaincus qu’il y a un avantage à étendre cette visibilité sur le futur. Au niveau du pilotage il est classiquement fait par des outils de Business Intelligence, qui restent utiles pour aller chercher des informations.

– Le pilotage intelligent : qui prennent des décisions d’approvisionnement en fonction du contexte et proposent des commandes optimales. Cette troisième couche est de plus en plus importante pour optimiser sa Supply Chain.

– La couche de définition structurelle, qui cherche à définir la meilleure structure pour la Supply Chain, afin de savoir où positionner les entrepôts, quelles routes mettre en place entre eux, quelles capacités de transport sont nécessaires, quelles sont les conditions d’achat optimales, etc…

Transversalement à ces solutions, on a généralement des datalakes pour stocker les données de la Supply Chain et les utiliser de manière opérationnelle.

Comment choisir les solutions à mettre en place en priorité ? A-t-on besoin de tout ? Comment cohabitent-elles ?

Cela va dépendre des enjeux de l’entreprise.

Dans l’e-commerce ou un environnement omnicanal, un OMS pourra être prioritaire pour savoir dans quel point de stockage aller chercher l’article pour chaque commande afin de livrer le plus vite possible et dans les meilleures conditions.

Aujourd’hui avec le COVID, il y a beaucoup d’enjeux autour du cash et donc du niveau de stock et des coûts opérationnels, qui vont pouvoir être améliorés par une solution de pilotage.

Une Supply Chain plus locale aura peut-être moins besoin d’une solution de transport ?

Effectivement un TMS sera plus intéressant pour une Supply Chain globale avec du stock qui peut venir du monde entier avec des modalités de transport très différentes.

Un autre axe pour définir les priorités est par rapport aux niveaux de maturité  des Supply Chains. Des cabinets comme Gartner ont défini des niveaux de maturité. On observe que beaucoup de Supply Chains sont encore en mode « réactif » avec un peu d’anticipation. Pour ces Supply Chains, l’enjeu est de devenir capables d’optimiser en avance grâce à une visibilité future, et de changer leur structure pour s’adapter à la demande.

Des évolutions assez fortes arrivent dans ces sujets grâce au Machine Learning et au Digital Twin par exemple.

Est-ce pertinent de choisir une solution « qui fait tout » ?

On a toujours un compromis entre quelque chose qui fait tout, et quelque chose qui fait mieux un enjeu précis.

Nous pensons qu’il est préférable de viser un outil unique par couche. La communication entre ces couches se fera évidemment par la donnée, mais aussi par la communication entre les acteurs de ces couches.

Le logiciel qui fait tout a l’avantage d’une simplicité apparente, mais il est rarement optimal par rapport aux enjeux précis de la Supply Chain.