Le 16 octobre dernier, Dominique Bourgoin, Dr. en Intelligence Artificielle et Fondatrice d’AZAP, a participé à une table ronde organisée en partenariat avec Supply Chain Village sur le thème de « L’IA peut-elle améliorer les prévisions ? ». Selon elle, l’IA va permettre d’aller encore plus loin que les méthodes statistiques pour améliorer les prévisions en exploitant mieux et en automatique les données exogènes. En attendant que ce soit intégré en standard dans les solutions, cela représente encore un coût élevé et de l’énergie/ du temps à investir qu’il faut mettre en balance avec les enjeux de l’entreprise. Résumé des échanges avec Jean-Philippe Guillaume, animateur de l’émission.
Jean-Philippe Guillaume : On ne présente plus AZAP, mais pouvez-vous nous résumer brièvement ce que fait votre société ?
Dominique Bourgoin : AZAP a été créé en 2000 pour optimiser les Supply Chains, qu’elles soient simples ou complexes. Notre offre repose sur 3 piliers intégrés :
- une plateforme logicielle,
- des services à forte valeur ajoutée,
- et une expertise acquise depuis plus de 20 ans auprès des clients.
Pour les clients, cela se traduit par :
- une optimisation des coûts,
- une amélioration de leur qualité de service
- et une contribution à leur croissance.
J-P.G. : Que peut-on attendre d’un progiciel de prévisions ? Quelle fiabilité ?
D.B. : Le rôle d’un progiciel de prévision est d’éclairer l’avenir. C’est d’aider à prévoir les volumes moyens dans une fourchette mini maxi, avec une certaine probabilité et fiabilité. Selon les souhaits de nos clients, il s’inscrira dans un processus qui peut aller du très collaboratif au tout automatique.
Mais le taux de fiabilité varie fortement selon les entreprises, le type de produits, les processus, les animations autour des produits, le nombre de produits nouveaux et la manière de calculer la fiabilité.
Deux exemples :
• Produits frais de type yaourt : fiabilité à un mois : 90%
• Produits BTP, chauffage, sanitaire… : 75%
J-P.G. : Quelles differences faire entre prévisions des ventes, de la demande et des appros ?
D.B. : Le but est de tendre vers la meilleure connaissance de la demande client, mais ce qui est le plus facilement disponible, ce sont les historiques de ventes et les ruptures que les logiciels aident à quantifier.
Fondamentalement, on fait des prévisions pour prendre les meilleures décisions. Par exemple, on a besoin de prévisions fiables pour planifier un approvisionnement à coûts et taux de service optimisés. Selon les décisions à prendre, on doit définir la prévision adaptée à son business et s’assurer que le logiciel choisi et son paramétrage le permettent. Quant au processus d’approvisionnements, il exploite la prévision des ventes et de la demande et fait appel à d’autres outils complémentaires, en particulier tout ce qui permet d’optimiser les coûts, et tout spécialement les coûts d’achat.
J-P.G. : Comment les logiciels intègrent les données exogènes (météo, influence des réseaux sociaux, événement imprévu, etc.)
D.B.: Les données internes (ex : trafic e-commerce) sont récupérables par interface avec les solutions de l’entreprise. Pour les données exogènes (ex : températures mois par mois, taux d’indidence des épidémies …), AZAP fait appel à des API (interfaces de programmation) fournies par ces sites spécialisés. Très souvent les historiques – à condition d’être suffisamment longs – portent très bien l’information que l’on cherche à modéliser et à projeter dans le futur. Par exemple, la saisonnalité d’un produit (une glace, une soupe …) se dégage bien des historiques. La météo joue un rôle évident, mais très souvent à la marge par rapport aux décisions à prendre. Dans cas, on reste dans une démarche classique car on dispose des historiques. Dans les cas où l’historique n’existe pas (produits nouveaux) ou trop court, on a besoin d’explications complémentaires, d’informations exogènes car l’analyse de la série temporelle des ventes (ou de la demande) ne suffit pas. Il faut ainsi étoffer la démarche par des algos avancés faisant appel à l’IA.
Une des méthodes les plus efficaces pour être réactif et s’adapter rapidement aux évolutions, est de mettre en place une S&OP hebdomadaire. Réunir plus souvent le commerce/marketing et la Supply Chain afin d’échanger sur les besoins courts terme est une réponse efficace. Ce process vient compléter le processus S&OP moyen terme/long terme.
J-P.G. : Comment les prévisionnistes et les responsables Supply ont vécu la crise du Covid en termes de prévisions et de stocks ? Et quelles réponses les outils ont pu leur fournir : recalcul des prévisions sur une maille plus fine ou sur certaines familles de produits ? S&OP plus fréquents ?
D.B. : Il faut s’adapter et se réinventer en permanence en se basant sur de nouvelles hypothèses. Nos clients ont eu deux types de préoccupations au début de la crise : gérer l’opérationnel court terme et préparer/planifier la reprise. Nos clients ont également dû comprendre et anticiper les impacts de contextes changeant rapidement (restaurants fermés, écoles fermées…) et :
- faire des scénarios, des hypothèses pour prendre les meilleures décisions (prévisions de la demande) ;
- adapter leur Supply Chain, en mettant en œuvre rapidement les décisions prises (typiquement, optimiser les stocks pour répondre aux évolutions des prévisions de la demande).
Dans ce contexte, des outils comme AZAP permettent :
- d’analyser ses données facilement et fréquemment
- de faire des scénarios à base d’hypothèses
- et de changer son mode de fonctionnement en quelques clics.
Une des méthodes les plus efficaces pour être réactif et s’adapter rapidement aux évolutions, est en effet de mettre en place une sorte de S&OP hebdomadaire. Réunir plus souvent le commerce/marketing et la Supply Chain afin d’échanger sur les besoins courts terme est une réponse efficace. Ce process vient compléter le processus S&OP moyen terme/long terme. Il est d’autant plus important en ce moment pour préparer des temps forts comme a pu l’être la rentrée des classes ou bientôt Noël.
J-P. G. : L’Intelligence artificielle représente-t-elle une nouvelle approche des prévisions ou vient-elle en complément des outils existants ?
D.B. : L’IA vient en complément des technologies classiques mais pas systématiquement. Par exemple, dans AZAP, l’IA complète les méthodes statistiques traditionnelles mais cela a un coût, à mettre en requis :
- Mettre en place un projet prévision simple, prend globalement 10 à 20 jours de travail
- Une démarche IA à elle seule le plus souvent, c’est entre 30 et 50 jours de travail, avec une forte implication des personnes du métier en plus de nos Data Scientists
Toutes les entreprises n’ont pas les enjeux de cet investissement. Il faut donc bien réfléchir avant de se lancer. Il faut que les efforts consentis apportent une vraie rentabilité par rapport aux décisions à prendre.
J-P. G. : Les éditeurs « traditionnels » envisagent-ils d’intégrer de l’Intelligence Artificielle à leurs outils ?
D.B. : C’est déjà le cas depuis longtemps chez AZAP ! Nous intégrons les technologies IA depuis au moins 10 ans car nos équipes de R&D sont tombées dedans tout petit 😉. Par exemple, cela nous sert à :
- Réaliser de la classification automatique des produits dans les prévisions,
- Aider à travailler par exception pour l’approvisionnement.
AZAP intègre différents algorithmes IA dans son cœur que l’on peut exploiter à la demande en fonction des besoins fonctionnels de nos clients. C’est là que nous faisons la différence :
- Grâce à nos très nombreux clients qui nous ont permis de capitaliser sur des cas concrets,
- Et à notre capacité à intégrer les solutions par nous-mêmes.
Pour voir le coeur de l’émission, cliquez sur le lien ci-dessous :
supplychain-village.com/interview-flash/evenements/table-ronde-previsions-partie-2-le-debat-contradictoire-avec-les-intervenants/
