x

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt

Les meilleurs logiciels de prévision en Supply Chain

les meilleurs logiciels de prévision

Les meilleurs logiciels de prévision en Supply Chain

À quoi sert encore la prévision dans un monde de plus en plus incertain ?

Comment la prévision peut-elle devenir un outil de direction générale ?

Quelles questions se poser pour investir dans un outil de prévision ?

Comment évolue le rôle du prévisionniste ?

Notre expert Thomas Moreau, associé chez adameo, Fabien Grattepain, Directeur Général d’AZAP, Yohann Gallard, Chef de produit SCP chez VIF Software et Mehdi Kharab, cofondateur de COLIBRI se sont réunis lors de la table ronde animée par Jean-Philippe Guillaume de Supply Chain Village – Le Média le 23 mars 2022 afin de débattre sur le thème des meilleurs logiciels de prévision.

La « bonne prévision » doit être rentable, utilisable et adaptable

Jean-Philippe Guillaume : Pour commencer, qu’est-ce qu’une bonne prévision ?

Yohann Gallard : Une « bonne prévision », c’est une prévision qui permet de supporter les différents processus. C’est également une prévision rentable pour nos clients. En effet, beaucoup de nos clients PME ont parfois des demi-postes de prévisionnistes car ils n’ont pas forcément les moyens d’investir massivement dans les outils et les processus de prévisions.

Mehdi Kharab : Il faut qu’avant tout elle soit utilisée car faire de la prévision n’est pas une fin en soi. La prévision doit être compréhensible par les utilisateurs, qu’ils aient confiance dans les données à leur disposition et que ces données soient modifiables.

J-P Guillaume : Qu’est-ce qu’une prévision fiable, juste et précise ?

Fabien Grattepain : La « bonne prévision » se mesure et se calcule, et ce de manière assez académique. On est obligé en permanence de réfléchir à son utilisation et à l’échéance à laquelle on doit l’utiliser. C’est aussi une prévision adaptable.

Thomas Moreau : Avoir une prévision est indispensable et donc il faut accepter d’avoir des informations qui ne sont pas tout à fait justes ou fiables. Les outils permettent de simplifier la vie de ceux qui doivent produire cette prévision. Ils permettent de gagner du temps et d’avoir petit à petit plus de fiabilité afin de nourrir l’ensemble des processus. L’écart entre prévision et ce qui a été réalisé se mesure, c’est d’ailleurs l’un des éléments qui permet de piloter la façon dont les commerciaux remontent les informations. C’est donc un élément qui est essentiel et qui est erroné par essence.

J-P Guillaume : En tant que consultant avez- vous le sentiment que toutes les entreprises ont déjà un outil en interne ou y-a-t-il encore beaucoup d’entreprises qui font cela sur Excel ?

Thomas M : Aujourd’hui le plus gros concurrent des APS c’est Excel, c’est ce qui équipe majoritairement l’ensemble des entreprises, il y a un niveau de maturité sur ces solutions qui est finalement relativement faible par rapport aux TMS ou WMS. 

Prévoir pour gérer l’incertitude en temps réel

J-P Guillaume : À quoi sert de prévoir ?

Yohann G : Il faut prévoir deux fois plus dans ce monde incertain pour établir des scénarii, d’autant plus lorsque l’on est dans le contexte géopolitique actuel très instable : on peut notifier des impacts sur toute la chaîne logistique.

Mehdi K : Il faut prévoir pour réduire l’incertitude. Partager la prévision afin d’éviter au prévisionniste de porter seul la décision d’acheter ou de sous-traiter. L’idée est donc aussi de collaborer, de diluer la prise de décision de cette prévision et ainsi réduire l’incertitude. Faire des scénarii hauts, bas, avoir les inputs des commerciaux et du marketing sur les lancements de produits et donc mitiger le risque ensemble en interne et éventuellement en externe avec des distributeurs ou des fournisseurs.

Thomas M : L’outil contribue justement à fluidifier la transmission de l’information au sein des différentes organisations des entreprises. La réflexion est la suivante : « Je vais chercher à mettre en place un outil mais je vais avoir besoin de simuler/modéliser quasiment en temps réel des choix, des arbitrages en termes d’allocation de mon stock ». Tout cela est nourri par la prévision, doit intégrer une notion financière et a pour vocation d’être un outil de direction générale. C’est une évolution assez récente qui est intéressante pour la fonction Supply et les outils APS en termes de positionnement et d’utilisation par l’entreprise pour ses choix stratégiques.

L’Intelligence artificielle et le Machine Learning pour aller plus loin dans la prévision

J-P Guillaume : La prévision s’appuie beaucoup sur des historiques mais tout se complique lorsqu’il y a des événements imprévisibles (conflit, pandémie). Mais il y a aussi d’autres cas au travers desquels nous ne pouvons pas prévoir en fonction des historiques comme lors du lancement d’un nouveau produit. Alors comment faire dans ce cas-là ?

Yohann G : Lorsqu’on lance un produit, il y a deux grands cas :

  • Le produit disruptif : l’input ne vient pas des historiques, ni des produits similaires car nous n’avons pas de référentiel.
  • Le produit similaire ou semblable pour lesquels nous aurons très souvent des historiques : il faut donc qu’il y ait une base de connaissances dans les outils de prévision pour pouvoir faciliter la prévision de nouveaux produits.

Fabien G : Le deuxième axe concerne l’intelligence artificielle ou le Machine Learning sur lequel il y a des solutions finalement assez intéressantes pour réfléchir à ces cas-là avec des aspects de data, de clustering ou d’approche complémentaire au niveau de la data.

Mehdi K : Dans tous les cas il faut partager cette information, collaborer avec différents acteurs.

J-P Guillaume : Voulez-vous dire que certains outils sont spécialisés par marché, plus à l’aise dans certains domaines que dans d’autres ?

Yohann G : En ce qui concerne l’agroalimentaire il y a deux grands thèmes :

  • La promotion chez certains de nos clients qui a des effets « fois trois ou fois quatre » par rapport à la baseline habituelle, certaines gammes sont plus ou moins animées.
  • La moitié du marché est sur du produit frais donc les méthodes traditionnelles de prévisions mensuelles voir hebdomadaires peuvent toucher leurs limites sur ces contextes-là. Quand vous avez des durées de vie inférieures à trois jours, vous êtes obligé d’aller jusqu’à la prévision journalière avec des méthodes et de l’outillage particulier car la durée de vie des produits impose de vraies spécificités. Nativement c’est présent dans nos outils.

Fabien G : Il y a bien un aspect fonctionnel et un aspect métier/accompagnement. En tant qu’intégrateur et éditeur nous avons un savoir-faire métier dans nos équipes et un savoir-faire sur l’utilisation d’un panel de fonctionnalités logiciel. On peut avoir une approche métier et consulting très adaptée en fonction de certains marchés cibles.

J-P Guillaume : Qu’est-ce que l’IA peut apporter aujourd’hui dans les prévisions ?

Mehdi K : Dans le contexte d’une PME, le besoin initial peut être simplement de remplacer Excel, on est « primo accès » étape par étape. On pourra bien sûr mettre de l’IA mais le but est d’accompagner la maturité du client et d’ouvrir des portes au fur et à mesure en fonction de ses besoins.

Thomas M : Les éditeurs ont absolument besoin de se positionner sur l’IA mais le marché n’est pas assez mature ni prêt pour cela. Il faut le présenter, c’est important et beaucoup ont les capacités et compétences pour mais le marché a déjà besoin de s’outiller, de savoir lire de la donnée, d’avoir de la donnée propre, de la nettoyer avant de pourvoir mettre des couches d’IA. La première sera le Machine Learning, c’est à dire arriver à faire apprendre et à corriger de l’information, en qualifiant et classant sa pertinence et progressivement lui faire produire une prévision un peu plus juste sachant qu’il y a tellement de données maintenant que les capacités des outils permettent à l’Homme d’avoir un support pour pouvoir prendre des bonnes décisions.

Le prévisionniste de demain au cœur du partage d’informations dans l’entreprise

J-P Guillaume : Thomas, il y a un aspect lorsque l’on parle de prévision que l’on n’aborde pas toujours. Il y a l’outil mais qu’en est-il du prévisionniste ?

Thomas M : Il s’agit en effet du changement humain lié à ces nouveaux outils et ce rôle d’interface et d’agrégats d’un ensemble d’information. On parle ici de capacités et de compétences humaines importantes, de connaissance métier (pourquoi je le fais et de quelles infos j’ai besoin) et également de l’exploitation de la donnée. On a parlé des différents outils, c’est souvent Excel qui est en place mais l’on commence à mettre des outils en place qui sont assez intéressants. Il faut donc des personnes avec des capacités de traitement de données et en mesure de traiter les outils pour une exploitation maximale et optimisée. Le prévisionniste va pouvoir se concentrer sur les sujets qu’on qualifiera plutôt d’alertes qui nécessitent d’interagir au sein de l’organisation.

J-P Guillaume : Un autre sujet important que l’on a évoqué tout à l’heure concerne la collaboration interne et externe. Peut-on en dire un mot ?

Mehdi K : Il faut d’abord commencer par collaborer en interne, entre les commerciaux et le service marketing pour partager le risque. On constate que le partage d’informations devient de plus en plus important mais ce n’est pas encore la norme aujourd’hui, ça ne vient que petit à petit car il faut qu’il y ait une notion de confiance.

Intégrer les solutions de prévisions dans les Systèmes d’information existant

J-P Guillaume : Une question que les utilisateurs se posent beaucoup et la suivante : comment ces outils-là s’intègrent dans une architecture informatique qui est déjà en place ?

Thomas M : Il y a des solutions qui sont natives web qui sont donc pensées dès le début et intègrent tout cet interfaçage un peu plus « facilement » que les solutions qui étaient plutôt « on premise » et plus anciennes. L’autre élément concerne la couverture fonctionnelle. Certaines solutions sont relativement récentes et sont pensées pour couvrir l’ensemble de la chaîne jusqu’au MRP. Il y a donc une notion de largeur de la couverture mais également de profondeur. Certains outils ont été pensés nativement avec cette largeur et cette profondeur, mais d’autres n’ont que la largeur constituée de plusieurs briques qui ont été intégrées, rachetées et donc les interfaçages au sein même de l’outil ne sont parfois pas aussi naturels ni aussi simples. Il y a vraiment une diversité de solutions à appréhender lorsque l’on souhaite s’équiper en fonction de son besoin.

Fabien G : Il y a une tendance forte d’urbanisation du SI dans lequel on a tous un rôle à jouer, un conseil à donner et la Supply tend à avoir un positionnement de plus en plus large sur le référentiel de la donnée. Les clients nous disent que la donnée la plus à jour n’est pas forcément celle que l’on trouve dans l’ERP bien qu’il ait traditionnellement ce rôle-là.

Mehdi K : Généralement dans l’ERP on va avoir des classifications par famille ou par gamme d’un point de vue production, mais quand un prévisionniste va vouloir classifier cela, il risque de mélanger des comportements différents. La première data qui est la hiérarchie produit commune à toute l’entreprise va donc être déjà parfois être un peu trop limitante pour le prévisionniste.

 

Retrouvez également notre article sur l’approvisionneur de demain et notre article d’actualité sur les tendances Supply Chain de 2022.