Vers une Supply Chain « plus » intelligente

Un (faux) air de déjà-vu. Depuis les années 1990, les principes associés à l’intelligence Supply
Chain se sont développés autour de l’optimisation du transport, de la logistique, de la prévision
et de la planification via des outils comme les TMS, les WMS ou les APS. Aujourd’hui, ce
phénomène prend une nouvelle ampleur et englobe ce que certains appellent le Big Data
Analytics, l’Internet Of Things ou encore l’Industrie 4.0. Nous arrivons dans une nouvelle ère où
une Supply Chain « plus » intelligente est possible grâce à la mise en place de dispositifs et
technologies permettant de capter et de stocker en temps réel un large éventail de données,
d’analyser et d’optimiser pour s’adapter localement, et, toujours en temps réel, de partager ces
informations au sein d’une Supply Chain étendue.

De nouvelles opportunités nentielle (loi de Moore) et des réseaux en

développement. Les capacités de l’infrastructure
IT sont en constantes progressions pour un coût
toujours plus abordable. Par exemple, le prix
©CAPGEMINI CONSULTING

d’un disque dur d’1 Terabyte est passé d’1 M$ en

1970 à 50 $ aujourd’hui. De plus, les réseaux se
préparent au développement de l’internet des
objets. Bouygues Telecom vient d’annoncer la
Trois facteurs changent la donne et lancent une création de son réseau basse fréquence pour les
nouvelle vague de développement vers une Sup- professionnels. La frenchtech Sigfox, spécialisée
ply Chain « encore plus » intelligente : dans les réseaux pour l’internet des objets, a levé
■ Des données toujours plus nombreuses et 100 M$ en février de cette année.
accessibles en temps réel grâce à l’intégration
des systèmes d’information au sein de Supply La Supply Chain intelligente
Chains étendues et grâce au développement des en 5 capabilités
objets connectés. Le cabinet londonien Techna- ■ Partager en temps réel une vision commune
vio estime que le nombre de puces RFID vendues des faits, appuyée sur des données exhaustives
dans le monde va doubler tous les 5 ans entre et de qualité.
2014 et 2024. ■ Optimiser les décisions opérationnelles via
■ Des outils d’analyse et d’optimisation plus des dispositifs capables de prescrire ou d’aider la
accessibles. Un écosystème d’acteurs s’est struc- prise de décision en temps réel en réponse aux
turé autour de solutions de stockage, de calcul et aléas dans des situations complexes (ex : re-rou-
d’analyse Big Data. Il comprend les acteurs tra- ting des produits en fonction des données de cir-
ditionnels de l’industrie du software (SAP, Ora- culation et de temps de parcours).
cle, Microsoft, IBM), ainsi que les pure players ■ Anticiper les problèmes et les crises en utili-
du web (Amazon, Google) et de nombreuses sant des modèles prédictifs appuyés sur des
startups innovantes, dont certaines proposent données internes et des données externes de
des solutions open source. Le développement des l’entreprise (ex : données et facteurs macro-éco-
offres en mode SaaS (Software As A Service) nomiques, réseaux sociaux, données clima-
permet aux entreprises d’utiliser et payer des tiques)
logiciels à l’usage, sans se préoccuper de l’ins- ■ Simuler pour être préparés (et si ?) via des
tallation, de la maintenance ou des mises à jour. modèles dynamiques et paramétrables, permet-
■ Des capacités de calcul en progression expo- tant d’identifier les scénarios optimum et de tes-
©CAPGEMINI CONSULTING

©CAPGEMINI CONSULTING

Gérald Murat Laurent Perea

Principal chez Capgemini Consulting Principal chez Capgemini Consulting
gerald.murat@capgemini.com Laurent.perea@capgemini.com

102 N°95 ■ SUPPLY CHAIN MAGAZINE - JUIN 2015

ter leur sensibilité à des variations d’hypothèses Gestion de la qualité
(volumes, coûts, …). La maîtrise de la qualité est au cœur des préoc-
■ Fiabiliser les processus et identifier les dri- cupations industrielles. Une Supply Chain intel-
vers « cachés » de sur/sous performance grâce ligente permet de prédire l’apparition de non-
à des analyses de corrélation mettant en évi- qualités sur la base des données de production et
dence les paramètres optimaux de fonctionne- d’un échantillon de défauts constatés. Ces corré-
ment de la Supply Chain. lations peuvent être réalisées localement sur une
machine, mais également au cours de processus
Une Supply Chain intelligente de production longs et complexes, découpés sur
de bout en bout plusieurs sites. Le développement des outils de
L’ensemble des processus Supply Chain vont corrélation et de prédiction est fortement sous-
bénéficier des capabilités présentées. Nous tendu à la disponibilité des données (ex : suivi
avons sélectionné 4 illustrations d’applications en temps réel des paramètres machine, ou
prioritaires : d’échantillons prélevés sur une chaîne de pro-
duction). Ces données sont aujourd’hui à portée
Prévisions de vente de main grâce à l’internet des objets et à la chute
Le recours aux données externes à la Supply des prix des capteurs. La mise en œuvre de ces
Chain permet de capter les signaux faibles méthodes chez un pneumaticien a permis de
influant sur la demande. A titre d’exemple, un réduire les pertes de plus de 30 % à chaque
constructeur automobile exploite les occurrences démarrage de ligne.
des recherches de sa marque chez les principaux
moteurs de recherche et les corrèle avec ses Maintenance prédictive
ventes effectives, pour ajuster ses prévisions. Les Les machines connectées et les modèles prédic-
données exploitables peuvent être acquises dans tifs permettent d’améliorer la fiabilité des équi-
l’entreprise (ex : trafic sur les sites web et e-bou- pements et de réduire leur coût de maintenance.
tiques, facturations et données du service clients) L’objectif est d’une part de s’affranchir des
ou externes (ex : flux issus de réseaux sociaux). trames classiques de maintenance pour s’ajuster
Le couplage de ces analyses aux outils de visua- aux conditions réelles d’exploitation. D’autre
lisation de données permet de partager ces ana- part d’anticiper les pannes et de déclencher les
lyses de façon claire et visuelle. opérations de maintenance sur la base de
signaux précurseurs. Le potentiel de réduction
Planification du transport
Le développement des solutions de planification
du transport en temps réel permet aux transpor-
teurs de s’adapter face aux aléas qui perturbent
les livraisons, en particulier en milieu urbain.
Sous-réserve de pouvoir capter suffisamment
d’information sur sa flotte et les conditions de
trafic, par exemple, le transporteur peut décider
de redéfinir les chemins de livraison de sa flotte,
de réassigner les ordres de livraison et d’offrir
une nouvelle liberté au client pour choisir son
point de livraison jusqu’au tout dernier moment.
C’est le cas d’UPS, par exemple, qui pilote l’ac-
tivité de sa flotte américaine en temps réel. Ce
transporteur va même plus loin, en partenariat
avec le fabricant d’imprimantes 3D Stratasys,
pour proposer de produire des objets via une
imprimante directement embarquée dans le
camion. Dans un autre secteur, la compétition
sur les prix des courses en Taxi menée par Uber
a certes commencé par un modèle sans achat de
coûteuses licences d’exploitations, mais s’appuie
surtout sur un moteur d’optimisation de l’acti-
©ROWPIXEL-FOTOLIA

vité des chauffeurs qui assure un taux de rem-

plissage record et ouvre le champ de la mutua-
lisation entre plusieurs clients (Uber Pool).

JUIN 2015 - SUPPLY CHAIN MAGAZINE ■ N°95 103

 des coûts de maintenance est estimé entre 10%
et 20 % par les éditeurs de solutions logicielles
de maintenance prédictive. Le modèle de la voi-
ture connectée, où le constructeur suit la
consommation et peut conseiller l’usager sur sa
conduite ou lui suggérer une révision, est amené
à s’élargir à d’autre types de produits dans le
futur. Cette tendance est au cœur de la transfor-
mation des modèles de business centrés sur les
produits vers des modèles de business centrés sur
les services.
5 Facteurs clés de succès pour passer
du rêve à la réalité
Gestion des compétences
et de la gouvernance
La mise en place d’une Supply Chain intelligente
et Data-Driven requiert pour son développement
des compétences spécifiques et rares. L’entreprise
peut développer en interne cette compétence si
elle dispose déjà d’un pool de ressources formées
aux méthodes analytiques et au traitement de
données, mais le salut passe souvent par le
recrutement externe pour lancer la démarche.
Ceci impacte directement la gouvernance : la
rareté de ces profils et le caractère transverse
(multi-métiers) des analyses qu’ils sont amenés à
conduire poussent souvent les organisations à
recourir à des structures type centre de service
en support des différentes métiers et à revoir la
gouvernance de la data en interne. Comme de
nombreuses autres entreprises du Cac40, Safran
a annoncé, début 2015, la création d’une nou-
velle entité dédiée, Safran Analytics, qui accom-
pagnera les filiales du groupe dans le dévelop-
pement de projet Analytics.
Technologies
L’émergence de Supply Chains intelligentes est
fortement liée à la transformation des infra-
structures et des systèmes d’information de l’en-
treprise, ainsi qu’aux nouvelles technologies. Le
succès passe notamment par la capacité à s’équi-
per pour exploiter pleinement ces nouveaux
modes de traitement des données. Pour les entre-
prises soucieuses de limiter l’investissement ini-
tial, la souplesse et l’évolutivité des solutions de
type Cloud est un salut. Le recours aux nou-
veaux outils d’analyses et aux solutions de
visualisation des données permet également de
rendre accessibles les solutions auprès des utili-
sateurs finaux facilitant leur adhésion.
L’accès aux données et
la qualité des données
Les investissements pour consolider les données
et les rassembler dans des puits « big data » se
104 N°95 ■ SUPPLY CHAIN MAGAZINE - JUIN 2015
justifient aujourd’hui, d’une part en raison des
perspectives d’exploitation à court terme et d’au-
tre part par, la baisse du coût de la connectivité
et du stockage. La qualité des données est une
brique fondamentale qui conditionne le succès
des approches. Ce qui est du « big data » pour les
machines doit se concrétiser en « small data »
compréhensible pour un être humain en focali-
sant sur les données essentielles. Si ces données
essentielles se révèlent largement fausses, l’en-
semble de l’approche est mise en péril. Pour pré-
venir ce risque, les approches autour de la
qualité des données se développent et consti-
tuent un investissement nécessaire, au même
titre que l’est la qualité industrielle.
Cyber sécurité
Les failles dans la sécurisation des données peu-
vent conduire à des préjudices colossaux pour
les entreprises. Les aspects de cyber-sécurité doi-
vent être pris en compte dès le design et la mise
en place des infrastructures qui supportent la
Supply Chain Intelligente, dans une approche
« safe-by-design ». Ce facteur constitue souvent
un frein à l’exploitation des solutions de type
Cloud, alors même que celles-ci constituent
la porte d’entrée idéale pour expérimenter à
petite échelle.
Approche Test & Learn
Le taux d’échec des expérimentations de déve-
loppement Big Data est de l’ordre de 60 %. Il est
donc essentiel de recourir à des approches itéra-
tives de type « Test & Learn », pour initier rapi-
dement une multitude de petit projets en
parallèle (« Proof of Concept » ou POC), afin de
n’en conserver que les plus concluants. Cette
phase de test se fait généralement sur un péri-
mètre restreint, et doit valider l’opportunité de
création de valeur à partir de données, au préa-
lable à tout investissement conséquent. La capa-
cité à identifier rapidement les POC qui
n’aboutiront pas et basculer sur de nouvelles
opportunités pour l’organisation.
Et vous, où en êtes-vous
dans l’utilisation de vos données ?
Cette transformation n’est pas nouvelle d’un
point de vue des concepts. La nouveauté réside
dans le fait que de plus en plus d’entreprises sai-
sissent ces opportunités pour en tirer un avan-
tage compétitif réel afin d’améliorer leur
processus, de créer de nouveaux services aux
clients ou encore de développer de nouveaux
modèles économiques. Effectivement, la donnée
peut aussi devenir un actif à monétiser, permet-
tant de développer de nouveaux revenus. ■