Les Dossiers Thématiques > Supply Chain > SC Prédictive > Franck MORNET, Senior Customer Value Director de COUPA


‘‘Les réseaux d'approvisionnement intelligents ont besoin d’une conception continue’’


Raphaël Savy, Vice-Président Europe du Sud chez Alteryx

Franck MORNET, Senior Customer Value Director de COUPA


Avis d'expert soumis dans le cadre du dossier thématique « La Supply Chain Prédictive »


Que peut-on ou doit-on prévoir en Supply Chain ?

Lorsqu’on pense à la gestion de la supply chain, on pense souvent à sa planification et à son exécution, mais la conception ou le design de la supply chain reste souvent un exercice très épisodique sur lequel les entreprises se concentrent une ou deux fois par an. Pour Coupa, il s’agit en fait d’un processus continu.

Les systèmes de prédiction ont tendance à définir les délais de livraison des fournisseurs, la priorité des sources, des quantités de commandes économiques et autres mesures au moment de la mise en œuvre. Mais toutes ces variables sont en constante évolution. C'est pourquoi les réseaux d'approvisionnement intelligents ont besoin d’une conception continue afin d'anticiper les évolutions du marché.

La conception et la planification de la supply chain permettent d’aider les chefs d'entreprise à atteindre rentabilité, croissance et résilience. Pour ce faire, chez Coupa, nous les accompagnons dans la conception de leurs supply chains en tenant compte des nœuds (sites), des modes de transport, des flux de produits et des réglementations qui influencent les décisions.

La conception continue peut aider à prendre des décisions structurelles (dois-je mettre à niveau mes lignes de production ou investir dans de nouvelles machines ?), des décisions concernant les flux (quel est mon coût de service si j'expédie directement les produits aux clients ?), des décisions politiques (quel est l'impact de l'objectif d'utilisation des actifs sur la distribution en aval ?).

La conception continue contribue également à rationaliser la logistique, depuis le dimensionnement du parc automobile et l'acheminement des véhicules jusqu'à la consolidation du fret et la logistique inverse. Les entrepôts peuvent bénéficier d'un meilleur débit et d'une meilleure utilisation des capacités. Le transport bénéficie de la réduction du nombre de kilomètres parcourus sans compromettre les livraisons et de la réduction des kilomètres parcourus à vide. Ces efforts contribuent à réduire les émissions de gaz à effet de serre, limitant ainsi l’impact sur l’environnement.




Sur quelles données se baser ?

Les décisions relatives à la supply chain nécessitent différents niveaux d'agrégation des données en fonction du cas d'utilisation.

Les données proviennent de différentes sources. Les données internes se trouvent par exemple dans des systèmes ERP et autres systèmes existant dans l’entreprise. En outre, des sources externes de données telles que les taux de transport, la capacité des fournisseurs, etc. peuvent être collectées et ingérées par le biais d'API et d'autres mécanismes semblables.

Les données pertinentes peuvent être identifiées en fonction du problème que l'on souhaite résoudre. Par exemple, si l’on optimise sa supply chain pour les taxes, des informations agrégées, avec une granularité mensuelle, peuvent suffire sans avoir besoin d'informations par commandes individuelles.

Les données peuvent notamment être utilisées via la technologie de jumeau numérique. La conception continue renforcée par un jumeau numérique permet de prendre des décisions encore plus intelligentes et plus rapides en matière de supply chain.

Les technologies de conception peuvent être utilisées pour créer un jumeau numérique de la supply chain d'une entreprise. En effet, la mise en place d'un jumeau numérique permet d'exécuter de nombreux scénarios en parallèle et de les comparer avec des « tradeoffs » ou compromis complexes. Cela permet aux entreprises d'évaluer facilement le rapport coûts-avantages-risques de l'intégration d’alternatives dans les supply chain. Il est possible d'évaluer des décisions telles que la répartition des achats entre plusieurs fournisseurs, l'utilisation de modes de transport alternatifs, le recours à des fabricants sous contrat plutôt qu'à la fabrication en interne ou à une combinaison des deux, le « nearshoring » ou « l’offshoring », etc. dans le but de construire une supply chain résiliente.


Comment vos outils intègrent-ils les prévisions ?

Les supply chains étant de plus en plus complexes, la formulation de prédictions précises de la demande est essentielle pour soutenir les décisions « data-driven » dans toute l'entreprise.

Notre Demand Modeler permet de mieux prévoir la demande en exploitant des techniques basées sur l’intelligence artificielle (IA) pour renforcer les environnements de planification continue. Les capacités avancées de Machine Learning (ML) révèlent des modèles, quantifient les facteurs externes et modélisent rapidement des scénarios de demande à moyen et long terme.


Quelles sont les perspectives en termes de Supply Chain Prédictive ?

Les technologies numériques permettent aux entreprises d'avoir une vision de bout en bout de leur supply chains, en envisageant des « tradeoffs » ou compromis complexes au sein de celle-ci et en étant capables de réaliser des scénarios pour mettre en oeuvre les meilleures recommandations.

Avec la pandémie, la planification et la simulation de scénarios ont pris un nouvel essor. En raison de la volatilité accrue de la demande, les entreprises ont accéléré le passage à des « environnements sandbox » et à des simulateurs pour tester leurs supply chains sous pression afin de garantir la continuité des activités.

Grâce aux progrès de l'IA, les analyses prescriptives et les outils peuvent tirer des enseignements d'événements et de solutions précédents, puis formuler des recommandations sur la meilleure marche à suivre en cas de perturbation.

Les prévisions probabilistes et les modèles alimentés par l’IA et le ML prennent de plus en plus d'importance dans la prédiction des risques. Grâce à une combinaison de sources de données externes et d’informations recueillies auprès de la communauté participant à la création de plateformes de nouvelle génération, il est possible de détecter les risques élevés (financiers, judiciaires, écologiques, de performance) dans la base de fournisseurs afin d'identifier des sources alternatives.


Bio Express

Franck Mornet est Senior Customer Value Director chez Coupa, et accompagne de nombreux clients dans la région EMEA dans la mise en œuvre de Coupa Supply Chain Design and Planning. Son objectif est d'aider chacun d'entre eux à créer une feuille de route de valeur tout en augmentant la maturité de leur supply chain en assurant un retour mesurable.

Site Internet de COUPA : https://www.coupa.com/products/supply-chain-design


Contactez notre équipe






  Autres témoignages

R. SAVY | ALTERYX
‘‘ Briser les silos de la data ’’

J. BOUR | DDS LOGISTICS
‘‘ Se projeter au-delà de la seule capacité de réaction ’’

B. GRAUX | ACTEOS
‘‘ Appréhender l'intérêt du prédictif selon l'aspect transverse Supply Chain ’’

F. MORNET | COUPA
‘‘ Les réseaux d'approvisionnement intelligents ont besoin d’une conception continues ’’