N°82 ■ SUPPLY CHAIN MAGAZINE - MARS 2014140

POUR VOS APPELS D’OFFRE

Dans un monde toujours plus aléatoire, calculer des prévi-sions fait-il sens ? Oui si l’on ne peut répondre immédiate-ment à la demande ! Car il faut anticiper et dimensionnerles moyens pour satisfaire ses clients durablement aumoindre coût. Ainsi les entreprises continuent-elles à pra-tiquer cet exercice périlleux, aidées par des capacités infor-matiques qui ont beaucoup augmenté (cloud) et des logi-ciels de prévisions de la demande enrichis qui automa-tisent les calculs, pilotent les processus collaboratifs et intè-grent au mieux les événements (promotions, lancements,fin de vie…). Reste à améliorer les processus décisionnels(S&OP, SI&OP, IBP) et l’affectation des ressources…

Pourquoi faire des prévi-sions ? « On ne fait des pré-visions que si l’on ne peutfaire autrement, c’est-à-dire,si l’on n’a pas le temps de

produire à la demande et qu’il fautanticiper. Ensuite, faut-il tirer oupousser les flux ? Les deux ! Par exem-ple, Bonduelle récolte des petits poisà un moment de l’année, qu’il metdans des boîtes blanches en attendantde les étiqueter en fonction de lademande. Les prévisions globales depetits pois sont calculées, puis la dif-férenciation retardée permet de répon-dre précisément à la demande », illus-tre Jean-Patrice Netter, Associé-Fon-dateur de Diagma. En effet, prévoir estun mal nécessaire étant donné qu’ilexiste généralement un point dans laSupply Chain qui a des délais de réac-

tivité bien supérieurs aux attentes desclients ou des consommateurs. C’estdire si les prévisions ont encore debeaux jours devant elles, et ce dansdes secteurs très variés : industrie, dis-tribution et même prestations de ser-vices. « La prévision de transport estune nouvelle demande que nous obser-vons. Il s’agit de mieux planifier lesmoyens selon les flux prévisionnels etde négocier plus tôt pour avoir demeilleurs tarifs », souligne RobertByrne, Co-Fondateur et PDG de TerraTechnology. Même constat chez Azap :« Une nouvelle préoccupation enmatière de prévisions concerne celledes flux de transport quotidiens. Lebut étant de définir pour un presta-taire logistique toute la matrice ori-gine/destination et de prévoir l’activitéau jour le jour de chaque hub, chaque

PRÉVISIONS DELA DEMANDEQuelles margesde progrès ?

MARS 2014 - SUPPLY CHAIN MAGAZINE ■ N°82 141

entrepôt… Nous avions cette demandeen conseil depuis quelques années. Aprésent, on passe à l’opérationnel »,observe Dominique Bourgoin, Direc-trice générale d’Azap.

Des données fiables Puisque l’exercice reste indispensabledans de nombreux cas, quels en sontles prérequis et comment faire pourobtenir de meilleurs résultats ? Lespistes d’amélioration sont nom-breuses, à commencer par la fiabilitédes données en entrée de calcul, et ceà tous les niveaux. « La qualité de la

donnée est primordiale. Il faut auto-matiser sa collecte par une intégrationdes systèmes existants puis avoir des alertes sur les outliers (donnéesbizarres). Il faut aussi pallier à sonabsence par de la récupération d’his-toriques similaires ou de la collabora-tion. Un autre point de vigilance trèsimportant est de travailler au bonniveau de données (agrégation/désa -grégation) et de vérifier la cohérencedes données saisies entre les niveauxsupérieurs et inférieurs. Par exemple,il ne s’agit pas de compter sur +30 %de CA en France si les prévisions parproduit au niveau européen n’en tien-nent pas compte», relève Henri Bérin-ger, Directeur Général France deQuintiq. Debbie Heaton, Associée chezOliver Wight est du même avis, touten pointant du doigt d’autres fai-

©W

ARA

KRN

-FO

TOLI

A

N°82 ■ SUPPLY CHAIN MAGAZINE - MARS 2014142

POUR VOS APPELS D’OFFRE

blesses observée dans les entreprises.« Des sociétés ont dépensé des millionspour mettre en œuvre une solution APSde type APO. Ils ont beaucoup investiet sont déçus de leur outil mais en fait,ils n’ont pas embauché de vraisDemand Planers et ont des processusdiscontinus (multiplication des sys-tèmes : propriétaires, tableurs…). Lesgrands chantiers sur lesquels ils ontencore à travailler portent sur la fia-bilité des données, la connaissanceproduit, les outils statistiques, leshypothèses marketing et l’activité pla-nifiée. Ils doivent encore sécuriserleurs données en entrée, développerdes modèles mathématiques tenant

compte de la projection statistique dumarché, mais aussi du taux de crois-sance, du potentiel de développementmaxi… et se doter de moyens d’élabo-rer des scénarios chiffrés et compara-bles pour prendre les bonnes décisionsbusiness », estime-t-elle.

Nettoyer les historiques… ou pas ?Une grande question se pose depuisl’arrivée des logiciels APS sur le mar-ché : faut-il ou pas nettoyer les histo-riques des événements exceptionnelspour éviter qu’ils ne soient intégrés et reproduits à l’avenir ? En tout cas,dans bon nombre d’entreprises, les

Responsables Prévisions consacrentbeaucoup d’énergie à cette tâcheingrate. Les logiciels peuvent aussi lesaider en les alertant sur des valeursincohérentes et en les invitant à ren-seigner un événement avec un impactestimé (en % ou en valeur, voire gra-phiquement) de cet événement sur lademande. Toutefois, les avis sont par-tagés quant à l’utilité de ce travail fas-tidieux. « Aujourd’hui, le nettoyage deshistoriques est plutôt fait à la main. Etles experts se trompent plus souventque des systèmes statistiques en raisonde la grande complexité et du délaicourt à accorder à cette tâche », estimeTanguy Caillet, Director Advisory Ser-vices EY. Même analyse de la part deSimon Schalit, Directeur des Opéra-tions de Lokad, logiciel de prévisionsdans le cloud qui s’appuie sur uneautre approche de calcul de prévisionsque la méthode classique : les prévi-sions quantiles (voir encadré page 146).« Les prévisions quantiles ne sont pasaussi sensibles aux ruptures que lemodèle de prévisions moyennes. Toute-fois, quand nous travaillons avec unnouveau client, nous regardons si lespromotions comptent pour plus d’untiers de son portefeuille produits (ce quiest rare). Si tel est le cas, nous propo-sons une mission spéciale sur la prévi-sion des promotions, admet le COO deLokad, qui poursuit : Mais dans un 1er temps, nous ne faisons pas de retrai-tement, parce que mal géré, il peut faus-ser les résultats statistiques. Ecrêter etretraiter donne de moins bons résultats àcause de la tendance à surestimer ledommage que les promotions peuventavoir sur les prévisions. C’est pourquoinous proposons au client de faire unbenchmark entre leurs prévisions avecretraitement et les nôtres, sans retraite-

Pierre Budin, Président du Directoired’Aperia

Robert Byrne, Co-Fondateur et PDG de Terra Technology

Dominique Bourgoin, Directrice Générale d’Azap

Tenir la distance via le Six Sigma

Comment garantir que les systèmes et les processus mis en place soienttoujours au top ? Ed Gooch, Senior Supply Chain Consultant de Barlo-world SCS, recommande d’adopter la démarche d’amélioration continuedu Six Sigma, un moyen selon lui « d’assurer un succès durable dans la ges-tion de la demande, des stocks et des approvisionnements ». Pour mémoire,cette palette de techniques et d’outil d’amélioration continue comportecinq étapes : définir les objectifs de l’activité (ex : réduire les stocks, amé-liorer le taux de services), mesurer la progression dans l’atteinte de cesobjectifs, analyser de manière détaillée les causes racines des erreurs,corriger les processus et contrôler pour garantir que ces améliorationssoient durables. Pour faciliter la vie de ses utilisateurs, Barloworld SCS, quien est à la 5e génération d’Optimiza, son logiciel de planification avancéemodulaire, propose de nombreuses statistiques qui leur permettent de sefocaliser sur l’essentiel. Par exemple, le logiciel peut afficher les erreursde prévisions par site de stockage pour montrer celles qui sont plus éle-vées que la moyenne, et déclencher les actions correctives adéquates surles prévisions qui en ont le plus besoin. De même, afficher la liste desécarts entre les délais de livraisons théoriques et réels des fournisseursmet en avant ceux qui ont le plus besoin d’une intervention pour voirconjointement comment améliorer ce taux de service. « Le but est defournir une visions synthétique des informations les plus pertinentes pour lais-ser la main à l’utilisateur », précise Ed Gooch. ■

©A

PERI

A

©TE

RRA

TEC

H-

NO

LOG

Y

©A

ZA

P

MARS 2014 - SUPPLY CHAIN MAGAZINE ■ N°82 143

ment. Quand le système est bien compris,on peut passer aux prévisions quantiles,qui procurent les gains les plus impor-tants, et ensuite aller gagner le reste, cequi est plus difficile et plus long ».

Choisir les bons modèlesFiabiliser ses données, en retravail-lant ou pas ses historiques, est doncun prérequis pour faire de meilleuresprévisions. Ensuite, sélectionner labonne méthode pour modéliser aumieux ses données est égalementimportant. « Pour améliorer les prévi-sions, il faut améliorer les méthodes(des chantiers se sont ouverts surl’amélioration des méthodes statis-tiques, la classification des pro-duits…) », indique Dominique Bour-goin. Ce choix peut se faire à partirdes compétences du Demand Planer,qui peut être un statisticien che-vronné. Mais la tendance est plutôt delaisser la main aux outils. « L’auto-matisation intervient à deux niveaux :dans le choix de la meilleure méthode

au sein de la librairie statistique, puisdans la mesure du niveau de con-fiance de ce modèle appliqué », rap-pelle Henri Béringer. Sachant queselon leur philosophie, les solutionsinformatiques peuvent se contenterde suggérer le meilleur modèle, àconfirmer ou pas par l’utilisateur,après l’avoir éventuellement alerté surun changement de modèle détecté, oul’imposer en automatique, si l’utilisa-teur a décidé de faire confiance ausystème. Attention quand même àbien faire évoluer son paramétragedans ce cas. Parfois, cette volontéd’automatiser pour ne pas passer tropde temps à élaborer des prévisions,voire pour ne pas y affecter des pro-fils de trop haut niveau, peut allerloin. « Nous sommes très sollicités parnos clients industriels sur l’automati-sation, le fantasme ultime étant uneautomatisation complète, y comprissur le lancement de nouveaux pro-duits via des profils ou l’événemen-tiel, mais on n’en est pas encore arri-©

MIN

ERVA

STU

DIO

-FO

TOLI

A

N°82 ■ SUPPLY CHAIN MAGAZINE - MARS 2014144

POUR VOS APPELS D’OFFRE

vés là ! », s’exclame Pierre Budin, Pré-sident du Directoire d’Aperia. Toute-fois, la volonté du client étant sacrée,les éditeurs travaillent dans ce sensavec des logiciels auto-apprenants.

… tirer parti de nouveauxmodèles mathématiques« Dans les méthodes quantitatives deprévisions s’appuyant sur la modélisa-tion de séries historiques, au-delà desclassiques moyennes mobiles, lissageexponentiels… il en existe de plus évo-lués comme Arima ou Box-Jenkins, quicombine à la fois les modèles de sérieshistoriques et de régression. Les statis-tiques sont alors basées sur des facteurscausaux (taux de change, beau temps,niveau de concurrence…) et des corré-lations avec des événements (promo-tions…). La reconnaissance de modèles

(pattern recognition), c’est ce sur quois’appuie le Demand Sensing. Toutes lesséries de produits sont entrées dans unmodèle qui va chercher des corrélationssur des morceaux de séries comportant des données internes ou externes. Et le système s’inspirant des réseaux neuronaux est auto-apprenant. Cesméthodes, que l’on trouve par exempledans les logiciels de Smartops (SAP) ou Terra Technology, permettent de prévoir des types de demandes pluscomplexes et erratiques de manière finesur un horizon court terme. En fait,le Demand Sensing compense deserreurs de prévisions par un déploie-ment plus précis », analyse TanguyCaillet. Ainsi, la méthode statistiquedes K-means est-elle capable de recon-naître des courbes ayant les mêmesvariations (voir illustration ci-dessous

sur les 12 groupes homogènes dégagésdes ventes hebdomadaire d’une ensei-gne). « Il y a de plus en plus de sys-tèmes experts qui classifient automati-quement les articles par rapport à leurcomportement », confirme Pierre Budin.De même, la société Lokad, créée en2008, s’appuie sur une nouvelleapproche mathématique. « Lokadrepose sur trois grands ingrédients :l’utilisation d’outils statistiques plusmodernes (issus des travaux récentsde Vapnik et Chervonenkis) qui étu-dient les corrélations entre les diver-ses dimensions d’observations (plu-tôt que de s’appuyer sur le nombred’observations), le recours au Cloudpour garantir une puissance de calculsuffisante sur de courtes durées (cf latarification à la minute plutôt qu’àl’heure que nous avons négociée avec

Tanguy Caillet, Director Advisory Services EY

Joannes Vermorel, Fondateur de Lokad

Simon Schalit, Directeur des Opérations de Lokad

Classification en 12 groupes homogènes de produits issue de l’approche K-Means appliquée aux ventes hebdomadaires d’une enseigne.

©EY

©C

.PO

LGE

©LO

KAD

©LO

KAD

MARS 2014 - SUPPLY CHAIN MAGAZINE ■ N°82 145

Microsoft Azure) et une nouvelleapproche, les prévisions quantiles plu-tôt que classiques, pour mieux colleraux problématiques métiers en BtoB (etsurtout abandonner des axiomes faux,issus des statistiques météorologiquesinadéquates d’un point de vue métier,selon lesquels les prévisions donnentune médiane et les stocks de sécuritésont modélisés par une courbe gaus-sienne dont la symétrie ne reflète pasla réalité de ventes qui ne peuvent êtrenégatives et positives, comme les tem-pératures) », résume Joannes Vermorel,Fondateur de Lokad.

Introduire des variables exogènesIl se peut également que les variablesexplicatives d’une évolution dedemandes soient externes à la société(exogènes). Les produits peuvent êtremétéo-sensibles et liés à l’évolution decourbes de températures, la demandetributaire de la consommation engénéral, de la courbe du chômage, du

moins du passé que de la croissance,du taux de chômage ou des lois pourfavoriser le remplacement des véhi-cules. Nos clients cherchent doncdavantage les corrélations avec desvariables exogènes, mais cette modéli-sation se pratique encore de manière

prix de matières premières spéci-fiques… « Chez nos clients, plutôtindustriels, nous avons beaucoup ren-contré le problème de l’intégration defacteurs macro-économiques. En effet,dans les matériaux de construction oul’automobile, la demande future dépend

©KU

RHA

N-F

OTO

LIA

N°82 ■ SUPPLY CHAIN MAGAZINE - MARS 2014146

POUR VOS APPELS D’OFFRE

artisanale », observe Henri Béringer. Demême, les panels (Nielsen, Iri) sont làdans la grande consommation pourdonner des indications sur l’impact dela concurrence… Les outils logicielssont en général capables d’intégrer cesdonnées calculées en externe (sousforme de coefficients, d’indices…), maisrares sont ceux en mesure de trouveret mesurer les niveaux de corrélationpar eux-mêmes.

Compenser les limites des outilspar des processus collaboratifsMême s’ils en font toujours plus pourapprocher au mieux les séries statis-tiques, y compris intermittentes ouerratiques comme les ventes de pro-duits en magasins ou la consom-

mation de pièces de rechange, lesmodèles mathématiques ne couvrentpas encore toutes les problématiques.D’où la nécessité de compenser leurslimites par des processus de collected’informations terrain et de collabo-ration entre divers responsables pourprendre les risques de manière collé-giale. « Quand les méthodes mathé-matiques sont défaillantes, il ne fautpas hésiter à opter pour la collabora-tion au niveau des promotions, deslancements de produits…), recom-mande Dominique Bourgoin. Parexemple, Intermarché est capabled’annoncer huit semaines à l’avanceles commandes promotionnelles qu’ilva passer aux producteurs parce qu’ils’est donné les moyens de collecter

les informations. De même, les lance-ments de produits induisent unegrande incertitude. Il faut prendre desrisques et les mesurer. » Et Jean-Patrice Netter de renchérir : « Auniveau des événements spéciaux quiperturbent la vie du produit, comme lelancement de nouveaux produits, ilfaut prendre un risque calculé. Parexemple, suivre les sorties de caisse àla demi-heure comme l’a fait Yoplaitpour ses produits frais peut valoir lecoup. Ce dont je m’aperçois dans lesprévisions, c’est qu’on pense trop souvent que c’est ce qui va se réa-liser. Nos interlocuteurs dans lesentreprises devraient davantage s’in-téresser à l’écart entre le maximum etla moyenne pour quantifier l’incerti-tude. On observe d’ailleurs de trèsgrosses différences dans le calcul del’incertitude, le stock de sécurité pou-vant aller du simple au double pourune même prévision ».

Garantir la rigueur et l’implication par un processusde pilotageUn autre point majeur d’améliorationdes prévisions est d’instaurer un pro-cessus récurrent pour s’assurer quechaque opération est effectuée entemps et en heure, dans le respect d’uncalendrier pré-établi garantissant ladisponibilité des responsables concer-nés, et que chacun à son heure serasollicité en fonction de son périmètrede responsabilité et de compétence. « Beaucoup d’entreprises lancent desprojets de mise en œuvre de processusS&OP (Sales & Operations Planning),avec une vision terrain d’équili-brage des charges et des capacités »,remarque Pierre Budin. Et Jean-PatriceNetter de compléter : « Côté Diagma,

Les prévisions quantiles selon Lokad

La prévision moyenne est la plus classique. Dans ce modèle, le poids de lasur-prévision et de la sous-prévision sont strictement équilibrés (i.e. 50 %de chances d’être au-dessus ou en-dessous de la valeur). Les températuresprévues pour le jour suivant sont un exemple type de prévisions moyennes.Les prévisions quantiles sont différentes : un biais est introduit volontaire-ment pour altérer la probabilité de sur-prédire et de sous-prédire. En effet,fournir le bon niveau de ressources pour satisfaire la demande est généra-lement un problème asymétrique : le coût d’une sur-allocation de res-sources (ou sur-prévision) peut différer fortement de celui d’unesous-allocation de ressources (ou sous-prévision). Par exemple, la ruptured’une pièce de rechange aéronautique pouvant empêcher un avion dedécoller peut avoir des répercussions très onéreuses en dépit de son fai-ble coût. Il faut donc garantir sa disponibilité. A l’inverse, il vaut mieux s’or-ganiser pour consommer un « lot » de fraises avant qu’elles ne soient tropabîmées pour être vendues (exemple, sous deux jours), avant éventuelle-ment de remettre en vente un nouveau « lot ». « Les quantiles représententune amélioration radicale par rapport aux prévisions classiques pour de nom-breux verticaux comme la distribution, la vente en gros et la fabrication. En mars2012, Lokad est devenu le 1er éditeur de logiciels à fournir des prévisions quan-tiles », indique Joannes Vermorel, Fondateur de Lokad. ■

Jean-Patrice Netter, Associé-Fondateur de Diagma

Debbie Heaton, Associée chezOliver Wight

Henri Béringer, Directeur Général France de Quintiq

©O

LIV

ERW

IGH

T

©D

IAG

MA

©Q

UIN

TIQ

MARS 2014 - SUPPLY CHAIN MAGAZINE ■ N°82 147

nous avons pas mal de demandes demise en place de processus S&OP. Celasert à prendre des décisions à moyenterme, c’est-à-dire au-delà de troismois. C’est une période de pausedurant laquelle on évite les gesticula-tions du court terme et on essaie depréparer les moyens d’éviter de com-battre les incendies. C’est un processusqui aide les décideurs à envisager desventes suffisantes pour atteindre lebudget prévu et avoir les bonnes capa-cités de production. A ce niveau, onparle bien de demande prévisionnelle etplus de commandes, mais les prévi-sions n’ont pas besoin d’être aussidétaillées que sur le court terme ». Au-delà de la dimension de planificationmoyen terme, Henri Béringer insiste

davantage sur la nécessité de s’adapterà des environnements mouvants : « Cequi est important, c’est comment met-tre en place un processus S&OP etavoir des outils qui s’adaptent à dessituations en perpétuelle évolution. Lagestion de scénarios à comparer pourprendre la meilleure décision est unplus ». « Beaucoup de sociétés n’ont pascompris qu’il fallait revoir les paramè-tres de stock fréquemment », fait remar-quer pour sa part Tanguy Caillet. Cequi milite en faveur de la mise en placede processus dits de SI&OP pour SalesInventory & Operations Planning,durant lesquels une des étapes consisteà revoir de manière concertée les para-mètres de stocks pour garantir qu’ilssont en phase avec l’évolution des pro-duits, des conditions fournisseurs, desniveaux de service et de sécurité. Enfin,

©A

POPS

-FO

TOLI

A

N°82 ■ SUPPLY CHAIN MAGAZINE - MARS 2014148

POUR VOS APPELS D’OFFRE

non seulement il est important derevoir les paramètres de stocks, maisaussi de surveiller en permanence unensemble d’indicateurs pour entrerdans un processus d’amélioration con-tinue (fiabilité des prévisions, des délaisfournisseurs…) comme le recommandeEd Gooch, Senior Supply Chain Con-sultant de Barloworld SCS, via le SixSigma (voir encadré page 142).

S’assurer que le processus de prévisions soit confié aux bons responsables…« Je vois deux types de clients en termesde maturité prévisionnelle. Beaucoupont des processus déconnectés. Cela setraduit par un manque d’outil de work-flow et des comportements incohérents(par exemple, les vendeurs sont récom-pensés lorsqu’ils dépassent le plan).Beaucoup d’autres promettent des tauxde services incompatibles avec lescapacités de leur Supply Chain »,constate Debbie Heaton. Selon elle, unpoint fondamental pour que le proces-sus de prévisions fonctionne bien estqu’il soit détenu par la DirectionVentes/Marketing. « Pour améliorer leprocess de planification et les prévi-sions, il faut que les Ventes/Marketingsoient propriétaires du processus deprévisions et soient mesurés sur leurjustesse. Ils sont en effet les mieux pla-cés pour comprendre l’environnementde la demande et anticiper ses évolu-tions. Ils ont aussi les manettes pour

influencer la demande ». En outre, ellerecommande que le Demand Planerdépende de cette Direction Vente/Mar-keting. « Ce doit être quelqu’un quicomprenne les statistiques, soit capablede respecter un processus, d’analyserles hypothèses et les projections dumarketing et d’acquérir une bonne com-préhension du marché. Il peut avoir uncursus financier ou Supply Chain. »

… et en cohérence avec les objectifs de l’entrepriseEquilibrer les charges et les capacitésde manière concertée sur la base d’unevision prévisionnelle de la demandeest déjà un bon moyen de satisfaireses clients au moindre de coût. Mais àquoi bon s’astreindre à cet exercice s’ilest déconnecté des objectifs straté-giques et financiers de l’entreprise(exprimés annuellement dans les bud-gets et sur un horizon pluri annueldans les plans stratégiques) ? C’estcette nécessaire mise en cohérence desaspects opérationnels avec les objec-tifs stratégiques de l’entreprise qui adonné naissance au concept d’Inte-grated Business Planning (IBP) cherau cabinet Oliver Wight, qui concèdenéanmoins qu’il y a encore beaucoupà faire en la matière. « Concernant lebesoin d’IBP, la prise de conscience estcroissante. La plupart des entreprisesqui s’en réclament néanmoins n’enfont pas : 80 % font du S&OP. Dansun processus IBP, la demande et l’of-

fre sont à rapprocher des aspects bud-gétaires et stratégiques de l’entrepriseet une équipe du Top Managementdoit prendre les décisions pour com-bler les écarts éventuels », rappelleDebbie Heaton. Taguy Caillet observeégalement que nous sommes dans unepériode transitoire où cohabitentS&OP et IBP naissant : « Je constatel’arrivée de l’IBP depuis deux ans avecune dimension plus financière dans certains grands groupes où j’interviens.En fait, je vois deux catégories : desgroupes matures, plus orientés finan-ces, qui utilisent l’IBP pour piloter lebusiness et une deuxième catégorie où leS&OP est une façon de planifier à pluscourt terme, avec une préoccupationpar exemple d’éviter les ruptures dansles deux à quatre prochains mois par dela planification et de la transparence.Une autre différence est aussi que lesdirigeants participent à l’IBP parcequ’il y a de vraies décisions stratégiquesà prendre ». Un point crucial pour queles bonnes pratiques venant « d’enhaut » puissent se décliner à tous lesniveaux de l’entreprise.

Des logiciels plus performantspour faciliter les décisions humainesComme vous pourrez le constater à lalecture des fiches détaillées par solu-tion de prévisions que nous avonsrecensées sur notre site Internet, et

Le Demand Sensing vu par Terra Technology

« Les prévisions classiques calculent des ventes moyennes pour le futur. Tan-dis que le Demand Sensing utilise des informations courantes. Il ne tient passeulement compte des historiques passés, mais considère aussi les relationsentre les produits, le comportement des consommateurs… soit diversescomposantes de la demande, expose Robert Byrne, Co-Fondateur etPDG de Terra Technology. Grâce au Demand Sensing, Procter& Gamblea amélioré sa justesse de prévisions de 32% en Europe de l’Ouest et éco-nomisé du coup des centaines de millions de dollars de stocks. Le groupe aégalement diminué les urgences ainsi que les transferts inter-sites. Autreexemple, Unilever a gagné cinq jours de stocks de produits finis. En utilisantles données de sorties de caisse, le groupe a réduit les pertes, les déchetset les coûts de distribution tout en créant de la valeur à la fois pour les dis-tributeurs et lui. Enfin, suite à un pilote mené chez AkzoNobel, l’erreur deprévision hebdomadaire a chuté de 29 % dès la 1ère semaine pour leRoyaume-Uni, la France, l’Allemagne, les Pays-Bas et l’Irlande ». ■

MARS 2014 - SUPPLY CHAIN MAGAZINE ■ N°82 149

via le tableau récapitulatif page 150,les logiciels comportant des modulesde prévision de la demande ont descouvertures fonctionnelles plus ou

plement de méthode (prévisions quan-tiles vs prévisions classiques + stocksde sécurité), on réduit facilement sesstocks de 20 %. Mais les résultatsdépendent beaucoup des clients et de leurs objectifs (réduction de stocks,amélioration du niveau de ser-vices…) », illustre Simon Schalit. Entout cas, les solutions logiciellescontribuent à gérer une complexitéqui va croissant tant en termes devolume, que de manque de visibilitéet d’accélération des bonnes décisionsà prendre. « Il faut à présent mettreen place des outils non plus cartésiensmais qui gèrent l’incertitude des fluxavec un minimum et un maximum,plus un indice de confiance à 90/95 %. La puissance et la rapidité decalcul permettent de présenter unesituation le plus clairement possiblepour prendre les meilleures décisions.On revient à la priorité de la décisionhumaine », conclut Tanguy Caillet.Qui s’en plaindra ? ■

CATHY POLGE

moins étendues et pointues. En toutcas, un grand nombre d’entre ellesont fait de gros progrès sur leur capa-cité à traiter plusieurs centaines demilliers (voire millions) de SKU (StockKeeping Units) dans des délais de traitement compatibles avec les pro-cessus de décision. « Les bases de données sont de plus en plus volumi-neuses en raison d’informations deplus en plus détaillées à gérer auniveau produits (hiérarchie, SKU…),mais aussi maille de temps et événe-ments. Il n’est pas rare de devoir trai-ter un million d’articles, mais avecdes temps de réponses identiques.Ainsi, nous avons investi 30 % denos efforts à optimiser notre base dedonnées propriétaire afin de diviserpar cinq nos temps de traitement », sefélicite Pierre Budin, qui indiquenéanmoins qu’une douzaine d’heuresde calcul maxi restent tolérées. Parailleurs, les résultats apportés par cetype de solutions sont généralementau rendez-vous. « En changeant sim-

©A

LEX

AN

DER

RATH

S-FO

TOLI

A

N°82 ■ SUPPLY CHAIN MAGAZINE - MARS 2014150

PRINCIPAUX ÉDITEURS DE PROGICIELS DE PRÉVISIONS

EDITEUR

OR

IGIN

E

CR

EAT

ION

CA

201

3G

loba

l/Fr

ance

en

M€

EFFE

CT

IF 2

013

Glo

bal/

Fran

ce e

n M

€

SOLU

TIO

N

NB

SIT

ESEQ

UIP

ES

Fran

ce/E

tran

ger

PRINCIPAUX SECTEURS

1 ACTEOS France 1986 11,7 / 6,7 110 / 55 Acteos Forecasting 250 /12 Retail, e-commerce& Procurement System

2 APERIA France 1975 1 / 0,5 8 / 8 Aperia Forecaster 65 / 280 Industrie, pharmacie, grande consommation

3 AZAP France 2000 NC 25 / 25 Azap Prévision 200 / 160 PGC, distribution spécialisée, chimie, de la Demande pharmacie, & Equipement de la maison…

4 BARLOWORLD SCS Afrique 1989 26,5 / NC 95 / 10 New Optimiza 15 / 400 Aéronautique/défense, e-commerce, du Sud pièces de rechange, industriels, distributeurs,

agroalimentaire, pharmacie, hygiène, télecom, ameublement

5 BUSINESS FORECAST Etats-Unis 1986 NC NC / 1 Forecast Pro 200 / 12.000 CPG, pharmacie, agroalimentaire, SERVICES boissons…

6 CEGID France 1983 260 / NC > 2.000 / NC Yourcegid Manufacturing > 30 / NC Manufacturing, retail, commerce spécialisé(ou Retail)

Demand Forecasting

7 DYNASYS (QAD) France 1985 252 / NC 1.544 / 62 Dysnasys Demand 180 / 200 Agroalimentaire, pharmacie/chimie/ (2012) (2012) Planning cosmétique, grande consommation,

luxe, automobile, distribution spécialiséeet négoce, aéronautique

8 FUTURMASTER France 1994 10,5 / 9,2 110 / 59 Futurmaster Demand 285 / 165 Agroalimentaire, grande consommation, Management cosmétique, pharmacie, industrie, retail

9 IFS Suède 1983 312/16 2.600/70 IFS Demand NC Industrie, distribution, automobile, retailForecasting

10 INFOLOGIC France 1982 11,7/11,7 120/120 Copilote Prévisions 48 / 2 Agroalimentairede vente

11 INFOR Etats-Unis 2001 2.700 M$ / 12.500 / Infor Demand 25 / 450 Manufacturing & distributionNC NC Planning

12 JDA SOFTWARE Etats-Unis 1985 1,050 M$ / 4.500 / JDA Demand NC / 300 High Tech, distribution spécialisée,NC NC pharmacie, grande consommation,

métal, pièces de rechange, automobile…

13 KLS France 1986 3 / 2 30 / 30 Ophelie Forecast NC Hospitalier, horlogerie, e-commerce,agroalimentaire, industrie

14 KOOLOG France 2001 5,5 / 3,2 50 / 50 Koolog Forecast 10 / 16 Equipementiers, biens d'équipement, (SEGECO) agoalimentaire, matallurgie, distribution/GMS

15 OM PARTNERS Belgique 1985 27,2 / 3,2 225 / OMP Plus 12 / 34 Chimie, pharmacie, grande consommation, selon besoins alimentation & boissons, produits laitiers…

papier et emballages, métal, plastique, revêtement de sols…

16 ORACLE Etats-Unis 1977 37.200 M$ / 120.000 / NC 5/ 100 Industrie manufacturière, grandeNC NC consommation, ingenierie, pharmacie

17 ORDIROPE France 1989 15 / 15 102 / 102 Planipe Expert Software 22 / 2 Distribution, distribution spécialisée, négoce, Industrie

18 PTC Etats-Unis 1985 1.294 M$ / 6.000 / 300 Service Parts Management 10 / 250 Aéronautique & défense, High Tech,NC industrie lourde, biens consommables,

automobile, telecom, matériel médical

19 QUINTIQ Pays-Bas 1997 70/NC 750/ 16 Quintiq 6 / 206 Manufacturing, logistique

20 SAP Allemagne 1972 16.817 / 66.000 / SAP APO 100 / 2.500 Automobile, mécanique, électronique, 800 1.500 grande consommation, chimie, pharmacie

21 SAS INSTITUTE Etats-Unis 1976 3.020 M$ / 13.750 / SAS Forecast server NC Agroalimentaire, industrie (automobile, ...)NC 312 telecom, banque/assurance, grande distribution,

e-commerce

22 SEI (LKS) France 1995 31 / 3,6 400 / 47 Optimate 21 / 3 Secteur de la mode(SEI) (SEI)

23 SLIMSTOCK Pays-Bas 1985 12 / NC 120 / 8 Slim4 25 / >600 Négoce, pièces de rechange, retail, e-commerce

24 SYMPHONY EYC France 1988 NC 520 / NC G.O.L.D. Forecasting 13 / 44 Alimentation et marchandise générale

25 SYSLIFE France 1944 NC 10 / 10 Adexio module prévisions 230 / 40 NC

26 TELAMON France 1994 3,5 / 3,5 21 / 21 Iaxx 2.915 / NC Distribution & négoce

27 TERRA Etats-Unis 2001 NC NC Demand Sensing 5 / >160 Grande Consommation, Chimie, TECHNOLOGY Pétrole & Gaz, Alimentaire, Boissons

28 TXT E-SOLUTIONS Italie 1989 52,6 / NC 500 / 15 TXT Planning Forecasting +50 /+350 Mode et distribution textile, biens de consommation, Industrie, distribution

29 VEKIA France 2008 NC 31 / 31 Foresales 8 / 3 Distribution

30 VIF France 1981 16,5 / 16,3 170 / 165 Vif Prévision des ventes 54 / 7 Agroalimentaire

MARS 2014 - SUPPLY CHAIN MAGAZINE ■ N°82 151

MO

DU

LE P

REV

SEU

L (O

/N)

NB

SKU

MA

XI

GER

E C

LIEN

TS

(en

mill

ions

)

DERNIÈRES NOUVEAUTÉS DEVELOPPÉES

R.O

.I M

OY

EN(e

n m

ois)

CO

UT

MO

YEN

PRO

JET

(en

K€

MO

DE

SAA

S(O

/N)

CO

UT

LIC

ENC

EA

PA

RTIR

DE

(en

K€

)

VER

SIO

N F

ULL

WEB

(O

/N)

MO

DU

LEPR

OM

OT

ION

SEU

L (O

/N)

INT

EGR

ATIO

NPO

SSIB

LE D

EVA

RIA

BLES

EXO

GEN

ES

NB : Figurent dans ce tableau de synthèse les fiches des logiciels d'éditeurs que nous avons sollicités et qui nous ont répondu dans les délais impartis.N'hésitez pas à consulter les fiches détaillées sur notre site www.SupplyChainMagazine.fr, Rubrique POUR VOS APPELS D'OFFRE, Logiciels de Prévisions, pour voir les principales différences fonctionnelles de ces solutions

O > 3 O N O NC O NC 3 à 12 Classification automatique articles d'après comportement de ventes

O 1,3 O N N 30 N 50 / 70 6 à 9 Module PIC, Nouveaux modèles pour le calcul des prévisions hebdomadaires et journalières

O 2,5 O O O 30 O 1€ presta 4 Optimisation plan de vente, gestion prix et devises,pr 1€ licence amélioration calcul incertitude, DDMRP…

O 10 O N O 50 O 40 à 150 < 6 Nouvelle plate-forme, module avancé de gestion des promotions, workflow aligné avec Microsoft Outlook,

meilleure gestion prev multi-niveaux

O 0,15 O avec XE N N NC N 12 < 1 Import de données externes, etc.

O 0,1 O N N 15 N NC 6 Commandes de mis en place sur base d'assortimentset par rapport aux saisons ou périodes précédentes

O > 1 O N O 30 O 1€ presta < 6 Version full web, Ready to Plan pour l”Agroalim.,pr 1€ licence les Produits frais, la Distribution/

Négoce et la Santé,Globalisation des solutions

O 15 O O O NC N NC 6 à 9 Nouvelle solution sous Oracle pour les grandscomptes, saisie sur Analyzer Olap

N 4 O N N NC N NC NC Amélioration saisonnalité, droitsd'accès et performances

O NC O O O NC O NC 6 Pilotage par l’action

O 5 O N N NC N NC 6 à 12 Produits périodiques, Promotionworkbench

O 440 O O O NC O NC 6 à 12 Intégration Flowcasting, nouveauxmodèles, amélioration de l'expérience

utilisateur

O NC N(encours) N N 6 N 20 à 50 3 à 9 Tableau de bord prévisionnel synthétique, Méthodes de prévisions autoadaptatives, Optimisation niveaux de stocks

O 0,05 O N O 5 O 25 < 6 Version web, nouveaux modèles pour couvrir MTO, MTSet Néoce, Intégration des données budgétaires,

workflow de validation

O 10 O N N NC O NC NC Interface utilisateur. Intégration avecles autres fonctions de planification(ex : PIC), Connecteur standard SAP

O 0,1 O O O NC O NC NC Calcul de prévisions en sortie de Point de vente,à la maille article et journalière en quasi temps réel

O 1,5 O N O NC O NC Quelques Modèle de prev autoadaptatif, traitement optimisédes flux lents ou erratiques, traduction des prev

en objectifs de gestion…

N 50 O N O NC O 100 jours < 12 Intégration de MCA dans SPM de PTC prévu en version 11

O NC O N O NC O NC NC Serveur de mobilité, création d'histogrammes par utilisateur…

O 1 O N N 100 N > 100 NC Redesign le l'interface utilisateur, possibilitéde déployer APO commeun Add-On de SAP ERP…

O 0,3 O O N NC NC NC NC BackTesting (pour vérifier la performanced'un modèle)

O 0,06 O N N 10 O NC 12 DRP, Plan d'approvisionnemnt tenant compte des minima matières, congés et capacités fournisseurs

O 18 O N N 50 O NC 6 à 12 Modules Quantité Economique de Commande(en cours) et Promotion Manager Avancé

O 0,04 O N O NC O NC < 12 NC

O 3,5 O N N 3e trim 2014 NC O NC 3 à 6 Modules de supervision et de pilotage

O 15,5 O O O NC O 40 3 à 6 Deux versions par an

O > 0,2 O O O NC O NC NC In-memory pipeline technology, Automatic Shipment realignment, Forecast stability control

O > 2 O NC N NC N NC 6 Gestion de simulations avancées, technologie« In memory »

O 0,06 O N O NC O NC 3 Interfaces de pilotage des prévisions et de gestion des paramètres métier

O NC O O N NC O NC 6 à 12 Amélioration du travail par exception