Precogs : le Big Data pour revisiter l’achat de composants électroniques

Dans le monde du Big Data, la jeune société Precogs apporte une vision nouvelle : porter le phénomène très tendance de l’analyse des données et de l’analyse prédictive pour le marché très volatile des composants électroniques. Sa proposition : anticiper les ruptures de stocks des très précieux composants et surtout, révolutionner leur achat en permettant aux entreprises d’obtenir toujours le bon prix. Une façon également de modifier les règles du jeu de l’une des spécificités du secteur : la négociation avec les fournisseurs.

Il faut dire que le marché des composants électroniques est très particulier. «Dans l’industrie électronique, les cycles de vie sont très courts. Des produits arrivent tous les jours avec de nouvelles technologies et on ne sait pas ce que ça va donner sur le marché. En résulte ainsi une très forte volatilité de la demande avec des capacités de production horribles à adapter en termes de coûts », commente Adrien Santini, le fondateur de Precogs. Et surtout cela est impossible à anticiper, de par les variations permanentes de ce secteur.

Une commande d’un même composant peut ainsi varier considérablement à deux dates différentes – « de 2 à 24 semaines » !  D’où l’arrivée de brokers sur ce marché particulièrement incertain. Il cite également le risque de contrefaçon de composants qui sont « refondus ». « Quand vous êtes en rupture, vous n’êtes parfois pas très regardant sur la source. » Sans parler également de brokers peu scrupuleux.  On l’a compris, l’urgence qu’implique cette volatilité, et qui peut, par exemple, planter les chaînes de production d’une usine de montage, et faire grimper globalement les coûts en flèche, est difficile à maîtriser.

« Quand le marché se tend et qu’on arrive en rupture (les fournisseurs deviennent les maîtres du jeu en allouant les composants, NDLR), l’objectif est d’être le premier à négocier. Mais sur quels composants (une usine doit gérer des centaines de fournisseurs pour plusieurs milliers de composants, NDLR) ? Vous devez donc savoir ce qui va se passer demain pour gérer ce processus d’escalade. Et appeler au bon moment », lance encore Adrien Santini.

La réponse de Precogs ? Prévoir le plus tôt possible les risques de rupture et de sur-stock, ainsi que les déséquilibres entre l’offre et la demande, répond le fondateur de la société. Andrien Santini, qui a fait ses classes dans l’industrie automobile avant de passer chez Sagem, a alors imaginé un système de puissants algorithmes, développés dans les laboratoires de l’ENS Cachan (et testés pendant deux ans en collaboration avec Sagem), qui filtrent, analysent et passent au crible à la fois les données que détient le client – celle contenu dans ses ERP (comme l’historique des commandes de composants et les réponses des fournisseurs) – qu’il va croiser avec des données publiques, publiés sur le Web notamment. Des données fournies par les distributeurs de composants, dont une partie se trouve en ligne (stock, délai, commande). « Sur des dizaines de milliers de groupes de millions de composants, on va suivre l’évolution de ces informations au quotidien », explique-t-il. « Les prix et les stocks n’ont, en tant que tels, pas de sens. Mais leur variation est clé. »

 Ces algorithmes intelligents réalisent également une analyse comportementale du fournisseur, explique encore Adrien Santini : « le comportement du fournisseur est différent quand il est sur-capacitaire ou sous-capacitaire. Il ne réagit pas de la même façon. Cela se voit dans les données ERP qui gère la logistique. » Des signaux précurseurs : « Chez certains fournisseurs, le fait de dire que les livraisons seront à l’heure, c’est mauvais signe. Il sera en retard […] Ce qui sera différent chez un autre fournisseur.»

« A partir de toutes les références de composants, l’algorithme analyse les prix du client sur chaque technologie, sur chaque fabricant, les compare au prix public et observe les remises possibles. Tout en tenant compte de la politique de prix du fabricant et du distributeur. L’algorithme détermine ainsi le meilleur prix », précise encore Adrien Santini.

Ces algorithmes se retrouvent formellement rangés dans deux produits, baptisés CogWatch et CogMargin. Alors que le premier identifie les risques de rupture de chaque composant chez les fournisseurs, le second identifie de son côté le meilleur prix pour ces composants, « le bon prix en fonction du pouvoir d’achat du client », ajoute Adrien Santini. Ce service identifie également les composants dont les prix ne sont pas adaptés. Mais « il permet également de déterminer les prix considérés comme trop faibles et cela pourrait être nuisible au client en cas de rupture – dans les négociations par exemple ».

Precogs assure que des économies de l’ordre de 20% peuvent ainsi être réalisées dès les tests de la solution. Ce qui, selon lui, crée une base solide efficace pour le modèle économique de la société.