Le Machine Learning, la solution ultime contre les ruptures de stock
Pour Vekia, l'époque des feuilles Excel et des outils statistiques de prévision des ventes est révolue. Le Français mise sur l'intelligence artificielle pour optimiser la supply chain. Une technologie innovante qui a déjà séduit Leroy Merlin, But, Mr. Bricolage et récemment les Galeries Lafayette.
La technologie de Machine Learning a été développée par Manuel Davy, ancien chercheur à l’université de Cambridge et au CNRS. Celui-ci a imaginé utiliser l'intelligence artificielle, et plus particulièrement le Machine Learning non pas dans le domaine marketing comme beaucoup, mais dans la supply chain, afin d'optimiser les plans de réapprovisionnement des entrepôts et magasins. C’est la voie aussi empruntée par Vekia, un spécialiste français de l’optimisation de la chaîne d’approvisionnement.
"Le Machine Learning constitue une rupture technologique", estime André Leveillé, directeur Commercial et Marketing de Vekia. "Les algorithmes traitent la totalité des données disponibles, comme les historiques de vente sur plusieurs années, les données de stock et de logistique, et avec ces informations, nous pouvons donner avec précision des prévisions de vente, reconstituer ce que l’on nomme les ventes potentielles en fonction des ruptures qui ont pu avoir lieues par le passé. De ces prévisions de vente, on génère les propositions de commandes d’approvisionnement, et nous sommes capables de planifier la totalité des opérations pour les magasins et les entrepôts."
Le premier bénéfice avancé par l'éditeur de cette approche 100% algorithmique, c’est qu'elle automatise l’ensemble de la supply chain. André Leveillé revendique un taux de précision supérieur à 95%. "Chez l’une des enseignes cliente de notre offre et qui nous a donné ses informations de vente, nous avons pu vérifier que nos prévisions avaient été fiables à 97%. Nous voulons donner aux approvisionneurs une vision claire sur la façon dont les stocks peuvent être anticipés avec des outils automatisés et prédictifs. Il s’agit d’une rupture par rapport aux anciennes technologies papier, Excel, et ERP qui font de l’approvisionnement ou des outils spécialisés statistiques." Selon le responsable marketing de Vekia, la qualité de cette précision doit permettre aux gestionnaires d’approvisionnement de laisser aux algorithmes le soin de calculer les plans de réapprovisionnement du lendemain pour se consacrer aux tâches à plus haute valeur ajoutée comme la planification stratégique du stock et la gestion par exceptions.
Le Machine Learning séduit la distribution textile et spécialisée
Vekia compte à ce jour une soixantaine de personnes et réalise aujourd’hui un peu moins de 5 millions d’euros de chiffre d’affaires. Son ambition est d’atteindre les 100 millions de chiffre d’affaires dans les 5 années à venir, avec une activité d’édition de logiciel et une équipe conseil métier spécialisée dans la supply chain. L’éditeur veut s’arroger 15% du marché des logiciels de prévision des approvisionnements.
Localisée à EuraTechnologies à Lille, l'entreprise compte le groupe Adeo (Leroy Merlin) comme l'un de ses clients de la première heure, puis But, Mr Bricolage, mais aussi les enseignes du textile Tape à l'œil, Sergent Major, Jacadi, Okaïdi et Balsamik. Cet été, c'est l'enseigne Galeries Lafayette qui annonçait avoir fait le choix de la technologie de Machine Learning de Vekia pour moderniser ses outils de pilotage de la supply chain.
Les résultats présentés par l’éditeur chez ses premiers clients sont éloquents. Leroy Merlin serait ainsi parvenu à baisser ses niveaux de stocks en France de 8%, soit une économie de l’ordre de 60 millions d’euros. But serait parvenu à augmenter de 4% sont chiffre d’affaires par m2, soit un impact de 71 millions de d’euros.
Une solution bâtie pour la base de données Oracle
Pour Yannick Gourlain, DSI de Vekia, "ProVisia (nom de la solution pour le textile, ndlr) permet un meilleur atterrissage de stock en fin de saison en limitant les ruptures de stock en magasin pour ne pas pénaliser les ventes. Notre solution améliore la productivité sur 3 axes : générer automatiquement les Listes à Servir (LS), en assurant les ordres d’approvisionnement au niveau de chacun des entrepôts et en permettant aux équipes d’assurer le pilotage des stocks avec une analyse sur les axes magasins et articles."
Générer ce type de prévisions sur la supply chain complète, et au niveau d'un pays, nécessite énormément de calculs alors qu'en parallèle, les contraintes horaires sont très strictes. Tous les ordres de prélèvement doivent être envoyés avant que chaque entrepôt ne reprenne son activité, à 4h30 du matin. Or, ces calculs ne peuvent être lancés qu'avec toutes les données des mouvements de stocks du jour, mais aussi l'ensemble des données relatives aux ventes réalisées en magasin, après leur fermeture.
Vekia a fait le choix de s'allier à Oracle pour proposer son offre au secteur de la distribution. Celle-ci se compose de ProVisia pour le volet pilotage des stocks et approvisionnement dans le secteur textile et de ProOrder pour la distribution spécialisée. Des modules sont dédiés aux achats (ProBuy), à la prévision des commandes (ProSupplier/ ProWarehouse) et au pilotage (ProCheck). Les solutions Vekia ont été exclusivement bâties pour Oracle Enterprise Edition, avec des traitements écrits en langage PL/SQL. Une optimisation a été réalisée sur l'appliance Oracle Exadata afin de raccourcir les temps de traitement qui sont actuellement de l'ordre de plusieurs heures.
Ce calcul de la prévision a lieu en mode batch, chaque nuit. Les premiers traitements sont lancés sur les mouvements de stock, puis les données de ventes du jour de chaque magasin sont intégrées au calcul dans la nuit, dès qu’elles sont disponibles. Outre les processus d’intégration et de traitement des données, la chaîne de calcul mise au point par Vekia comprend 6 moteurs de calcul basés sur le Machine Learning – ils s’enchainent les uns aux autres dans la nuit. Au calcul des ventes potentielles succède celui des prévisions de ventes puis le calcul des stocks maximum, le calcul des stocks-cibles puis les picking lists préliminaires, puis enfin les picking lists finales qui devront être exécutées le lendemain matin.
Vekia veut maintenant intégrer les données client à ses prévisions
L'objectif des équipes Vekia est désormais d'intégrer de nouveaux flux de données afin d'optimiser encore la précision des prévisions de vente. Actuellement, le système exploite les données d'évolution des stocks et des ventes. A l'avenir pourront s'ajouter à cela des données clients issues des cartes de fidélité, des systèmes CRM, mais aussi des systèmes externes comme les réseaux sociaux, des données comportementales, des photos et des vidéos.
Outre la problématique d'intégration, les ingénieurs vont devoir optimiser leur chaine de traitement afin de pouvoir traiter plus de données (un facteur 10 est d'ores et déjà évoqué). Ils pourront également délivrer bien plus rapidement une prévision afin de permettre aux approvisionneurs de lancer plusieurs simulations dans la journée et de les aider dans leurs prises de décision.
Actuellement, le système délivre une première prévision en début d'après-midi mais ensuite il est mobilisé toute la nuit pour délivrer ses calculs sur l'ensemble des points de stocks, magasins et références produit. Vekia promet un peu plus de souplesse dans un avenir très proche.
