Le Professeur de Physique Michael Feindt est la tête pensante de la start-up allemande Blue Yonder qui propose d’optimiser la gestion des stocks, l’approvisionnement en produit frais et la politique de prix grâce à l’analyse prédictive de données.
Chercheur pendant de nombreuses années à l’Organisation européenne pour la recherche nucléaire, il a développé plusieurs algorithmes (dont le plus célèbre, NeuroBayes) capables de prédire le comportement des consommateurs, lesquels constituent la base pour la prise de décisions optimales. Il affirme que 99.9% des décisions des distributeurs peuvent être automatisées grâce à de tels outils mathématiques reposant sur l’analyse prédictive. Il prédit que d’ici 5 à 10 ans, les entreprises n’ayant pas adopté de tels outils n’existeront plus.
Dans des interviews pour le Telegraph et HPC Review, il partage sa vision de l’automatisation des décisions pour les entreprises grâce à l’analyse prédictive.
Parlez-nous des origines de Blue Yonder et de ce que vous proposez.
Blue Yonder a été fondée en 2008 à partir de mon entreprise précédente Phi-T et le groupe OTTO, deuxième plus grande société de vente à distance de monde après Amazon. Fin 2014, la société d’investissement internationale privée Warburg Pincus a annoncé un investissement de 75 millions de dollars dans Blue Yonder, le plus grand investissement technologique en Europe en 2014.
Blue Yonder combine des méthodes analytiques de classe mondiale avec un logiciel professionnel d’entreprise, la connaissance en profondeur de nombreux marchés verticaux et une offre de service cloud afin de servir les entreprises en matière d’analyse prédictive (y compris l’évaluation de l’incertitude et le calcul des risques) afin d’optimiser et d’automatiser les prises de décision. Cela a des conséquences profondes et est vraiment disruptif.
Pouvez-vous décrire comment les algorithmes que vous avez développés fonctionnent ?
Nous analysons des systèmes complexes et apprenons automatiquement à partir des exemples passés ce que les quantités observables critiques (de toute nature) peuvent nous dire sur une autre quantité de données dans un proche avenir, comme par exemple le nombre de pommes Granny Smith dans le Supermarché XYZ à Baker Street demain. La prédiction est fournie sous la forme d’une densité de probabilité, c’est à dire que pour chaque futur possible (le nombre de pommes vendues demain dans cette boutique) est attribué une probabilité. Bien sûr, cette répartition devrait idéalement être aussi étroite que possible, mais pas à l’excès. Ainsi, les déclarations statistiques sont individualisées. Sur cette base, des décisions mathématiquement optimales peuvent être prises, étant donné que nous connaissons les écarts de coût dans les différentes hypothèses en fonction de notre prise de décision.
Quelles sortes d’organisations utilisent l’offre Blue Yonder ?
Les clients les plus importants de l’offre Blue Yonder sont les grandes entreprises du commerce de détail, du voyage et du transport, et de l’industrie. Blue Yonder effectue des prévisions de la demande et même l’automatisation de la décision complète de la chaîne d’approvisionnement pour de nombreux détaillants et pour la grande distribution. La tarification dynamique est un sujet brûlant avec un immense potentiel, aussi bien pour les sites d’e-commerce que pour les magasins traditionnels. Dans l’optimisation du marketing, nous avons mis au point un nouvel algorithme pour prédire si un client va changer son comportement s’il reçoit un catalogue.
Comment la technologie peut-elle aider les entreprises à améliorer leur fonctionnement ?
Une des applications phares est la prédiction de la demande de chaque article unique dans chaque magasin unique qui permet le suivi du calcul de commandes optimales. C’est très intéressant notamment en matière d’aliments périssables. Pour un client, nous avons ainsi pu éviter le gaspillage alimentaire de l’ordre de 25 millions d’euros par an, tout en réduisant les épuisements de stock. Le secret est l’individualisation – il s’agit non seulement d’optimiser un objectif stratégique, mais de le décomposer en des milliers ou des millions de décisions opérationnelles chaque jour. Aucun humain ne peut prendre en compte autant de facteurs sur autant d’articles chaque jour afin d’adopter constamment la meilleure stratégie.
Le terme “analyse prescriptive” signifie non seulement fournir la prédiction, mais aussi optimiser la décision qui sera prise sur cette base et fournir cela pour guider l’expert humain. Détail amusant : nous observons que les biais cognitifs permettent également à l’humain de décider à tort dans ce cas. Souvent l’intuition contredit la proposition de la machine. Le plein potentiel, jusqu’à quatre fois l’effet de la prescription, ne sont recueillis que si une automatisation complète (99,9%) est accomplie, en ne confiant à l’humain que la gestion des exceptions. (…) Je suis très confiant dans le fait que les décisions opérationnelles et le travail des cadres seront de plus en plus automatisés.
Certains professionnels peuvent s’inquiéter d’un tel niveau d’automatisation pour des décisions traditionnellement prises par l’homme. Que leur répondez-vous pour apaiser ces craintes?
(…) Les tests A / B ont souvent démontré que les algorithmes modernes sont plus performants que les décisions humaines sur un grand nombre de cas, même en présence de KPI classiques habituellement contradictoires. La méthode habituelle consiste à démarrer un test avec de petits groupes de magasins et d’articles pour prouver que cela fonctionne vraiment, puis de le déployer complètement en quelques étapes, avec un contrôle à chaque étape. Ce qui permet de minimiser le risque et de construire la confiance.
Mais en dépit de tous les arguments rationnels, on rencontre souvent une certaine résistance à l’égard du changement et de l’innovation – en particulier dans les systèmes hiérarchiques. Pour réussir une telle transformation, l’entreprise a besoin de référents en interne et de bien communiquer et organiser le changement. Le danger de ne pas mettre en place une politique d’automatisation ou de la retarder trop longtemps est la concurrence forte : l’avantage induit est si grand qu’il pourrait tuer les entreprises si leurs concurrents deviennent plus efficaces.
