Dossier > Supply Chain > Comment tirer réellement profit de vos données ? > Entretien ACSEP

‘‘Le Big Data accessible à toute entreprise ’’
Gaétan MOUSSET

G. MOUSSET, Directeur Technique chez ACSEP

Interview réalisée le jeudi 26 janvier 2023 par Frédéric LEGRAS, Directeur du Portail FAQ Logistique dans le cadre du dossier : « Comment maîtriser la visibilité de sa Supply Chain ? »

La Supply Chain couvre aujourd'hui un large champ d'intervention, allant de l'extraction des matières premières jusqu’à la mise à disposition des produits aux clients finaux. La masse d’informations cumulées tout au long de cette chaine est considérable. Elles concernent les caractéristiques des produits, les flux, la traçabilité, etc.

Le champ des possibilités offert par l’analyse des données est donc immense. C’est pourquoi il est indispensable de définir clairement ses objectifs avant de se lancer dans leur exploitation, sachant que les avantages de cette exploitation peuvent être regroupés en deux grandes catégories :

• L’optimisation continue de la chaine d’approvisionnement (logistique et transport).
• L’amélioration des prévisions en support des grandes décisions stratégiques de l’entreprise.

Une fois les objectifs clairement identifiés, les étapes suivantes pourront être déroulées :

1. Collecte. À travers le modèle historique du recueil de fichiers, mais également grâce au développement de la numérisation (interconnections à travers des webservices et API, objets connectés, capteurs, téléphones, GPS, etc.) qui permet de disposer des informations en quasi-temps réel.
2. Historisation. Après analyse, nettoyage (identification des doublons) et qualification, les données sont stockées.
3. Exploitation et visualisation. Plus l'historique sera conséquent, plus justes seront les résultats des prévisions et des restitutions.

Je pense que c’est une erreur de se poser la question en ces termes. De notre point de vue, toutes les données peuvent, à un moment ou un autre, devenir pertinentes. Tout dépend de l’usage qu’on veut en faire sachant que celui-ci peut évoluer dans le temps.

Prenons les caractéristiques logistiques d'un article (ses dimensions, son poids, etc.). S’il s’agit d’améliorer les prévisions sur les besoins en approvisionnement, ces informations n'ont pas d'intérêt. En revanche, elles deviendront très utiles quand l’entreprise souhaitera s’attaquer à l’optimisation de ses emballages, à ses taux de remplissage transport ou au calcul des volumes de stockage.

C’est pour cela qu’il est préférable de ne pas se restreindre. Il est en effet très difficile, voire impossible, de définir exactement les informations dont on aura besoin dans le futur.

Se pose néanmoins la problématique du stockage de ces données. Stocker, c’est utiliser des serveurs, des disques durs, bref des infrastructures qui tournent en permanence et qui requièrent une énorme consommation électrique. Il convient donc de bien prendre en compte cet impact énergétique et d’éviter de stocker des informations non nécessaires. Je pense à celles détenues en doublon ou aux données facilement récupérables par API auprès de services spécialisés. Quel est par exemple l'intérêt de conserver l'historique de la météo sur 20 ans alors que Météo France permet de requêter ces informations en temps réel sur plusieurs décennies ?

Deux grandes technologies s'affrontent aujourd'hui, même si elles sont à mes yeux plutôt complémentaires :

• Les data warehouse. Les données sont structurées et donc rendues exploitables avant d’être stockées. Leur disponibilité est ainsi immédiate. Le pendant est que la solution est moins adaptée aux données ayant des structures hétérogènes. Leur intégration s’avèrera plus compliquée.
• Les data Lake. Le concept est là inversé. Tout est stocké et les traitements sont effectués en aval, au moment où l’entreprise va souhaiter exploiter l’information.

Si les data lake se sont beaucoup développés ces dernières années, je pense qu’il ne faut pas pour autant abandonner les data warehouses qui contiennent des millions d'enregistrements pertinents. Il convient plutôt de les considérer comme une source d’informations supplémentaire.

C’est finalement la combinaison de l'ensemble des technologies et des sources de données qui permet d’obtenir des restitutions et des prévisions de plus en plus pertinentes et précises.

Je l’évoquais en début d’entretien, il est important de commencer par définir des objectifs pour établir un cadre, permettant de dérouler les besoins en termes de collecte, d’automatisation du stockage et des traitements. Une fois que les équipes seront montées en compétence en matière de traitement, elles pourront explorer de nouvelles opportunités en fonction de la richesse des données disponibles.

Ensuite, il convient de tenir compte du fait que pour certaines entreprises, en particulier si elles sont de taille modeste, la donnée peut finalement susciter autant de peur que d'engouement. Les craintes concernent généralement les coûts d'infrastructure et de licence, mais aussi la complexité ou l'empilement des outils.  Il faut donc rationaliser ses peurs et étudier en détail les opportunités offertes par les solutions qui, aujourd’hui, lèvent un certain nombre de barrières. Je pense en particulier aux solutions cloud avec des consommations à l’usage qui permettent de s’affranchir des problématiques d’infrastructure.

Au-delà du possible sentiment de complexité et de crainte sur l’importance des coûts qui, comme je viens de l’évoquer, ne me semblent pas justifiés, deux grandes contraintes doivent être surmontées :

• La non-disponibilité immédiate des informations. Le modèle du data lake impose un traitement de la donnée en aval de son stockage. Les délais nécessaires pour pouvoir commencer à l’exploiter peuvent donc être un problème pour certaines sociétés pour lesquelles il n’est pas envisageable d’attendre une ou deux heures pour disposer d’une information utilisable. Cela peut même être une cause d’abandon du modèle. Heureusement, des technologies de streaming existent aujourd’hui. Elles permettent la capture et la collecte de données en quasi-temps réel, et des mises à jour en continu. La visibilité est donc presque immédiate.
• L’acceptation du pilotage par les données. Le défi de la gestion du changement est important. Il s’agit de favoriser l’adhésion des collaborateurs au fait de voir leurs habitudes remises en question.

Nous avons une grande expérience en la matière dans la mesure où nous réalisons des services autour de la donnée et de l'interconnexion entre les solutions depuis de nombreuses années.

Nous avons en particulier fait le choix d’un partenariat avec l’éditeur Talend dont nous intégrons la solution de collecte, de transformation et de stockage de données. L’entreprise a été créée par deux Français avant de connaitre un très fort développement aux États-Unis avec des levées de fonds successives. Talend dispose encore d’une importante activité en France à l’exemple de son centre de R&D qui est situé à Nantes.

La solution peut s’apparenter à une petite pieuvre capable de se connecter à quasiment toutes les sources d’informations existantes sur le marché.

Talend ayant été construit à partir de technologies open source, nous sommes en mesure d’adresser toutes tailles d’organisation : aussi bien des petites entreprises qui vont avoir des moyens limités que des grands groupes internationaux pour lesquels Talend permet de couvrir un périmètre très large, de la collecte jusqu'au stockage et au traitement Big Data.

La solution est en mesure de rendre accessible le Big Data à n'importe quel service informatique. Quelques clics suffisent pour intégrer des solutions de streaming. En quelques heures, l’entreprise peut commencer à tirer profit d’une grande quantité de données.

Le panel de nos offres d'accompagnement est complet. Nous sommes en mesure de fournir à nos clients les licences, les solutions d'hébergement et d'infrastructures (dédiées, mutualisées, à la demande, en privé comme en public) ainsi que les formations, le support et la maintenance.

Nous cherchons à améliorer en permanence l’efficacité opérationnelle et la réduction des coûts de nos clients à travers l’application de la démarche 5 V :

• Volume : maîtriser la quantité des données à traiter pour s’assurer de ne pas faire exploser les coûts d'infrastructure et d’hébergement. 
• Variété : identifier toutes les sources pertinentes auxquelles se connecter (webservices, intégration de fichiers, lectures de base de données, etc.).
• Vitesse : optimiser l’extraction et le traitement des données pour s’approcher le plus possible du temps réel.
• Véracité : s’assurer de la fiabilité des données en les nettoyant, les triant, etc.
• Valeur :  aider les entreprises à prendre les bonnes décisions à partir de restitutions claires et pertinentes.

Nous assistons également nos clients en matière de traitement des données. Nous veillons à ce qu'ils ne soient pas en infraction avec la législation en termes de gestion des données sensibles et qu’ils respectent bien le droit à l'oubli, à travers la suppression ou l'anonymisation de certaines informations personnelles, notamment dans le secteur de la santé dans lequel elles sont extrêmement monétisables.

Bio Express

Gaétan MOUSSET a rejoint ACSEP en 2009 d’abord sur des sujets WMS puis systèmes et données. Il en est aujourd’hui le Directeur Technique.
Ingénieur en informatique orienté systèmes, c’est chez MORY Logidis qu’il débute sa carrière en tant que chef de projet informatique, société dans laquelle il intervient sur des sujets WMS et purement IT (réseaux, serveurs, etc.).

Site Internet de ACSEP : https://www.acsep.com/