La recherche opérationnelle et le MS MISL
Dans la première période de cours du MS MISL, nous abordons la question de la recherche opérationnelle (RO). Cette discipline est généralement présentée comme un héritage de la seconde guerre mondiale où les savoirs scientifiques ont été mobilisés pour participer à l’effort de guerre1. Cette discipline avait faire naître beaucoup d’espoir pour la gestion des organisations notamment avec le développement concomitant de l’informatique.
Berry (2011) revient sur ce rêve déçu qui a amené “des générations d’étudiants [...] à la façon de maximiser les flux, de trouver le chemin le plus court, le meilleur ordonnancement ou les stocks optimaux”. Malheureusement, dès les années 80, les algorithmes d’optimisation (outils classiques de l’arsenal) s’accommodent mal, entre autres choses, du nouveau contexte où ils doivent opérer. Par exemple, la volatilité des marchés créé des phénomènes aléatoires rendant les modèles d’optimisation non triviaux. Tandis que l’espace de solution devient de plus en plus grand à mesure que la personnalisation des produits augmente pour plaire au plus grand nombre de clients. Bien que la RO apporte des solutions performantes à certains cas d’application, ces contraintes rendent illusoire le déploiement de la RO à grande échelle. La critique de la RO est d’autant plus forte qu’elle vient parfois de ses propres rangs. L’exemple de Russel Ackoff, membre éminent de la communauté américaine de la RO, n’a pas été avare pour dénoncer une vision purement quantitative des organisations (Ackoff, 1979). Tout au long de sa carrière, il se plaisait à rappeler régulièrement ses critiques alors qu’il était l’invité d’honneur dans les prestigieuses conférences de RO aux USA.
Alors pourquoi continuer à enseigner cette discipline ? Nous lui accordons quelques vertus : se familiariser avec la notion d’abstraction, de complexité, et la relation du modèle avec la réalité des organisations.
Abstraction
Le management industriel appelle à la maitrise d’un certain nombre d’outils quantitatifs. La RO permet d’aborder des modèles accessibles pour mobiliser des concepts mathématiques (théorie) sur des études de cas “métier” réalisées dans Excel (pratique). S’il est peu probable que la majorité des étudiants mettent en production un algorithme d’optimisation, il est certain qu’ils devront très vite mettre en jeu leur capacité d’abstraction face à un problème industriel notamment au travers d’indicateurs.
L’exercice de modélisation permet d’aborder des questions profondes sur l’abstraction, l’objet étudié et sur les outils à disposition. Le modèle étant une simplification de la réalité, que dois-je omettre de la réalité pour ne garder que l’essentiel ? Comment contourner l’absence de données et estimer l’impact de cette incertitude sur la solution ? Quelle modélisation choisir pour m’extraire d’une difficulté calculatoire et quelles seront les conséquences sur la solution ?
Complexité mathématique
L’explosion combinatoire est une notion omniprésente dans le management industriel. Même si, à la manière de M. Jourdain, elle est beaucoup pratiquée (ou plutôt subie) sans le savoir.
La chaîne de café Starbucks est un excellent exemple de cette explosion combinatoire. La combinaison de tous les suppléments proposés (chantilly, caramel, cannelle, etc.) permet de proposer une infinité de boissons différentes pour plaire à tous ses clients aux goûts parfois créatifs (cf. Le graphique proposé par Bloomberg). En revanche, la valeur de cette personnalisation entraîne une complexité qui représente un coût important pour les opérations dans la préparation.
Si l’approche de la RO peut fonctionner, la notion d’explosion combinatoire nous rappelle qu’il faut être prudent la pertinence de l’approche dans le futur. En effet, nous avons vu que l’ajout d’une variable augmente considérablement la complexité du système : la solution satisfaisante est considérablement plus dure à trouver. Autrement dit, si l’outil d’optimisation fonctionne aujourd’hui, il n’est pas garanti qu’il fonctionnera avec l’augmentation de la complexité du système (plus de produits différents, nouveaux processus de production, nouvelles organisations).
Une stratégie alternative pour limiter l’explosion combinatoire tout en gardant une diversité de produits est la différenciation retardée. Le but de ce concept est de réaliser les étapes de personnalisation le plus tard possible dans le processus de production. Par exemple, au lieu de produire des t-shirts à partir de toiles de différentes couleurs, les t-shirts peuvent être fabriqué à partir une toile brute (sans couleur) qui sera teinté en fonction de la demande.
En somme, face à l’explosion combinatoire, la voie de la RO soutient que la complexité est maitrisable, tandis que la voie de la différenciation retardée propose plutôt de la réduire.
Friction avec la réalité des organisations
Le succès de la RO a probablement tenu à un alignement avec la vision financière des usines. La logique financière pousse généralement à maximiser l’utilisation des équipements de production. L’intuition voudrait que ce soit équivalent à la maximisation de la capacité de production, malheureusement les choses ne sont pas aussi simples (Goldratt & Cox, 2004). Pour parvenir à cette maximisation, l’un des moyens est de répartir les produits en cours de production sur la première machine disponible pour réaliser une étape. Ce moyen est devenu d’autant plus séduisant avec l’apparition de la RO et de l’informatique, ces technologies portaient la promesse de planifier et de contrôler toutes les opérations avec un coût marginal.
Dans la pratique, la RO ne parvient pas à réduire le coût de coordination. Dans les usines, l’important coût de coordination est visible, des encours qui s’accumulent, se perdent, sont mis au rebut, et finalement des ordres de fabrication sont relancés.
La RO se heurte à trois obstacles fondamentaux : l’information parfaite n’existe pas, il y a généralement un décalage entre la planification et la réalisation des tâches, et enfin le temps de calcul pour trouver des solutions est trop important. L’informatique quantique ne viendra qu’au secours du troisième obstacle, ce faisant, il ne faut pas compter dessus pour nos usines.
Une stratégie alternative pourrait être d’explorer de dédier des équipements de production à certains de produits pour diminuer le coût de coordination. L’expérience montre que malgré une utilisation moins efficiente, le débit de production augmente, réduisant les coûts de production et les retards.
The Future of Operational Research is Past
Dans sa critique de 1979, Ackoff regrettait la disparition d’une approche interdisciplinaire dans la pratique de la RO. Cette observation fait écho aux silos existant dans les organisations où la RO se proposait de les dépasser sans les résoudre. Les stratégies alternatives présentées (différenciation retardée et ligne dédiée à un produit) rend indispensable la collaboration entre les différents services. La différenciation retardée nécessite une reconception des produits où devront intervenir le marketing, le bureau d’études, la production, la supply chain, les achats, etc. Pour créer une ligne de production dédiée, il faut une grande connaissance métier autour du produit et des processus de production pour se lancer dans un projet de conduite du changement important.
Références
Berry, Michel. « Savoirs théoriques et gestion ». In Savoirs théoriques et savoirs d’action. Presses Universitaires de France, 2011. https://doi.org/10.3917/puf.barbi.2011.01.0043.
Ackoff, Russell L. « The Future of Operational Research Is Past ». The Journal of the Operational Research Society 30, no 2 (1979): 93. https://doi.org/10.2307/3009290.
Goldratt, Eliyahu M., et Jeff Cox. The Goal: A Process of Ongoing Improvement. 3., rev. Ed., 20. anniversary ed. North River Press, 2004.
Par exemple, le biopic d’Alan Turing (Imitation Game, 2024)