Optimiser les chaînes d'approvisionnement, un enjeu majeur pour les entreprises

CY Initiative : Pourriez-vous vous présenter et nous en dire plus sur votre carrière et vos grandes thématiques de recherche ?

Olga Klopp : J'ai un doctorat en mathématiques ainsi qu'une habilitation à diriger des recherches (HDR) en statistiques en grande dimension. Avant de rejoindre l'ESSEC en 2017 en tant que professeur au département systèmes d'information, analyse des données et opérations, j'ai été maître de conférences à l'université de Nanterre. A l'ESSEC, je suis également directrice des programmes en doubles diplômes avec l'école Centrale Supelec, et l'ENSAE Paris. 
De façon générale, mes travaux de recherche portent sur les statistiques et l’analyse des données, en particulier sur les statistiques en grande dimension. Il s'agit de statistiques modernes qui dépassent le cadre classique où le nombre de paramètres est restreint. Avec les données modernes, on a beaucoup de paramètres à estimer et on n'a pas énormément d'observations.

Depuis plus de 20 ans déjà, le domaine des statistiques en grande dimension se développe très fortement. Quand on parle de données en grande dimension cela peut par exemple concerner les données en génétique. Un gène est en effet une séquence très longue, générant ainsi un grand nombre de données. Lorsque l’on examine les mutations génétiques ou les liens entre certaines parties de gènes et des maladies spécifiques, nous devons traiter un très grand volume de données. On ne peut pas séquencer énormément de gènes alors qu’il le faudrait.

CY Initiative : Vous avez été lauréate de l’appel à projets 2023 de CY Initiative. En quoi consiste ce projet ? Quel est son objectif ?
Olga Klopp : Le projet BESCHAP, que je porte conjointement avec ma collègue Ivana Ljubic, également professeur à l'ESSEC, est un projet de recherche appliquée dont l'objectif est de développer de nouvelles méthodes de prévision pour les chaînes d'approvisionnement ou la supply chain. L'idée est née d'une discussion avec une entreprise confrontée à des problématiques liées à ce sujet. L’objectif est de développer une nouvelle méthode de prévision basée sur un modèle particulier, qui s'appelle NAR, pour Network Autoregressive Processe. À partir de valeurs antérieures et de données d'entreprises connectées à un réseau d'approvisionnement, ainsi que de certaines variables observées, comme le prix du pétrole, nous allons développer un modèle de prévision. En effet dans une chaine d’approvisionnement, on trouve un réseau où les entreprises sont connectées pour générer des flux. Nous devons donc prendre en compte ces connexions et modèles aujourd’hui.  L'idée principale est donc que cette nouvelle méthode basée sur le modèle NAR peut produire des prévisions plus efficaces pour les chaînes d'approvisionnement. De plus, nous pensons que si ce modèle est suffisamment riche, il pourra également intégrer des concepts importants liés à la durabilité, comme le calcul des émissions de CO₂, afin de contrôler la pollution liée au transport et aux marchandises. Nous souhaitons permettre aux entreprises d’avoir des prévisions plus efficaces et de conjuguer ces prévisions avec le processus de distribution, c'est-à-dire l'organisation du transport. Nous constatons aujourd’hui qu’il s’agit d’une question importante, mais qu'il existe très peu de travaux de recherche sur la conjugaison des prévisions avec l'optimisation du transport. Ces deux questions sont souvent étudiées séparément, mais nous pensons que nous pouvons combiner les deux afin d'améliorer toute la logistique. Nous souhaitons développer un nouvel algorithme de prévision généraliste, applicable aux chaînes d'approvisionnement et potentiellement à d'autres domaines. Cet algorithme devra permettre d’introduire des variables tenant compte du temps et des saisons.

CY Initiative : Concrètement, comment se déploie ce projet ? En quoi répond-il à des enjeux actuels ?
Olga Klopp : Nous avons bien avancé sur le sujet. Nous avons d’abord analysé un grand nombre de données pour ensuite générer un algorithme que nous allons devoir tester sur un cas concret. Il s’agit de la partie la plus complexe, car ces données sont liées à la santé de l'entreprise et à ses ventes, ce qui les rend difficiles à récupérer, car elles sont souvent confidentielles. Nous travaillons justement en ce moment avec une start-up spécialiste des chaines alimentaires, Califrais, l'opérateur digital et logistique officiel de Rungis. Ils ont donc des enjeux de prévisions, notamment concernant l’optimisation des transports. Leurs objectifs sont de gagner du temps, de réduire leurs émissions de CO₂. Le besoin repose sur deux domaines : la prévision et l’optimisation des transports. C’est un enjeu majeur aujourd’hui pour les entreprises. Une meilleure prévision leur permet d'être plus réactifs face au marché. Ils pourront ainsi mieux gérer les risques parce que le marché est changeant. Ils pourraient ainsi éviter le sur-stockage, la surproduction, le gaspillage et les ruptures de stock. Cependant, l’enjeu ne se limite pas aux problématiques des entreprises, mais concerne aussi des enjeux sociétaux tels que l'évolution du gaspillage, le coût du transport et l'empreinte carbone. 

CY Initiative : Pourquoi avoir candidaté à cet appel à projets ? 
Olga Klopp : Le but du projet est de commencer par vérifier si ce modèle fonctionne, s’il a du sens, pour ensuite postuler à une bourse ANR collaborative avec une entreprise. Nous sommes déjà en discussion avec la start-up spécialiste dans les chaines alimentaires pour travailler sur cette prochaine étape.

En savoir plus

• Présentation d'Olga Klopp sur le site de l'ESSEC
• Projets financés CY Initiative