L'effet fouet (supply chain)

Dans les supply chains, l’effet fouet est dû à l’amplification des fluctuations remontant la chaîne. Alors que les entreprises en aval peuvent faire face à une demande stable des consommateurs, les échelons en amont, y compris les fournisseurs, peuvent connaître de plus grandes variations en raison de causes telles que les fluctuations de prix, les regroupements, la modélisation prédictive et les problèmes de coordination. L’effet fouet, qui a été identifié pour la première fois dans les années 1960, est devenu prévalent dans un monde globalisé où les supply chains sont complexes, grandes et internationales. Il génère des stocks excessifs, des retards et un mauvais service client, en particulier pour les industries avec de nombreux intermédiaires. Les entreprises se sont adaptées pour répondre à cette demande irrégulière en lissant leur production et en veillant à des niveaux de stock suffisants.

Effets d’amplification dans la supply chain

La supply chain peut être considérée comme un système dans lequel les entreprises ajustent leurs achats, leur production et leurs prix. L’objectif global est de maintenir l’offre alignée sur la demande, face à des fluctuations aléatoires nécessitant des ajustements constants aux conditions du marché. La réalisation de ces ajustements relève généralement de la gestion de la supply chain (SCM).

Dans ce système, les décisions de SCM peuvent exacerber les fluctuations remontant la chaîne. En considérant un exemple simple de FMGC avec un magasin, un entrepôt régional et une usine fournissant l’ensemble du pays, les amplifications peuvent provenir des commandes groupées : alors que les consommateurs n’achètent des produits qu’un par un, le magasin, pour des raisons de coût, commande des palettes à son fournisseur. Par conséquent, l’entrepôt régional est confronté à une demande de palettes mais ne peut commander que des camions complets à l’usine. En fin de compte, l’usine reçoit des commandes de camions erratiques, même si la demande des consommateurs est stable.

De plus, des synchronisations accidentelles, telles que des commandes calées sur le calendrier, provoquent des effets de résonance qui accentuent l’effet fouet. Si deux entrepôts prennent l’habitude de passer leurs commandes le lundi, car cela simplifie leur planification interne, le résultat est une commande de deux camions au lieu d’un pour l’usine ce jour-là. Dans cette situation, le manque de données peut amener l’échelon en amont à interpréter cette situation comme une explosion de la demande et à augmenter sa production.

Identification des causes profondes

Les effets fouet émergent généralement dans le but d’atteindre des économies d’échelle (regroupements, promotions) ou en tant que conséquence des modèles de décision de SCM eux-mêmes (modélisation prédictive, problèmes de coordination).

Promotions

Les producteurs cherchent à augmenter leur part de marché grâce à des promotions et des réductions sur le marché. Face aux variations de prix, les entreprises achètent des quantités qui ne reflètent pas leurs besoins immédiats et créent des effets fouet. Elles préfèrent acheter en plus grandes quantités et constituer des stocks pour l’avenir afin d’atteindre des économies d’échelle.

Bien que les promotions puissent sembler irrationnelles car elles créent des coûts supplémentaires pour les producteurs, elles sont un moyen de stimuler les marchés et de modifier les équilibres. En effet, les réductions temporaires concentrent la demande et obligent les producteurs à constituer des stocks à grands frais, mais elles représentent également une opportunité de gagner des parts de marché en perturbant le statu quo.

Regroupements

Les regroupements consistent pour les entreprises à essayer de tirer parti des économies d’échelle grâce à des réductions de prix, des envois groupés ou des lots de production. Pour le réapprovisionnement des stocks, un entrepôt ne passe pas immédiatement une commande à son usine. Il préfère regrouper, ou accumuler, les demandes pour réduire les coûts associés et réaliser des économies d’échelle sur la livraison.

Les regroupements entraînent des compromis entre les économies d’échelle et les problèmes qu’ils créent : tandis que les gros regroupements réduisent les coûts de production, les retards induits entre le réapprovisionnement et les ventes entraînent une désynchronisation avec la demande et obligent les entreprises à constituer de gros stocks. Ainsi, les entreprises doivent arbitrer pour déterminer une taille de lot qui ne compromet pas les gains des économies d’échelle. Si un entrepôt commande deux camions à la fois alors qu’il serait possible de répartir les commandes dans la semaine, cette situation ne permet pas de réaliser des économies d’échelle mais augmente les niveaux de stock et les coûts associés.

Bien qu’il ne soit pas toujours possible de diviser les lots en production (contraintes de temps de réaction en chimie industrielle, par exemple), l’expédition offre de nombreux leviers pour le faire. Premièrement, les entreprises peuvent automatiser les commandes pour minimiser la durée entre le seuil d’approvisionnement et le réapprovisionnement. Deuxièmement, elles peuvent passer des commandes avec des assortiments de produits différents pour réduire le nombre de réapprovisionnements. Troisièmement, les entreprises peuvent répartir les réapprovisionnements de manière équitable pour lisser leurs niveaux de stock dans le temps.

Modélisation prédictive

La gestion de la supply chain repose sur l’anticipation correcte des événements futurs. Les entreprises déterminent leur niveau de production adéquat grâce à une prévision de la demande à l’aide de modèles prédictifs. Ces modèles sont dits convexes lorsque les prévisions absorbent et lissent les chocs tels qu’ils sont reflétés par les données historiques. Par conception, ces modèles, les plus simples étant les moyennes mobiles, auront tendance à réagir lentement aux variations récentes. En revanche, les modèles non convexes adoptent une perspective différente. Au lieu d’être conservateurs, ces modèles, comme les tendances linéaires, peuvent proposer des réponses qui ne sont pas observées dans le passé. Ils ne sont pas strictement contraints par ce qui a déjà été observé et peuvent amplifier les fluctuations au risque de se retrouver avec une surproduction.

Le niveau acceptable de risque généré par les modèles prédictifs dépend de l’industrie. Les modèles non convexes sont optimaux pour les produits non périssables, comme les montres de luxe, où une grande partie du coût de production réside dans les matériaux utilisés. Ces entreprises peuvent profiter d’une augmentation soudaine de la demande pour réaliser de bons bénéfices. Si le modèle réagit de manière excessive, il sera toujours possible de réutiliser les matériaux sur un autre produit sans subir de pertes excessives. En revanche, les modèles convexes sont plus adaptés aux produits périssables. Pour les fraises, la valeur du produit diminue rapidement et une surproduction peut se transformer en perte nette si le modèle de prédiction est mal choisi.

Problèmes de coordination

Les “jeux” se produisent lorsqu’une entreprise ne réagit pas aux conditions du marché mais à la réaction anticipée des autres acteurs. Dans ces “jeux”, les entreprises cessent d’aligner l’offre sur la demande et cherchent à déplacer l’équilibre dans leur propre intérêt. Par exemple, lorsqu’elles repèrent des succès, les entreprises peuvent essayer de s’emparer du marché en achetant un stock entier. Cette stratégie leur permet d’assurer l’exclusivité sur un produit et donc de gagner des parts de marché en attirant de nouveaux consommateurs. Cependant, cela crée de l’incertitude et des pics de demande irréguliers pour les fournisseurs, ce qui entraîne des problèmes de coordination. En réponse, les fournisseurs peuvent décider de rationner leurs produits pour réduire les fluctuations des commandes. Cela est susceptible d’être sous-optimal et coûteux à la fois pour l’offre et la demande, car cela réduit les quantités échangées. La principale solution pour minimiser les stratégies de jeu est de réduire les asymétries d’information afin de mettre tous les acteurs sur un pied d’égalité. Pour ce faire, certains fournisseurs obligent leurs clients à leur donner un accès direct à leurs niveaux de stock. Ainsi, ils évitent de mal interpréter la demande des clients et utilisent ces informations pour sécuriser leurs niveaux de stock.

Perspectives contraires

Les entreprises peuvent tirer parti des effets fouet et ne souhaitent pas toujours les atténuer. Pour les “produits à succès aléatoire” (mode, produits culturels, etc.), les entreprises choisissent de produire plus que le niveau de demande pour fournir des impulsions, en espérant qu’une diffusion massive du produit créera un effet de buzz. Cette stratégie est utilisée pour les produits “le gagnant rafle tout” dans lesquels l’incertitude et la variabilité sont intrinsèques, et pour lesquels le succès d’un produit très rentable compensera les nombreux échecs.

À l’opposé des effets fouet, la supply chain peut également être une source d’atténuation. Pour l’exemple de la production d’eau en bouteille, bien que la demande soit principalement concentrée en été, le fabricant produit tout au long de l’année pour assurer des stocks tampons afin de faire face au pic saisonnier. Dans ce cas, la demande des consommateurs varie plus fortement que la production. Ce mécanisme est exacerbé à chaque échelon de la supply chain et les variations de la demande sont aplanies à mesure que l’on remonte la chaîne.

En jouant sur les contraintes de temps et d’inventaire dans la supply chain, les entreprises peuvent utiliser la stratégie de rareté perçue pour renforcer l’attrait de leurs produits. En sous-estimant délibérément la demande et en favorisant les retards, elles créent des ruptures de stock et des attentes pour leur produit (files d’attente), renforçant ainsi l’image associée de rareté.