Share this post:

Organisation, processus, delivery… Pour l’entreprise, la quête de l’optimal a parfois des allures de quête du Graal. Comment optimiser en évitant les conséquences négatives ? La data et les algorithmes offrent une solution intéressante.

1492, Christophe Colomb cherche un chemin plus court entre l’Espagne et l’Asie afin d’optimiser l’accès à une ressource chère, les épices. Il découvre un continent et de l’or en énorme quantité. Ce sera une nouvelle source de prospérité pour l’Espagne, mais aussi l’une des causes de son déclin : quand la ressource semble infinie, la raison s’efface.

L’or, le charbon, le pétrole, l’uranium… Chaque fois, l’exploitation d’une nouvelle ressource a eu son lot de conséquences plus ou moins anticipées, plus ou moins acceptées. Ce peut être la pollution, le tarissement de ladite ressource, parfois l’asservissement humain… Les économistes nomment cela « externalité négative » : lorsque la production ou la consommation d’un bien ou d’un service nuit à une tierce partie. 

Ajoutons à cela qu’aucune ressource n’est infinie (non, pas même les ressources naturelles comme l’énergie solaire, même si la perspective d’épuisement est à plusieurs milliards d’années) mais que le monde, lui, l’est. Et puisque nous sommes déjà 7,5 milliards d’individus sur Terre – près de 10 milliards en 2050, selon les projections des Nations Unies – il est devenu urgent d’optimiser, d’arriver à faire plus et mieux avec moins. 

Croitre sans sombrer 

Ce qui est vrai à l’échelle de planète l’est aussi plus localement, y compris si l’on zoome jusqu’à l’entreprise. Aucun marché concurrentiel n’est infini et aucune « ressource » de l’entreprise – son innovation, ses collaborateurs, les outils qu’elle utilise… – n’est inépuisable. 

L’entreprise doit donc, elle aussi, optimiser. Non seulement pour assurer sa performance immédiate, mais aussi pour pérenniser son activité sur le long terme tout en restant vertueuse en faisant preuve de responsabilité sociale et environnementale et en limitant son externalité négative. 

Comment y parvenir ? L’un des leviers est l’optimisation mathématique de la prise de décisions métiers, rendue possible par la data et le déploiement de modèles décisionnels associés à une programmation par contraintes. Ou, dit plus simplement : un algorithme qui s’appuie sur la donnée générée par l’entreprise pour suggérer des décisions précises, logiques et – tant qu’à faire 🙂 – efficientes. 

IBM croit beaucoup à cette solution. CPLEX, notre solveur d’optimisation mathématique multi-objectifs – issu de l’acquisition, en 2009, de l’entreprise française Ilog – est déjà utilisé avec succès par plus de mille clients dans le monde, dont des banques, des fournisseurs d’énergie, des acteurs de la grande distribution, des constructeurs automobiles et aéronautiques, des fabricants de semi-conducteurs… Bref, dans tous les domaines. 

Quand l’optimisation est-elle utile ? Quand les ressources sont limitées et que la demande croît. Autant dire toujours. 

Pour en savoir plus:
https://www.ibm.com/fr-fr/analytics
https://www.ibm.com/fr-fr/analytics/data-science-ai
https://www.ibm.com/fr-fr/analytics/cplex-optimizer