Data / IA
Sanofi fait rentrer ses « pirates » de la data science dans le rang
Par Alain Clapaud, publié le 11 avril 2024
Pour la logistique d’un groupe pharmaceutique comme Sanofi, une bonne prévision de la demande est capitale. Ses équipes supply chain ont monté, en shadow IT d’abord, une équipe de data scientists qui développent des algorithmes dédiés à chaque médicament. Elle a désormais une existence plus structurée.
Chez Sanofi, on les appelle les « pirates ». Créée à Singapour, une petite équipe de data scientists s’est en effet montée en « shadow IT » au sein des équipes supply chain. Sa mission ? Fournir des algorithmes aux prévisionnistes chargés d’optimiser la logistique. Jamal Akhiad, head of demand forecasting au Global Innovation Center de Barcelone de Sanofi, résume leur mission : « La supply chain est un monde d’optimisation. Le futur est incertain et il faut prédire le mieux possible la demande pour éviter tant l’overforcast que l’underforcast. »
En 2016, deux premiers collaborateurs commencent à mettre en œuvre des codes simples développés en R avec de multiples librairies. Alex Pedurand, aujourd’hui data scientist au Global Innovation Center de Barcelone de Sanofi, raconte : « Nous avons adopté une approche d’innovation séquentielle. La prévision présentait un vrai défi d’adoption, donc nous sommes allés vers des modèles simples pour commencer : de type Arima pour l’analyse des séries temporelles, du lissage exponentiel ETS, ou des régressions linéaires. »
Plus tard, l’équipe a déployé des algorithmes de type MAPA (Multiple aggregation prediction algorithm) ou encore de machine learning et de deep learning.
Dans le Global Innovation Center de Barcelone, chaque produit du portefeuille Sanofi bénéficie d’une prévision mois par mois jusqu’à 60 mois, au niveau le plus fin, celui du SKU (numéro de référence unique d’un produit).
Devant la masse d’algorithmes de prédiction qui leur étaient réclamés pour alimenter la supply chain de Sanofi, les data scientists ont adopté une approche plus structurée, ont modularisé les codes et sont allés vers plus d’automatisation. « Cela nous a logiquement amenés à automatiser nos workflows et construire une API pour communiquer avec notre plateforme de supply chain Kinaxis. Nous avons mis en place un cycle opérationnel complet pour aller chercher la donnée, assurer son nettoyage et la charger dans notre outil. »
Mais avec la progression du nombre d’algorithmes packagés par l’équipe, cette approche shadow IT va montrer ses limites. « Nous étions deux data scientists pour 25 forecasters. Nous passions 80 % de notre temps à faire du support et non pas à chercher de nouveaux algorithmes pour améliorer nos performances. »
Jamal Akhiad
Head of demand forecasting, Sanofi
« Le futur est incertain et il faut prédire le mieux possible la demande pour éviter tant l’overforcast que l’underforcast. »
L’équipe est passée à trois data scientists et son organisation remise à plat afin de concentrer ses efforts sur la prévision. Les « pirates » de la supply chain se sont alors intéressés à l’outil Databricks déjà utilisé depuis plus de trois ans par l’équipe digitale. Ce choix de plateforme va permettre de s’affranchir de nombreuses tâches de maintenance et de bénéficier de l’intégration de MLflow, leur outil MLOps.
Databricks offre aussi une interface accessible à tous, notamment aux prévisionnistes qui peuvent accéder aux dashboards, collaborer avec les data scientists et leur signaler d’éventuels incidents à corriger sur les workflows. « Nous conservons la partie développement des modèles au sein de l’équipe métier car cela fait partie de notre quotidien, mais nous laissons les volets support et industrialisation aux équipes du digital. »
Les data scientists sont d’une certaine façon de retour au bercail après des années de shadow IT, mais comptent bien continuer à jouer leur rôle d’apport de capacités data au sein de la supply chain Sanofi.
L’entreprise Sanofi
Activité : Industrie pharmaceutique
Effectif : 91 000 collaborateurs
CA : 43 Md€ (2022)
À LIRE AUSSI :
À LIRE AUSSI :
