Photo © Tristan Savatier
Imaginons un producteur de bidules. Il dispose d’un parc de 10 machines dont chacune est capable de produire 1 million de bidules par année, et comme ces machines ont une durée de vie de 10 ans, il doit en principe acheter une nouvelle machine chaque année.
En 2006, ses machines ont tourné à plein régime : il a vendu 10 millions de bidules, et a acheté une nouvelle machine pour remplacer la plus vieille de son parc.
En 2007, les commandes de bidules augmentent de 3%. Pour arriver à produire 10.3 millions de bidules, il a du acheter 2 nouvelles machines : une pour remplacer une vieille, et une autre pour augmenter sa capacité de production à 11 millions de bidules
En 2008, patatras, les consommateurs achètent 5% de bidules en moins: il ne vend que 9′785′000 bidules. Il ne remplace pas sa vieille machine, sa capacité de production revient à 10 millions.
En 2009, crash, les commandes chutent encore de 10% à 8.8 millions de bidules : pour la deuxième année consécutive il n’est pas nécessaire de remplacer la vieille machine puisque la capacité est suffisante avec 9 machines.
Maintenant, regardons ce qui se passe pour le fabricant de machines à bidules. En 2006 il reçoit la commande à laquelle il s’attend. L’année suivante il reçoit deux commandes de machines, soit une croissance de 100%. Il embauche du monde et fait des heures sup’ pour arriver à doubler sa production de machines.
En 2008 : rien. Chute de 100%, chiffre d’affaires nul. Il se console en se disant qu’il a vendu la machine de 2008 en 2007, que les affaires vont repartir. Mais en 2009, re-rien. Croissance de 0%, mais toujours avec zéro chiffre d’affaires. Chômage …
Si la chute ne se poursuit pas en 2010, notre fabricant de bidules aura besoin d’une machine, et si la reprise du marché des bidules dépasse 3%, il en voudra même deux, que le fabricant aura beaucoup de peine à produire, s’il a survécu à deux ans de crise extrême.
Dans cet exemple extrêmement simple, une variation de +5% à -10% de la demande en bidules a causé une variation de la demande de machines de ±100%! Cet effet d’amplification des variations au long de la chaîne client/fournisseur existe réellement et est connu sous le nom d’effet de Forrester, ou effet fouet ( bullwhip effect ) [1].
Le “Beer Game”
Le “Beer Game” a été inventé par Forrester au MIT dans les années 1960 pour expliquer l’effet fouet aux futurs managers, en particulier ceux impliqués dans les chaînes logistiques, le “supply chain management”.
4 joueurs gèrent chacun un secteur d’une chaîne logistique de bière:
- le détaillant vend de la bière aux clients finaux. Il la commande chez un grossiste
- le grossiste livre la bière commandée au détaillant, et la commande au distributeur
- le distributeur livre la bière commandée au grossiste, et la commande à la brasserie
- la brasserie produit la livre commandée par le distributeur et la lui livre.
Chaque joueur dispose d’un stock dans lequel il puise pour honorer les commandes de ses clients, qui mettent 2 tours de jeu à lui parvenir, et qu’il réapprovisionne avec les livraisons de ses fournisseurs, qui prennent également 2 tours de jeu à lui parvenir.
la table de jeu. (cliquez dessus pour agrandir)
Chaque joueur doit satisfaire son client en maintenant le coût de son stock à un niveau minimal, en évitant toute rupture de stock d’un coût encore plus élevé. Le problème est qu’il n’a pas le droit de communiquer avec son client et son fournisseur autrement que par les bulletins de commande, la seule information entrante étant la commande des clients finaux, que le détaillant doit satisfaire immédiatement. [5]
Il existe plusieurs variantes du jeu, mais toutes montrent clairement l’effet fouet : plus on remonte la chaine, plus l’incertitude augmente, ce qui incite à constituer un stock plus important et à commander des quantités de bière avec des variations plus élevées:
résultats typiques du "beer game" : les variations de la production de bière sont beaucoup plus importantes que celles de la consommation (cliquer pour agrandir)
Il existe plusieurs moyens de réduire, voire d’éliminer l’effet fouet, du moins dans une même organisation, mais il subsistera probablement toujours entre entreprises. Et en temps de crise, l’industrie des biens de production (machines) souffrira plus que celle des biens de consommation.
Références
- Jay Wright Forrester “Industrial Dynamics”, 1961, MIT Press.
- “l’effet coup de fouet , une théorie économique qui explique le marasme horloger“, 28 janvier 2009, sur Business Montres
- Effet de vague ou coup de fouet
- Claude Balié “Comment traiter l’Effet Coup de Fouet (Bullwhip Effect) dans une chaîne logistique?“
- “Présentation du Beer Game“, 2004, site “Copilotes“
- John D. Sterman ” Teaching Takes Off – Flight Simulators for Management Education – The Beer Game“ OR/MS Today, October 1992, 40-4
- Beer Distribution Game sur Wikipedia
- BeerGame sur MIT forum : pour jouer en ligne
- Mark Kimura, “A Numerical Solution to The Beer Distribution Game with Limited Visibility Using Agent Based Models“