Blog

Réussites11 nov. 20266 min de lecture

Les douze noms d’une échine de porc

Notre back-office contenait chaque commande que nous avions jamais passée et environ 1 900 noms de produits. Il ne pouvait pas nous dire ce que nous vendions le mieux, jusqu’au jour où un petit modèle a appris à poser la question.

JordanOsaka

La ligne disait BONFILE 2-3 kg, et rien d’autre. Elle figurait dans l’une de nos commandes, saisie par quelqu’un qui savait exactement ce qu’il voulait dire. Bonfile, c’est le filet ; n’importe qui sur notre desk vous le dira. Ce que personne ne pouvait dire, à partir de la seule ligne, c’est si l’animal avait été un porc ou un bœuf.

Chez MeatBorsa, nous tenons un desk de négoce de viande ; chez MakeBetter, nous construisons des outils pour le métier. Longtemps, j’ai cru que nous savions ce que nous vendions. Nous connaissions chaque commande. Ce que nous ne connaissions pas, c’était leur somme.

Un produit, une douzaine de noms

Notre desk tourne sur BOSS, le back-office dont nous nous servons tous les jours. Commandes, documents, factures, camions, stock en entrepôt frigorifique et paiements : tout y vit, un dossier par commande. Sa marge n’est pas la marge pleine d’espoir du jour où l’affaire se conclut. Elle se calcule après le camion, l’assurance et les jours en entrepôt frigorifique, c’est-à-dire une fois que la viande a fini de coûter de l’argent.

Les chiffres étaient donc solides. Les mots, non. Dans BOSS, nous avions environ 1 900 noms de produits différents, et chacun avait été saisi par une personne, d’après ce qu’un vendeur ou un acheteur avait écrit. Les vendeurs écrivent dans leur langue. Les acheteurs dans la leur. Aucun n’écrit pour un rapport.

Prenez l’échine de porc. Dans nos dossiers, elle s’appelait Pork neck. Elle s’appelait Schweinekamm, et Karkówka, et karczek, et Karkowka, son accent perdu quelque part en chemin. Elle s’appelait Collar of pork, et Pork Collar / Neck, et Свински врат. Une douzaine de façons d’écrire une seule découpe, prise sur une seule partie d’un seul animal. Une personne lit cette liste et voit un seul produit. Un rapport la lit et en voit douze, chacun une mince tranche de la vérité.

Nous gardions la trace de chaque kilo passé par notre desk, et nous ne pouvions pas dire ce que nous vendions le mieux.

La question du lundi

La question à laquelle nous voulions une réponse est la plus simple qu’un négociant puisse poser : quels produits de base se vendent le mieux, et avec quelle marge ? Pas quelle commande. Quel produit. Chaque lundi, le rapport était là, et chaque lundi il répondait à une autre question, à savoir quelles orthographes se vendaient le mieux.

Nous avons fait ce que font les desks. Quelqu’un tenait un tableur, les noms d’un côté, le vrai produit de l’autre, pour autant qu’il pût en juger. C’était un travail soigné, et il était dépassé presque aussitôt enregistré, parce que les nouvelles commandes apportent de nouveaux noms. Chaque fois que nous avions vraiment besoin de la réponse, l’analyse devenait un projet : un temps d’attention de quelqu’un, un résultat, puis la lente dérive vers l’ignorance.

Le problème allait plus loin que l’orthographe. Souvent, nous ne pouvions même pas dire de quel animal il s’agissait. Bonfile, c’est le filet de quelque chose. Un tomahawk peut être de bœuf, de porc ou d’agneau. Et « Turkey », dans un commerce qui franchit les frontières, désigne la Turquie aussi souvent que la dinde. Un négociant qui plissait les yeux devant la liste pouvait en général trancher, parce qu’il se souvenait de l’affaire. La liste, elle, ne se souvenait de rien.

Les modèles qui avaient tout lu

La solution évidente était de confier les noms aux chatbots généralistes, ces grands modèles qui vous écrivent un contrat ou un poème sur demande. C’est ce que nous avons fait. Ils avaient raison moins de 55 % du temps. Ils étaient aussi lents, et assez chers, mais c’étaient là des griefs secondaires. Une lecture fausse presque une fois sur deux ne peut pas servir de base à un rapport. Il faut encore vérifier chaque ligne, et voilà qu’on vérifie le travail d’une machine au lieu de faire le sien.

Je ne crois pas que l’échec tenait à la taille. Un modèle qui a lu un peu de tout a très peu lu de ce qu’écrivent les gens qui vendent la viande par camions entiers, en quelques mots, dans la langue qui se trouvait sous la main.

Un petit modèle qui pose des questions

Puis nous avons donné les mêmes noms à CarcassAI, et le problème a disparu d’un coup. J’aimerais raconter ici une lutte. Il n’y en a pas eu.

CarcassAI est la connaissance produit qui sous-tend chaque outil MakeBetter. Elle contient environ un millier de produits carnés, chacun avec un seul identifiant. Elle lit quelque 7 000 noms pour ces produits dans 18 langues, fautes comprises, et elle a cartographié 26 standards de découpe, car la même carcasse se divise différemment selon le standard qui guide le couteau.

Elle lit chaque ligne produit deux fois. D’abord viennent des règles, qui sont déterministes : la même ligne reçoit la même réponse dans la même version. Puis vient Carcass, un petit modèle que MeatBorsa entraîne lui-même, sur chaque décision que confirment nos négociants, et il relit la ligne. Là où les deux divergent, ou là où la ligne est floue, une personne décide, et cette décision devient la leçon suivante.

Trois de ses habitudes comptent plus pour moi que sa vitesse. Elle ne devine pas : devant BONFILE, elle demande « quel animal ? » et attend. Elle ne modifie jamais ce que le vendeur a écrit ; la lecture se place à côté de ses mots, si bien que l’original est toujours là pour comparer. Et elle envoie très peu de choses au-dehors. Seule la désignation du produit voyage, sans client ni prix, vers un petit modèle installé sur les propres serveurs de MeatBorsa, dans l’UE.

Les chiffres publiés sont les suivants. Chez des vendeurs qu’elle n’a jamais vus, elle trouve le bon produit dans 94,6 % des cas. Une lecture complète prend en médiane 29 millisecondes. Le premier chiffre n’est pas cent, et la conception ne prétend pas le contraire. C’est à cela que servent la question, et l’attente.

Un rapport qui n’est jamais un projet

Ce qui a changé sur notre desk se décrit simplement. Chaque nouvelle ligne de commande est lue dès son arrivée, en temps réel, vite et pour peu cher. Plus personne ne lance d’analyse, parce que l’analyse n’est jamais terminée et jamais dépassée. Elle est là, c’est tout. L’échine de porc est redevenue un seul produit, quel que soit le nom qu’elle portait ce jour-là.

L’image ci-dessous est un exemple, construit avec des données illustratives plutôt qu’avec nos propres chiffres. Sa forme, pourtant, est justement ce que nous ne pouvions pas dessiner auparavant : les ventes par animal, puis par produit, chaque tuile à la mesure de ce qu’elle a vendu et marquée de sa marge.

ExempleVentes par animal et par produit, lues par CarcassAI. La taille de chaque tuile correspond à la part des ventes ; le chiffre dans chaque tuile est la marge après le camion, l’assurance et les jours en entrepôt frigorifique.
Porc
44%
Bœuf
27%
Volaille
19%
Agneau et veau
10%
Porc
Poitrine de porc
7.9%
Échine de porc
11.2%
Épaule de porc
6.4%
Longe de porc
8.8%
Jambon de porc
5.1%
Travers de porc
12.6%
Bardière de porc
4.2%
Filet mignon de porc
13.9%
Jarret de porc
9.1%
Bœuf
Faux-filet de bœuf
9.4%
Filet de bœuf
10.8%
Noix d’entrecôte de bœuf
9.9%
Basse côte de bœuf
7.2%
Tende de tranche de bœuf
6.1%
Poitrine de bœuf
8.3%
Tranche grasse de bœuf
5.7%
Volaille
Filet de poulet
4.9%
Cuisses de poulet
3.8%
Ailes de poulet
6.7%
Filet de dinde
5.5%
Magret de canard
9.6%
Agneau et veau
Gigot d’agneau
10.4%
Carré d’agneau
14.1%
Épaule d’agneau
8.2%
Longe de veau
9.0%
Jarret de veau
7.4%

Chiffres illustratifs. Survolez ou touchez une tuile pour voir ses chiffres.

Voir les chiffres sous forme de tableau
AnimalProduitPart des ventesMarginNoms dans BOSS
PorcPoitrine de porc9.8%7.9%186
PorcÉchine de porc7.6%11.2%148
PorcÉpaule de porc6.9%6.4%118
PorcLonge de porc5.8%8.8%97
PorcJambon de porc4.6%5.1%88
PorcTravers de porc3.5%12.6%71
PorcBardière de porc2.4%4.2%52
PorcFilet mignon de porc2.1%13.9%49
PorcJarret de porc1.3%9.1%38
BœufFaux-filet de bœuf5.9%9.4%88
BœufFilet de bœuf5.2%10.8%83
BœufNoix d’entrecôte de bœuf4.8%9.9%72
BœufBasse côte de bœuf3.6%7.2%51
BœufTende de tranche de bœuf3.1%6.1%46
BœufPoitrine de bœuf2.6%8.3%39
BœufTranche grasse de bœuf1.8%5.7%32
VolailleFilet de poulet6.4%4.9%157
VolailleCuisses de poulet4.9%3.8%109
VolailleAiles de poulet3.2%6.7%74
VolailleFilet de dinde2.6%5.5%63
VolailleMagret de canard1.9%9.6%41
Agneau et veauGigot d’agneau3.1%10.4%58
Agneau et veauCarré d’agneau2.4%14.1%44
Agneau et veauÉpaule d’agneau2.0%8.2%39
Agneau et veauLonge de veau1.5%9.0%34
Agneau et veauJarret de veau1.0%7.4%23
Tous les produits100%1,900

Un graphique comme celui-ci a l’air ordinaire, et c’est bien ainsi. C’est là le plus étrange de l’histoire. Il ne contient aucune information nouvelle. Chaque kilo, chaque facture, chaque jour en entrepôt frigorifique se trouvait déjà dans BOSS. Il ne manquait qu’un accord sur le nom des choses.

J’en suis venu à penser qu’une bonne part de ce que sait un desk de négoce est cachée de cette façon : non dans des données que personne n’a, mais dans des noms que personne n’a rapprochés. Un nom n’est pas un produit. C’est ce que quelqu’un a appelé le produit un jour donné, dans une langue, pour un acheteur. Pour ceux qui les avaient saisis, les noms étaient parfaitement clairs. Seul le rapport ne savait pas les lire.

La ligne dit toujours BONFILE 2-3 kg. Nous ne l’avons pas corrigée, et nous ne le ferons pas ; c’est ce que le vendeur a écrit. À côté, il y a désormais une lecture, et avant la lecture il y a eu une question, à laquelle l’un de nos négociants a répondu. Depuis que nous tenions cette liste, c’était la première fois que la liste nous demandait quelque chose.

Écrit par JordanMakeBetter · Osaka

Faisons mieux.

Dites-nous où passent les journées dans votre entreprise. En trente minutes, nous vous dirons ce que nous changerions en premier.

[email protected] Sofia · Zagreb · Berlin · London · Warsaw · Osaka