💻 computer science

A Calibration-Aware Reference Architecture for Resilient Supply Chain Planning: Integrating Conformal Probabilistic Demand Forecasting with Scenario-Based Stochastic Vehicle Routing

Cet article présente une architecture de référence et une implémentation open-source qui font le pont entre l'apprentissage automatique et la recherche opérationnelle dans la planification de la chaîne logistique en intégrant des prévisions probabilistes conformes à un routage stochastique basé sur des scénarios, démontrant empiriquement par un backtest synthétique que les prévisions de quantiles non calibrées entraînent un sous-couverture significative et des risques de rupture de stock, validant ainsi la nécessité d'interfaces sensibles au calibrage pour un support à la décision fiable.

Auteurs originaux : Joseph Javier Sánchez Acuña

Publié 2026-07-28

📖 8 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Joseph Javier Sánchez Acuña

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes le capitaine d'une immense cité flottante qui se déplace chaque jour pour livrer des pizzas, des médicaments et des jouets à des milliers de voisins. C'est le monde de la chaîne d'approvisionnement : ce réseau invisible de camions, d'entrepôts et d'horaires qui fait fonctionner notre vie moderne. Mais voici le problème : l'avenir est chaotique. Parfois, une tempête frappe, parfois une usine tombe en panne, et parfois, tout le monde commande soudainement du pepperoni supplémentaire. Pour que la cité continue de fonctionner, les capitaines doivent deviner ce qui se passera demain.

Pendant longtemps, les scientifiques ont utilisé deux boîtes à outils différentes pour résoudre cela. L'une de ces boîtes est l'Apprentissage Automatique (Machine Learning), qui est comme un détective super intelligent qui observe les schémas passés pour deviner l'avenir. L'autre est la Recherche Opérationnelle, qui est comme un maître joueur d'échecs qui détermine les meilleurs coups à jouer avec les pièces dont il dispose. Habituellement, ces deux boîtes à outils communiquent entre elles, mais elles parlent souvent des langues différentes. Le détective remet au joueur d'échecs un chiffre unique (comme « nous avons besoin de 100 pizzas »), et le joueur d'échecs construit un plan basé sur ce chiffre. La grande question que ce document pose est la suivante : Et si la supposition du détective est légèrement erronée ? Et si les « 100 pizzas » sont en fait une supposition à 90 %, mais que le détective agit comme s'il s'agissait d'une garantie à 100 % ? Si le joueur d'échecs construit un plan basé sur une supposition fragile, la cité entière pourrait manquer de nourriture ou rester coincée dans le trafic. Ce document construit une nouvelle façon, plus sûre, de connecter le détective et le joueur d'échecs, en s'assurant qu'ils vérifient leur travail avant de prendre la mer.

L'erreur du détective : Quand « 90 % » ne signifie pas 90 %

Les auteurs de ce document ont décidé de tester une habitude très courante dans le monde de la chaîne d'approvisionnement. Habituellement, lorsqu'un ordinateur prédit la demande, il peut dire : « Je suis sûr à 90 % que nous n'aurons pas besoin de plus de 500 unités. » C'est ce qu'on appelle une prévision de quantile. C'est comme une application météo qui dirait : « Il y a 90 % de chances qu'il ne pleuve pas. »

Les chercheurs ont construit une simulation numérique d'un réseau logistique avec 16 clients sur 400 jours. Ils ont laissé un programme informatique standard (un « ensemble de boosting de gradient ») jouer le rôle du détective. Ils lui ont demandé de prédire la demande, puis ont vérifié si les prévisions de « certitude à 90 % » étaient réellement exactes.

Le résultat fut une surprise. L'ordinateur leur mentait, mais sans le faire exprès — il ne savait simplement pas comment calibrer sa confiance. Même si l'ordinateur affirmait être sûr à 80 % de ses intervalles de prédiction, le monde réel ne correspondait à ces prédictions que 77,5 % du temps. C'est un écart de 2,47 points de pourcentage.

Voyez cela comme une application météo qui dit : « Il y a 80 % de chances qu'il ne pleuve pas », mais où il pleut en réalité 22,5 % du temps. Si vous organisez un pique-nique en vous basant sur cette application, vous allez être mouillé. Dans la chaîne d'approvisionnement, cela signifie que les camions étaient envoyés avec moins d'espace qu'ils n'en avaient réellement besoin. Le plan semblait sûr sur le papier, mais en réalité, les camions étaient sous-protégés. Le document appelle cela un « résultat négatif » car il prouve que l'ancienne méthode de travail est risquée. Le chiffre de « 90 % » donné par l'ordinateur n'était pas une véritable garantie ; c'était juste une supposition qui s'avérait trop optimiste.

La nouvelle stratégie du joueur d'échecs : Tester le plan avant de bouger

Une fois qu'ils ont réalisé que le détective n'était pas fiable, les auteurs ont construit une nouvelle architecture pour réparer le pont entre le détective et le joueur d'échecs. Ils n'ont pas simplement jeté les anciens outils ; ils ont ajouté une « couche de calibration ».

Imaginez que vous êtes à nouveau le joueur d'échecs. Au lieu de simplement prendre le chiffre unique du détective et de déplacer vos pièces, vous avez maintenant un laboratoire de simulation.

La Couche de Calibration : Avant que le détective ne vous donne un chiffre, vous le passez à travers un filtre spécial (appelé Régression de Quantile Conforme). Ce filtre vérifie les erreurs passées du détective et ajuste les intervalles de prédiction pour qu'ils correspondent statistiquement davantage à la réalité. Le document note que cette méthode fournit une « couverture marginale sans distribution sous échangeabilité », ce qui signifie qu'elle corrige les niveaux de confiance en fonction du comportement des données, plutôt que de promettre une correction parfaite dans tous les scénarios possibles.
Le Laboratoire Monte Carlo : Au lieu de planifier pour un seul futur possible, le joueur d'échecs génère désormais des milliers de scénarios « et si ». Il teste le même itinéraire de camion face à 400 futurs possibles différents pour voir combien de fois les camions se retrouvent réellement bloqués.
Le Contrôle de la « Valeur » : Les auteurs voulaient savoir si tout ce calcul supplémentaire en valait vraiment la peine. Ils ont comparé un plan « intelligent » (qui utilisait les milliers de scénarios) à un plan « stupide » (qui utilisait simplement la supposition moyenne). Mais ils se sont assurés que les deux plans avaient exactement le même nombre de camions et la même quantité d'essence. Cela est crucial. Si le plan intelligent gagne simplement parce qu'il avait plus de camions, c'est de la triche. En gardant le nombre de camions égal, ils pouvaient mesurer la véritable valeur d'une meilleure information.

Ce qu'ils ont trouvé (et ce qu'ils n'ont pas trouvé)

Le document est très honnête sur ce qu'il a prouvé et sur ce qu'il a simplement construit.

Les Faits Prouvés :
Dans leur simulation de 16 clients sur 400 jours, le détective non calibré s'est dégradé de plus en plus au fil du temps. À mesure qu'ils progressaient à travers cinq périodes de temps différentes (appelées « plis » ou folds), la qualité des prévisions a chuté de 16,1 %. Même si l'ordinateur disposait de plus de données pour apprendre (passant de 3 104 à 5 568 observations), il restait confus. Cela prouve que le simple fait d'avoir « plus de données » ne suffit pas si la méthode ne vérifie pas sa propre confiance. L'écart entre ce que l'ordinateur disait et ce qui se passait réellement était réel et mesurable.

Les Parties « En Construction » :
Les auteurs ont construit une boîte à outils complète qui inclut ces nouvelles fonctionnalités : un moyen de mesurer la « Valeur de la Solution Stochastique » (combien d'argent vous économisez en utilisant le plan intelligent), un moyen de vérifier si les camions sont réellement assez remplis, et un système pour expliquer pourquoi l'ordinateur a fait une supposition. Cependant, ils admettent que bien qu'ils aient construit les outils pour mesurer ces choses, ils n'ont pas encore passé en revue les chiffres finaux pour la comparaison entre le « plan intelligent » et le « plan stupide » dans ce rapport spécifique. Ils ont étiqueté ces éléments comme des composants de « Niveau 2 » — ce qui signifie que le moteur est construit et que le banc d'essai est prêt, mais que les résultats de la course finale ne figurent pas dans le document.

Pourquoi cela importe

Le point le plus important n'est pas un nouvel algorithme super puissant ; c'est une nouvelle attitude. Le document soutient que dans les chaînes d'approvisionnement, nous devons cesser d'assumer que nos plans sont sûrs et commencer à les mesurer.

Avant cela, si un ordinateur disait : « Nous sommes sûrs à 90 % », tout le monde le croyait. Désormais, les auteurs montrent que sans un « contrôle de calibration », ce 90 % pourrait en réalité être de 77 %. Cette différence est la différence entre un camion qui arrive à l'heure et un camion qui tombe en panne d'essence au milieu de nulle part.

Les auteurs ont créé une « architecture de référence » — un plan directeur sur la façon de construire ces systèmes afin que chaque étape soit vérifiée. Ils ont même rendu le code en source ouverte (open-source), afin que n'importe qui puisse le télécharger, lancer les tests et voir par lui-même. Ils n'ont pas prétendu avoir résolu les problèmes de la chaîne d'approvisionnement mondiale, mais ils ont prouvé que la façon dont nous vérifions habituellement notre travail est défaillante, et ils nous ont tendu une nouvelle façon, plus honnête, de la corriger.

En bref : ne faites pas confiance à la première supposition du détective. Vérifiez les calculs. Lancez la simulation. Et assurez-vous toujours que vos camions ont assez de place pour la pluie qui pourrait réellement tomber.

Résumé Technique : Une Architecture de Référence Sensible à la Calibration pour une Planification de la Chaîne Logistique Résiliente

1. Énoncé du Problème

L'article traite d'une lacune méthodologique critique à l'interface entre l'apprentissage automatique (ML) et la recherche opérationnelle (RO) dans la planification de la chaîne logistique. Bien que le ML et la RO soient fréquemment combinés, la transition est souvent dépourvue de garde-fous : les prévisions ponctuelles ou quantiles sont traitées comme des entrées déterministes pour les optimiseurs, les niveaux de service sont affirmés plutôt que mesurés, et la valeur marginale d'une planification stochastique par rapport aux bases déterministes est rarement quantifiée.

Les auteurs identent trois affirmations spécifiques et non examinées dans les pipelines intégrés typiques :

Affirmation de Calibration : Qu'un quantile nominal d'un modèle (par exemple, $q_{0.90}$ ) reflète fidèlement la probabilité de dépassement (10 %).
Affirmation de Niveau de Service : Que l'utilisation d'un quantile supérieur par client garantit la faisabilité de la capacité au niveau de la tournée.
Affirmation de Valeur : Que les mécanismes stochastiques surpassent la planification de la demande moyenne déterministe, plutôt que de simplement bénéficier du « surplus » implicite des entrées de quantiles élevés.

L'article soutient que ces affirmations sont souvent empiriquement fausses et propose une architecture de référence conçue pour tester, plutôt que supposer, ces propriétés.

2. Méthodologie et Architecture

L'architecture de référence proposée est une implémentation modulaire en code ouvert (environ 2 100 lignes) conçue pour la recherche reproductible. Elle intègre trois couches distinctes, chacune instrumentée pour valider des hypothèses spécifiques :

A. Couche de Prévision Sensible à la Calibration

Modèles de Base : Utilise des arbres de décision boostés par gradient (XGBoost) et un LSTM à une seule couche entraîné avec la perte pinball pour la régression quantile.
Régression Quantile Conformalisée (CQR) : Enveloppe les modèles de base pour produire des intervalles de prédiction sans distribution (distribution-free) et calibrés. Elle utilise des séparations de calibration par client respectant le temps pour garantir que les scores de conformité sont calculés sur des données non vues et chronologiquement ultérieures.
Post-traitement : Applique un opérateur de réarrangement monotone pour éliminer le croisement de quantiles (où $q_{0.1} > q_{0.5}$ ).
Adaptation : Inclut une mise à jour conforme adaptative optionnelle pour gérer les régimes non stationnaires (tendances, saisonnalité, dérive exogène).
Diagnostics : Rapporte la perte pinball, l'approximation du score de probabilité classé continûment (CRPS), la couverture empirique et la largeur de l'intervalle.

B. Couche de Routage Stochastique Mesurablement Contrainte

Approximation par Moyenne d'Échantillons (SAA) : Remplace l'heuristique consistant à « résoudre de manière déterministe sur un quantile supérieur gonflé » par une procédure SAA. Des scénarios sont générés (distribution normale tronquée ajustée aux intervalles CQR) et un plan de tournée fixe est évalué via une simulation de Monte Carlo.
Modélisation du Recours : Implémente un modèle de coût de recours à deux étapes où les violations de capacité déclenchent une pénalité de retour au dépôt.
Construction de Capacité : Un wrapper qui résout à nouveau le problème de routage à la capacité requise pour atteindre un niveau de service cible et re-valide par rapport à un tirage de scénario généré de manière indépendante pour éviter le surapprentissage.
Backend de Distance : Supporte à la fois Haversine (par défaut pour les données synthétiques) et OSRM (Open Source Routing Machine) pour des distances réalistes sur réseau routier.

C. Couche d'Évaluation Théorique de la Décision

Métriques de Valeur : Calcule la Valeur de la Solution Stochastique (VSS) et la Valeur de l'Information Parfaite Attendue (EVPI).
Comparaison Contrôlée : Crucialement, les plans déterministes et stochastiques sont évalués à une capacité de véhicule identique. Cela isole la valeur de l'information distributionnelle de la valeur d'un surplus de capacité supplémentaire.
Tests de Signification : Emploie des tests de Diebold–Mariano (pour les comparaisons par paires) et des tests de Friedman–Nemenyi (pour les comparaisons de modèles multiples) pour déterminer la signification statistique.

D. Échafaudage de Reproductibilité

Validation : Utilise une validation croisée à origine glissante (walk-forward) pour détecter la dégradation temporelle.
Explicabilité : Fournit des attributions SHAP (avec des réserves concernant la dépendance des caractéristiques) et l'occlusion par fenêtre pour les modèles LSTM.
Outillage : Inclut une suite de tests de 53 fonctions, des dépendances figées, la conteneurisation Docker et le suivi optionnel via MLflow.

3. Résultats Clés (Preuves Exécutées)

L'article distingue les résultats de « Niveau 1 » (exécutés et archivés) et de « Niveau 2 » (implémentés mais non archivés). Les conclusions empiriques rapportées sont basées sur un test rétrospectif à cinq origines glissantes sur un réseau logistique synthétique de 16 clients et 400 jours.

Sous-couverture Systématique (Niveau 1) : Un ensemble de gradient boosting de quantiles non calibré a obtenu une couverture empirique de 0,775 contre une cible nominale de 0,800. Cela représente un déficit moyen de 2,47 points de pourcentage, la sous-couverture se produisant dans quatre des cinq plis. Les auteurs notent qu'il s'agit d'un « résultat négatif » concernant la base de référence largement utilisée, démontrant que les niveaux de quantiles nominaux ne sont pas des niveaux de couverture calibrés et que les traiter comme tels sous-estime le risque de rupture de stock.
Dégradation Progressive (Niveau 1) : La qualité des prévisions (mesurée par le CRPS) s'est dégradée de manière monotone à travers les origines successives. Malgré une augmentation de 79 % des données d'entraînement (passant de 3 104 à 5 568 observations), le CRPS a augmenté de 16,1 % du premier au dernier pli. Cette tendance n'était visible qu'à travers l'évaluation par origine glissante ; une simple division entraînement/test aurait dissimulé cette dégradation systématique.
Quantification de l'Incertitude : L'article stipule explicitement que les chiffres de couverture caractérisent la base de référence non calibrée. L'architecture a réussi à détecter ce mode de défaillance, fournissant la motivation empirique pour la couche conforme.

4. Signification et Revendications

L'article se positionne modestement comme une contribution de méthodologie et d'architecture de référence plutôt que comme une revendication de précision de prévision ou d'optimalité de routage de pointe. Sa signification réside dans :

Test d'Interface Explicite : Convertir les hypothèses implicites (calibration, niveaux de service, valeur stochastique) en mesures explicites et testables.
Rapport Empirique Honnête : Fournir un « résultat négatif » qui remet en question la pratique courante consistant à utiliser des prévisions de quantiles non calibrées comme entrées déterministes, montée montrant que de telles pratiques produisent des plans qui sont « plus fiables qu'ils ne le prétendent ».
La Reproductibilité comme Substance : Démontrer que des protocoles de validation rigoureux (origine glissante, tests de signification, comparaison de capacité contrôlée) sont nécessaires pour révéler des tendances systématiques et éviter les faux positifs que les évaluations à division unique manquent.
Implémentation Ouverte : Libérer un pipeline complet et conteneurisé avec une suite de tests complète pour permettre à d'autres chercheurs d'étendre le travail (par exemple, vers l'apprentissage axé sur la décision ou l'optimisation robuste par distribution) contre une base documentée et auditable.

Les auteurs concluent que la principale contribution de l'architecture est l'intégration de techniques établies dans un pipeline auditable où la transition de l'apprentissage vers l'optimisation est mesurée, et non supposée.