PRISE EN COMPTE ET EVALUATION DES RISQUES TECHNIQUES ET FINANCIERS DANS LES REPONSES A APPEL D OFFRE Xavier Ameye Assetsman 2 bis, passage Roche 78000 Versailles Résumé Ce document présente l apport des nouvelles méthodes d Asset Management dans la prise en compte et l évaluation des risques techniques et financiers dans les réponses à appel d offre des contrats de service. La méthode proposée, basée sur la gestion du compromis Risque/Coût, est utilisée ici afin de dimensionner le stock de pièces de rechange optimum au moment du renouvellement du contrat de service. Cette démarche permet de prendre en compte les coûts et les risques liés à différentes politiques de stockage et ainsi de les comparer. Elle intègre également les aspects de gestion de l incertitude permettant d identifier les «driver factor» de la décision et l optimisation à risque consenti proposant systématiquement le meilleur équilibre entre l exposition au risque et les investissements engagés. Le but ici est de fournir au prestataire de service, dans le cadre de l élaboration de sa réponse à l appel d offre, un outil permettant de se positionner de la façon la plus pertinente sur les différents scénarii de réponse à envisager. Cet article a pour but de présenter l apport des méthodes de gestion des actifs industriels d Assetsman dans la phase, toujours délicate, de réponse à appel d offre des contrats de service de maintenance, et en particulier dans l exercice de dimensionnement de cette offre. Dans un contexte toujours plus concurrentiel, chaque prestataire de services cherche, non seulement, à proposer une offre percutante mais aussi, à évaluer les risques auxquels il s exposera dans l exécution de ce contrat. L optimisation d un stock de pièces de rechange au moment d un nouvel appel d offre en vue de la reprise d un contrat servira d illustration à ce propos. Cette optimisation s appuie sur les démarches novatrice et originale mises en œuvre par Assetsman d évaluation du meilleur compromis Risque versus Coût. Contexte Lors de l élaboration d une offre de contrat de service de type MIEC (Maintenance and Inspection Engineering Contract), MCO (Maintien en Condition Opérationnelle) ou autres, le prestataire cherche à recenser l ensemble des activités (maintenance préventive, maintenance corrective, gestion des stocks, amélioration continue, gestion des modifications, ) à mettre en œuvre et qui permettra d assurer la disponibilité opérationnelle demandée, indicateur souvent considéré comme l objectif majeur à atteindre. Il cherche également à identifier l ensemble des moyens humains et matériel à mobiliser afin de dimensionner une offre optimum. Ce dimensionnement permet-il de faire face aux aléas opérationnels? Ce dimensionnement s appuie t-il sur des pré-requis suffisants? La volonté naturelle d optimiser l offre «au plus serré» n expose t-elle pas le prestataire à des difficultés en phase opérationnelle? Quels atouts peuvent être mis en avant afin de se démarquer des offres concurrentes? Toutes ces questions peuvent souvent se résumer de la façon suivante : quels sont les risques techniques et financiers auxquels s expose le prestataire pour élaborer une offre attractive et comment quantifier ces risques? Dans le cas ici présenté, alors que le renouvellement du contrat de service fait l objet d une nouvelle consultation, le prestataire s interroge sur la pertinence du dimensionnement actuel du stock de pièces de rechanges et sur la nécessité d éventuellement augmenter ce stock initial afin de maintenir le niveau de disponibilité attendue. Les réponses d ordre technique et opérationnel à ces interrogations sont aisément apportées par les experts et techniciens concernés. Mais cela ne suffit pas : le prestataire cherche à savoir à quel risque il s expose s il conserve le stock initial qui lui sera confié en début de contrat, quel investissement doit-il engager s il souhaite assurer un niveau de disponibilité optimum, et surtout, quel est le meilleur compromis à trouver entre ce risque et cet investissement afin de bâtir l offre la plus pertinente et conciliant au mieux les contraintes opérationnelles du client et la volonté légitime du prestataire d assurer la profitabilité du contrat. Dans ce contexte, le prestataire cherche à évaluer les risques financiers encourus dans le cadre de ce contrat de service et plus particulièrement dans l association des risques physiques (probabilités de rupture de stock en l occurrence) et des coûts de pénalités associées. Processus méthodologique Assetsman dispose d une expérience importante dans la simulation des coûts et des risques pour les décisions de gestion sur le cycle de vie des équipements et des installations. Cette expérience a été mise à disposition pour l élaboration d un «protocole» d étude et d analyse permettant de dimensionner un stock de pièces de rechanges optimum en termes de risques et de coûts. L innovation de la démarche repose sur la recherche de quantification des risques liés à la probabilité de rupture de stock et dans la mise à disposition des outils de gestion des incertitudes associées permettant de tester la robustesse des résultats. page 1/5
Ce protocole repose sur quatre étapes : - Collecte des données d entrée. - Simulation Risque/Coût d identification de l optimum à stocker. - Analyse de sensibilité afin d évaluer la robustesse des données d entrée et d identifier les valeurs de rupture faisant «basculer la décision». - Optimisation à risque consenti permettant de trouver le meilleur équilibre entre l exposition aux risques et l investissement à consentir : évaluer le risque qui peut être annulé en fonction de l investissement consenti. Chacune d elles est décrite ci-après. Les données d entrée Les travaux d Assetsman dans l élaboration des démarches Risques/Coût ces dernières années ont permis de rationaliser cette phase toujours délicate de collecte des données d entrée. En effet, cette étape est souvent considérée, par les industriels, comme «consommatrice» de temps et d énergie. Assetsman a identifié, en particulier pour les optimisations de gestion des stocks, une base indispensable et rationalisée de données à collecter. Ces données nécessaires à l estimation des coûts de possession et des coûts engendrés par la rupture du stock sont les suivantes : - prix de la pièce, - délai de livraison de la pièce, - consommation annuelle de la pièce, - coût du manque à gagner. Les trois premières données sont traditionnellement disponibles dans les outils de gestion de stocks des industriels (GMAO généralement) et la dernière est connue des Directions Financières ou des Contrôles de Gestion. La collecte de ces données ne présente ainsi plus aucune difficulté pour les industriels. Cette première série de données doit être fournie pièce par pièce. Une deuxième série de données (coût de l argent, coût de stockage et nombre d heures de fonctionnement annuel) concerne généralement tout le périmètre. Parmi ces données génériques, l estimation du coût de l argent et du coût de stockage n est pas toujours aisée pour les interlocuteurs techniques traditionnels de ce type de démarche mais les services financiers des industriels possèdent ces informations. D autres données «optionnelles» peuvent être prises en compte par le simulateur afin de mener des études complémentaires mais ne sont pas nécessaires dans le cadre d un premier jeu de simulations. Pas ailleurs, la question, souvent récurrente, de la qualité et de la fiabilité des données sera abordée dans le paragraphe concernant l analyse de sensibilité. Simulations Risque/Coût Cette étape a pour vocation de fournir un premier jeu de résultats à partir des simulations Risque/Coût. Celles-ci sont supportées par les outils logiciels développés en interne par Assetsman. Le principe de ces simulations repose sur l estimation des deux flux financiers permettant l optimisation de la gestion des stocks de pièces de rechange et surtout la comparaison entre différentes politiques de stockage. Ces flux financiers sont les suivants : - coût de possessions : ce coût est décomposé en deux composantes ; le coût de stockage qui valorise l ensemble des coûts liés à l activité de stockage proprement dite (magasin, énergie, main d œuvre, maintenance du stock, ) et le coût de l argent qui valorise le coût d immobilisation du capital stocké, - coût engendré par la rupture du stock : ce coût correspond en fait à la valorisation de la perte de production conséquente de la rupture de stock. Pour cela, la probabilité de se trouver dans un état «pièce défaillante sur l équipement» et «pièce absente du stock» est évaluée à partir des modélisations des graphes de Markov. Le principe de comparaison de flux financiers (cash flow) est le fondement même de l optimisation de la gestion des stocks de pièces de rechange. Il n est pas question ici de comparer des dépenses ponctuelles (one shot) comme le prix d achat d une pièce par exemple pour bâtir une stratégie mais bien de comparer des flux financiers que l industriel devra supporter année après année. C est la seule possibilité de comparer différentes stratégies de stockage. page 2/5
L optimisation de la gestion des stocks de pièces de rechange cherche à identifier la quantité de pièces de rechange à stocker qui entraîne la combinaison minimale des coûts de possession et des coûts liés aux risques de rupture de stock comme le présente le schéma cidessous : OPTIMUM ACTUEL $ Principe de l optimisation des stocks L Impact Economique Total est la somme des coûts de possession et des coûts liés aux risques. Le nombre optimum de pièces à stocker correspond à l Impact Economique Total minimum. Le principe décrit ci-dessus s applique bien sûr item par item. La problématique des industriels couvre nécessairement des périmètres importants (jusqu à plusieurs milliers d items), ainsi la dernière génération des simulateurs d Assetsman permet de traiter des volumes significatifs de pièces de rechanges. Les simulations Risque/Coût de la gestion des stocks d un périmètre important de pièces de rechange produit les résultats suivants. Pour chaque item, sont comparées la valeur pour le stock actuel et la valeur pour le stock optimum : - évolution du stock en nombre de pièces à stocker, - évolution de la valeur du stock (en euros), - évolution de l Impact Economique Total (en euros/an), - évolution du risque (en euros/an), en fait la part du risque dans l Impact Economique Total. Une consolidation globale pour chacune de ces données (nombre de pièces, valeur du stock, Impact Economique Total et risque) est alors opérée sur l ensemble du périmètre et constitue un premier scénario de stratégie de stockage à partir du jeu initial de données d entrée. Dans le cas traité ici (réponse à un appel d offre pour la reprise d un contrat de service), la valeur pour le stock actuel correspond en fait au stock minimum que le donneur d ordre s engage à fournir au prestataire retenu au début du contrat. L enjeu est de se positionner sur la pertinence de ce stock initial et l éventuelle nécessité de l ajuster pour couvrir les risques de façon optimale. Les simulations Risque/Coût fournissent également, pour le stock actuel et pour le stock optimisé, le taux de disponibilité de l équipement et le taux de service du magasin permettant ainsi au prestataire de se positionner sur certains objectifs contenus dans la Cahier des Charges du contrat de service. Pour cette étude, les résultats de ces simulations Risque/Coût initiales ont montré que le stock actuel n était globalement pas suffisamment étoffé pour faire face à une consommation de pièces importantes attendue sur la durée du contrat. Mais cette augmentation de la valeur du stock s accompagne d une forte diminution de l impact Economique Total et de l exposition au risque et permet d atteindre des niveaux de disponibilité des équipements de l ordre de 98/99%. Les résultats sont présentés dans le tableau ci-dessous. Ces tendances doivent maintenant être affinées dans le cadre le l analyse de sensibilité. Par ailleurs, les démonstrations technico-économiques sont avides de définition de scénarii alternatifs à la solution initialement pressentie souvent intuitive et basée sur des considérations éminemment techniques. Dans le cadre de l utilisation des approches Risque/Coût, un des intérêts majeurs repose sur la définition des scénarii dits innovants ; pouvant quelque fois être considérés comme «étonnants» et relevant d une spéculation technique mais essentielle dans la recherche de la définition du meilleur compromis. En effet, le choix, quant à la meilleure solution, devient alors plus facilement justifiable à partir du moment où l ensemble des solutions alternatives a été identifiées et quantifiées. L analyse de sensibilité et l optimisation à risque consenti participent à cette nécessaire exploration. page 3/5
Analyse de sensibilité Gestion de l incertitude Les simulations initiales réalisées pour le périmètre de pièces retenu pour cette étude fournissent des résultats proposants des premières tendances intéressantes. Ces simulations ont alors été précisées par une indispensable analyse de sensibilité des données d entrée afin d identifier celles dont la variation a peu ou pas d impact sur le résultat final et, a contrario, celles dont la variation fait sensiblement évoluer l identification de l optimum du nombre de pièces à stocker. L utilisation des méthodes de gestion de l incertitude présente pour les analystes de nombreux avantages : - l insuffisance des données de retour d expérience dans les bases de données rend plus difficile l expression des lois de comportement du matériel, - la présence des données brutes de retour d expérience n est pas un gage de certitude sur cette loi de comportement (souvent les données sont tronquées). Le retour d expérience renseigne toujours sur les événements du passé mais l extrapolation pour l avenir présente des incertitudes qu il est nécessaire d envisager pour prendre une décision face à l évolution probable des coûts ou des consommations de pièces dans l avenir. Cette analyse de gestion de l incertitude est essentielle dans le cadre de l application de ces méthodes d aide à la décision et favorise en particulier la multiplication des scénarii à travers les cas pessimistes et optimistes des données d entrée et par conséquent la définition des limites de rupture d une décision (break point), l une des valeurs ajoutées de ce type d approche. Dans le cadre de cette étude, l analyse de sensibilité cherchait à principalement apprécier la variation de deux données d entrée : - les données financières (coût de l argent et coût de stockage) mal appréciées par les interlocuteurs de cette étude, - le profil de mission des équipements qui devrait connaître durant la durée du futur contrat de service une évolution significative par rapport à la situation actuelle. L enjeu principal repose sur ce deuxième axe car le futur prestataire de service cherche réellement à savoir quel impact aura cette évolution du profil de mission sur les moyens qu il devra engager dans le cadre du futur contrat pour tenir les objectifs fixés par l industriel. La gestion de l incertitude a été menée ici suivant deux types d analyse : - variation des données d entrée incertaines et observation de l impact sur l identification des optimums, - identification des valeurs de rupture (break point) faisant basculer la décision. Ce travail a fait apparaître les résultats suivants : - concernant les données financières : une forte variation de ces données entraîne, certes, des variations de la valeur du stock autour de la valeur optimum mais qui reste toujours fortement éloignée de la valeur actuelle, - concernant le profil de mission : la variation de cette donnée impacte fortement la valeur de l optimum à stocker. A noter que ces commentaires s appliquent principalement à deux familles de matériels (méca 1 et méca 2) alors que la troisième famille (électronique) est en fait peu sensible à la variation des données d entrée. Le graphique suivant présente une synthèse de cette analyse des résultats où la variation des données financières est en rouge et celle du profil de mission est en vert : Cette analyse de sensibilité à montrer que les variations des données d entrée peuvent avoir un impact sur l identification de l optimum mais que la décision ne se fait pas autour de la valeur actuelle. Par ailleurs, elle permettra au prestataire d envisager plusieurs scenarii de réponse à son appel d offre en fonction des évolutions des profils de mission et d affiner ainsi l intervalle décision. page 4/5
Optimisation à Risque Consenti La dernière étape d une telle démarche est l optimisation à risque consenti, c est-à-dire celle permettant de trouver le meilleur équilibre entre l exposition aux risques et l investissement à consentir. Le but est d évaluer le risque qui peut être annulé en fonction de l investissement consenti. Le principe en est représenté dans le schéma ci-dessous : Traditionnellement, on observe que de l ordre de 70 à 80% du risque peut être annulé en investissement seulement 15 à 20 % de la valeur d investissement considéré comme optimum dans la simulation initiale. En fait, cette analyse fournit au décideur un véritable guide pour son positionnement stratégique. Dans le cas présent, le prestataire peut évaluer les risques auxquels ils s exposent en fonction de l investissement inévitable qu il consentira à engager pour couvrir les risques liés au contrat de service dont il aura la charge. Ces risques traduisent directement ici le niveau de disponibilité qu il devra «tenir» dans le cadre du contrat. La non tenue de cet objectif entraîne nécessairement des pénalités pour le prestataire. Cette étape finale propose un outil permettant de trouver le meilleur équilibre entre investissement en pièces de rechange et donc moyens à engager dans le cadre du contrat et exposition au risque directement lié à la disponibilité des équipements et donc au niveau des pénalités à supporter dans le cas de dépassement des objectifs contractuels. Conclusion Le déploiement de ce type de démarche donne des outils objectifs et pertinents de dimensionnement des stocks pour l ensemble des acteurs et décisionnaires dans l élaboration de l offre de service. Le dimensionnement optimum, permettant d assurer le niveau de disponibilité souhaité, peut être aisément comparé au dimensionnement initial disponible en début de contrat et les efforts financiers à fournir pour tendre vers cet optimum sont identifiés. Les incertitudes sur les données d entrée sont valorisées et les données à affiner, car très sensibles sur l identification de l optimum, sont identifiées (notion de «driver factor»). Le bâtisseur de l offre dispose de leviers performants dans l élaboration de plusieurs scénarii de réponse : pour tel stock, telle couverture de risque donc telle disponibilité et bien sûr tel dimensionnement de l offre. Différents scénarii de réponse sont envisagés et les écarts entre ces scénarii en termes de dimensionnement de la prestation sont valorisés. Enfin, une bonne maîtrise de l ensemble de ces bras de levier constitue un atout supplémentaire dans la différenciation de l offre face aux offres concurrentes et, bien sûr, dans la négociation qui ne manquera pas de s engager avec le donneur d ordre. Références [1] «Guide de Gestion des Actifs Industriels Si les machines parlaient» de Celso de Azevedo Edition Dunod page 5/5