Les méthodes traditionnelles de planification sont inefficaces pour les opérations dynamiques à grande échelle.
Lorsque vous gérez des opérations à grande échelle, une mauvaise planification crée rapidement des goulets d’étranglement. Pour Intuit, cela s’est concrétisé pendant la saison des impôts aux États-Unis : des milliers d’experts fiscaux, des créneaux horaires d’une demi-heure, une demande imprévisible. L’utilisation d’algorithmes de force brute ou de méthodes « premier arrivé, premier servi » n’a pas suffi. La force brute prenait trop de temps pour calculer les horaires optimaux, et chaque fois qu’un nouvel expert s’inscrivait ou qu’un nouveau client prenait rendez-vous, le résultat était immédiatement obsolète. Premier arrivé, premier servi ? C’est pire, cela produit des plannings fragmentés, pleins de temps morts et d’inefficacité. Le système ne peut pas suivre la volatilité du monde réel.
Lorsque les experts peinent à remplir leur emploi du temps ou sont confrontés à une disponibilité irrégulière, vous perdez en productivité. Vous perdez aussi des gens. Les experts attendent de la clarté, de la flexibilité et de la cohérence. Les clients s’attendent à trouver rapidement des experts qualifiés. Si vous vous trompez, vous augmentez les frais généraux et érodez la confiance dans le produit.
Pour toute entreprise disposant d’une importante main-d’œuvre distribuée, qu’il s’agisse de planifier des chauffeurs, des agents d’assistance ou des fiscalistes, le défi est de taille. Les systèmes traditionnels n’ont pas été conçus pour ce niveau de dynamisme. Ils sont statiques, rigides et inefficaces lorsque la demande augmente ou que la structure de l’équipe change. Attendez-vous à des retards, à de mauvaises expériences pour les clients, voire aux deux.
Les dirigeants doivent considérer qu’il s’agit d’un problème de système, et pas seulement de gestion des effectifs. Plus l’entreprise est importante, plus il est essentiel d’anticiper la demande, d’aligner les bons experts et de procéder à des changements en temps réel. Vous avez besoin d’une infrastructure moderne qui fonctionne comme votre entreprise : rapide, distribuée et réactive. L’incapacité à faire évoluer ces systèmes a un impact direct sur les performances, la croissance de la clientèle et la marge d’exploitation.
Le recuit simulé offre une solution aux problèmes d’ordonnancement NP-difficile
Lorsque vous êtes confronté à un problème d’ordonnancement classé dans la catégorie NP-hard, la force brute n’est tout simplement pas adaptée. Elle devient impossible à calculer lorsqu’elle est appliquée à des systèmes réels à grand volume. Intuit a résolu ce problème en adoptant le recuit simulé, qui adopte une approche probabiliste pour résoudre le problème. Au lieu d’essayer de calculer d’emblée tous les horaires possibles, il explore de nombreuses options potentielles et se concentre progressivement sur les meilleures.
Le recuit simulé ne s’enferme pas dans un chemin sous-optimal et ne s’y tient pas. Il maintient l’espace de recherche ouvert tant qu’il existe un potentiel de découverte d’un modèle plus efficace. Cet aspect est essentiel lorsque le système tente de coordonner plus de 12 000 experts fiscaux en fonction de la demande changeante des clients et de contraintes opérationnelles complexes. Il permet de prendre des décisions qui fonctionnent à la fois au niveau local et au niveau de l’optimisation globale, améliorant ainsi les résultats au fil du temps au lieu de se bloquer lorsqu’il est confronté au chaos ou à l’incohérence des données.
Du point de vue de l’exécutif, l’élément clé est la flexibilité et la performance. Vous avez besoin de systèmes qui continuent à s’améliorer dans des conditions volatiles. Le recuit simulé offre cette possibilité sans faire exploser les coûts de calcul ni ajouter de frais généraux excessifs à la conception du système. Combiné à des données en temps réel provenant de la prévision de la demande ou de la disponibilité des experts, il devient un système vivant, qui s’adapte à l’évolution de votre activité tout au long de la journée, et pas seulement de façon quotidienne ou hebdomadaire.
Sa simplicité est également appréciable. Bien que les mathématiques qui le sous-tendent soient avancées, le cadre est accessible et évolutif. Il permet une itération rapide, gère la complexité sans s’arrêter, et évite la rigidité des moteurs d’optimisation préconstruits et basés sur des règles. Ce type d’adaptabilité est essentiel à une exécution durable, en particulier pour les entreprises qui travaillent dans l’incertitude ou qui connaissent des courbes d’évolution rapides.
La planification basée sur l’IA d’Intuit intègre le recuit simulé dans un cadre Monte Carlo et une architecture microservices.
La conception d’un système capable de résoudre en temps réel des problèmes d’ordonnancement variables et à grande échelle nécessite non seulement un algorithme plus intelligent, mais aussi une infrastructure qui permette un recalibrage continu. Intuit a construit son système autour du recuit simulé, mais l’a superposé à un cadre de simulation de Monte Carlo et à une microservices hautement modulaire. Cette combinaison permet à la plateforme de simuler des milliers d’états de planification possibles, d’évaluer les résultats à l’aide d’une modélisation probabiliste et d’affiner les résultats dans des itérations qui se rapprochent de l’optimum à chaque cycle.
La clé de cette approche est l’utilisation d’une chaîne de Markov, qui gère les transitions entre les différentes configurations de l’emploi du temps. Il est ainsi possible d’évaluer les états en fonction de préférences statiques, comme la disponibilité des experts, et de critères temporels, comme les fluctuations de la demande en temps réel ou les changements de rendez-vous de dernière minute. Chaque ajustement est répercuté dans le modèle, ce qui permet d’améliorer les prévisions et la réactivité.
L’architecture elle-même est divisée en trois services principaux : Scheduling, Forecasting & Planning, et Expert Parameters. Chacun de ces services remplit une fonction essentielle. L’ordonnancement calcule des listes optimisées basées sur les entrées du modèle. Le service de prévision met constamment à jour les prévisions de la demande par intervalles d’une demi-heure, fournissant ainsi des données exploitables. Les paramètres des experts stockent toutes les données granulaires relatives aux compétences des experts, à leurs préférences de travail et à leurs contraintes. Ensemble, ils traitent les demandes à fort volume tout en restant alignés.
Kafka gère la communication asynchrone entre ces services. Cela permet au système de s’adapter aux mises à jour, comme la disponibilité de nouveaux experts ou des pics de demande soudains, sans se bloquer ou introduire des frictions. Le découplage des services signifie qu’ils peuvent s’adapter indépendamment et évoluer sans créer de goulots d’étranglement.
En ce qui concerne le calcul, Python exécute le moteur probabiliste de base, pris en charge par le multiprocessing sur les environnements Amazon EC2. Il est conçu pour les tâches lourdes, et l’équipe évalue déjà la parallélisation basée sur le GPU afin d’accélérer encore les choses. La plateforme traite les nouvelles programmations en une heure environ, mais elle est capable d’effectuer des réexécutions dynamiques en cas de changements majeurs dans les données d’entrée.
Pour les dirigeants, cette architecture est plus qu’un signe de maturité technique. Elle reflète un état d’esprit axé sur l’évolutivité à long terme, les performances sous contrainte et l’obtention de résultats en temps réel. Lorsque votre main-d’œuvre est répartie et que les attentes des clients évoluent plus rapidement que les cadences de planification fixes, ce type de conception de système est une réponse directe à la pression du monde réel. Il vous permet de garder le contrôle, et non de rester en retrait.
Le nouveau système de planification améliore considérablement l’efficacité opérationnelle et la satisfaction des experts.
Depuis qu’Intuit a déployé son système de planification piloté par l’IA, la productivité et l’expérience des employés se sont améliorées de manière mesurable. En particulier, le temps que les experts consacrent à l’élaboration de leur planning a chuté de 85 %, passant de 54 minutes à seulement 8 minutes en moyenne. Cela modifie la façon dont les experts travaillent au quotidien, leur donnant plus de temps pour se concentrer sur le travail avec les clients et plus de confiance dans des flux de revenus prévisibles.
Avec le nouveau système en place, les plannings présentent moins de lacunes et plus de cohérence. Cela signifie que les experts peuvent mieux utiliser leur temps, sans avoir à attendre entre deux appels ou à se précipiter pour réagir à des réservations sporadiques. Le système améliore également la visibilité sur l’ensemble de la saison fiscale, ce qui leur permet de planifier à l’avance au lieu de réagir à des changements de dernière minute. Ces ajustements opérationnels sont importants, car la cohérence crée la confiance, et une main-d’œuvre plus satisfaite est plus facile à fidéliser et à faire évoluer.
Du point de vue de l’entreprise, l’optimisation de la programmation élimine les inefficacités coûteuses. Vous utilisez plus efficacement les heures de travail des experts, ce qui réduit les frais généraux et améliore la rapidité du service. Et lorsque les experts correspondent plus précisément aux besoins en temps réel, les temps d’attente des clients diminuent. Cela se traduit par de meilleurs résultats en matière de service et une charge de support réduite. La technologie renforce ce à quoi les opérations de haute performance devraient ressembler.
Les dirigeants devraient se concentrer sur ce point : les améliorations apportées aux outils internes qui réduisent la fatigue décisionnelle et optimisent les performances se cumulent directement pendant les saisons de pointe. Le temps gagné, les ressources alignées, l’expérience des employés améliorée, tout cela s’additionne rapidement.
Les solutions de planification disponibles sur le marché ne répondent pas aux besoins spécifiques d’Intuit.
La plupart des plateformes commerciales de planification sont conçues pour un usage général. Elles sont conçues pour répondre aux besoins d’un large éventail d’entreprises, et non pour des environnements à fort volume et à scénario spécifique, comme le réseau d’experts fiscaux d’Intuit. Sur le papier, elles offrent l’automatisation. En pratique, elles nécessitent une personnalisation poussée pour répondre aux exigences opérationnelles du monde réel, comme l’alignement d’experts multicertifiés sur les besoins spécifiques des clients, l’ajustement à la disponibilité en temps réel ou l’application de contraintes de main-d’œuvre sensibles au facteur temps.
Lorsque chaque variable, ensemble de compétences, disponibilité, prévision de la demande, limitation géographique, est importante, l’intégration forcée dans un cadre générique crée des frictions. En fin de compte, les solutions de contournement de la personnalisation que vous mettez en œuvre pour essayer d’adapter l’outil tiers finissent par neutraliser l’avantage principal : la vitesse de déploiement et d’intégration. Au lieu d’accélérer, vous maintenez et corrigez.
Intuit l’a bien compris. Aucune solution fournisseur ne pouvait offrir l’agilité ou la précision requises sans s’effondrer sous sa propre complexité. La décision était donc simple : construire un système adapté à la taille de l’entreprise, au flux de données et à la logique des opérations. Résultat : des performances plus rapides, une variance moindre et de meilleurs résultats pour les clients et les membres de l’équipe.
Pour les dirigeants, il s’agit d’une question de spécificité opérationnelle. Les solutions technologiques doivent correspondre au modèle d’entreprise. Un logiciel générique ne fera pas l’affaire lorsque les cas limites sont quotidiens, et non des exceptions. Si votre main-d’œuvre est spécialisée, votre système doit reconnaître cette spécialisation sans perdre en débit. Construisez ce qui correspond à votre vitesse. Ne vous contentez pas d’adapter votre système et de faire des compromis sur les performances.
Principaux faits marquants
- Les méthodes traditionnelles sont insuffisantes à grande échelle : Les techniques traditionnelles de planification telles que la force brute et le premier arrivé, premier servi s’effondrent en cas de volume élevé et de conditions dynamiques. Les dirigeants qui opèrent à grande échelle doivent investir dans des systèmes spécifiquement conçus pour gérer la volatilité opérationnelle et les charges de travail distribuées.
- Les modèles probabilistes créent de la résilience : Le recuit simulé permet de résoudre efficacement les problèmes de planification complexes en explorant et en améliorant les solutions de manière à éviter les résultats sous-optimaux. Les dirigeants devraient envisager cette approche pour résoudre des problèmes NP-difficiles dans des environnements en évolution rapide.
- L’architecture est importante dans les opérations à haute performance : Le succès d’Intuit dépendait de l’association du recuit simulé avec un cadre Monte Carlo, des prévisions en temps réel et une infrastructure de microservices. Les dirigeants doivent aligner la conception du système sur la complexité de l’entreprise afin de favoriser l’adaptabilité, la performance et l’évolutivité interfonctionnelle.
- L’optimisation des plannings permet d’augmenter les effectifs : Intuit a réduit le temps de planification des experts de 85 %, amélioré la prévisibilité des horaires et augmenté l’engagement. Les décideurs peuvent obtenir des résultats similaires en réduisant l’inefficacité de la planification des effectifs grâce à une automatisation intelligente.
- Les outils à taille unique ne permettent pas de répondre aux besoins de précision : Les systèmes de planification disponibles sur étagère manquent de souplesse pour prendre en charge les capacités de niche, l’expertise du domaine ou les contraintes commerciales sensibles. Les entreprises dont les opérations sont spécialisées ou à fort enjeu devraient privilégier les solutions personnalisées qui s’alignent directement sur les flux de travail de base.
