Navigation – Plan du site

L’apport de la méthode DEA au pilotage de la performance des centres de coût : l’exemple de la logistique amont

Laurent F. Cavaignac et Fabienne Villesèque-Dubus

Résumé

Cet article a pour objectif de s’intéresser au pilotage de la performance des centres de coût en prenant le cas particulier de la logistique amont. Il s’agit plus précisément de s’interroger sur l’apport de la méthode DEA (méthode d’analyse d’enveloppement des données) comme outil d’analyse multidimensionnel de la performance pour gérer globalement les différentes composantes de cette performance multidimensionnelle, à savoir les coûts, la qualité et les délais. A partir de la réalisation d’une simulation, elle vise plus précisément à observer dans quelle mesure la méthode DEA peut constituer un outil pertinent pour la gestion simultanée des coûts, qualité et délais, à en observer les implications et les limites.

Haut de page

Plan

Haut de page

Texte intégral

Copyright 2008 by the authors. All rights reserved. No part of this publication may be reproduced, stored in a retrieval system, or transmitted, in any form or by any means, electronic, mechanical, photocopying, recording, or otherwise, without the prior written permission of the publisher, bepress, which has been given certain exclusive rights by the author.

Introduction

1La performance est, comme le souligne Bessire (1999), un concept polysémique, aux composantes variées et aux multiples modes d’appréhension. Les nouvelles formes d’organisation de la production et de fonctionnement des organisations multiplient notamment les facteurs de performance et interrogent la gestion globale de ces facteurs ainsi que la mise en œuvre d’outils de contrôle cohérents et pertinents (Cohendet et al. 1996).

2En prenant le cas particulier des centres de coût tels que les centres d’approvisionnement, se pose la question de l’existence d’un système de contrôle permettant de surveiller et maîtriser l’ensemble des actions inhérentes à ce centre. Les centres d’approvisionnement, en tant que composantes de la logistique amont de l’organisation, sont en effet soumis à de forts changements induits eux-mêmes par des injonctions liées aux nouvelles formes de commerce telles que le e-commerce par exemple, ou à de nouvelles formes d’organisation de la production, telles que le juste à temps (Alcouffe et al. 2013). Ces centres de logistique amont, elle-même définie comme « l’ensemble des activités qui visent à assurer la mise à disposition dans les délais souhaités par l’entreprise des références et quantités voulues de matières premières, produits semi-finis, équipements, dans les meilleures conditions de coût » (Nakhla 2009, p. 325), ont alors non seulement pour mission d’assurer la mise à disposition de matières dans les délais impartis et au moindre coût, mais aussi d’assurer le service au client en lui garantissant un certain niveau de qualité. Dès lors que l’on s’intéresse au pilotage de ces centres, la question de la gestion simultanée de ces trois composantes- coût qualité et délai- se pose alors pleinement. En effet, les centres d’approvisionnement, en tant que centres de coûts, poursuivent en principe des objectifs de coûts, qualité et délais, ce qui nécessite leur gestion (Gervais 2009 ; Bouquin 2001).

  • 1 Il existe plusieurs définitions de l’efficience mais nous retenons celle qui s’inspire des travaux (...)

3En acceptant l'hypothèse selon laquelle ces trois composantes peuvent représenter la performance d'un centre d’approvisionnement, la question de la façon dont elles sont gérées et articulées reste ouverte. En effet, si des approches dissociées ou partielles de mesure de la performance existent et s’exercent au travers notamment d’indicateurs de performance souvent isolés les uns des autres, les approches globales restent plus rares et les méthodes d’agrégation des indicateurs semblent peu pratiquées. Peut-on gérer simultanément ou conjointement ces trois dimensions de la performance que constituent les coûts, la qualité et les délais ? Dans l’affirmative, comment mettre en œuvre cette gestion globale des coûts, de la qualité et des délais ? Le cas du fonctionnement des systèmes et fonctions logistiques en donne une illustration particulièrement intéressante. Définie par Colin et Paché (1988) comme « la technologie de la maîtrise des flux physiques par les flux d’informations dans les meilleures conditions de coût, de qualité, de délai et de services associés aux produits », la logistique peut être appréhendée comme un centre de coût. Dans ces conditions, et compte tenu de cette multiplicité des facteurs de performance, se pose la question de l’utilisation d’outils de pilotage de la performance globaux et multidimensionnels. La méthode DEA (méthode d'enveloppement de données) vue comme un outil d’analyse des possibilités d’efficience1 et d’approche multidimensionnelle de la performance peut potentiellement être utile au pilotage des centres logistiques tels que notamment les centres d’approvisionnement. En effet, les méthodes DEA mettent en œuvre des techniques mathématiques de programmation linéaire qui reposent sur des hypothèses non paramétriques afin d’établir des benchmarks (Charnes et al. 1978). Elles permettent de révéler, en se fondant sur une analyse multicritères de la performance, les entités ayant les meilleures pratiques. Simultanément, les entités non efficientes sont mises en évidence, une mesure de leur inefficience est proposée et les différents moyens pour atteindre de meilleures performances sont identifiés. L’organisation peut ensuite choisir l’un de ces moyens selon les critères qu’elle considère comme prioritaires. L’utilisation des méthodes de frontières d’efficience pour analyser la gestion simultanée des coûts, de la qualité et des délais montre en particulier que l’amélioration du niveau d’efficience dépend des arbitrages qui sont réalisés entre les éléments du triplet coût, qualité et délai (CQD). L’un des outils mis en œuvre pour mesurer l’efficience est la fonction distance directionnelle (Chambers et al., 1996). Cette fonction distance permet d’analyser chacune des différentes directions possibles (vers l’efficience) et souligne bien l’existence de limites relatives aux choix correspondants. Par exemple, elle montre jusqu’à quel point il est possible de réduire de façon significative les coûts sans pour autant diminuer la qualité et tout en améliorant les délais de production, ou encore dans quelle mesure il est possible d’améliorer la qualité sans augmenter les coûts ou les délais.

4Le présent article, en s’appuyant sur une simulation, vise à répondre à la question de recherche suivante : quels sont les apports de la méthode DEA au pilotage des centres de coûts tels que les centres d’approvisionnements ? En outre, la sous-question de recherche sous-jacente suivante est posée : En quoi cette méthode constitue-t-elle un outil pertinent pour la gestion simultanée des coûts, qualité et délais de ces centres ? Pour répondre à cette question et sous-question, nous avons eu recours à une simulation qui présente l’avantage de permettre de réaliser des tests sur un grand nombre de situations prédéfinies et d’observer ainsi divers cas de figures utiles notamment au manager ou au contrôleur de gestion.

5Pour cela, une première partie développera les principaux questionnements liés au contrôle des centres de coûts et à la performance opérationnelle. Les apports potentiels de la méthode DEA à cette problématique seront soulignés. Dans une seconde partie, nous présenterons le modèle tout en mettant en évidence les arbitrages possibles entre coûts, qualité et délais associés au pilotage des centres de logistique amont. Enfin, la troisième partie de cet article sera consacrée à une discussion portant sur les arbitrages et marges de manœuvre identifiés à partir d’une simulation de gestion, sur les apports de la méthode pour la gestion du triptyque coût, qualité, et délai en particulier.

1. Les principaux questionnements liés au contrôle des centres de coûts dans un nouveau contexte de production et d’organisation

6Dans cette partie, nous rappelons tout d'abord la multiplicité des facteurs de performance et la problématique des systèmes de contrôle associés. Nous soulignons ensuite l’intérêt de la méthode DEA vue comme un outil d’analyse d’efficience en contrôle de gestion pour répondre à ces problématiques.

1.1 Multiplicité des facteurs de performance : quel contrôle ?

7Après avoir exposé certaines limites au principe de contrôlabilité, la question de l’adaptabilité des outils de contrôle à la gestion des coûts, de la qualité et des délais (CQD) sera présentée.

1.1.1 La contrôlabilité en question

8La littérature en contrôle de gestion précise que les outils de contrôle, répondant à un besoin de contrôle de gestion dans une perspective rationnelle de recherche d’efficience, ont pour objectif premier de suivre les réalisations et de s’assurer de l’allocation optimale (donc efficace et efficiente) des ressources (Anthony 1965). Si la surveillance et la maîtrise de l’allocation des ressources restent souvent les principaux objectifs de ces outils en s’inscrivant dans une démarche de contrôle de diagnostic (Simons 1995), ces derniers répondent aujourd’hui à d’autres objectifs, de suivi notamment de la flexibilité, de la qualité, voire des relations inter-organisationnelles (Kaplan et Norton 2007).

9Des questions liées à la gestion simultanée des différents facteurs de performance tels que coûts, qualité et délais prennent alors toute leur importance puisque la performance des centres devient pluridimensionnelle, nécessitant l’identification d’indicateurs en cohérence avec les actions mises en œuvre. Il ne s’agit plus en effet de mesurer, surveiller, maîtriser cette performance sur la base d’éléments relatifs aux coûts seulement, mais sur un ensemble d’éléments et d’indicateurs explicatifs de cette performance. Ainsi, des indices liés à la qualité, aux délais, à la sécurité, etc, peuvent faire partie intégrante de la gestion et du pilotage d’un centre de coût. La question de la gestion simultanée de ces facteurs de performance et d’une méthode d’agrégation de ces performances prend alors toute son importance. Le cas de la gestion des systèmes logistiques en est un exemple particulièrement emblématique, puisque la chaîne logistique est définie comme inter-organisationnelle, inter-fonctionnelle (Kaplan et Norton 2007, Livolsi 2007, Morana et Paché 2000) et multi-acteurs (Paché et Spalanzani 2007, Fabbe-Costes 2007).

10En outre les principes de convergence des représentations et des objectifs sont questionnés dès lors que les objectifs sont multiples et donc potentiellement contradictoires, ce qui peut être le cas dans la gestion d’un centre d’approvisionnement par exemple (Ballou 1989).

11En prenant le cas des entreprises de service, Meyssonnier (2008), montre que les trois dimensions ne sont pas toujours gérées sur le même plan par les entreprises et que ces objectifs peuvent en effet apparaître contradictoires. Elles choisissent en général de mettre en avant un attribut voire deux attributs du service, tandis que les autres variables servent de variables d’ajustement. Dans les entreprises industrielles, le problème se pose de la même façon. En effet, si à un moment donné l’objectif premier devient la réduction des coûts, comment dans ces conditions améliorer la qualité ou les délais, toutes choses étant égales par ailleurs ? Se pose alors la question d’outils de gestion et de pilotage adaptés à cette recherche d’efficience.

1.1.2. Des outils de contrôle adaptés à une approche globale de la performance ?

12Parmi les principaux outils à disposition du contrôle de gestion, les tableaux de bord et balanced scorecard sont censés permettre un pilotage des différentes activités de l’entreprise. Ils peuvent aussi, comme le montrent des exemples issus du contrôle de gestion logistique ciblés sur la gestion des centres de coûts et des centres d’approvisionnement, permettre de gérer les particularités de tels centres. Cependant, ces outils ne permettent pas de piloter conjointement les coûts, la qualité et les délais qui leur sont associés.

13Ainsi, dans le tableau de bord fournisseur proposé par Kaplan et Norton en 2007, un certain nombre de critères propres à la logistique amont sont mis en avant. Les auteurs montrent par exemple que Metalcraft Corporation (nom d’emprunt donné par les auteurs), qui est l’un des principaux fournisseurs de l’industrie automobile mondiale gérant lui-même son propre réseau de fournisseurs, évalue la performance de chacun de ses fournisseurs en leur attribuant une note globale. Le tableau de bord du fournisseur intègre des indicateurs de coûts et de respect des délais de livraison. D’autres tableaux de bord des fournisseurs utilisés en contrôle de gestion de la logistique amont mettent aussi l’accent sur les coûts associés (liés à la non-qualité notamment).

14Kaplan et Norton (2007) proposent également une version élargie du balanced scorecard à la chaîne logistique. Cette approche prend alors en compte des données et éléments relatifs aux activités propres à la chaine logistique globale (Brewer et Speh 2000 ; Morana et Paché 2000). Ainsi, à propos du balanced scorecard proposé par Kaplan et Norton, les auteurs précisent que l’amélioration des processus internes dans toute la chaîne logistique doit avoir les effets positifs suivants : réduction du gaspillage, réduction des temps de cycle de la commande à la livraison et des cycles de fonds de roulement, réponse flexible, réduction des coûts unitaires, innovation. Là encore, se pose la question de la gestion globale et simultanée de ces éléments.

15Par ailleurs, toujours à propos de la chaîne logistique, l’analyse des transferts d’activité au sein de la E-supply chain conduite par Huré et al. (2013) souligne l’intérêt de mesures précises de productivité individuelles et agrégées dans une approche multi-canal propre à la chaîne logistique.

16La gestion simultanée de plusieurs facettes de la performance, et en l’occurrence ici, celles relatives aux coûts, à la qualité et aux délais, constitue l’un des enjeux de l’approche de la performance vue sous son angle multidimensionnel. Le cas des centres d’approvisionnement, soumis à ce type de pilotage, en constitue un cas d’étude particulièrement riche.

17Pour mener l’analyse, nous avons choisi de nous appuyer sur la méthode DEA vue comme un outil de gestion multidimensionnel de la performance (de La Villarmois 1999, 2001). La question de recherche développée dans cet article est alors : en quoi la méthode DEA peut-elle constituer un outil de gestion et d’analyse pertinent pour gérer des centres de coûts tels que les centres d’approvisionnement ?

1.2 La méthode DEA comme outil d’analyse en contrôle de gestion

18La méthode DEA a fait l’objet de nombreuses applications en contrôle de gestion dont nous présentons certaines dans cette partie après avoir exposé les principes de base de la méthode. Ces applications ont en particulier permis d’approfondir certains éléments en faveur d’une approche globale de la performance.

1.2.1 L’approche DEA : principes généraux

19Ce sont Charnes et al. (1978) et Banker et al. (1984) qui ont jeté les bases de la méthode DEA. Il s’agit d’une méthode qui permet d’obtenir des mesures d’efficience d’unités de production au sens large (il peut s’agir de services ou de produits non marchands), y compris pour des technologies complexes, c’est-à-dire mettant en jeu plusieurs inputs et outputs. Les hypothèses qu’elle nécessite sont naturellement moins fortes que celles utilisées par les méthodes paramétriques.

20La méthode DEA consiste à déterminer des benchmarks d’efficience (unités de production de référence) et à situer l’ensemble des unités par rapport à ces benchmarks. Elle procède par enveloppement de données. Les unités qui se situent sur l’enveloppe (ou frontière empirique de production) constituent donc les points de référence. Une distance des autres unités à cette frontière de production constitue une mesure de leur inefficience.

21Il existe différents types de fonctions distance. La plus ancienne est la fonction distance radiale (Shephard 1970). Mais celle-ci impose que les rapports entre les différents facteurs de production ou produits soient maintenus constants. Or, notre préoccupation est d’arbitrer sur les priorités à donner à nos différents facteurs. Si l’entreprise souhaite privilégier la diminution de la quantité d’un input en particulier et non la diminution proportionnelle de tous les inputs, il faut pouvoir se référer au plan de production efficient qui utilisera la plus petite quantité possible de l’input privilégié. Cela ne peut être mis en œuvre avec la fonction distance radiale. Cette fonction distance se révèle donc inadaptée à notre problématique. En revanche, une fonction distance plus récente, la fonction distance directionnelle (Chambers et al. 1996) permet de privilégier un ou plusieurs des facteurs par rapport aux autres. C’est pourquoi nous l’utiliserons dans la suite de cet article. Celle-ci permet également de s’intéresser simultanément aux volets input et output. Dans la suite, nous mettrons à profit cette liberté. Nous pourrons ainsi identifier les marges de progression des entreprises inefficientes dans la direction voulue. Pour cela, nous pourrons pondérer coûts, qualité ou délais en fonction de l’intérêt qui leur est porté.

22La mise en œuvre de la méthode DEA nécessite l’émission d’hypothèses concernant les rendements d’échelle. Les deux modèles les plus usités sont ceux à rendements d’échelle constants et à rendements d’échelle variables. Une spécification erronée de rendements d’échelle constants pouvant entraîner des erreurs de mesures importantes (Simar et Wilson 2002), nous nous appuierons sur l’hypothèse la plus souple, celle de rendements d’échelle variables.

1.2.2 Méthode DEA et approches de la performance en contrôle de gestion

  • 2 La méthode mobilisée s’appuyant sur l’hypothèse de rendements d’échelle variables, nous préférons l (...)

23De nombreuses études se sont récemment penchées sur l’intérêt de la mise en place d’un outil de mesure de la performance opérationnelle2 de type DEA pour analyser et estimer la performance. Elle semble en particulier bien adaptée au contrôle de gestion des activités de services (Gervais et Thenet 2004 ; Thenet 2012 ; Meyssonnier 2012).

24Nous présentons ici quelques-unes des études menées dans le domaine du contrôle et dont les résultats permettent de dégager des enseignements du point de vue de la gestion du triptyque coût-qualité-délai, dans le cas d’un centre de coût.

25L’approche, qui se fonde à la base sur des techniques de programmation linéaire, propose de gérer la performance de façon multidimensionnelle et non partielle, en agrégeant des mesures de productivité (Charnes et al. 1978). Elle peut ainsi être envisagée sous un angle multi-input, multi-output. Elle est donc particulièrement adaptée au domaine du contrôle de gestion bancaire, comme le montrent les travaux de de La Villarmois (1999, 2001), Hubrecht et al. (2005), Deville (2009), Deville et Leuleu (2010) et Deville et al. (2014). L’étude conduite par de La Villarmois (1999, 2001) au sein des réseaux d’agences bancaires souligne en particulier l’adéquation entre la mesure d’un concept à la fois polysémique et multidimensionnel et l’instrument de mesure ou plutôt d’approche de la performance que constitue l’outil DEA. L’auteur met par ailleurs en évidence l’existence de difficultés relatives à la spécification de la technologie, c'est-à-dire du choix des inputs et des outputs. L’étude révèle également l’existence de difficultés d’ordre organisationnel liées à la transmission des savoir-faire entre agences lorsque ceux-ci sont censés améliorer l’inefficience constatée. Dans la continuité, Hubrecht et al. (2005), proposent un outil de mesure de la performance des agences bancaires permettant de satisfaire trois critères que sont le critère de contrôlabilité (neutralisation des effets des facteurs exogènes tels que l’environnement), le critère dit de cohérence transversale (respect du souci de comparaison des agences entre elles et donc du principe d’homogénéité des indicateurs de performance) et enfin le critère dit de cohérence hiérarchique (adéquation entre les indicateurs de la direction générale et ceux des directions d’agences). Le modèle développé, du fait de ce troisième critère en particulier est donc un modèle à deux niveaux de décision.

26Par ailleurs, des études récentes conduites par Deville (2009) et Deville et Leleu (2010) montrent qu’il est possible d’agréger des indicateurs de performance suivant le niveau d’analyse souhaité, qu’il soit géographique, organisationnel, ou encore socio-économique. Plus récemment encore, l’étude conduite par Deville et al. (2014), souligne l’intérêt d’utiliser la méthode dans des organisations hiérarchiques telles que les réseaux d’agences bancaires pour appréhender la performance organisationnelle globale. Les auteurs développent un outil à même de prendre en compte la performance globale des différents niveaux organisationnels, opérationnels et stratégiques, ce qui souligne la forte capacité d’adaptation de la méthode.

27S’intéressant plus généralement à la performance des activités de services, Gervais et Thenet (2004) montrent que l’approche DEA permet la prise en compte de « l’effet diffus des progrès dans le domaine des services » (p.153), grâce à l’estimation globale qu’elle confère. De plus, la méthode présente l’intérêt de développer une approche de type benchmarking et d’offrir une analyse comparative de la performance même si les dotations en facteurs sont différentes. Les auteurs précisent par ailleurs la possibilité d’intégrer une contrainte de qualité au modèle en mesurant l’output suivant un indicateur quantitatif et un indicateur qualitatif appréciant le degré de satisfaction du client ou les attributs relatifs à la qualité de l’output.

28Toujours dans le contexte du contrôle de gestion des services, Meyssonnier (2012) souligne également les apports de la méthode DEA pour mettre en évidence les unités les plus efficientes d’un réseau, et décrit la méthode comme un « outil emblématique du contrôle opérationnel des services » (p.82). Il montre, en s’appuyant sur les travaux de Metters et al. (1999), que « cette méthode de programmation linéaire, particulièrement bien adaptée aux entreprises de service gérant des agences, magasins ou bureaux comparables sur un vaste territoire, permet de déterminer les unités les plus efficientes dans un réseau multi-sites et multi-activités et de quantifier les écarts entre les unités d’excellence et les moins performantes. » (p.82).

29L’ensemble de ces études souligne l’intérêt de l’utilisation de la méthode DEA pour le contrôle de gestion opérationnel (Meyssonnier 2012), mais aussi pour l’évaluation de la performance multidimensionnelle et multi-niveau par rapport aux mesures traditionnelles de la productivité (Deville et Leleu 2010), et en ce sens montre les possibilités d’adaptation de l’outil aux spécificités de la chaîne logistique en général, et de la logistique amont en particulier.

2. Modèle de gestion simultanée des coûts, de la qualité et des délais des centres de logistique amont

30Au travers de cette partie, nous présentons dans un premier temps le modèle de recherche développé pour répondre à la question de la gestion simultanée des coûts, de la qualité et des délais en prenant l’exemple des centres de logistique amont. Dans un second temps nous nous intéresserons aux possibilités d’arbitrages entre coûts, qualité et délai.

2.1 Présentation du modèle de recherche

31Le modèle général de recherche ainsi que les bases de sa construction seront exposés avant de présenter les détails relatifs aux mesures de l’efficience.

2.1.1 Le modèle de gestion simultanée de coûts, de la qualité et des délais

32Nous nous positionnons dans le cas d’un centre de responsabilité identifié comme un centre de coût, c’est à dire pour lequel nous considérons que la performance est évaluée sur la base des critères de coûts, délais et qualité. Pour illustrer notre propos, nous prenons l’exemple de la logistique d’approvisionnement, ou logistique amont, définie en introduction comme « l’ensemble des activités qui visent à assurer la mise à disposition dans les délais souhaités par l’entreprise des références et quantités voulues de matières premières, produits semi-finis, équipements, dans les meilleures conditions de coût » (Nakhla 2009, p. 325) et appréhendée comme un centre de coût. Nous posons l’hypothèse simplificatrice que le résultat « quantités produites », ou, dans notre cas, « quantités réceptionnées » ne dépend pas du responsable de centre, mais, par exemple, de la planification des commandes. Dans ce modèle, nous ne prenons donc en compte simultanément que les qualités des outputs, les délais d’approvisionnement ainsi que les coûts des inputs. Nous partons donc de l’hypothèse que la performance d’un centre d’approvisionnement peut être liée au taux de service des fournisseurs. Celui-ci est notamment fonction de la qualité, des délais et des coûts associés, coûts que nous assimilerons ici pour des raisons de simplification, à des coûts de transport et d’acheminement des marchandises. Chaque unité analysée correspondra alors à l’activité d’un fournisseur en relation avec le centre d’approvisionnement.

Image 10000000000001FE00000234E8E186D7.jpg

  • 3 Un tableau plus important présente en annexe les principales notations adoptées dans cet article.

Tableau 1 : Synthèse des inputs-outputs retenus dans le modèle de recherche3

Elément

Nature

Notation

Coût des facteurs de production

Inputs

x

Quantités de produits approvisionnés

Outputs

y

Qualités des approvisionnements

Outputs

q

Délai d’approvisionnement

Output

d

33Afin d’assurer une cohérence d’ensemble avec les différentes situations concrètes que l’on peut observer dans l’entreprise, il est nécessaire de contraindre la technologie (notée G) en lui appliquant des axiomes. Ces axiomes (mathématiquement explicités en annexe) ont pour but de décrire les limites du modèle. Les trois premiers axiomes (G.1, G.2 et G.3) sont ceux qui sont habituellement mis en œuvre dans ce type de modèle :

- L’axiome G.1 signifie que l’inactivité est toujours possible et qu’une production non nulle ne peut être obtenue à partir d’un niveau d’inputs nul.

- Le second axiome (G.2) est une propriété mathématique de fermeture assurant l’atteinte d’extrema lors d’éventuels programmes de maximisation ou de minimisation. Il indique également qu’un coût fini des inputs ne permet pas d’obtenir une quantité infinie d’outputs.

- Enfin, le troisième axiome (G.3) suppose que l’on peut librement disposer des inputs : un niveau d’outputs obtenu à partir d’un coût des inputs donné peut également être obtenu à partir de dépenses en inputs plus élevées.

2.1.2. Spécificité du modèle choisi

34La présence d’un output qui doit être minimisé (le délai), requiert l’utilisation de certains axiomes spécifiques à ce modèle (G.4 à G.6) :

- Le premier de ces axiomes (G.4) implique que, pour un niveau de dépenses en inputs donné, il est toujours possible de réduire proportionnellement le niveau des outputs (chacun des outputs peut être réduit selon le même pourcentage). Il s’agit là de l’hypothèse de faible libre disposition des outputs. Du fait de la présence d’outputs devant être minimisés, l’hypothèse de forte libre disposition des outputs n’est pas admissible puisqu’elle impliquerait la possibilité systématique de réduire le niveau de ces outputs (donc des délais) tout en maintenant la production des outputs devant être maximisés (qualité et quantités).

- Le second axiome (G.5) suppose, en revanche, l’hypothèse de libre disposition forte pour les bons outputs. Il est toujours possible de réduire leur niveau sans affecter la production de l’output à minimiser, donc sans diminuer les délais.

- Enfin, le troisième axiome (G.6), que nous appellerons axiome d’externalité, reflète l’impossibilité de produire une quantité non nulle des outputs recherchés sans produire une quantité non nulle de l’output à minimiser.

2.2 Les mesures d’efficience technique

35La technologie étant maintenant caractérisée, il est possible de définir les différentes mesures de performance que nous utilisons.

36Les quantités d’outputs que produit un centre de coût peuvent être considérées comme données. Par exemple, elles peuvent résulter de commandes. De fait, l’objectif d’un centre de d’approvisionnement, comme tout centre de coût, consiste à maximiser les performances sur chacune des dimensions du triplet coût qualité et délai (Goureaux et Meyssonnier 2009). Dans le cas que nous présentons ici, il s’agira alors de maximiser la qualité des outputs tout en minimisant les délais et les coûts des d’inputs utilisés pour des quantités d’outputs données. En nous limitant à un espace comportant deux outputs pour des raisons techniques de représentation, la figure 1 illustre la notion d’efficience technique. L’ensemble des points situés entre O et A de la frontière de l’ensemble d’outputs représenté sont techniquement efficients. En effet, pour chacun de ces points, une diminution du délai tout en maintenant le niveau du bon output constant conduit à un niveau de production impossible à coût des inputs constant puisque le point se situe en dehors du domaine des productions possibles.

Figure 1 : Efficience technique et fonction distance directionnelle

Image 10000000000001AE0000011F711E4232.jpg

37La fonction distance directionnelle dans le graphe de la technologie fournit une mesure d’efficience technique. Elle est définie de la manière suivante :

Image 1000020100000220000000171606F00B.png

Image 10000000000001F7000000CD284B39C8.jpg

En conséquence, lorsque la fonction distance directionnelle prend la valeur 0, cela signifie que le plan de production est efficient. Dans ce cas, il n’y a pas de déplacement possible vers la frontière puisque le point s’y trouve déjà. En revanche, une valeur positive implique qu’il est possible de modifier le plan de production pour se déplacer vers la frontière et atteindre l’efficience technique. Dans ce cas-là, la valeur positive mesure la « non-performance » et donc les marges de progrès possibles. Bien entendu, les valeurs négatives sont impossibles puisqu’il n’existe pas de surperformance.

Image 10000000000001F2000001BCC4A04CC9.jpg

Image 10000000000001EC000001CD45FA1E76.jpg

3. Résultats issus d’une simulation sur le cas de centres d’approvisionnement

38La méthode de simulation en contrôle de gestion permet de « mettre le modèle en action » son intérêt étant alors de réaliser de fausses expériences à partir d’un modèle (Burlaud et al., 2004). Dans le cas étudié ici, l’intérêt de la méthode est alors de pouvoir « imaginer » une série de cas de figure que peut rencontrer une entreprise et de simuler diverses situations auxquelles l’organisation est confrontée. Par-là, elle permet de mettre en évidence un ensemble de possibles liés à une problématique. La partie qui suit présente la méthode de simulation mise en œuvre, et souligne les implications des résultats pour la gestion du triptyque coût, qualité et délais des centres d’approvisionnement logistiques.

3.1 Présentation de la méthode de simulation

39Après avoir présenté la méthodologie de mise en œuvre des simulations, les principaux résultats de l’étude seront présentés et discutés.

3.1.1 Données et choix méthodologiques

Description de la technologie

40Pour simuler des données, il est nécessaire de définir l’ensemble des possibilités de production, c’est-à-dire la technologie qui sera commune à chacune des unités étudiée. Dans un souci de simplicité, nous utilisons une technologie qui comporte un seul input dont le coût est x, permettant de produire un seul output de qualité q en quantité y dans un délai d’approvisionnement d. Celle-ci est décrite en annexe. Grâce à ce modèle, nous pouvons alors prendre en compte les caractéristiques de fonctionnement des entreprises utilisant la même technologie, et intégrer par là-même les problématiques de gestion des coûts, de la qualité et des délais auxquelles elles sont confrontées en tant que centre de coûts.

41La technologie utilisée pour les simulations est décrite par l’équation suivante :

Image 10000000000000C4000000441DE7ABB6.jpg

42Cette forme fonctionnelle a été choisie car elle respecte les axiomes G.1 à G.6 et possède les propriétés nécessaires pour représenter une fonction de production. En outre, elle nous permet de prendre en compte l’ensemble de particularités de notre modèle de gestion des coûts, de la qualité et des délais. En particulier, la quantité et la qualité des inputs apparaissent sous la forme de la somme de leurs carrés, ce qui permet de refléter le fait que pour obtenir une qualité élevée, il faut en général une faible quantité et inversement. Le délai est inscrit au dénominateur car il s’agit de l’output à minimiser contrairement aux autres qui figurent au numérateur. Le modèle permet ainsi de tenir compte que pour un niveau d’input donné (fixité du membre de droite de l’inéquation), une augmentation de la quantité ou de la qualité ne peut se faire sans augmentation du délai. Il n’y a pas de substitution entre, d’une part le délai, et, d’autre part, la quantité ou la qualité. Enfin, la fonction logarithme népérien a été choisie car elle permet d’obtenir des rendements d’échelle variables (décroissants) et la quantité d’inputs est augmentée de 1 pour éviter les valeurs négatives lorsque le niveau d’input est inférieur à 1.

43La simulation est ensuite générée à l’aide de tirages aléatoires. Des bornes extrêmes ont été fixées pour les différents tirages mais celles-ci restent arbitraires et ont pour intérêt d’éviter des valeurs aberrantes ou des « outliers ». Par exemple, il ne peut y avoir de quantité négative ou une entreprise qui serait extrêmement plus productive que les autres. Par ailleurs, les ordres de grandeur entre les valeurs autorisées pour les différentes variables n’ont aucune importance dans la mesure où les valeurs dépendent des unités.

  • 4 La loi uniforme permet d’obtenir des valeurs également réparties entre les bornes de l’intervalle s (...)

44Les coûts de l’input utilisé sont générés par tirage aléatoire d’une loi uniforme4 entre un et neuf (Simar et Wilson 2002). Les valeurs extrêmes sont arbitraires et correspondent à celles choisies par Simar et Wilson (2002). La loi uniforme permet d’assurer une couverture à peu près régulière de l’éventail des valeurs possibles.

45Les délais sont les résultats de tirages au sort d’une loi uniforme dont les bornes sont situées entre 1 et 3/2. Nous avons choisi ces valeurs pour limiter les écarts de délai d’une entreprise à l’autre à un maximum de 50 %. Cela sous-entend qu’un allongement excessif du délai ne permet plus d’améliorer la quantité ou la qualité. Ici encore, les grandeurs sont arbitraires et nous aurions pu choisir 10 et 15 ou 100 et 150 sans modification des résultats.

46A ce niveau, afin de rendre compte des écarts de productivité que l’on peut trouver en comparant différentes entreprises, il est encore nécessaire d’introduire des inefficiences variables selon les entreprises. A cet effet, nous avons remplacé l’inéquation précédente par l’équation suivante :

Image 10000000000001FB000001663697F029.jpg

  • 5 Les programmes utilisés sont à la disposition des lecteurs sur demande.

47Les calculs de la fonction distance directionnelle pour chacune des observations i = 1, …,100 ont été réalisés en résolvant le programme linéaire présenté précédemment à l’aide du logiciel Mathematica®5 :

Mise en œuvre de la simulation

48Au total, nous avons simulé les données pour cent centres d’approvisionnement. Le tableau suivant présente les données obtenues pour les cinq premières observations :

Tableau 2 : données générées pour les 5 premières observations

Observation

Coût (x)

Délai (d)

Quantité (y)

Qualité (q)

1

1,327

1,133

0,706

0,478

2

8,259

1,302

0,414

1,226

3

8,563

1,076

0,561

1,317

4

3,382

1,429

0,961

0,280

5

5,467

1,211

0,118

1,196

Le tableau 2 montre par exemple que l’unité 1 peut approvisionner 0,706 tonnes en mobilisant 1,327M€ de coûts dans un délai de 1,133 jours et une qualité, mesurée par un indice ad-hoc, qui s’établit à 0,478 (l’indice de qualité peut être relatif aux rejets qualités au niveau de la production, ou aux taux de défauts par exemple). Encore une fois, les unités choisies sont arbitraires.

3.1.2. Mise en situation : choix des valeurs des directions et arbitrages entre coût, qualité et délais

49Les différentes mesures présentées précédemment permettent de définir des indicateurs de performance en ce qui concerne la qualité, les délais et les coûts obtenus pour une quantité d’outputs approvisionnée. Toutefois, une indétermination subsiste à ce stade. Nous n’avons pas donné de valeur aux différentes directions qui orientent les diverses minimisations ou maximisations. Ce sont ces directions qui permettent de donner un poids plus ou moins important à l’un des paramètres et, par là-même d’arbitrer entre coûts, qualité et délais.

50Nous avons déjà vu que la nullité de l’un des vecteurs de direction entraîne la non prise en compte du paramètre correspondant. Par exemple, si la direction correspondant à la qualité, g q, est égale au vecteur nul, le paramètre « qualité » est exclu de l’optimisation. De plus, les valeurs des vecteurs de direction n’ont pas d’importance dans l’absolu. Ce sont leurs grandeurs relatives qui sont significatives. Ainsi, lorsque la norme du vecteur g q (direction relative à la qualité) est le double de celle du vecteur g d (direction relative aux délais), cela signifie que l’importance donnée à la gestion de la qualité est le double de celle donnée aux délais. Pour des quantités données d’outputs, trois vecteurs de direction doivent être fixés. Il s’agit des deux vecteurs précédents (g q, g d ) et de la direction concernant les inputs, g x. Les normes de ces trois vecteurs doivent donc être choisies de sorte qu’elles reflètent l’importance que l’on veut leur donner. Si l’objectif principal est de diminuer les délais, on donnera au vecteur correspondant la plus grande norme (par exemple 1). Les deux autres vecteurs se verront attribuer des normes inférieures (par exemple ½ pour chacun - dans ce cas, les deux autres contraintes du problème se voient attribuer un poids égal).

51Afin d’illustrer notre propos, nous présentons les résultats de la simulation dans la section suivante.

Présentation des divers cas de figure

52Dans le cadre de cette simulation, les fonctions distances directionnelles dans le graphe ont été calculées pour chacun des centres de coût en utilisant plusieurs choix de directions différentes. Au total, quatre cas de figure sont présentés.

- Dans le premier cas, nous avons conservé pour toutes les directions la valeur un. Les trois aspects du triplet CQD sont équipondérés.

- Dans le second cas nous avons supposé que la direction du délai était nulle. C’est un choix arbitraire puisque cela aurait pu être fait de manière identique pour les autres directions.

- Dans le troisième cas, nous avons privilégié le délai puisque seule cette direction n’est pas nulle mais égale à 1.

- Enfin, le dernier cas est un exemple de gestion simultanée des trois dimensions qui privilégie le coût par rapport aux autres éléments puisque sa direction est pondérée à un tandis que celle des autres ne vaut que la moitié.

Le tableau suivant résume les différents cas étudiés :

Tableau 3 : les 4 cas analysés

Cas

gx (direction coût)

gq (direction qualité)

gd (direction délai)

1

1

1

1

2

1

1

0

3

0

0

1

4

1

0,5

0,5

3.2. Principaux résultats et discussion

53Les résultats relatifs aux 100 unités montrent que 25 % d’entre elles ont une fonction distance directionnelle nulle, c’est-à-dire sont efficientes. Pour celles-ci, il n’est pas possible d’augmenter les quantités d’outputs, les qualités des inputs ou encore de diminuer les délais ou les coûts. Mais l’intérêt de la simulation réside dans l’analyse des résultats obtenus pour chacune des unités. Nous présentons ces résultats pour les dix premières unités dans le tableau suivant :

Tableau 4 : Distances directionnelles selon les cas pour les 10 premières unités

Situations\Unités

1

2

3

4

5

6

7

8

9

10

1 (Cas : 1 ; 1 ; 1)

0,000

0,090

0,000

0,279

0,033

0,235

0,000

0,148

0,127

0,346

2 (Cas : 1 ; 1 ; 0)

0,000

0,090

0,000

0,279

0,033

0,235

0,000

0,148

0,235

0,361

3 (Cas : 0 ; 0 ; 1)

0,000

0,282

0,000

0,417

0,153

0,370

0,000

0,398

0,130

0,434

4 (Cas : 1 ; 0,5 ; 0,5)

0,000

0,173

0,000

0,456

0,064

0,432

0,000

0,283

0,247

0,685

3.2.1. Présentation générale des résultats

54Quel que soit le choix de la direction, le tableau 4 montre que la première unité possède une fonction distance nulle. Elle est donc efficiente. En revanche, la seconde unité n’est pas efficiente. Si on la considère comme un centre d’approvisionnement accordant le même poids aux trois volets du triplet (cas 1), il est possible d’augmenter la qualité de 0,09 unités et de diminuer simultanément le délai et les coûts des inputs du même nombre d’unités.

55Plusieurs types de lectures peuvent être réalisés sur la base de ces résultats. Afin de les présenter, approfondissons les situations 1 et 4 qui sont des cas de gestion simultanée des coûts, de la qualité et des délais. Si nous prenons le cas de l’unité 2, nous observons que cette unité peut, dans la situation 1, améliorer encore ses délais, sa qualité et ses coûts de 0,090 unités. Une fois cet effort réalisé, elle sera considérée comme « efficiente ». Au-delà, les objectifs fixés ne seraient plus forcément réalistes, puisque l’unité considérée dépasserait le niveau des « unités benchmarks».

  • 6 En effet, les coefficients reflétant la prise de décision ont été fixés à 1 pour le niveau de coûts (...)

56Dans la situation 4, cette même unité pourrait encore améliorer ses coûts de 0,173, sa qualité et ses délais de 0,0865 unités6. Les deux situations, qui correspondent à des hypothèses de choix différents en matière de pilotage des coûts, de la qualité et des délais, conduisent donc à des résultats différents en termes d’efforts à réaliser. En effet, du point de vue de la gestion des coûts, l’entreprise devra réaliser un effort moindre dans le premier cas que dans le second (amélioration de 0,090 unités de coûts sur la situation 1 contre 0,173 unités de coûts sur la situation 4), alors qu’au regard de la qualité ou des délais, elle devra, d’après les résultats, réaliser un effort plus important dans la situation 1 (0,090 unités de qualité et de délais améliorables dans la situation 1 contre 0,0865 dans la situation 4). Enfin, il est possible, grâce à la méthode, de réaliser des benchmarks entre unités.

  • 7 Considérer que les deux entreprises possèdent la même technologie de production suppose qu’elles on (...)

57On peut en effet observer que deux unités qui possèdent théoriquement la même technologie de production7 n’obtiennent pas du tout les mêmes résultats. L’unité 4 doit en effet réaliser un effort de 0,279 contre 0,090 pour l’unité 2 dans la situation 1. Dans la situation 4, l’effort de l’unité 4 s’élève à 0,456 en termes de coûts et de moitié moins en termes de délais ou de qualité. Ses résultats paraissent donc moins bons que ceux de l’unité 2. En reprenant le cas de la logistique d’approvisionnement, il serait ainsi possible de porter un jugement sur les résultats dégagés et de proposer un classement des unités ou même des fournisseurs en termes de performance, en vue de dégager une mesure globale du taux de service. La méthode présente alors l’avantage de fournir un outil et un support utile aux activités de benchmarking développées en logistique (Ballou 2004).

3.2.2. Discussion des résultats

58De façon générale, il est possible d’utiliser deux grilles de lecture différentes de ces résultats, à savoir une lecture « verticale » et une lecture « horizontale ». L’analyse verticale consiste à examiner, pour une même unité, les différents cas de figure possibles, et pourrait se révéler utile pour le responsable de centre en constituant un outil d’aide à la prise de décision. La lecture horizontale consiste à mener l’analyse en comparaison avec les résultats d’entreprises appartenant au même groupe ou d’unités similaires en termes d’activités et pourrait se révéler utile pour le manager de l’ensemble des entités (Hubrecht et al. 2005).

3.2.2.1. Une lecture pour le responsable de centre opérationnel : l’aide à la décision

59En adoptant une lecture verticale des résultats, c'est-à-dire en se positionnant au sein d’une même unité, et en observant les différentes situations d’arbitrages possibles, la méthode donne des indications en termes d’efforts à fournir pour atteindre la frontière d’efficience. Elle peut ainsi constituer un outil d’aide à la prise de décision, offrant un ensemble de choix en termes d’efforts ou de marge de manœuvre possible, et ce, compte tenu des contraintes organisationnelles, des rigidités fonctionnelles ou structurelles de l’entreprise. Par exemple, il peut être plus facile pour une organisation d’être performante en recherchant l’amélioration dans les mêmes proportions des trois critères plutôt qu’en préférant un critère par rapport aux autres, ou inversement. Ainsi, pour reprendre l’exemple développé précédemment à partir des résultats associés aux situations 1 et 4, si les décideurs estiment, au regard de la structure organisationnelle, qu’un effort est plus facilement réalisable s’il porte sur les coûts que sur la qualité ou les délais, alors la situation 4 sera préférée à la situation 1, même si l’effort est supérieur en termes d’unités. Et parallèlement, s’il est plus facile d’agir sur les délais ou la qualité, l’entreprise préférera la situation 1, même si l’effort réalisable est supérieur. C’est en ce sens que cette méthode peut constituer un outil d’aide à la prise de décision et au pilotage stratégique. De plus, dans le cas du management de la chaîne logistique, l’approche permet également de s’assurer de la compatibilité et de la cohérence entre les objectifs choisis pour chacun des indicateurs. Elle peut apporter ainsi des réponses à la question des contradictions et paradoxes liés à la chaîne logistique (Ballou 1989). Par ailleurs, l’outil mis en œuvre peut aussi permettre de réfléchir différemment à la fixation des objectifs et à la façon dont ils sont perçus. Tout d’abord un objectif peut paraître plus facilement atteignable qu’un autre (parce que la distance à parcourir est moins élevée), auquel cas il pourra être préféré à l’autre. Ensuite, il, permet de repositionner les objectifs par rapport aux possibilités techniques et organisationnelles de l’entreprise. En effet, si un objectif se situait au-delà de la frontière d’efficience, il indiquerait que l’entreprise doit se positionner « au-dessus » de l’unité benchmark en termes de résultats, ce qui n’est pas réaliste ni pertinent du point de vue de la fixation des objectifs. La mise en œuvre de cette méthode peut alors permettre de s’assurer du réalisme des objectifs fixés. Ainsi, si la direction souhaite faire progresser de 20 % la qualité d’un centre logistique, on pourra vérifier à partir des mesures DEA s’il s’agit bien d’un objectif qui peut être atteint à moyens constants. Ce type d’outil peut alors s’avérer particulièrement utile dans les démarches de planification logistique, notamment dans le cas de démarches collaboratives (Paché 2005 ; Kaplan et Norton 2007).

3.2.2.2. Une lecture pour le manager : comparabilité et contrôle

60Un second type d’analyse des résultats repose sur une lecture « horizontale », consistant à expliquer les différences constatées entre unités positionnées sur des situations similaires. Cette analyse peut en particulier être utile au top management dans un souci de comparabilité ou de benchmark (Deville 2009 ; Deville et al. 2014).

61En effet, parce que la méthode se fonde sur une mesure objective des produits et facteurs de production, les différences de résultats constatées entre deux unités obéissant à la même technologie de production et aux mêmes contraintes pourraient être expliquées par des éléments non formalisables, donc informels. Les différences constatées entre deux unités pourraient alors être liées à une moins bonne ou meilleure maîtrise des éléments informels tels que processus, coordination, savoir-faire ou plus largement capital immatériel, qui caractérisent l’organisation. En effet, si la méthode et le modèle de recherche respectent bien le principe de contrôlabilité, alors seuls les éléments contrôlables ont été inclus dans le modèle, les éléments non contrôlables, ceux sur lesquels le responsable n’a aucune prise, ayant été exclus (Gervais 2009 ; Merchant 1998). Cependant, le modèle ici proposé est volontairement réducteur et simplificateur. Son objectif étant en effet de décrire une situation de gestion simultanée des coûts, de la qualité et des délais sur la base d’une simulation d’un cas de logistique amont, nous n’avons pas intégré d’autres facteurs de performance potentiellement contrôlables. Dans le cadre d’une étude de terrain, d’autres facteurs de performance sur lesquels le responsable pourrait avoir une prise, tels que les technologies de l’information (RFID…), ou les critères de performance environnementale pourraient être intégrés (Huré et al. 2013).

  • 8 Le terme compétence dépasse ici le cadre du savoir-faire « technique» tel que décrit par la technol (...)

62Ainsi, en reprenant la comparaison des unités 2 et 4, dans la situation 4 (celle où les coûts sont privilégiés au sein du triptyque coût qualité délai), l’unité 4 doit réaliser 2,6 fois plus d’efforts que l’unité 2. Ces différences en termes de « non-performance » ne peuvent être imputées à des conditions technologiques puisque les deux unités ont accès à la même technologie, mais pourraient être liées à une meilleure organisation des processus ou savoir-faire par exemple. Tarondeau (1998) précise à propos des processus qu’il s’agit du « lieu où la firme traduit ses intentions en actions et combine ses ressources en compétences en vue d’obtenir un avantage concurrentiel » (p.39). Ainsi, parce que les unités étudiées adopteraient des processus de fonctionnement différents et disposeraient de compétences8 particulières, elles pourraient être mieux positionnées que d’autres du point de vue du critère d’efficience. Egalement, dans une approche dite « processus stratégiques », Lorino et Tarondeau (1998) précisent qu’« un processus critique sera stratégique s’il est rare et difficile à imiter. Cette qualité peut provenir des ressources ou des compétences mobilisées dans les processus » (p.14).

63L’ensemble de ces considérations théoriques met bien en lumière l’importance des processus et savoir-faire dans une organisation comme source d’avantage concurrentiel. La méthode DEA pourrait ainsi apporter des éléments d’éclaircissement à la mise en évidence de ces éléments informels, lesquels s’associent à des problématiques d’identification des mécanismes de coordination et des interactions internes aux organisations. Ces recherches de causes d’inefficiences, parce qu’elles relèvent du domaine organisationnel, pourraient correspondre à ce que Liebenstein qualifie d’X-inefficiency (Liebenstein 1966).

4. Conclusion

64En nous positionnant dans le cas d’un centre d’approvisionnement, l’étude qui a été menée a mis en lumière les intérêts d’utiliser la méthode DEA pour la gestion du triptyque coût qualité et délais. Cette application peut néanmoins être étendue à tous types de centre de coût, de logistique amont, de production ou de logistique aval. En effet, d’un point de vue managérial, elle montre qu’il est possible d’appuyer la prise de décision sur l’ensemble des résultats obtenus à partir de la modélisation DEA. En fonction des attentes et objectifs stratégiques mais aussi des contraintes opérationnelles et structurelles qui s’imposent à l’organisation, il est ainsi possible de réaliser des arbitrages en termes de coût, qualité et délai. Ces arbitrages reposent sur la mesure de la fonction distance directionnelle qui peut être interprétée comme une mesure de « non-performance » (Deville et Leleu, 2008). Elle peut aussi, de façon liée, être vue comme une marge de manœuvre, un effort à fournir pour atteindre la frontière d’efficience. La méthode permet ainsi de poser un cadre structurant les objectifs.

65Ensuite, d’un point de vue méthodologique, l’étude souligne les intérêts de la méthode employée. Le principal intérêt réside dans la formulation et dans la modélisation d’une situation de production (qui par ailleurs s’avère également pertinente dans le cas des entreprises de service (Meyssonnier 2012)) au travers d’un ensemble d’inputs et d’outputs. Ainsi, s’agissant du caractère multidimensionnel du concept de performance, l’outil DEA constitue un outil particulièrement approprié à ce type d’analyse.

66D’un point de vue théorique ensuite, l’étude soulève un certain nombre de questions. Tout d’abord, elle pose la question de l’identification et de la valorisation des éléments informels dans l’organisation en soulignant le poids relatif de ces éléments dans une approche globale de la performance. Ensuite, l’étude souligne l’existence de freins à la mise en place des objectifs dans l’organisation, et en ce sens, l’outil peut constituer un moyen utile quant à la prévision des coûts, donc à l’élaboration des budgets et à toute démarche de planification. Elle suggère de plus que les relations de causalité entre critères de performance ne vont pas de soi, et dans le cas de la gestion simultanée des coûts, qualité et délais par exemple, les résultats de l’étude soulignent bien l’existence de bornes concernant l’atteinte de la frontière d’efficience. Ainsi, appliqué par exemple aux indicateurs figurant dans les axes du balanced scorecard, l’outil pourrait permettre de porter un jugement quant à la pertinence et au réalisme des objectifs fixés, parfois en contradiction les uns envers les autres.

67Cependant, au-delà de ses intérêts, la méthode présente un certain nombre de limites. En particulier, comme le soulignent Gervais et Thenet (2004) et Gervais (2009, p. 746), le modèle reposant sur un programme linéaire associé à un optimum de Pareto, il peut être utilisé « dans une optique classique de contrôle de gestion », mais quand l’allocation des ressources n’est plus liée à la stratégie mais à des situations de marchandages ou de rapports de force, « rien ne garantit que la situation obtenue soit souhaitable pour l’entreprise ». Une autre limite de la méthode est liée au manque de flexibilité du modèle utilisé (Gervais et Thenet 2004 ; Gervais 2009). Notre modèle est en effet fondé sur une recherche d’optimisation du tryptique coût qualité et délai pour un niveau d’output donné. Si ce niveau d’output correspond à une demande moyenne, l’allocation des ressources se révèlera non optimale lorsque la demande s’écartera de ce niveau.

68Par ailleurs, la réduction d’une organisation à une technologie est souvent reprochée aux tenants de la méthode DEA. Ce type de remarque repose cependant sur une confusion sur les objectifs poursuivis largement entretenue par des utilisations abusives de la méthode. L’outil DEA a pour seule prétention d’utiliser des paramètres quantifiables au sein de l’organisation pour mettre en évidence des écarts de performance par rapport à d’autres organisations du même type. Elle n’a pas de caractère explicatif mais seulement un rôle descriptif. Comme le souligne Meyssonnier (2012, p. 82), « cet outil d’analyse sert en contrôle de gestion comme une première étape dans la mise en place d’une démarche de benchmarking interne approfondi ». Les écarts constatés doivent ensuite être expliqués par une analyse de terrain. Ceux-ci trouvent alors leur source parmi l’ensemble des variables qui n’ont pas été mesurées, les facteurs informels qui n’ont pas été inclus dans la technologie. La méthode DEA ne fait que mesurer le chemin à parcourir et indiquer dans quels domaines se trouvent les gisements de progression. Elle vient compléter les méthodes traditionnelles de gestion. A cet instar, l’objectif premier de la méthode DEA est ici davantage d’identifier le ou les paramètres responsables de l’inefficience (coût, qualité ou délais) plutôt que de fournir une unique solution pour atteindre l’efficience. Enfin, toute analyse DEA reposant sur un nombre fini de paramètres mesurés, il est difficile de prendre en compte l’ensemble des dimensions de concepts multidimensionnels tels que la qualité par exemple (Chabi et Corre 1999). Cela constitue une autre limite de la méthode.

69Les résultats commentés dans cette étude s’appuient sur des données simulées dans un cadre qui respecte les hypothèses du modèle. Cette méthode nous a alors permis d’envisager de nombreux cas de figure et diverses situations de gestion. Cependant, il est bien évidemment nécessaire, au cours d’études futures, de compléter ces résultats par une confrontation à la réalité et, par conséquent, de s’appuyer sur des données réelles provenant d’entreprises. A cet effet, des données doivent être recueillies pour un nombre suffisant d’unités du fait du caractère multi-dimensionnel du modèle. Les données doivent aussi concerner simultanément des variables aussi différentes que les quantités, les coûts, la qualité et les délais.

70Enfin, l’étude et la simulation ici présentées sont relatives au cas particulier du contrôle d’un centre de coût, en prenant l’exemple de la logistique d’approvisionnement. Elles pourraient être selon nous appliquées et élargies au cas du pilotage des activités et processus de l’ensemble de la supply chain, lesquels sont également gérés sur la base d’indicateurs de performance souvent dissociés les uns des autres, mais pour lesquels une approche à la fois globale et comparative pourrait s’avérer pertinente.

Haut de page

Bibliographie

Alcouffe S., Boitier M., Rivière A. et Villesèque-Dubus F. (2013), Contrôle de gestion interactif, Commercial, Supply Chain, RH, Environnement, Dunod, Management Sup.

Anthony R.N. (1965), Planning and Control Systems: A Framework for Analysis, Boston: Harvard University Press.

Ballou R. H. (1989), « Heuristics Rules of Thumb for Logistics Decision Making», Journal of Business Logistics, vol. 10, n° 1, p. 122-132.

Ballou R. H. (2004), Business Logistics Management, Pearson, Fifth edition.

Banker R.D., Charnes A. et Cooper W.W. (1984), « Some Model for Estimating Technichal and Scale Efficiency in Data Envelopment Analysis», Management Science, 30, p. 1078-1092.

Bessire D. (1999), « Définir la performance», Comptabilité Contrôle Audit, tome 5, vol. 2, septembre, p. 127-150.

Brewer P. C. et Speh J. W. (2000), « Using the Balanced Scorecard to Measure Supply Chain Performance», Journal of Business Logistics, vol. 21, n° 1, p. 75-93.

Bouquin H. (2001), Le contrôle de gestion, 5e édition, Puf.

Burlaud A., Chatelain-Ponroy S., Mignon S., Teller R. et Walliser E. (2004), Contrôle de gestion, Vuibert.

Chabi S. et Corre M.F. (1999), « Analyse de l’efficience des produits à l’aide des méthodes d’enveloppe (Data Envelopment Analysis) Une application au marché des lave-vaisselle », Recherche et Applications en Marketing, vol. 14, n1/99, p. 41-57.

Chambers R.G., Chung Y. et Färe R. (1996), « Benefit and Distance Functions», Journal of Economic Theory, 70, p. 407-419.

Charnes A., Cooper W.W., Rhodes E. (1978), « Measuring the Efficiency of Decision Making Units», European Journal of Operational Research, 2, p. 429-444.

Cohendet P., Jacot J.H. et Lorino P. (1996), Cohérence, Pertinence et Evaluation. Economica.

Colin J. et Paché G. (1988), La logistique de la distribution : l’avenir du marketing, Chotard et associés Editeurs.

Deville A. (2009), « Branch banking network assessment using DEA: A benchmarking analysis – A note», Management Accounting Research, vol. 20, p. 252-261.

Deville A. et Leleu H., (2008), « Mesures de performance opérationnelle et prise de décision au sein des réseaux de distribution bancaire : l’outil au service du manager», Congrès du réseau des IAE, Septembre 2008, Lille.

Deville A. et Leleu H., (2010). « De nouvelles mesures pour comparer la performance opérationnelle et financière des agences bancaires», Comptabilité Contrôle Audit, vol. 16 n° 2, p. 97-126.

Deville A., Ferrier G.D. et Leleu H., (2014), « Measuring the Performance of Hierarchical Organizations: an Application to Bank Efciency at the Regional and Branch Levels », Management Accounting Research, vol. 25, p. 30-44.

Fabbe-Costes N., (2007), « La gestion des chaînes logistiques multi-acteurs : les dimensions organisationnelles d’une gestion lean et agile», in Paché G. et Spalanzani A., (Ed) (2007). La gestion des chaînes logistiques multi-acteurs, PUG.

Färe R., Grosskopf S., et Pasurka Jr. C.A. (2007), « Production Abatement Activities and Traditional Productivity», Ecological Economics, 62, p. 673-682.

Farrell M.J. (1957), « The Measurement of Productive Efficiency», Journal of the Royal Statistical Society, 120, p. 253-281.

Gervais M. et Thenet, G. (2004), « Comment évaluer la productivité dans les activités de service ? », Comptabilité Contrôle Audit vol. 10, n° 1, p. 147-163.

Gervais M. (1998), Le contrôle budgétaire. In Encyclopédie de gestion, Paris : Economica.

Gervais M. (2009), Contrôle de gestion, 9e édition. Paris : Economica.

Goureaux P. et Meyssonnier F., (2009). « La gestion des coûts, de la qualité et des délais dans la restauration», Journée d'études sur la gestion conjointe des coûts, de la qualité et des délais, Nantes, IEMM - LEMNA, Université de Nantes.

Hubrecht A., Dietsch M. et Guerra F. (2005), « Mesure de la Performance des agences bancaires par une approche DEA», Finance, Contrôle Stratégie vol. 8, n° 2, p. 133-173.

Kaplan R.S. et Norton D.P. (2007), L’alignement stratégique, Editions Eyrolles, 2007.

La Villarmois O. (2001), « Le concept de performance et sa mesure : un état de l’art», Cahiers de recherche de l'IAE de Lille 5/2001.

La Villarmois O. (1999), « La méthode DEA outil d'évaluation de la performance des agences bancaires», Décisions Marketing 16, p. 39-51.

Liebenstein H. (1966), « Allocative Efficiency vs X-Efficiency», American Economic Review, 56, p. 392-415.

Livolsi L. (2007), « Contrôle de gestion et pilotage stratégique des chaînes logistiques multi-acteurs», in Paché G., Spalanzani A., (Ed) (2007). La gestion des chaînes logistiques multi-acteurs, PUG.

Lorino P. et Tarondeau J.C. (1998), « De la stratégie aux processus stratégiques ». Revue Française de Gestion janvier- février, p. 5-17.

Merchant K. (1998), Modern Management Control Systems. Prentice Hall.

Metters R., Frei, F. et Vargas V. (1999), « Measurement of Multiple Sites in Service Firms with Data Envelopment Analysis », Production and Operations Management, 8 (3): 262-281

Meyssonnier F. (2008), « L’instrumentation de la gestion du triplet Coût-Qualité-Délai dans les services (de l’analyse des pratiques professionnelles à un modèle explicatif d’ensemble) ». Congrès du réseau des IAE, Septembre 2008 Lille.

Meyssonnier F. (2012), « Le contrôle de gestion des services : Réflexion sur les fondements et l’instrumentation », Comptabilité Contrôle Audit, vol. 18, n° 2, p. 73-98.

Morana J. et Paché G. (2000), « Supply chain management et tableau de bord prospectif : à la recherche de synergies », Logistique & Management, vol. 8- n° 1, p. 77-88.

Paché G. (2005), « Initier une coopération logistique et mercatique entre industriels et distributeurs, ou la nécessaire politique des « petits pas » », La Revue des Sciences de Gestion, N° 214-215, p. 177-188.

Paché G. et Spalanzani A. (Ed) (2007), La gestion des chaînes logistiques multi-acteurs, PUG.

Shephard, R.W. (1970), Theory of Cost and Production Functions. Princeton: Princeton University Press.

Simar, L. et Wilson, P.W. (2002), « Nonparametric Test of Returns to Scale. European Journal of Operational Research 139: 115-132.

Simons, R. (1995). Levers of Control. Boston: Harvard Business School Press.

Tarondeau, J.C. (1998), « La gestion par les processus ». Cahiers français, juillet- Septembre, p. 39-46.

Thenet G. (2012), Un modèle d’imputation des coûts à partir de l’approche Data Envelopment Analysis (DEA). in Ducrocq C. et Levant Y., 2012, Contrôle de Gestion, Comptabilité, Stratégie, Mélanges en l’honneur du Professeur Michel Gervais.

Haut de page

Annexe

Image 10000000000002150000018F208DF39F.jpg

Ces axiomes sont commentés dans le corps de l’article.

Le tableau suivant présente les principales notations utilisées dans l’article :

Notation

Définition

d

Délai de production ou d’approvisionnement

D

Fonction distance directionnelle

G

Graphe de la technologie

gd

Vecteur de direction de réduction du délai de production/appro.

gq

Vecteur de direction d’amélioration de la qualité des outputs

gx

Vecteur de direction de réduction des inputs

gy

Vecteur de direction d’augmentation des quantités d’outputs

q

Qualités des approvisionnements

x

Coût des facteurs de production

y

Quantités de produits approvisionnés

Haut de page

Notes

1 Il existe plusieurs définitions de l’efficience mais nous retenons celle qui s’inspire des travaux de Pareto. Il y a efficience lorsqu’il n’est plus possible d’améliorer l’un des paramètres sans dégrader l’autre.

2 La méthode mobilisée s’appuyant sur l’hypothèse de rendements d’échelle variables, nous préférons le terme « performance opérationnelle » ou « performance productive » (Hubrecht, Dietsch et Guerra, 2005) à celui de « productivité ».

3 Un tableau plus important présente en annexe les principales notations adoptées dans cet article.

4 La loi uniforme permet d’obtenir des valeurs également réparties entre les bornes de l’intervalle sur lequel elle est définie. Toutes les valeurs sont équiprobables.

5 Les programmes utilisés sont à la disposition des lecteurs sur demande.

6 En effet, les coefficients reflétant la prise de décision ont été fixés à 1 pour le niveau de coûts, 0.5 pour les délais et 0.5 pour la qualité. Pour ces deux derniers, on obtient donc 0,5*0,173 =0,0865.

7 Considérer que les deux entreprises possèdent la même technologie de production suppose qu’elles ont accès aux mêmes techniques de production et particulièrement aux mêmes connaissances techniques puisqu’elles évoluent dans le même environnement.

8 Le terme compétence dépasse ici le cadre du savoir-faire « technique» tel que décrit par la technologie, et s’associe davantage aux concepts de ressources-compétences et de métiers développés en management stratégique. Nous nous appuyons pour cela sur les définitions proposées par De Montmorillon (1996) « On définira le métier comme un ensemble de compétences permettant de satisfaire les demandes voisines via des transactions voisines. C’est tout autant le savoir-faire en lui-même qui est nécessaire que la capacité à organiser, à gérer la complémentarité des savoir-faire. » ou Hamel et Prahalad (1990) « L’entreprise est un portefeuille de compétences sur lesquelles reposent ses produits clés et ses domaines d’activités. Elles sont au cœur de ce qui constitue le noyau de son métier ».

Haut de page

Pour citer cet article

Référence électronique

Laurent F. Cavaignac et Fabienne Villesèque-Dubus, « L’apport de la méthode DEA au pilotage de la performance des centres de coût : l’exemple de la logistique amont », Finance Contrôle Stratégie [En ligne], 17-3 | 2014, mis en ligne le 31 octobre 2014, consulté le 24 mars 2017. URL : http://fcs.revues.org/1536 ; DOI : 10.4000/fcs.1536

Haut de page

Auteurs

Laurent F. Cavaignac

University of Perpignan – CAEPEM

laurent.cavaignac@univ-perp.fr

Fabienne Villesèque-Dubus

IAE de Perpignan, MRM

fabienne.villeseque@univ-perp.fr

Haut de page

Droits d’auteur

Tous droits réservés

Haut de page