investigation-analyse des facteurs et des évènements de
TRANSCRIPT
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
10
Investigation-Analyse des facteurs et des évènements de risques liés à la chaîne
logistique : cas Secteur Automobile au Maroc.
Pr. EL ABDELLAOUI Mohamed
Doctorant, Université Hassan II-Casablanca, Faculté des Sciences
Juridiques, Economiques et Sociales Ain Sebaâ, Casablanca,
+212 670 904 379
Laboratoire de Recherche sur la Nouvelle Economie et
Développement LARNED,
Résumé
La chaine logistique est un élément très important dans l’industrie automobile, à notre connaissance
aucune étude antérieure n’a tenté d’analyser et d’évaluer les événements et les facteurs de risques
liés à la chaine logistique dans les entreprises automobiles marocaines, dans cette perspective
l’objectif de cet article sera d’élaborer un aperçu assez détaillé sur les principaux évènements ou
facteurs de risques liés à la chaine logistique.
Méthode et Résultats : L’étude est basée sur une enquête recueillie auprès d’un échantillon de 32
composé des opérateurs et sous-traitants du secteur d’automobile au Maroc. Au total 35 évènements
de risques (EIRLs) sont analysés, évalués et regroupés dans 14 facteurs de risques (FRLs). Sur la
base de ces facteurs deux outils d’évaluation (une matrice probabilité-impact et une hiérarchie des
niveaux de criticité) sont développés.
Conclusion : Souhaitant enrichir le corpus littéraire existant sur la gestion des risques liés à la
chaine d’approvisionnement, tout en soulignant les facteurs de risques marquants qui devraient
garder et attirer toute l’attention des gestionnaires engagés à notre étude.
Mots clés: Chaine logistique d’automobile, analyse et évaluation des risques, évènement et facteur
de risque (EIRLs, FRLs), matrice de visualisation (probabilité-impact), hiérarchie des niveaux de
criticité
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
11
I. INTRODUCTION :
En raison de l’évolution des contextes économiques, commerciales et écologiques les
chaînes logistiques deviennent plus complexes, plus vulnérables et plus Lean au cours de ces
dernières années (Mason-Jones et al., 2000 ; Chen et Paulraj, 2004 ; Craighead et al., 2007 ;
Fabbe-Costes, 2007 ; Thun et Hoenig, 2011, Li Zhao et al., 2013). De ce fait il est difficile pour
la plupart des chaînes logistique de réagir au changements et sont plus que jamais soumises aux
risques liés à la chaine logistique (Tang et Tomlin, 2008). Plus encore l’externalisation, l’ouverture
des systèmes économiques, l’internationalisation des processus de production et la délocalisation
des activités ont rendu sûrement difficile la coordination et la collaboration entre les différents
partenaires de différentes interfaces, ce qui rendent les chaines logistiques plus susceptibles à des
sérieux problèmes dû à l’incertitude lié à leur environnement turbulent, celui de l’offre et de la
demande aussi bien que celles des perturbations imprévisibles qui ne cessent de se propager et
s’aggraver au cours de ces dernières années (Tang et Tomlin, 2008 ; Hans-Christian Pfohl et al.,
2010). Ces événements imprévisibles ou facteurs de risques logistiques désignent d’après les
travaux de (March et Shapira, 1987 ; Craighead et al., 2007) toute variabilité potentielle pouvant
affecter ou perturber les flux d’informations, de matières aussi de produits (ou de bien et service) et
par conséquent modifiées l’utilisation des ressources dans une chaine logistique. Engendrant
certainement de graves conséquences négatives sur la performance financière, commerciale, voir
même opérationnelle des partenaires d’une chaîne logistique que celle de leurs intégrations
(Hendricks et Singhal, 2003 ; Hendricks et Singhal, 2005 ; Wagner et Bode, 2008 ;
Narasimhan et Talluri, 2009 ; O. Lavastre, et A. Spalanzani, 2010).
Dans ces circonstances on aperçoit un intérêt croissant pour la recherche de la flexibilité et
de la productivité conduisant souvent à des pratiques de Lean management à différents horizons et
niveaux (Fabbe-Costes, 2007 et O. Lavastre, et A. Spalanzani, 2010). A cet égard la réalisation
des objectifs, se traduit par des chaines logistiques plus performantes, ou les partenaires mènent des
efforts d’optimisation (minimiser les coûts et maximiser la valeur), à travers une collaboration gérée
efficacement entre eux (Hallikas et al., 2002 ; Blackhurst et al., 2007 ; Trkman et McCormack,
2009 ; Tuncel et Alpan, 2010). Cependant et malgré ces progrès, on n’obtient que l’effet opposé à
ce niveau on rejoint l’observation des deux auteurs (Tang et Tomlin, 2008) ont constaté que « long
and complex global Supply chains are usually slow to respond to changes, and hence, they are
more vulnerable to business disruptions ». Dans le même contexte (Kleindorfer et Saad, 2005) ces
chaînes, optimisées pour être plus flexibles et moins coûteuses, deviennent plus vulnérables, ceci
engendrent des risques et des coûts supplémentaires, qui entravent la performance voire même la
réalisation des objectifs à différents horizons (Lavastre., et al 2012).
Bien que la gestion des risques liés à la chaîne logistique repose sur un processus de la
gestion des risqués structuré, ou les deux premières étapes à savoir l’identification et l’évaluation
sont devenues décisives, pour faire réussir la mise en place de toute dispositif de la SCRM, en
mettant tout en œuvre pour que ces risques ne puissent se matérialiser puisque le risque zéro
n’existant pas, et ceci se concrétise selon (Harland., et al 2003) par l’analyse des risques qui s’est
associée à la probabilité qu'un événement ou facteur survienne et à l'importance des conséquences
ou des effets. C’est pourquoi, une compréhension de la manière dont les entreprises peuvent gérer
les perturbations de la chaîne logistique a mis en relief l’importance du sujet tant pour les
universitaires que pour les praticiens (Craighead et al., 2007; Blackhurst et al., 2011).
Alors l’objectif de cet article est d’analyser les événements et/ou facteurs de risques liés à la
chaine logistique, EIRLs ou FRLs une matrice ou cartographie et hiérarchie des niveaux de criticité
seront dressées pour le secteur d’industrie Automobile. Le reste de cet article est organisé comme
suit, la section 2 présente une revue de la littérature assez récente sur le management des risques liés
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
12
à la chaîne logistique, ou on définit le risque d’une manière générale, celui lié à la chaîne logistique
ainsi que les typologies et classifications existantes. La section 3 présente les objets de mesures, le
terrain d’investigation ainsi que la structure des bases de collecte. La section 4 présente les résultats
de notre analyse, en fin la section 5 une conclusion et les recommandations pour des recherches
futures sont présentées.
2- REVUE DE LA LITTERATURE :
2-1-Le management des risques liés à la chaine logistique ou SCRM :
La littérature sur le management des risques liés à la chaine logistique SCRM reçoit une
attention croissante (Zsidisin., et al 2003 ; Ellis et al., 2010, Tummala et Schoenherr, 2011 ; Li
Zhao., et al 2013) et ne cesse de se développer. Les prémisses de (Dailun., et al 2004) ont fourni
un cadre de base de la gestion des risques mais ont été davantage influencés par les approches de
gestion des risques financiers, d’autres auteurs ont signalé que les études dans cette branche du
management de la chaine logistique restent insuffisantes pour relever les défis relatifs à la nature
dynamique des risques et à la complexité des chaînes logistiques (Khan et Burnes 2007, Thun et
Hoenig 2011, Gourc 2006). Ce souci sera comblé davantage par des études diversifiées axées sur
des nouvelles voies de recherche couveront un peu après l’ensemble de la chaine logistique, que par
le développement des nouveaux outils et méthodologies qui nécessitent encore de cadrage, de
conception et de validation.
Dans ce sens, les premiers auteurs qui ont proposé un cadrage, on trouve (Jüttner., et al 2003) ont
indiqué que l’objectif, de la SCRM est d'identifier et de gérer les risques, permettant à la chaine
logistique de réduire sa vulnérabilité par une approche coordonnée de ses membres. Dans le même
sens, d’autre définition son accès sur l’optimisation et la continuité de la SCM (Fabbe-Costes, 2007
et O. Lavastre, A. Spalanzani, 2010) à ce niveau le management des risques liées à la chaine
logistique se présente comme une nouvelle voie pour minimiser les coûts, sécuriser et assurer à la
fois l'efficacité et la continuité de la chaîne logistique (SCM) par l'identification, l'analyse et
l’évaluation des pertes potentielles (Lavastre, et al., 2014). Tandis que d’autre s’est focalisé sur
l’importance de la collaboration interorganisationnel dans une chaine logistique, (Tang, 2006a ;
Tang et Nurmaya Musa, 2011) dans ce sens l’auteur (William H et al., 2015) indique que le
management ou la gestion des risques liés à la chaine logistique « représente l’effort collaboratif
interorganisationnel utilisant diverses méthodologies de gestion des risques à fin d’identifier,
évaluer, atténuer et surveiller des événements ou des conditions, pourront avoir des effets
dévastateurs sur toutes ou partie d’une chaîne logistique ».
En guise de synthèse le management des risques liés à la chaine logistique représente une approche
structurée (Hallikas., et al. 2004 ; Zsidisin et Ritchie 2009 ; Hans-Christian Pfohl et al., 2010)
en quatre étapes constituent un processus : à savoir l'identification, l'évaluation, l’atténuation et la
maîtrise des risques (ou la gestion des risques et la surveillance des risques), ajoutant une cinquième
étape, celle de l'apprentissage organisationnel et personnel, y compris le transfert de connaissances.
2-2-DEFINITION DE LA NOTION DU RISQUE :
2-2-1-DEFINITION GENERALE DU RISQUE
La notion du risque repose sur trois éléments et/ou critères que les auteurs (Yates., et al
1992) ont les utilisés pour définir un risque à savoir l’étendue de la perte ou éléments de perte, son
impact (signification de la perte) et bien sur sa probabilité d'occurrence (fréquence ou incertitude
associée à la perte). À cet égard, (Mitchell., 1995) « a défini le risque comme la probabilité de
perte et l’importance de cette perte pour l’organisation ou l’individu ». Proposant ainsi une formule
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
13
de calcul de risque qui sera retenue dans plusieurs études en SCRM, ou [P (loss n)] désigne la
probabilité ou fréquence de perte, [L (loss n)] représente l’importance ou la gravité de la perte, la
multiplication de ces deux variantes représente la valeur de risque d’un événement n avec [Riskn] =
[P (lossn)] × [(L lossn)] (Dani., 2009) le même principe est adapté pour calculer la criticité ou
l’intensité des risques liés à la chaine logistique durant la phase de l’analyse, selon Dani la criticité
[Ci (criticité ou intensité)] = [Pi (Probabilité)] × [Gi (Impact)]. D'autres définitions du risque ont émergé à partir des études de
recherche axées sur la gestion des risques liés à la chaîne logistique, cela on le voit en plus de détail
dans ce qui suivant.
2-2-2-DEFINITION DE LA NOTION DU RISQUE LIE A LA CHAINE LOGISTIQUE
Dans la littérature de la gestion de la chaîne logistique, il n'y a pas encore de consensus sur
la définition du risque (Sodhi, et Tang. 2012), ce qui rend la tâche de définir les risques liés à la
chaine logistique d’une manière unifié et unanime un peu difficile (William H, et al., 2015). Selon
(Khan et Burnes 2007), le risque reste moins bien compris dans le domaine de la gestion de la
chaîne logistique. En raison de la divergence et de la différence des terminologies et des approches
appliquées dans la pratique que plusieurs chercheurs ont proposé des définitions accès sur (la
variabilité du résultat cible et/ou la variabilité de la répartition des flux) relatives aux risques liés à
la chaîne logistique (Jüttner., et al 2003 ; Wagner et Bode 2006 ; D. Bogataj, M. Bogataj 2007 ;
Lavastre., et al 2012) qui dépendent d’une part de leurs applicabilités à des contextes bien
spécifiques en fonction des attributs structurels, et d’autre part de la nature des flux étudiés et de
leurs emplacements dans la chaine logistique (Jüttner., et al 2003 ; Svensson 2002 ; Christopher
et al 2004). Cependant (Jüttner., et al 2003) ont défini le risque lié à la chaine
d’approvisionnement comme « a variation in the distribution of possible supply chain outcomes,
their likelihood, and their subjective values ». Autrement le risque lié à la chaîne logistique est
considéré comme une variation de la distribution, des résultats possibles de la chaîne logistique, de
leur probabilité et de leur valeur subjective. Cette définition ainsi que celle de Zsidisin et al 2004 p
397 ont mis en évidence un critère fondamental celui de la probabilité d'occurrence du risque, cela
revient aussi à distinguer en plus de ce dernier, le critère de l'impact du risque (Jüttner 2005 ;
Tang, 2006a ; Wagner et Bode 2008). Tandis que d’autres auteurs ont encadré le risque lié à la
chaine logistique en mettant l’accent sur la variabilité des flux, par exemple (Lavastre., et al 2012),
ont avancé que le risque n’est que la variabilité de la répartition des différents types de flux entre les
différentes interfaces de la chaîne logistique, modifiant éventuellement l'utilisation des ressources.
Donc cela mis en évidence la nécessité d’analyser et d'évaluer correctement les risques (Lavastre.,
et al 2014), tout en gardant à l’esprit l’effet de la perception subjective des gestionnaires.
En guise de synthèse nous retenons de cet aperçu, que souvent le risque est perçu comme un effet
négatif, générant des conséquences indésirables (Harland., et al 2003). Ou on classe les définitions
en trois catégories celle à caractère générale orienté résultat (Wagner et Bode 2006 ; D. Bogataj,
M. Bogataj 2007). La seconde repose sur les attributs structurels des chaines logistiques (Jüttner.,
et al 2003 ; Tang, 2006a ; Tang et Nurmaya Musa, 2011), alors que la troisième regroupe les
deux premiers et repose sur le degré d’impact et sur la nature des flux (William Ho., et al 2015).
Avant de voir les typologies et les classifications de risque proposées par la littérature, et pour le
reste de ce présent article, le concept de risque lié à la chaîne logistique repose sur les facteurs ou
événements imprévisibles, affectant et/ou provenant d'un ou de plusieurs partenaires d'une chaîne
logistique et/ou de ses processus, pouvant avoir une influence négative sur l'atteinte des objectifs
(Lavastre., et al 2012).
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
14
2-3-TYPOLOGIE ET CLASSIFICATION DES RISQUES LIES A LA CHAINE LOGISTIQUE:
Dans une large recension de la revue littéraire et des synthèses assez récentes sur les risques
liés à la chaine logistique (Hans-Christian Pfohl, et al 2010 ; Claudia Colicchia, et al 2012 ;
Behnezhad Ali., et al 2012; Djalma Araújo Rangel., et al 2014 ; William Ho., et al 2015), ou les
chercheurs ont souhaité de distinguer les risques liés à la chaine logistique des autres risques
commerciaux, plusieurs d’entre eux ont proposé des typologies et/ou taxonomies de risques en
fonction de l’étendues des risques, leurs caractéristiques, leurs emplacements ainsi que par thèmes
ou catégories de risques. En outre (Bjørn Egil Asbjørnslett., 2009) précise que les typologies et les
classifications des risques, sont utile pour l'identification efficace des risques et même pour
l’analyse et l'évaluation des risques faisant l’objet de cet article. A cet égard la littérature propose
plusieurs typologies et classifications des risques liés à la chaine logistique, selon leur origine
interne ou externe, endogènes et exogènes, selon leur attribut qualitatif ou quantitatif, degré
d’impact et types de flux, ainsi que systémiques ou par processus auxquels ils sont associés (Wu.,
et al 2006 ; Trkman et McCormack., 2009 ; Sri Krishna Kumar., et al 2010 ; Svensson 2000 ;
Jüttner., et al 2003 ; Olson., et al 2010 ; Wagner et Bode., 2008 ; Claudia Colicchia, et al 2012
; Behnezhad Ali., et al 2012; Djalma Araújo Rangel., et al 2014). En d’autre terme ceux à
caractère hybride ou on obtient une vision presque similaire à celle de (Christopher., et al 2004 ;
Hans-Christian Pfohl, et al 2010) en parlant des risques au sein d’un cabinet focal et des risques
en dehors de l’entreprise mais interne à la chaîne logistique. Dans le même sens (William Ho., et al
2015) ont proposé une classification macro et micro plus holistique combinant les types de risques à
divers degrés d'impact (demande, fabrication et d'approvisionnement) aussi que à différents types et
natures de flux (informationnel, transportation et financiers), complémentaires à celle de Davis
1993. D’après ce petit passage sur les typologies et classifications liées à la gestion des risques dans
la chaine logistique, nous nous positionnons pour cette étude à deux classifications
complémentaires inspirés des travaux de (William Ho., et al 2015 ; Davis., 1993), considérant que
la deuxième n’est qu’une extension de la première ou les auteurs ont classé les facteurs de risque
logistique (FRLs ou EIRLs) en trois position avec quatre natures: en amont, en aval et en interne ou
infrastructurel (y compris ceux de transport).
Dans la section suivante, on commence la partie empirique de notre étude, par la description de la
méthode de recherche, la structure des résultats de notre enquête par questionnaire est examinée et
les EIRLS et FRLs liés aux trois parties de la chaine logistique sont analysés et évalués. Vers la fin
une conclusion est présentée et des recommandations relatives à l’effet de subjectivité de la
perception et aux dimensions des risques sont proposées.
3- METHODES :
Les résultats de cette analyse empirique proviennent d’une enquête par questionnaire composée de
trois catégories et quatre natures de facteurs des risques liés à la chaîne logistique, en amont, en aval
et interne ou infrastructurel (infrastructure et transport). Une présentation des mesures sur lesquelles
repose cette étude sont envisagées, par la suite les résultats sont analysés. Et enfin la conclusion et
les recommandations sont présentées.
3-1- L’OBJET DES MESURES
Le questionnaire est composé de trois catégories des événements risqués liés à la chaine logistique,
chacune d’elle est constituée des FRLs ou items tirées, testés et validés dans la littérature existante
du management des risques liés à la chaine logistique SCRM, la même échelle de Likert de 5 points
reste utilisée pour mesurer à la fois la probabilité d’occurrence et le degré d’impact pour chaque
élément identifié ci-dessous. Commençant par les facteurs de risques en amont, vingt éléments ont
été utilisés, comprennent les échecs des fournisseurs intrinsèques, les caractéristiques sur les
marchés d’approvisionnement, réglementation et droit douanière, conjoncture économique et
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
15
volatilité du marché national d’énergie ainsi que les défaillances des prestataires logistiques de
service. Donc les vingt items sont présentés comme suit : (Ups1) Les fluctuations des prix sur les
marchés d'approvisionnement, (Ups2) Problèmes de qualité des produits de fournisseur, (Ups3)
Fluctuations ou pénuries de capacité sur les marchés d’offre, (Ups4) Faible performance logistique
des fournisseurs (Fiabilité de livraison, capacité de commande), (Ups5) Les fournisseurs
interprètent mal nos exigences, (Ups6) Incapacité du fournisseur de faire face à des augmentations
importantes (> 20%) des volumes requis, (Ups7) Problèmes de partage électronique d'informations
avec les fournisseurs (par exemple : EDI, ERP), (Ups8) Variations des taux de change (Ex : Cas de
libéraliser le dirham progressivement et par tranche, pénuries de la matière sur les marchés), (Ups9)
Contrats fermes à prix fixe avec les prestataires et les fournisseurs, (Ups10) Expéditions rapides
pour éviter une interruption due à une livraison tardive par le fournisseur, (Ups11) Introduction des
nouveaux systèmes ainsi l'augmentation de droit, tarif routier et douanier, (Ups12) Arrêt imprévu de
la production du fournisseur clé, (Ups13) Faible performance logistique des prestataires de services
logistiques et Manque d'intégration des prestataires de transport, (Ups14) Défaillance financière
(Insolvabilité ou faillite) des fournisseurs, (Ups15) Problème de la souplesse d'approvisionnement
en cas de contraintes de capacité ou de perturbations dangereuses, (Ups16) Forte dépendance vis-à-
vis des sources externes de matériaux et de composants critiques, (Ups17) Problème relationnel
avec le fournisseur (Ex : la confiance, la visibilité et l'influence des fournisseurs), (Ups18) Nombre
restreint de fournisseurs intermédiaires, (Ups19) Fluctuations des prix du pétrole et des produits
d'énergies au niveau national et (Ups20) Ralentissements économiques au niveau national.
Quant aux risques infrastructurels sont scindés en deux parties la première a été évalué à l’aide de
cinq items liés aux défaillances de l’infrastructure matériel et immatériel pour des raisons humaines
ou techniques, et sont présentés : (IFs1) Perturbation et dégradation des systèmes informatiques
internes, (IFs2) Perte de capacité de production propre en raison de perturbations locales ou
techniques (p. Ex Grève, incendie, explosion, accidents industriels et Détérioration de la machine),
(IFs3) Arrêt ou interruption des infrastructures informatiques (cyber-attaque, propagation de virus
etc.), (IFs4) Echec de la sécurité du système d'information (Ex: l'accès à l'information, et le risque
de l’impartition de l’information) et (IFs5) Échec de l'infrastructure critique et Incident massif de
fraude ou de vol de données. Tandis que la deuxième regroupe les facteurs de risque de transport
(Transportation risk Factors), ont été évalués par trois items liés à l’efficacité des prestations
logistiques, présentés comme suit : (TRs1 ou Ups13) faible performance logistique des prestataires
de services logistiques et Manque d'intégration des prestataires de transport (Ex : Coûts transport
élevés), (TRs2 ou Dws5) interruptions de la chaîne de livraison suite à une perturbation dans la
distribution physique des produits au client final (Ex un retard dans un centre de distribution) et
dans les opérations de transport (Ex une grève de chauffeur de camion) (TRs3) retard de livraison
dû à l’usage du mode de livraison à temps sur budget ou problème d’ordonnancement.
Et pour la troisième catégorie de notre chaine logistique, les risques en aval ont été évalués en
utilisant dix items, liés à la variabilité et l’instabilité du marché en aval, échecs inhérents des clients,
défaillances des caractéristiques du marché des produits et les échecs associés aux échanges
commerciales, sont présentés par : (Dws1) Demande imprévue ou très volatile des clients, (Dws2),
Défauts de paiement des clients, (Dws3) Modification ou annulation des ordres fermes par les
clients, (Dws4) Erreurs intolérables de prévision établies, (Dws5) Interruptions de la chaîne de
livraison suite à une perturbation dans la distribution physique des produits au client final (Ex un
retard dans un centre de distribution) et dans les opérations de transport (Ex une grève de chauffeur
de camion), (Dws6) Incapacité à gérer les changements de la demande en volume, (Dws7)
Incapacité à satisfaire aux exigences de qualité, (Dws8) L’équilibre entre la demande non satisfaite
et l'excédent d'inventaire (Ex : risque d'obsolescence), (Dws9) Incertitude du marché des produits
suite au changement des tendances des consommateurs ou de la disponibilité de produits de
substitution et (Dws10) Echec de mesure d'atténuation et d'adaptation au changement climatique.
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
16
3-2-TERRAIN D’INVESTIGATION « INDUSTRIE AUTOMOBILE AU MAROC » :
Le secteur automobile mondial a connu une phase de restructuration et de refonte de sa chaîne de
valeur suite à la relocalisation de l’offre et de la demande mondiale vers les pays émergents
(Direction des études et des prévisions financières 2015). L’industrie automobile Marocaine de
sa part se positionne désormais comme le premier constructeur automobile d’Afrique du nord et
deuxième du continent après l’Afrique du sud, avec une capacité totale de 410.000 véhicules par an
et plus de 86 500 employés, considérer comme le secteur du premier rang des activités à l’export
dépassant la barre de 54,4 milliards de dirhams en 2016 avec une croissance annuelle de deux
chiffre avoisinant le 27% sur la période ente 2009 et 2015 (Direction des études et des prévisions
financières 2015). Cette performance est dû à une volonté d’assurer une intégration des principales
industries du secteur dans le réseau de sourcing mondial ILN, avec une meilleure connectivité
logistique permettant de réduire le coût logistique et d’augmenter le rendement des opérations à
l’exportation grâce à une infrastructure adéquate, maîtrisant ainsi les transactions avec les
principaux partenaires du royaume (Direction des études et des prévisions financières 2015).
L’intérêt pour ce secteur d’industrie est dû à la fois de son importance à l’économie nationale que
de sa complexité en tant que domaine de recherche en SCM. Certes que ce secteur reste parmi les
plus explorés dans la recherche sur le SCM, mais il en a une certaine carence en matière des études
sur la gestion des risques liés à la chaine logistique, surtout celles liées à l’impact des facteurs et des
événements risqués (EIRLs et FRLs) sur leurs performances logistiques. Par voie de conséquence
cette étude constitue un ancrage et une projection de la gestion des risques liés à la chaine logistique
au niveau national, à travers une réflexion sur l’analyse et l’évaluation des évènements et des
facteurs de risques liés à la chaine de l’industrie automobile au Maroc.
3-3-BASE DE DONNEE ET STRUCTURE DE L’ECHANTILLON
Donc les données ont été collectées au moyen d’une enquête administrée aux principaux opérateurs
et sous-traitant du secteur d’automobile au Maroc mené sur la période entre Janvier 2017 et Mars
2017 au total d’un échantillon de 68 composé des opérateurs et des sous-traitants. Cette opération a
généré au total 39 observations, dont on a écarté 7 en raison de l’incompatibilité et l’incomplétude
des réponses de ce fait 32 réponses demeurent exploitables, avec un taux de réponse de 57%. La
structure et les descriptions générales de notre échantillon en termes de chiffres d’affaires annuels,
taille de l’entreprise et profil des participants(es) sont présentées dans les figures suivants :
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
17
Donc d’après les trois figures suivantes 94% de notre échantillon est constitué des entreprises de
grandes et moyennes tailles réalisant annuellement un chiffre d’affaire entre 300 à 5000 Million de
MAD, dont 81% ont un effectif entre 100 et 250. Alors pour les participants(es) qui ont été ciblés
presque 84% des profits sont des responsables logistiques et des responsables d’approvisionnement
et des stocks. Comme nous avons déjà avancé, nous nous intéressons à l’analyse et l’évaluation des
facteurs de risques liés à la chaine d’approvisionnement. Dans ce sens les deux indicateurs à savoir
la probabilité d’occurrence et le degré d’impact tiendront toute notre attention dans un effort de
caractériser leurs niveaux, pour chaque facteur de risque. Une étape de regroupement des
évènements risqués liés à la chaine logistique EIRLs demeurent nécessaires pour une meilleure
représentabilité et exploitabilité des risques durant les deux phases d’analyse et d’évaluation. De ce
fait 35 EIRLs seront regroupés en 14 FRLs en fonction des catégories de risques. (Voir l’annexe II).
Alors une fois les fréquences et les niveaux de gravité sont acquises, une matrice de probabilité
d’occurrence et degré d’impact sera mise en place comme outil de cartographie pour localiser et
visualiser les différents facteurs de risques suivant la typologie de Davis 1993 et William. Ho
2015, à fin d’évaluer les facteurs de risques qui peuvent entraver la réalisation des objectives dans
le secteur d’automobile au Maroc. A cette fin le volet statistique a été traité à l’aide du logiciel
SPSS version 23, Sphinx V5 et Office Excel 2016, les résultats est discuté durant de la section
suivante.
4- RESULTAT ET ANALYSE DE L’ENQUETE :
Tableau 01 : Probabilité et Impact par RFLs individuel et par groupe de FRLs
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
18
Alors on a commencé par le calcul de la moyenne des valeurs de notre base de collecte à la fois de
la probabilité d’occurrence et le degré d’impact par la suite et sur la base de ces deux indicateurs, on
a pu avoir le troisième celui de l’intensité ou la criticité. A l’aide de ces trois indicateurs, nous
avons procédé par une analyse comparative entre les valeurs moyennes calculées de chaque facteur
individuel de risque et la moyenne des groupes de FRLs relatifs aux trois étapes constituent la
chaine logistique. Dont le tableau n°1 indique la valeur moyenne, maximale et la valeur minimale à
la fois de la probabilité d’occurrence et du degré d’impact pour chaque facteur individuel de risque,
dans le même sens la deuxième moitié de ce tableau regroupe la valeur moyenne, maximale et la
valeur minimale des trois groupes de facteurs de risque associés aux trois parties de notre chaine
logistique.
Donc un premier constat neuf facteurs de risque logistique ont une valeur de probabilité assez
importantes, scinder sur les trois parties de notre la chaine logistique : quatre en amont à savoir
(Ups1, Ups2, Ups3, Ups4 et Ups13), deux d’infrastructure (IFs2 et IFs3) et trois en aval (Dws1,
Dws5 et Dws7). Commençant par la partie amont les facteurs : (Ups1) augmentation des prix des
matières premières, (Ups2) problème de qualité des fournisseurs, (Ups4) échec du fournisseur et
(Ups13) problème d’intégration logistique enregistrent à la fois des valeurs supérieures à la
moyenne de la probabilité d’occurrence et du degré d’impact de leur groupe, tandis que le facteur
(Ups3) problème de capacité sur les marché d’offre, à une valeur d’impact supérieur et une valeur
de probabilité inférieur à la moyenne du groupe. En amont, les facteurs (Dws1) changement et
fluctuation de la demande, (Dws5) interruption de la chaine de livraison et (Dws7) problèmes de
qualité et d’insatisfactions des clients enregistrent des valeurs supérieures à la moyenne à la fois
pour la probabilité d’occurrence et le degré d’impact de leur groupe. Alors qu’en interne les deux
facteurs (IFs2) échec de la capacité de production et (IFs3) échec de l’infrastructure informatique
critique ont de leur part enregistré des valeurs de probabilité proche de la moyenne du groupe avec
un impact très fort ce qui est conforme avec les conclusions de la 12ème édition du The Global
Risks Report 2017.
Une fois on a matérialisé les trois indicateurs relatifs à chaque facteur de risque FRLs, et afin de
cartographier ces risques potentiels auxquels sont confrontés les chaines logistiques d’automobiles,
une matrice probabilité-impact regroupera les FRLs permettant d’identifier ceux qui ont une
probabilité et un impact assez critique qui doivent à cet égard attirer l’intention des gestionnaires
sur la nature des risques impactant la performance de leurs chaines logistiques. La table N°01 trace
les différents FRLs par probabilité d’occurrence et degré d’impact en amont, aval et en interne
(Davis 1993 ; William Ho et al., 2015).
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
19
Alors la matrice des risques (FRLs et EIRLs) permet de visualiser les risques potentiels, pour la
lecture de cette matrice plus en s’éloigne de l’origine plus la probabilité et l’impact s’augmentent.
Les figures n° 01 et 02, indiquent qu’il existe une différence observable de représentabilité des
FRLs ou on les a reclassés par trois position ceux qui ont une probabilité d’occurrence et un degré
d’impact élevé avec un niveau de criticité supérieur à (DI×PO>10,17) cette classe regroupe les
FRLs inacceptables ou critiques composés des facteurs : Ups1, Ups2, Ups3, Ups4, Trs01, Dws1,
Dws7 ainsi que IFs2. La deuxième position tient compte des FRLs qui ont une probabilité
d’occurrence moyenne et un degré d’impact moyen et élevé avec un niveau de criticité de
(5<DI×PO<10,17), cette classe regroupe les FRLs révisables tels que Ups5, Ups9, Ups11, Dws5 et
IFs3. La dernière position tient compte des FRLs de faible valeur à savoir Dws10.
Dans ce sens en recours au troisième indicateur la criticité, pour confirmer les résultats exploités
précédemment. La figure n°3 présente la hiérarchie des niveaux de criticité pour chaque FRLs de
notre chaine logistique, ainsi que la figure n°4 reprend et classe par niveau décroissant la criticité
des FRLs.
Huit risques peuvent être considérer comme intolérable dépassant la valeur moyenne de 10,17 on a
en amont : (Ups2) les problèmes de qualité fournisseur, (Ups1) l’augmentation des prix des
matières premières, (Ups4) échec du fournisseur, (Ups3) problème de capacité sur le marché d’offre
et problème d’intégration logistique (Ups13). En aval on trouve : (Dws7) problèmes de qualité et
d’insatisfaction des clients, (Dws1) changement ou fluctuation de la demande et enfin en interne
c’est surtout (IFs2) problème de capacité de production.
Alors pour un niveau de criticité élevé et moyen, on trouve (Dws5) les interruptions de la chaine de
livraison, (Ups5) problème d’échange et de partage avec les fournisseurs, (Ups9) structure et
condition du marché d’offre, (IFs3) échec de l’infrastructure informatique critique ou échec de
l'infrastructure critique et incident massif de fraude ou de vol de données (Global Risk report 2017
12th édition) et (Ups11) changement des droits et tarifs douanières et pour un niveau assez
médiocre on trouve (Dws10) l’échec d’atténuation et d’adaptation au changement climatique avec
une moyenne de 5,51. Donc ces résultats sont convergents avec nos analyses sur la matrice
probabilité-impact.
Et par conséquent le niveau de criticité nous montre que les trois parties de la chaine logistique
contiennent des FRLs avec des niveaux intolérables ou critiques (on rejoint l’observation du Thun
al., 2011 et Grouc 2006 plus les interfaces sont nombreuses plus les risques sont critiques ce qui
reflète encore une fois le caractère dynamique du risque (Grouc 2006 ; Thun et Hoenig 2011;
Tang et Tomlin 2008).
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
20
5- Discussion et conclusion :
Dans cet article, nous avons voulu enrichir la littérature récente sur la gestion des risques liés à la
chaine logistique via une étude empirique sur les facteurs de risques logistiques en amont, aval et
interne dans le contexte d’une chaine logistique d’automobile. De ce fait notre apport consiste
d’analyser et d’évaluer les événements imprévisibles pouvant impactés potentiellement la chaine
d’automobile, grâce à une panoplie des outils (matrice probabilité-impact et hiérarchie des niveaux
de criticité) qui peuvent être utiles pour les professionnelles et les chercheurs engagés dans des
études axées sur la gestion des risques liés à la chaine logistique. Les résultats suggèrent que les
gestionnaires doivent veiller sur les sources de risques coté offre, interne et demande à savoir, les
FRLs qualité et relation avec les clients et les fournisseurs, structure et fluctuation des prix et des
capacités sur les marché d’offre et de la demande, l’intégration logistique et l’échec de la capacité
de production et n’oubliant pas l’échec critique de l’infrastructure informatique en terme de cet
étude nous avons accordé une intention assez particulière au trois partie de notre chaine logistique,
surtout l’effet des événements perturbateurs en interne ou nous avons choisi le risque « échec de
l'infrastructure critique et incident massif de fraude ou de vol de données » tiré du rapport Global
Risks Report 2017 pour évaluer la gravité de ce genre de risque interne sur toute la chaine
logistique, dans ce sens une vague de cyber-attaques de portée mondiale remet en question la
vulnérabilité des chaines logistique au niveau nationale, cette attaque a pu arrêter toute la chaine de
production du groupe Renault dû à un échec de l’infrastructure informatique donc on parle d’une
défaillance de production (mille voiture non produite par journée de production).
Donc à la fin de notre étude, on peut recommander que l’effet des perceptions subjectives
pourraient être neutraliser si on accorde pour la probabilité d’occurrence une fréquence par rapport
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
21
à un intervalle de temps ou espace de temps nécessaire pour qu’au moins le ou les FRLs se
manifestent (exemple Ups01 se produise α fois / β mois) et pour le degré d’impact lié la gravité à
une perte financière (Ups01 à une gravité de α équivalent à une perte financière de π), et dans le
même sens que d’élargir l’échantillon des observations aussi que les FRLs. D’autre part pour y
arriver à un certain niveau de finité sur nos analyses de l’impact des événements ou facteurs de
risques sur la performance logistique, on suggère de retenir au moins quatre natures d’impacts pour
évaluer les risques, ce qui permis d’encadrer la majorité de leurs dimensions.
Remerciements :
Les auteurs adressent leurs sincères remerciements à toutes les entreprises participantes pour leur
implication et leur collaboration, en remplissant les questionnaires afin de constituer la base des
données empiriques pour notre recherche.
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
22
Bibliographies:
- Behnezhad, Ali, Connett, Brian I. and Nair, Manjula (2012) “The Evolution of Supply Chain
Risk Management,” Journal of Supply Chain and Operations Management, Volume 11, Number
1, February 2013.
- Bjørn Egil Asbjørnslett (2009) “Assessing the Vulnerability of Supply Chains,” International
Series in Operations Research & Management Science, Volume 124 pp 15-33.
- Chen I.J. et Paulraj A. (2004), Understanding Supply Chain Management: Critical research and a
theoretical framework, International Journal of Operational Research, Vol.42, n°1, pp.131-163.
- Christopher M. et Peck H. (2004), Building the resilient supply chain, International Journal of
Logistic Management, Vol.15, n°2, pp.1-13.
- Claudia Colicchia, Fernanda Strozzi, (2012),"Supply chain risk management: a new
methodology for a systematic literature review", Supply Chain Management: An International
Journal, Vol. 17 Iss: 4 pp. 403 – 418.
- Craighead C.W., Blackhurst J., Rungtusanatham M.J. et Handfield R. (2007), The severity of
supply chain disruptions: Design characteristics and mitigation capabilities, Decision Sciences,
Vol.38, n°1, pp.131-156.
- Dailun, S.H.I. (2004), “A review of enterprise supply chain risk management”, Journal of
System Science and System Engineering, vol. 3, no. 2, pp. 219-244.
- David Bogataj, Marija Bogataj (2007) “Measuring the supply chain risk and vulnerability in
frequency space,” International Journal of Production Economics, volume 108, Issues 1–2, July
2007, Pages 291– 301.
- Davis, T., (1993). “Effective Supply Chain Management. Sloan Management Review” 13(4),
pp.35- 46.
- Direction des études et des prévisions financières, Ministère de l’économie et des finances, «
Rapport des tableaux de bord sectoriel », Mai 2015 pp 1-88.
- Direction des études et des prévisions financières, Ministère de l’économie et des finances « Le
secteur automobile au Maroc : vers un meilleur positionnement dans la chaîne de valeur
mondiale », mars 2015 pp 1-27.
- Djalma Araújo Rangel, Taiane Kamel de Oliveira & Maria Silene Alexandre Leite “Supply
chain risk classification: discussion and proposal,” Journal International Journal of Production
Research, Volume 53, 2015 - Issue 22.
- Ellis, S.C., Henry, R.M. and Shockley, J. (2010), “Buyer perceptions of supply disruption risk: A
behavioral view and empirical assessment”, Journal of Operations Management, Vol. 28 No. 1,
pp. 34- 46.
- Fabbe-Costes N. (2007), La gestion des chaînes logistiques multi acteurs : les dimensions
organisationnelles d’une gestion lean et agile, in La gestion des chaînes logistiques multi-acteurs
: perspectives stratégiques, Paché, G. et Spalanzani, A. (Eds.), PUG, pp.19-43.
- George A. Zsidisin and Bob Ritchie (2009) Supply Chain Risk Management Developments,
Issues and Challenges Supply chain risk a handbook of assessment, Management and
Performance pp. 17-29.
- Gourc, D. (2006). Vers un modèle général du risque pour le pilotage et la conduite des activités
de biens et de services, Habilitation à Diriger les Recherches. Ecole des Mines d’Albi-Carmaux.
- Hallikas J, Virolainen VM, Tuominen M (2002) Risk analysis and assessment in network
environments: a dyadic case study. Int J Product Econ 78(1):45–55.
- Hallikas, J., I. Karvonen, U. Pulkkinen, V. M. Virolainen, and M. Tuominen. 2004. “Risk
Management Processes in Supplier Networks.” International Journal of Production Economics
90: 47–58.
- Hans-Christian Pfohl, Holger Kohler, David Thomas, State of the art in supply chain risk
management research: empirical and conceptual findings and a roadmap for the implementation
in practice Logist. Res. (2010) Vol. 2:33–44.
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
23
- Harland C., Brenchley R. et Walker H. (2003), Risk in Supply Networks, Journal of Purchasing
and Supply Management, Vol.9, n°2, pp.51-62.
- Hendricks KB, Singhal VR (2003) The effect of supply chain glitches on shareholder wealth. J
Operat Manage 21(5):501–522
- Hendricks KB, Singhal VR (2005) Association between supply chain glitches and operating
performance. Manage Sci 51(5):695–711.
- J.F. Yates, E.R. Stone, The risk construct, in: J. Yates (Ed.), Risk Taking Behavior, Wiley, New
York, 1992, pp. 1–25.
- Jennifer Blackhurst, Kaitlin S. Dunn, Christopher W. Craighead (2011), “An Empirically
Derived Framework of Global Supply Resiliency” Journal of business logistics Volume 32, Issue
4 Pages 374– 391
- Jüttner U. (2005), Supply Chain Risk Management: Understanding the Business Requirements
from a Practitioner Perspective, The International Journal of Logistics Management, Vol.16,
n°1, pp.120-141. Kleindorfer, P. R., and G. H. Saad. 2005. “Managing Disruption Risks in
Supply Chains.” Production and Operations Management 14: 53–68.
- Lavastre O., Gunasekaran A. et Spalanzani A. (2014), Effect of Firm Characteristics, Supplier
Relationships and Techniques used on Supply Chain Risk Management (SCRM): An Empirical
Investigation, International Journal of Production Research, Vol.52, n°11, pp.3381-3403
- Lavastre, O., A. Gunasekaran, and A. Spalanzani. 2012. “Supply Chain Risk Management in
French Companies.” Decision Support Systems 52: 828–838.
- Li Zhao Baofeng Huo Linyan Sun Xiande Zhao, (2013),"The impact of supply chain risk on
supply chain integration and company performance: a global investigation", Supply Chain
Management: An International Journal, Vol. 18 Iss 2 pp. 115 – 131
- March JG, Shapira Z (1987) Managerial perspectives on risk and risk taking. Manage Sci
33(11):1404– 1418.
- Mason-Jones R. et Towill D.R. (2000), Coping with Uncertainty : Reducing "Bullwhip"
Behaviour in Global Supply Chains, Supply Chain Forum An International Journal, Vol.1, n°1,
pp. 40-45.
- Narasimhan R. et Talluri S. (2009), Perspectives on risk management in supply chains, Journal
of Operations Management, Vol.27, n°2, pp.114-118.
- O. Khan and B. Burnes, “Risk and supply chain management: creating a research agenda,” The
International Journal of Logistics Management, vol. 18, no. 2, pp. 197–216, 2007.
- Olivier Lavastre, Alain Spalanzani, Comment gérer les risques liés à la chaîne logistique ? Une
réponse par les pratiques de SCRM (Supply chain Risk Management) CAHIER DE
RECHERCHE n°2010-02 E5 CERAG pp. 01-32
- Olson, D. L., and D. D. Wu. 2010. “A Review of Enterprise Risk Management in Supply Chain.”
Kybernetes 39: 694–706.
- S. Dani, “Predicting and Managing Supply Chain Risks,” in in Supply Chain Risk: A Handbook
of Assessment, Management et Performance, G. A. Zsidisin and B. Ritchie, Eds. NewYork:
Springer, 2009, pp. 53–66.
- Sodhi, M. S., B. G. Son, and C. S. Tang. 2012. “Researchers’ Perspectives on Supply Chain Risk
Management.” Production and Operations Management 21: 1–13.
- Sri Krishna Kumar, M.K. Tiwari & Radu F. Babiceanu (2010) “Minimisation of supply chain
cost with embedded risk using computational intelligence approaches,” International Journal of
Production Research, 48:13, 3717-3739.
- Stephan M. Wagner, Christoph Bode (2006) “An empirical investigation into supply chain
vulnerability,” Journal of Purchasing and Supply Management Volume 12, Issue 6, November
2006, Pages 301–312.
- Svensson G. (2002), “A conceptual framework of vulnerability in firms inbound and outbound
logistics flows,” International Journal of Physical Distribution & Logistics Management, Vol.32,
n°2, pp.110- 134.
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890
24
- Svensson, G. (2000), “A conceptual framework for the analysis of vulnerability in supply
chains”, International Journal of Physical Distribution & Logistics Management, Vol. 30 No. 9,
pp. 731-49.
- Tang S.C. et Tomlin B. (2008), The power of flexibility for mitigating supply chain risks,
International Journal of Production Economics, Vol.116, n°1, pp.12-27.
- Tang, C. S. 2006a. “Perspectives in Supply Chain Risk Management.” International Journal of
Production Economics 103: 451–488.
- Tang, O., and S. N. Musa. 2011. “Identifying Risk Issues and Research Advancements in Supply
Chain Risk Management.” International Journal of Production Economics 133: 25–34.
- Thun J.H. et Hoenig D. (2011), An empirical analysis of supply chain risk management in the
German automotive industry, International Journal of Production Economics, Vol.131, n°1,
pp.242-249.
- Trkman, P. and McCormack, K. (2009), “Supply chain risk in turbulent environments – a
conceptual model for managing supply chain network risk”, International Journal of Production
Economics, Vol. 119 No. 2, pp. 247-58.
- Tummala, R. and Schoenherr, T. (2011), “Assessing and managing risks using the supply chain
risk management process (SCRMP)”, Supply Chain Management: An International Journal, Vol.
16 No. 6, pp. 474-483.
- Tuncel, G., and G. Alpan. 2010. “Risk Assessment and Management for Supply Chain
Networks: A Case Study.” Computers in Industry 61: 250–259.
- Uta Jüttner, Helen Peck & Martin Christopher (2003) “Supply chain risk management: outlining
an agenda for future research” International Journal of Logistics Research and Applications A
Leading Journal of Supply Chain Management Volume 6, 2003 - Issue 4: Logistics Research
Network Conference (LRN2002) pp. 197-210.
- V.-W. Mitchell, Organizational risk perception and reduction: a literature review, British Journal
of Management 6 (2) (1995) 115–133.
- Wagner SM, Bode C (2008) An empirical examination of supply chain performance along
several dimensions of risk. J Bus Logistics 29(1):307–325.
- William Ho, Tian Zheng, Hakan Yildiz & Srinivas Talluri (2015): Supply chain risk
management: a literature review, International Journal of Production Research pp. 1-40.
- Wu, T., J. Blackhurst, and V. Chidambaram. 2006. “A Model for Inbound Supply Risk
Analysis.” Computers in Industry 57: 350–365.
- Zsidisin GA, Ellram LM (2003) An agency theory investigation of supply risk management. J
Supply Chain Manage 39(3):15–29.
Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2017 – Vol 1, N° 2 | ISSN 2458-5890
25
Annexe I :
FRLs EIRLs EIRLs FRLs PROBABILITE IMPACT
UP S04
UP S04 4-Faible performance logistique des fournisseurs (Fiabilité de
livraison, capacité de commande)
Echec du Fournisseur 3,42 3,92
UP S06 6-Incapacité du fournisseur de faire face à des augmentations
importantes (> 20%) des volumes requis
Echec du Fournisseur 3,36 3,94
UP S12 12-Arrêt imprévu de la production du fournisseur clé Echec du Fournisseur 2,88 3,64
UP S14 14-Défaillance financière (Insolvabilité ou faillite) des fournisseurs Echec du Fournisseur 2,86 3,54
UP S15 15-Problème de la souplesse d'approvisionnement en cas de
contraintes de capacité ou de perturbations
Echec du Fournisseur 2,82 3,74
UP S01 UP S01 1-Les fluctuations des prix sur les marchés d'approvisionnement Augmentation des prix des matières premières 3,21 3,82
UP S11 UP S11 11-Introduction des nouveaux systèmes ainsi l'augmentation de droit,
tarif routier et douanier
Changement des droits et tarifs douaniers 2,42 3,21
D WS01
D WS01 1-Demande imprévue ou très volatile des clients Changement ou fluctuation de la demande 3,76 3,86
D WS03 3-Modification ou annulation des ordres fermes par les clients. Changement ou fluctuation de la demande 3,14 3,44
D WS06 6-Incapacité à gérer les changements de la demande en volume, Changement ou fluctuation de la demande 3,08 3,70
D WS09 9-Incertitude du marché des produits suite au changement des
tendances des consommateurs
Changement ou fluctuation de la demande 2,90 2,68
D WS02 D WS02 2-Défauts de paiement des clients Défauts de paiements 3,40 3,96
D WS10 D WS10 10-Echec de mesure d'atténuation et d'adaptation au changement
climatique
Echec d'atténuation et d'adaptation au changement
climatique 2,01 2,74
IF S02 IF S02 2-Perte de capacité de production propre en raison de perturbations
locales ou techniques
Echec de la capacité de production 2,64 3,94
IF S03
IF S03 3-Arrêt ou interruption des infrastructures informatiques Echec de l'infrastructure critique 2,82 3,36
IF S04 4-Echec de la sécurité du système d'information Echec de l'infrastructure critique 2,72 3,04
IF S05 5-Échec de l'infrastructure critique et Incident massif de fraude ou de
vol de données
Echec de l'infrastructure critique 2,60 3,48
UP S10
UP S10 10-Expéditions rapides pour éviter une interruption due à une
livraison tardive par le fournisseur
Interruption de la chaîne de livraison 2,92 3,14
D WS05 o u
T R s02
5-Interruptions de la chaîne de livraison suite à une perturbation dans
la distribution
Interruption de la chaîne de livraison 3,08 3,35
UP S03 UP S03 3-Fluctuations ou pénuries de capacité sur les marchés d’offre Problème de capacité sur marché d'offre 2,82 3,78
UP S05
UP S05 5-Les fournisseurs interprètent mal nos exigences Problème d'échange et de partage des
fournisseurs 2,69 3,29
UP S07 7-Problèmes de partage électronique d'informations avec les
fournisseurs (par exemple : EDI, ERP)
Problème d'échange et de partage des
fournisseurs 2,71 3,02
UP S17 17-Problème relationnel avec le fournisseur Problème d'échange et de partage des
fournisseurs 2,65 3,57
UP S02 UP S02 2-Problèmes de qualité des produits de fournisseur Problèmes de qualité des fournisseurs 3,32 4,14
D WS07 D WS07 7-Incapacité à satisfaire aux exigences de qualité Problèmes de qualité et d'insatisfaction des
clients 3,00 3,76
UP S13 o u
T R s01
UP S13 o u
T R s01
13-Faible performance logistique des prestataires de services logistiques et
Manque d'intégration des prestataires de transport
Problèmes d'intégration logistique 3,09 3,42
UP S09
UP S09 9-Contrats fermes à prix fixe avec les prestataires et les fournisseurs Structure et condition du marché d'offre 2,86 3,48
UP S18 18-Nombre restreint de fournisseurs intermédiaires. Structure et condition du marché d'offre 2,64 3,18