Des prévisions en toute simplicité grâce à l’IA [Tribune]
Les prévisions constituent un élément-clé de toute opération dans le secteur du retail. Pourtant, 34 % des leaders en supply chain considèrent le manque d’exactitude de leurs prévisions comme leur plus grande préoccupation. Analyse d’Arnaud Gauthier, Président et Chief Customer Officer EMEA de Symphony RetailAI.
![Des prévisions en toute simplicité grâce à l’IA [Tribune]](/mediatheque/1/8/6/000344681_896x598_c.jpg)
Pour les distributeurs alimentaires, qui ont comme objectif principal la livraison de biens et de services à leurs clients, les prévisions de la demande s’apparentent à une cible en perpétuel mouvement : viser juste requiert une précision constante. Les prévisions constituent un élément-clé de toute opération dans le secteur du retail. Pourtant, 34 % des leaders en supply chain considèrent le manque d’exactitude de leurs prévisions comme leur plus grande préoccupation.
Dans le domaine des catégories du frais et de leur réapprovisionnement, l’inexactitude des prévisions de la demande entraîne des coûts non négligeables, sur bien des aspects. Les ruptures de stock débouchent sur des ventes potentielles perdues et le sur-stock équivaut à une perte à la fois aux niveaux physique et financier.
Et s’il était possible d’obtenir des prévisions sur les produits périssables avec le même degré de précision que pour d’autres produits d’une durée de vie supérieure ? Gérer les prévisions des produits frais en toute simplicité est tout à fait réaliste, il suffit d’adopter une attitude proactive.
La demande croissante en produits frais a de répercussions sur les magasins alimentaires actuels
Actuellement, les produits frais représentent le domaine enregistrant la plus forte croissance dans les magasins alimentaires. D’après une enquête de l’institut Nielsen, les catégories du frais correspondent en effet à 49 % de la croissance totale du secteur des magasins physiques FMCG aux États-Unis. Plus surprenant encore, les produits alimentaires frais et périssables ont généré en 2018 des ventes près de 14 fois supérieures au total des ventes en ligne de nourriture et de boissons. Les distributeurs ont tout intérêt à profiter de cette tendance pour passer un cap au niveau du frais en magasin en se différenciant de leurs concurrents à travers de nouvelles options proposées à leurs clients. Passer à côté d'une telle opportunité reviendrait à perdre du terrain dans le milieu concurrentiel de l’alimentation.
D’autre part, l’augmentation de la demande pour le frais s’accompagne d’une préférence marquée des consommateurs pour les produits de qualité, ce qui contribue à la transformation du format des magasins. Le magasin du futur aura ainsi un nombre réduit d’allées et son espace dédié aux produits frais ressemblera davantage à un marché local. Par ailleurs, l’étude révèle que 76 % des consommateurs déclarent acheter davantage de produits préparés au lieu de cuisiner eux-mêmes. Par conséquent, l’offre d’aliments frais prêts à consommer pour les acheteurs en quête de confort pratique constitue une opportunité supplémentaire pour les distributeurs alimentaires.
Si les distributeurs peuvent maintenir leur compétitivité grâce à leurs assortiments frais et ultra-frais, leur capacité à répondre à la demande des consommateurs via ces assortiments ne se mesure toutefois qu’à la qualité des prévisions qui en sont à l’origine.
Les obstacles immédiats à l’exactitude des prévisions
Les prévisions sont influencées par tous les événements concernant un produit ou une catégorie donnée. Par exemple, des conditions météorologiques entraînant des interruptions de la chaîne d'approvisionnement, l’échéance des dates de péremption et la périssabilité, ou encore les ruptures de stock et les rappels de produits alimentaires pour des raisons sanitaires. Toutes ces dynamiques influencent les prévisions de la demande concernant le frais dans la grande distribution. Les distributeurs ont besoin non seulement de visibilité et d'outils de traçabilité complets afin de savoir exactement où le stock se situe, mais aussi de la technologie nécessaire pour obtenir des prévisions journalières et intra-journalières intelligentes et déterminer le réapprovisionnement en fonction des évolutions météorologiques et tarifaires. Le tout avec un maximum de flexibilité.
En outre, comment anticiper l’impact des vacances ? En assurant le réapprovisionnement des biens qui risquent d’être endommagés avant leur vente ? Où est-il possible d’apporter des modifications permettant de raccourcir la chaîne d'approvisionnement et d’acheminer des produits frais et ultra-frais jusque dans le panier de l’acheteur avec une efficacité accrue ? Les systèmes permettent-ils de gérer plusieurs fournisseurs par produit frais ? Les facteurs qui influencent les prévisions de la demande pour les produits frais peuvent relever d’une complexité extrême, et ce d’autant plus si l’on ne dispose pas d’un système établi vous permettant de les gérer et de réagir rapidement.
Aujourd’hui, la plupart des distributeurs gèrent les prévisions du frais de façon manuelle et indépendamment de l’outil qu’ils utilisent pour les prévisions du reste du magasin. Pour le frais, différentes stratégies de prévisions doivent être mises en œuvre, ce qui nécessite une logique sophistiquée et adaptée spécifiquement à l’alimentation. Seul un système holistique permet d’obtenir des prévisions pour toutes les catégories et d’appréhender le paysage de l’alimentation dans toutes ses nuances, mais aussi de corriger les prévisions en fonction des modèles de comportements consommateurs complexes.
Des prévisions plus exactes grâce à l’IA et au machine learning
Si votre système de prévision de la demande utilise l’intelligence artificielle (IA) et le machine learning, votre position en tant que distributeur s’en trouvera renforcée. En effet, vous pouvez vous appuyer sur ces technologies pour obtenir des prévisions plus exactes, plus rapidement et à l’échelle, tout en automatisant davantage vos opérations de distribution.
Une bonne prévision englobe tous les types de saisonnalité : l’IA et le machine learning opèrent conjointement pour reconnaître les modèles de ventes et les anomalies, en analysant le comportement d’achat du consommateur et en incorporant tous les événements susceptibles d’influencer les prévisions. Le système s’appuie sur les informations recueillies à partir des données, ce qui permet d’alléger la tâche de l’utilisateur. L’IA peut déceler si un tout nouvel article enregistrera les mêmes performances qu’un article similaire : par exemple, un nouveau champignon fourni par un fournisseur différent. Nul besoin d’intervenir et de corriger les prévisions soi-même : le système anticipe tout et permet à l’utilisateur de gagner un temps précieux.
Si les prévisions sur le frais sont justes, l’on constate que les opérations les concernant s’effectuent aussi plus facilement, et donc plus besoin de surcompenser le manque de visibilité sur les stocks. Les pertes alimentaires s’en trouveront réduites, de même que les achats de stocks incohérents, le sur-stock et les démarques qui en résultent, les ruptures de stocks et l’érosion des marges. Grâce à l’IA, construire des prévisions sur une tomate ou d’autres articles frais deviendra aussi facile que sur un bocal de sauce tomate. Et au bout du compte, vous en ressortirez encore plus compétitif.
