L'IA au service de la prévision dans le commerce alimentaire

L'IA améliore les prévisions dans le commerce alimentaire en optimisant la gestion des stocks, réduisant les pénuries et le gaspillage. Elle permet aux enseignes d'anticiper la demande avec précision.

Kerry Williams, vice-président, responsable logiciel retail, Zebra Technologies

Le commerce alimentaire est sans doute l’un des secteurs les plus impactés par la pandémie, et celui dont les traces restent encore visibles avec des pénuries de produits, une gestion déséquilibrée des stocks, ainsi que des volumes de pertes et de déchets considérables.

Les commerçants sont parfaitement conscients que les ruptures de stock régulières se traduisent par une perte de ventes, tandis que les taux de gaspillage des produits frais (généralement entre 7 et 10 %, même dans les périodes les plus favorables) sont devenus plus difficiles à contrôler.

Selon une étude récente sur le comportement des consommateurs à l’échelle mondiale, près des deux tiers des clients interrogés déclarent être ressortis de magasins sans les articles qu’ils voulaient acheter. S’ils ne trouvent pas les produis laitiers, les œufs, les pâtes ou  autres denrées de base qu’ils ont l’habitude d’acheter, les consommateurs se résignent à s'en passer pour la semaine, ou se rendent dans un magasin concurrent en espérant avoir plus de chance.

Certains préfèrent se tourner vers leurs appareils portables. Plus d'un tiers des consommateurs déclarent consulter des applications pour s'assurer que les articles sont en stock avant de se rendre en magasin, tandis que la moitié d'entre eux affirment que leur décision d'acheter en magasin ou en ligne dépend uniquement de la disponibilité des produits dont ils ont besoin.

La visibilité et la disponibilité des stocks étant importantes pour les clients et les vendeurs, les enseignes doivent continuer à chercher des moyens d'améliorer leur compétitivité. Et cela passe par une capacité à prévoir la demande.

Alors que les consommateurs reprennent leurs habitudes d’achat en magasin, la demande devient plus difficile à prédire. La même étude révèle également une légère baisse des achats en ligne pour les produits de grande consommation. Mais cette baisse pourrait en réalité s’avérer temporaire car les consommateurs sont de plus en plus attirés par les magasins proposant l'achat en ligne, le retrait en magasin et le drive. C’est d’ailleurs pour cette raison que les enseignes déploient autant d'efforts pour adapter et équilibrer en permanence leurs stocks en fonction des préférences de consommation, ceci dans le but de rester compétitives et de préserver leurs marges.

Faute de pouvoir compter sur un retour à la stabilité et de pouvoir déterminer le niveau de stock parfait pour des milliers de références UGS, il existe des solutions qui peuvent permettre aux enseignes d’obtenir des prévisions plus précises.

Les prévisions de ventes erronées et dépassées cèdent rapidement la place aux prévisions de la demande, soutenues par l'intelligence artificielle (IA) et le machine learning (ML) capables d’agréger une multitude de points de données internes et externes. Ils permettent d’avoir des stocks disponibles adéquats pour chaque magasin, chaque UGS et chaque client. Lorsqu'une base d'informations fondées sur les données permet de prédire les achats des consommateurs, les autres processus de planification deviennent à leur tour plus fiables.

L’intelligence artificielle est déjà en train de changer la donne dans les rayons des magasins, du moins pour les fournisseurs en livraison directe (Direct Store Delivery). Qu'il s'agisse de fabricants de boissons ou de boulangeries, les outils basés sur des algorithmes ont redéfini la commande prédictive, en intégrant une mine de données détaillées quotidiennes et hebdomadaires impactant chaque livraison en magasin, y compris les demandes saisonnières prévisionnelles, les plannings de promotion des magasins, et même les conditions météorologiques locales. 

Ce processus automatisé recommande une quantité de commandes optimale pour chaque arrêt en magasin, à laquelle les chauffeurs peuvent facilement accéder via une interface sur tablette. Ces outils alimentés par l'IA permettent d'utiliser au mieux l'espace limité de chaque camion de livraison, d’améliorer la répartition des livraisons de chaque magasin tout en réduisant considérablement les taux de retour des produits endommagés qui entravent les marges. En somme, ces outils permettent d’optimiser le travail des chauffeurs et de l’ensemble des collaborateurs.

Walgreens a été l'un des premiers distributeurs à franchir le pas de la prévision et de la planification de la demande à partir des données dans ses 9 000 magasins. Une seule référence dans un magasin, qui pouvait auparavant être influencée par une poignée de facteurs, comme des médicaments en période d’épidémie de grippe par exemple, peut désormais être impactée en temps réel par des dizaines de données internes et externes complexes, que ce soit des événements, des conjonctures économiques locales ou encore des tendances sur les réseaux sociaux. Il s'agit de volumes d'informations bien supérieurs à ceux qu'une armée humaine et des feuilles de calcul pourraient produire manuellement pour élaborer une stratégie de tarification axée sur les données et tournée vers le profit. 

Dans le secteur des biens de consommation, le succès immédiat des prévisions de la demande basées sur l'IA est très prometteur et offre notamment une meilleure gestion des UGS dans les supermarchés traditionnels. La synchronisation de l'inventaire et de la répartition des produits en fonction de la demande anticipée des clients contribue à réduire les espaces vides dans les rayons, tout en évitant que des stocks excédentaires coûteux encombrent les entrepôts et les locaux de stockage.

Au-delà des biens de consommation pré-emballés, on peut s'attendre à ce que les prévisions de demande basées sur l'IA jouent également un rôle croissant pour les rayons de produits élaborés sur place. En effet, les rayons de boulangerie et d’épicerie permettent aux commerçants de mieux synchroniser et d’adapter les quantités d'ingrédients bruts et de produits finis disponibles, alors même que la fraîcheur et la diversité des aliments gagnent en importance auprès des clients exigeants. 

Même si l'IA suscite aujourd'hui une certaine inquiétude, force est de constater les avancées positives qu'elle a déjà apportées aux acteurs du commerce et de la distribution, en permettant une prévision de la demande plus précise et en optimisant la gestion des stocks pour mieux servir les clients, tout en améliorant les profits.