Samedi, fin de matinée. Le rayon des boissons est vide depuis la veille, alors que la réserve déborde de biscuits que personne n’achète. Le gérant a commandé « comme d’habitude », en se fiant à sa mémoire et au dernier passage du représentant.
Cette scène résume l’enjeu du sujet « IA commerce de détail » : compléter l’intuition par une prévision calculée, magasin par magasin. Une supérette, une parapharmacie ou une chaîne de quelques boutiques peuvent s’y mettre, à condition de réunir leurs données dans un ERP qui centralise ventes, achats et stocks.
Cinq questions de commerçant auxquelles l’IA répond
Chaque usage part d’une question que le gérant se pose déjà. L’IA y répond avec les données de la caisse et du stock, rien de plus exotique.
Combien vais-je vendre la semaine prochaine ?
Le commerçant commande trop ou pas assez, surtout avant le ramadan, la rentrée ou les fêtes. Un modèle de prévision de la demande estime les ventes de chaque article à partir de l’historique, du calendrier, des promotions et parfois de la météo.
Il a besoin des ventes par article et par jour, si possible sur plusieurs saisons. Un produit nouveau ou un événement inédit n’a pas d’historique : sur ces cas, le modèle se trompe.
Que dois-je commander, et quand ?
Une prévision ne sert à rien tant qu’elle ne devient pas une commande. L’IA calcule une proposition de réapprovisionnement qui tient compte du stock réel, du délai du fournisseur et des conditionnements.
Elle exploite des stocks à jour, les délais de livraison constatés et les minimums de commande. Si le stock informatique diffère du stock physique, la proposition est fausse. L’inventaire tournant, un comptage régulier par petites zones, reste indispensable.
À quel prix, avec quelle promotion ?
Les démarques arrivent souvent trop tard, quand la date limite approche. Un modèle estime l’effet d’une baisse de prix sur les volumes et suggère le bon moment pour écouler un lot.
Il lui faut l’historique des prix, des promotions et des ventes associées. Vérifiez le cadre légal applicable aux prix et pensez aux clients : des étiquettes qui changent sans cesse les déroutent.
Que proposer à ce client ?
Les offres identiques pour tous lassent. À partir des paniers, l’IA regroupe les clients selon leurs habitudes d’achat et recommande des produits ou des coupons adaptés, en magasin, par SMS ou sur la boutique en ligne.
Cet usage suppose un programme de fidélité ou un compte client qui relie les achats à une personne. Respectez la réglementation sur les données personnelles et recueillez le consentement avant d’envoyer des messages.
Où disparaît ma marge ?
La démarque inconnue, ces écarts de stock sans explication, grignote le résultat. Un modèle de détection d’anomalies signale les annulations de tickets, les remises ou les retours inhabituels, par caisse et par horaire.
Il utilise le journal détaillé des caisses et les inventaires. Il indique où regarder, pas qui accuser : une alerte appelle une vérification, jamais une sanction automatique.
Le vrai prérequis : des données de caisse et de stock fiables
Dans beaucoup de commerces de la région, la caisse enregistre un montant, sans détail par article. Les stocks vivent dans un cahier ou un tableur, et chaque point de vente utilise ses propres codes. Aucune IA ne compense ces manques.
- Un référentiel d’articles unique, avec codes-barres, familles et fournisseurs.
- Une caisse qui enregistre chaque ligne de ticket et continue de fonctionner pendant une coupure de connexion.
- Des stocks mis à jour à chaque réception, vente et retour.
- Un outil central, de type ERP, qui réunit ventes, achats et stocks de tous les magasins.
- Une personne capable de lire une prévision et de la confronter au terrain. Le responsable des achats joue souvent ce rôle.
Ce socle a une valeur propre, avant toute IA. Il montre les ventes par article et le stock réel de chaque magasin, deux informations que beaucoup de commerçants n’ont jamais eues sous les yeux.
Comptez aussi avec vos fournisseurs. Quand une partie de l’assortiment vient de l’importation, les délais varient d’une commande à l’autre. Enregistrez les délais réels : la proposition de commande en dépend autant que de la prévision.
IA commerce de détail : démarrer par une seule famille de produits
Un commerce indépendant n’a ni service informatique ni analyste. La démarche doit rester courte, visible en magasin et portée par le gérant lui-même.
- Nettoyez le référentiel d’articles et vérifiez que la caisse remonte bien les ventes par article.
- Choisissez une famille à forte rotation, par exemple les boissons ou les produits frais, dans un ou deux magasins.
- Faites tourner la prévision « à blanc » pendant quelques semaines. Comparez-la aux ventes réelles et aux commandes du gérant.
- Passez aux propositions de commande, que le responsable valide ou corrige.
- Élargissez aux autres familles et aux autres magasins, puis abordez les prix et la fidélité.
Suivez deux indicateurs simples dès le départ : le nombre de ruptures constatées en rayon et la valeur du stock dormant. Ils disent si le projet avance.
Ce que la prévision ne sait pas faire
- Deviner une pénurie d’importation, une grève des transports ou un changement de réglementation.
- Corriger seule les ventes perdues. Un article en rupture affiche zéro vente, et le modèle croit à tort que la demande a baissé.
- Remplacer la connaissance du quartier : l’ouverture d’un concurrent, un chantier devant la vitrine, un marché hebdomadaire.
- Fonctionner sans entretien. Les habitudes d’achat changent, et le modèle doit réapprendre.
La machine propose donc une quantité, et le commerçant la confirme avec ce qu’il sait du terrain. Cette répartition évite les deux excès : tout confier à l’outil, ou l’ignorer.
AROVA ERP : réunir ventes, achats et stocks
AISYSNEXT édite AROVA ERP, un ERP modulaire qui centralise ventes, achats, stocks et finances. Cette base commune fournit aux modèles de prévision l’historique propre dont ils ont besoin.
L’agence conçoit aussi des boutiques en ligne et mène des projets d’intelligence artificielle et de BI. Demandez un devis gratuit pour faire le point sur vos points de vente et vos données.
Questions fréquentes
Faut-il plusieurs magasins pour utiliser l’IA ?
Non. Un seul point de vente suffit s’il conserve l’historique de ses ventes par article. Plusieurs magasins ajoutent d’autres possibilités, comme les transferts de stock entre sites.
Un tableur suffit-il pour prévoir les ventes ?
Oui pour un petit assortiment, avec une moyenne des dernières semaines corrigée à la main. Au-delà, le nombre de références et les effets de saison dépassent ce qu’une personne peut suivre. Un modèle automatique prend alors le relais.
Quel historique de ventes faut-il réunir ?
Plusieurs saisons donnent les meilleurs résultats, car le modèle y lit les effets du calendrier. Avec moins de recul, il démarre sur les tendances récentes et s’améliore à mesure que les données s’accumulent.
