De la gestion manuelle à la prévision de la demande. Le parcours d’une entreprise agroalimentaire qui a réduit son gaspillage de 25% grâce au machine learning.
Points Clés à Retenir
- Le Problème: Taux de gaspillage élevé et ruptures de stock fréquentes pour des produits frais, à cause d’une prévision de la demande basée sur l’intuition.
- La Solution: Développement d’un modèle de machine learning prédisant la demande en se basant sur les ventes passées, la météo et le calendrier des jours fériés.
- Les Résultats: Réduction de 25% du gaspillage alimentaire, augmentation de 15% des ventes sur les produits clés grâce à une meilleure disponibilité.
- Leçon n°1: La qualité des données est non négociable. Le projet n’a été possible que grâce à deux ans d’historique de ventes propres.
L’intelligence artificielle peut sembler être un domaine réservé aux géants de la tech. Pourtant, son impact le plus significatif se trouve souvent au cœur de nos PME. Voici l’histoire de “Délices du Souss”, une entreprise familiale spécialisée dans les jus de fruits frais, qui a transformé son plus grand défi logistique en un avantage concurrentiel grâce à une approche pragmatique de l’IA.
Le Défi : Naviguer entre Surstock et Rupture
Pour “Délices du Souss”, le principal défi était la gestion des stocks. La demande pour leurs jus frais pouvait varier énormément d’une semaine à l’autre. Une journée ensoleillée pouvait vider les rayons, tandis qu’une semaine pluvieuse laissait des dizaines de litres invendus, destinés à être jetés. La planification se faisait “au feeling”, basée sur l’expérience du gérant, menant inévitablement à des erreurs coûteuses : du gaspillage d’un côté, des clients mécontents de l’autre.
La Solution : Un Modèle de Prévision sur Mesure
Plutôt que d’investir dans un logiciel coûteux, l’entreprise a collaboré avec un consultant local pour développer un modèle de machine learning simple mais efficace. L’objectif : prédire les ventes pour les 7 prochains jours. Le modèle a été nourri avec trois types de données :
- Données historiques : Deux ans de tickets de caisse, nettoyés et anonymisés.
- Données contextuelles : Prévisions météo (température, ensoleillement) récupérées via une API publique.
- Données calendaires : Jours fériés, vacances scolaires, et même les dates des moussems locaux.
Le résultat est un simple tableau de bord qui, chaque matin, donne une estimation des ventes pour chaque type de jus, avec un intervalle de confiance.
Les Résultats : Moins de Pertes, Plus de Ventes
Les chiffres parlent d’eux-mêmes. Après six mois d’utilisation :
- Le gaspillage alimentaire a chuté de 25%, représentant une économie de plusieurs dizaines de milliers de dirhams.
- Les ruptures de stock sur les produits phares ont diminué de 80%, menant à une augmentation directe des ventes de 15% sur ces produits.
- Le stress de l’équipe chargée des approvisionnements a considérablement diminué, leur permettant de se concentrer sur la négociation avec les fournisseurs.
Les Leçons Apprises sur le Terrain
1. La donnée est le carburant : Le gérant a confié que la partie la plus difficile n’a pas été l’IA, mais de rassembler et nettoyer deux ans de données de ventes. Sans cet effort initial, le projet était voué à l’échec.
2. Commencer simple est la clé : L’équipe n’a pas utilisé de réseaux de neurones complexes, mais un algorithme classique (de type Gradient Boosting) qui est plus facile à interpréter. Ils savaient quels facteurs (ex: la température) influençaient le plus la prédiction.
3. L’humain reste le pilote : Le modèle fournit une recommandation, pas un ordre. Le gérant garde la main et peut ajuster les quantités en fonction d’informations que le modèle n’a pas, comme une promotion de dernière minute chez un concurrent.
Conclusion: L’IA, un Levier de Croissance Accessible
L’histoire de “Délices du Souss” prouve que l’IA n’est pas un luxe inaccessible. C’est un outil puissant à la portée des PME marocaines, à condition d’adopter une démarche ciblée : partir d’un vrai problème métier, valoriser les données existantes et garder l’humain au centre du processus. C’est ainsi que la technologie devient un véritable moteur de performance et de durabilité.
Votre PME fait-elle face à un défi que l’IA pourrait aider à résoudre ? Partagez votre expérience en commentaire !
