Le contexte

Dans le secteur du retail, les ruptures de stock invisibles (non détectées par les systèmes classiques) représentent un manque à gagner important, affectant directement le chiffre d’affaires et l’expérience client. Une enseigne de grande distribution souhaitait s’attaquer à ce problème structurel, en limitant le temps passé par les collaborateurs à identifier ces ruptures tout en fiabilisant les données de stock.

Les enjeux
  • Identifier rapidement les ruptures de stock cachées non remontées par les outils classiques.
  • Réduire la charge opérationnelle liée aux comptages manuels en magasin.
  • Améliorer la précision des données de stock, pour mieux piloter les approvisionnements.
  • Accroître le chiffre d’affaires en évitant les pertes de ventes liées aux produits absents des rayons.
Ce que nous avons apporté

Atecna a adapté un modèle d’IA avancé développé par Google, pour l’intégrer aux réalités du terrain de l’enseigne. La solution permet une détection fine et automatisée des ruptures de stock cachées.

Nos contributions clés :

  • Personnalisation du modèle IA pour l’adapter aux données internes et aux contraintes des magasins.
  • Déploiement d’un système de détection automatisé, intégrable dans les outils des équipes terrain.
  • Réduction des comptages manuels, permettant de libérer du temps pour des tâches à plus forte valeur ajoutée.
Résultats obtenus

Les impacts ont été mesurables dès le premier mois :

  • 2,5 fois plus de ruptures détectées : 19 000 contre 7 700 l’année précédente.
  • 3 fois moins de références comptées manuellement, grâce à la fiabilité du modèle.
  • Économie annuelle estimée à 2 millions d’euros pour la BU France, via la réduction des ruptures et des coûts opérationnels.
  • Simplification du quotidien des équipes magasins, avec une meilleure priorisation des actions.

Découvrir nos expertises en Intelligence Artificielle

Construisons ensemble une solution IA qui vous ressemble

Un projet, une question, une envie ? L’équipe Atecna vous écoute