Chaque année en France, 10 millions de tonnes d’aliments destinées à la consommation humaine finissent à la poubelle et 630 millions d’euros de marchandises non-alimentaires sont détruites. La chasse au gaspillage est donc lancée depuis plusieurs années déjà dans les entreprises. Il existe aujourd’hui des solutions d’IA et de Machine Learning capables de limiter fortement ce phénomène. Des technologies qui viennent simplifier le quotidien des opérationnels tout en leur permettant de piloter de manière fine leur activité et d’améliorer ainsi leur performance économique.
Une révolution dans le retail
Aucune entreprise ne jette par plaisir. Si elle y est contrainte, c’est généralement parce qu’elle n’a ni la solution ni le temps de s’occuper sérieusement du problème. Atteindre le zéro déchet non valorisé est pourtant l’objectif poursuivi par de nombreux retailers qui mènent diverses actions pour valoriser leurs invendus, comme, par exemple, le don aux associations. Et, s’il n’existe pas une solution unique pour parvenir à ce résultat, les technologies d’IA offrent aujourd’hui de nouvelles opportunités aux acteurs de la grande distribution et des moyens inédits pour lutter plus efficacement. Leur principal atout : leur donner la possibilité de mieux piloter le gaspillage en le mesurant.
Le Machine Learning ou technologie apprenante est la pierre angulaire de ces nouvelles solutions. Certaines permettent une implémentation automatique de tous les produits d’une grande surface dans un logiciel de gestion, par famille et, surtout, sans classification humaine préalable. Outre le fait de gagner du temps au quotidien, cette nouveauté rend possible le pilotage de l’activité des invendus et des déchets de façon très fine. Les managers de rayon peuvent ainsi identifier, quasiment en temps réel, les pistes d’optimisation à suivre pour mieux maîtriser la gestion de leurs invendus et déchets, générant ainsi davantage d’économies, tout en se comparant à d’autres magasins/entreprises comparables
Gagner du temps dans la gestion quotidienne
Les logiciels et plates-formes d’IA nouvelle génération apportent une capacité inédite dans le traitement de l’information. Prenons l’exemple d’un supermarché qui gère plus de 40 000 références, dont la moitié alimentaire et périssable. Tous les jours, des produits arrivent à date courte. Jusqu’à présent, le responsable d’un rayon était obligé, tous les matins, de vérifier les dates de centaines voire, pour certaines catégories comme les yaourts, de milliers de références : un travail très chronophage.
Intégrant et analysant en continu les données de chaque produit, les solutions de gestion intelligente des invendus vont permettre de réduire cette liste à 10, 15 ou 20 références seulement. Les efforts du gestionnaire se porteront donc sur ces dernières, à traiter dans les meilleurs délais, afin d’éviter qu’elles ne soient jetées en fin de journée.
Une aide précieuse pour réaliser les meilleurs arbitrages
Ce gain de temps s’additionne à l’aide à la décision qu’apporte l’IA, notamment dans les arbitrages entre les produits à promouvoir et ceux à donner. Reprenons l’exemple de nos yaourts. Imaginons que 15 références arrivent à date courte. Combien faut-il en proposer en promotion ? C’est un vrai sujet puisque toutes ne seront pas forcément vendues et devront donc être jetées alors même qu’elles auraient pu être données à des associations caritatives.
En croisant un grand nombre d’informations telles que la performance habituelle de ces références, la catégorie du produit, la taille du magasin, le jour de vente, la saisonnalité, voire la météo, la solution d’IA va proposer des recommandations fines sur le nombre de paquets de yaourts à promouvoir et à donner.
Ainsi, non seulement, le gestionnaire lutte efficacement contre le gaspillage, mais il améliore également la performance économique de son rayon en limitant au maximum le nombre de produits non valorisés. Au fur et à mesure que le volume de données renseigné dans l’outil augmente, la recommandation s’affine.
Améliorer la performance de l’assortiment produits
À la fin du mois, le gestionnaire obtient la liste des produits qui ont été les plus stickés en promotion et ceux qui ont été les plus donnés. Il peut, dès lors, ajuster aux mieux l’assortiment proposé à ses clients en fonction de leurs préférences. La gestion des invendus se transforme donc en une solution d’optimisation de l’offre.
En apportant toutes ces solutions d’arbitrage, d’étude de la performance et de recommandations, les technologies de Machine Learning et d’IA destinées à lutter contre le gaspillage réinventent en profondeur la gestion des produits périssables dans la grande distribution.
