Nos projets
Mieux gérer les inventaires grâce à l’IA
Des niveaux de stock optimaux reposent sur des prévisions précises, mais prédire la demande pour des produits à forte valeur et faible volume est complexe, les méthodes traditionnelles peinant à équilibrer coûts de stockage et risques de ventes manquées.
IVADO Labs a conçu une solution d’IA sophistiquée qui améliore la précision des prévisions de la demande et optimise les stocks en temps réel, tout en intégrant l’intelligence humaine.
Le modèle d’IA a permis de maintenir le même niveau de service client avec 20 % de stock en moins, réduisant ainsi les coûts et améliorant la rentabilité.
L’implémentation de l’IA par IVADO Labs a débuté par une refonte complète du processus de prévision de la demande de l’entreprise. Auparavant, le fabricant utilisait une approche classique, reposant sur des feuilles de calcul pour soutenir les décisions d’équipe. Cette méthode limitait la fréquence des mises à jour et la traçabilité des informations, ce qui restreignait l’organisation à des prévisions de très haut niveau.
L’IA a permis de développer un modèle de prévision plus précis et granulaire, en se basant sur les données historiques de ventes et d’inventaires.
« Nous avons mis plusieurs modèles en compétition entre eux afin de trouver les meilleurs modèles pour chaque type d’article », résume Philippe Fortin Simard, gestionnaire de produit chez IVADO Labs.
L’outil développé par IVADO Labs est aussi capable de générer une demande dite « non censurée ». « Il s’agit d’utiliser les données d’inventaire conjointement avec les données de vente pour faire une estimation de la demande observée et non observée », explique Philippe Grand’maison, chef d’équipe principal chez IVADO Labs. En d’autres termes, cela permet de quantifier la demande non satisfaite due aux ruptures de stock, car les données de ventes historiques ne montrent que les ventes réalisées, sans refléter toute la demande potentielle non comblée. « Décensurer la demande est délicat car l’évaluation ne peut pas être fondée sur des quantités observées », précise Mathieu Sylvestre, scientifique de données responsable de projet chez IVADO Labs.
Les avantages du nouveau système sont nombreux. « L’ancien modèle manuel pouvait être évalué tous les six mois seulement. Nos modèles d’IA peuvent être exécutés tous les jours, ce qui les rend beaucoup plus réactifs », note Philippe Fortin Simard. Cette réactivité est essentielle pour faire face à des événements imprévus, tels que des changements économiques, des catastrophes naturelles ou des perturbations de la chaîne d’approvisionnement.
Les prévisions obtenues sont aussi plus granulaires. En Amérique du Nord, les prévisions, autrefois regroupées en quatre grands territoires, sont maintenant divisées en une soixantaine de régions distinctes, et les produits sont segmentés à un niveau plus granulaire.
Pour les prédictions à long terme, l’IA vient ainsi en complément de l’intelligence humaine. « Nos modèles effectuent des prédictions de la demande, mais celles-ci peuvent ensuite être ajustées », note Philippe Fortin Simard. « C’est ce qu’on appelle de l’assumption-driven forecasting, ou des prévisions basées sur les hypothèses. On part de données objectives, mais on a la latitude d’y superposer des hypothèses qui intègrent l’expertise humaine », explique-t-il.
« Les experts peuvent par exemple prévoir des ventes supérieures de 2 % au prochain trimestre, car ils disposent d’informations que le modèle ne prend pas en compte, comme l’impact d’une campagne promotionnelle ou le lancement d’un nouveau produit », illustre-t-il. Inversement, une conjoncture économique défavorable pourrait justifier une révision à la baisse de certaines prévisions.
Bien que la méthode utilisée précédemment par le fabricant permettait de poser des hypothèses, elle ne permettait pas d’en faire le suivi. Avec les outils développés par IVADO Labs, ces ajustements peuvent désormais être évalués en continu, en comparant les ventes réelles aux prévisions du modèle d’IA bonifiées par les experts de l’entreprise.
Les prévisions avec l’IA incluent également une évaluation de l’incertitude, essentielle pour la gestion des stocks.
La mise en place des modèles de prévision de la demande n’était que la première étape de la transformation numérique du fabricant. L’un des principaux objectifs du projet était de convertir ces prévisions en actions concrètes.
« Une prévision toute seule n'apporte pas de valeur à une compagnie si elle n'est pas utilisée pour prendre des décisions opérationnelles », souligne Philippe Fortin Simard.
L’optimisation de la gestion des inventaires a constitué la première étape concrète vers la création de valeur ajoutée. Grâce à la précision des modèles développés par IVADO Labs, ces prévisions ont en effet pu être directement utilisées au niveau des concessionnaires.
Grâce au modèle d’IA développé, le fabricant a pu ajuster ses inventaires en fonction des ventes prévues et calculer les stocks de sécurité avec une grande précision. « Si le modèle prédit qu’un concessionnaire va vendre 10 produits, mais avec une marge d’erreur de 20%, le vendeur aura donc besoin de 12 produits pour avoir assez d’inventaire pour s’assurer de répondre à la demande potentielle », explique Philippe Grand’maison. Ces deux produits supplémentaires représentent ce qu’on appelle le stock de sécurité.
« Moins l’incertitude des prévisions est élevée, moins il est nécessaire de garder un stock de sécurité élevé », note Philippe Fortin Simard. Cette réduction du stock de sécurité se traduit par des économies significatives et une meilleure réponse à la demande des clients. « Plus notre prévision est précise, moins nous avons de situations où un client arrive au commerce et ne trouve pas le produit qu’il recherche », ajoute-t-il.
Les solutions d’IVADO Labs offrent également une certaine flexibilité. « La gestion d’inventaire offre un bon compromis entre le risque de rupture de stock et les coûts associés à un surplus d’inventaire », rappelle Mathieu Sylvestre. « À l’aide de simulations, on peut comprendre comment un choix de niveaux d’inventaire influence ce compromis et ainsi prendre des décisions éclairées. »
En comparant les anciens processus du fabricant avec la nouvelle approche basée sur l’IA, il a d’ailleurs été possible de quantifier les bénéfices de la solution. « Nous avons simulé ce qui se serait passé si le fabricant avait utilisé notre modèle dans le passé, et il aurait été capable d’améliorer ses ventes réalisées, ou d’atteindre les mêmes, tout en réduisant ses stocks excédentaires », explique Philippe Grand’maison.
Un aspect clé du projet a été l’implication de la communauté académique, en particulier pour aborder les aspects plus atypiques du problème, tels que l’estimation de la demande non censurée et la gestion d’inventaire dans un contexte de faible volume de vente. La collaboration entre les experts scientifiques et les planificateurs du client a permis de développer de nouvelles méthodes répondant efficacement aux besoins du client.
« Chez IVADO Labs, nous avons la chance de travailler en étroite collaboration avec des professeurs universitaires », ajoute Mathieu Sylvestre. Des chercheurs comme Emma Frejinger de l’Université de Montréal, Jean-François Cordeau de HEC Montréal, Maxime Cohen de l’Université McGill, et Yossiri Adulyasak de HEC Montréal ont contribué à ce projet, notamment pour adapter différents modèles théoriques à la réalité du terrain.
« Quand on rencontre un problème, on peut s’appuyer sur plusieurs ressources, tant à l’interne que dans la communauté universitaire. On a accès à un grand bassin d’experts qui ont habituellement déjà travaillé sur des défis similaires », souligne Philippe Grand’maison. « Ces experts nous permettent de rester à la pointe des avancées scientifiques », poursuit Philippe Fortin Simard.
L’IA ouvre des portes: l’exemple des promotions
Lorsque les entreprises entament une transformation numérique avec l’IA, l’amélioration des prévisions de la demande et de la gestion des inventaires ouvre souvent de nouvelles opportunités, comme cela a été le cas ici, notamment en matière de gestion des promotions.
« Nous avons créé avec l’entreprise un modèle d’IA capable d’optimiser l’allocation des investissements promotionnels. Celui-ci se base sur une estimation de l’augmentation potentielle des ventes par rapport à la prévision de base de l’IA en effectuant différentes promotions, pour chaque segment », résume Philippe Fortin Simard. Cette approche permet de planifier les promotions pour un horizon de plusieurs mois de manière plus stratégique.
Découvrez comment l’IA aide à relever les défis de la gestion des stocks, en optimisant les niveaux de stock, en réduisant les coûts et en améliorant l’efficacité de la chaîne d’approvisionnement.
Explorez nos recherches sur l’utilisation de l’IA pour détecter les achats paniques et améliorer la distribution des produits, reconnues par AI & Society pour leur approche novatrice face aux perturbations réelles pendant la pandémie de COVID-19.