Cet article a été publié originellement sur mydatacompany.fr

Comment optimiser les effectifs au sein de ses boutiques en fonction de la fréquentation et ainsi améliorer les ventes et la satisfaction client ? C’est la question qu’a cherché à résoudre Décathlon grâce à l’intelligence artificielle.

Décathlon exploite déjà l’IA. dans différents domaines, en particulier afin d’établir des prévisions de ventes. L’enseigne fait aujourd’hui évoluer ses modèles prédictifs afin d’optimiser des opérations logistiques comme l’approvisionnement des magasins et la planification de la production.

Décathlon recourt aussi à l’intelligence artificielle afin de rapprocher les prévisions de ventes et le planning des équipes, et ainsi mieux aligner la présence des vendeurs en point de vente avec la fréquentation. Le planning est en effet une problématique récurrente dans le secteur de la vente au détail.

Le planning , un « caillou dans la chaussure »

Chez Decathlon, le planning est établi de manière hebdomadaire par les responsables de rayon. Cette information doit être légalement communiquée aux équipes 3 semaines à l’avance en France. C’est 6 semaines en Espagne. Cette tâche consomme de 1 à 4 heures de travail par semaine à un responsable de rayon.

Un problème de disponibilité des vendeurs

Les responsables métiers se sont rapprochés des équipes de Data Science de Décathlon afin de disposer d’une aide à l’établissement des plannings des vendeurs. « Nous avons un problème de disponibilité des vendeurs devant les clients. Il fallait donc améliorer la situation » considère Johan Durand, Product owner au sein de l’équipe prévisions de Decathlon.

Piloter l’activité en point de vente n’est pas une évidence. La prédiction la plus proche possible de l’activité réelle doit être conciliée avec le planning, en tenant compte des différentes opérations en back-office et logistiques.

Dans un premier temps, les Data Scientists ont défini un modèle permettant de piloter le chiffre d’affaires pour chacun des rayons. « L’idéal aurait été de prévoir le flux, mais la donnée client n’est pas bonne. Nous n’arrivons pas bien à compter combien de clients entrent et sortent en magasin » reconnaît le Product owner.

Le chiffre d’affaires des rayons est prédit pour chaque magasin

Un modèle prédictif en Open Source a été conçu en se basant sur les données de l’historique des ventes, les dates du calendrier afin de tenir compte des jours fériés et des périodes de vacances et la météo en raison de la forte météo-dépendance de l’activité de Décathlon, ainsi que des ruptures de stock.

Un besoin idéal déterminé pour chaque heure

Une prévision de chiffre d’affaires par rayon a pu être fournie aux responsables. Ils peuvent de cette façon déterminer le nombre d’heures vendeur pouvant être planifiées sur la semaine pour atteindre leur ratio de productivité.

Un outil d’aide à la décision des responsables de rayon est disponible pour cette planification. Un second modèle prédictif calcule pour cela le besoin idéal pour chaque quart d’heure de la semaine. Ce modèle intègre des données supplémentaires, dont la répartition des ventes selon les jours de la semaine, les horaires d’ouverture et les flux de marchandise. Les vendeurs s’occupent en effet aussi du réassortiment des rayons.

Les responsables de rayon reçoivent ainsi une répartition optimisée de leurs vendeurs en fonction des différentes heures, sur l’ensemble de la semaine, et sur plusieurs semaines successives. Cette recommandation, basée sur des prévisions, est fournie sur une période de 8 semaines.

Un planning totalement automatisé et aligné sur l’activité attendue

Décathlon a décidé de ne pas s’arrêter là sur ce sujet considéré comme « un véritable caillou dans la chaussure » des responsables. L’enseigne a basculé sur un planning automatisé, ajustable ensuite par chaque responsable de rayon. Pour cela, elle s’est appuyée sur les services d’un prestataire et non sur ses Data Scientists.

Un déploiement dans tous les magasins en mars

Décathlon exploite donc un outil de planification externe basé sur un moteur d’optimisation de planning. L’outil est alimenté en entrée avec le besoin idéal établi en interne par le modèle de l’enseigne de sport. D’autres paramètres vont ensuite enrichir ce dispositif, tels que les compétences des vendeurs, et des facteurs réglementaires, en particulier l’intégration de la législation du travail des différents pays d’implantation.

Les résultats sont au rendez-vous. Decathlon obtient un meilleur pilotage avec une réduction drastique des « grosses erreurs de pilotage ». Une « I.A. ce n’est pas fantastique tout de suite. Elle va surtout enlever toutes les erreurs humaines qui existaient jusqu’à présent » prévient Johan Durand. Décathlon table d’ailleurs sur d’autres améliorations de ses modèles grâce à la prise en compte de nouvelles données.

Le planning automatisé a été validé en pilote par les magasins. Le déploiement national débutera en mars 2020. Un accompagnement du changement pourrait s’imposer lors du déploiement de cette nouvelle application de planification. En moyenne, ce sont 20 heures par équipe et par semaine qui sont modifiées par rapport au planning manuel tel qu’il était réalisé auparavant. « Cela va vraiment changer les habitudes des magasins » relève le Product owner.