
IA et données : une prévision intelligente de la demande
Aider une chaîne de distribution à fonder ses achats sur les données.
Le défi
U.M perdait de l’argent de deux façons : un excédent de stock de vêtements hors saison (pertes sur démarques) et des ventes manquées sur les articles en tendance (ruptures). Ses achats reposaient sur des feuilles Excel et une logique simple de type « l’an dernier + 10 % », qui ne tenait compte ni des micro-tendances, ni de la météo, ni du sentiment sur les réseaux sociaux.
La solution
GTEMAS a mis à disposition 3 ML Engineers, des spécialistes indépendants engagés dans le cadre d’un contrat de services avec GTEMAS, pour travailler aux côtés de l’équipe IT interne de U.M. Le responsable data de U.M a fixé les objectifs et défini ce que le « rapport de recommandations d’achat » devait faire ressortir pour les category managers. Nos ingénieurs ont mis en œuvre le modèle de prévision de séries temporelles à base de réseaux LSTM (Long Short-Term Memory) pour répondre à ce cahier des charges. Reporting intelligent : Le modèle ingère les données de 5 sources, dont Google Trends et les prévisions météo locales, et produit chaque jour un rapport qui indique précisément quels SKU réapprovisionner et lesquels démarquer sans attendre.
Stratégie d’architecture
Pipeline de données orchestré par Apache Airflow sur AWS. Modèles entraînés sur SageMaker et exposés par une API interne au système ERP.
Impact et résultats
Le système d’IA a fait passer la culture d’achat de l’intuition aux faits. Les category managers se fient désormais aux données, ce qui donne une chaîne d’approvisionnement plus légère et plus rentable.
Baisse du stock dormant
Grâce à une meilleure disponibilité des stocks
Précision des prévisions (contre 60 %)
Prêt à écrire votre propre réussite ?
Travaillez avec Global Tech Masters pour bâtir des produits numériques évolutifs et performants.