Le rayon est vide, le logiciel dit 12 : repérer une rupture par les ventes
Le logiciel du magasin affiche douze paquets alors que le rayon est vide. Tant que ce chiffre reste au-dessus du seuil de commande, rien ne part, et le trou peut durer des semaines. Le signal à surveiller vient des ventes : elles s'arrêtent net sur un article qui partait tous les jours. Il faut ensuite aller voir, puis remplir le rayon ou corriger le stock, faute de quoi l'alerte revient.
L'article en deux vidéos de 30 secondes
Lire le texte des deux vidéos
Épisode 1
Le logiciel affiche douze paquets de café, et le rayon est vide. Le seuil de commande est à six, donc aucune commande ne part. Ces douze paquets n'existent pas : le carton saisi à la réception n'est jamais arrivé. Le logiciel ne voit rien : c'est le stock fantôme. Le rayon reste vide jusqu'à ce que quelqu'un passe. Comment le repérer sans y aller ? Épisode 2.
Épisode 2
Ce café se vend quatre fois par jour, et rien depuis deux jours. Le logiciel affiche douze en stock, mais les ventes signalent un rayon vide. Un article lent peut rester une semaine sans vente ; un article rapide, non. On vérifie le rayon, puis la réserve. Si le stock est juste, on remplit ; s'il est faux, on le corrige, et la commande repart.
Douze paquets que personne ne trouve
Mardi matin, rayon épicerie. Le logiciel de gestion affiche douze paquets de café moulu. Le seuil de commande de cet article est de six : tant que le stock informatique reste au-dessus, aucune commande ne part. En rayon, il n'y a plus rien depuis samedi soir.
Les douze paquets n'existent pas. Un carton a été saisi à la réception sans être contrôlé, et il n'est jamais descendu du camion. Pour le logiciel, ce carton est dans le magasin, et il y restera tant que personne n'ira vérifier.
Le logiciel fait ce qu'on lui demande : il ne recommande pas un produit dont il croit avoir assez. Un guide consacré aux ruptures, publié en 2008 par deux chercheurs, décrit le même enchaînement : le produit n'est pas recommandé, et la situation dure « jusqu'à ce qu'une vérification physique du rayon montre que l'article manque ».
Le stock du logiciel est un calcul
Il part du dernier inventaire, ajoute les réceptions, retire les ventes et les pertes déclarées. Tout ce qui sort du magasin sans passer par l'une de ces lignes creuse un écart entre le chiffre et l'étagère.
Un bocal cassé part à la poubelle sans être déclaré, un article est volé, une livraison incomplète est saisie comme complète, un produit reste en réserve ou se retrouve rangé à deux endroits. Deux parfums de yaourt au même prix passent parfois en caisse sous le même code : l'un se vide en rayon pendant que le logiciel croit vendre l'autre, dont le stock finit sous zéro. Chacune de ces erreurs pèse peu, mais elles s'additionnent, et une thèse soutenue au MIT a montré qu'une petite perte non enregistrée, accumulée dans le temps, suffit à dérégler le réassort et à provoquer des ruptures sévères.
Une étude publiée en 2008 a comparé près de 370 000 fiches de stock, dans 37 magasins d'un même distributeur, avec ce qui se trouvait réellement en magasin : 65 % étaient inexactes.
- Stock informatique
- La quantité que le logiciel croit avoir en magasin. On parle aussi de stock théorique.
- Seuil de commande
- Le niveau de stock sous lequel le logiciel propose ou passe une nouvelle commande.
- Stock fantôme
- Du stock que le logiciel croit avoir et qui n'est nulle part dans le magasin : ni en rayon, ni en réserve.
Pourquoi personne n'est prévenu
Une rupture ordinaire se voit dans le logiciel : le stock passe sous le seuil, la commande part, le rayon se remplit. Avec un stock fantôme, l'écran n'affiche aucune anomalie : aucune commande ne part et le rayon reste vide.
Les clients s'en aperçoivent. Dans l'étude internationale de 2002 que reprend le guide de 2008, il manquait en moyenne 8,3 % des articles en rayon. Les trois quarts des causes se trouvaient dans le magasin lui-même, et près d'un tiers des achats manqués partaient dans un autre magasin.
Repérer le trou par les ventes
Les ventes enregistrées en caisse donnent l'indice qui manque. Un article qui se vend quatre fois par jour et qui ne s'est pas vendu depuis deux jours n'est probablement plus en rayon. L'information est dans les données de vente, mise à jour chaque jour, et elle ne coûte rien de plus.
Pour savoir ce qui est normal, une méthode simple consiste à regarder le même jour de la semaine sur les dernières semaines : un article qui s'est vendu presque tous les mardis est attendu le mardi. S'il enchaîne des journées sans vente, il passe en alerte. Le jour de la semaine compte, parce qu'un mardi ne ressemble pas à un samedi ; les modèles publiés sur la détection par les ventes en tiennent compte, avec les jours fériés, le mois et le prix.
Rien n'empêche d'afficher cette alerte sur l'étiquette électronique du rayon, à côté du stock informatique : douze en stock, plus aucune vente. L'alerte et la commande sont deux calculs séparés ; c'est pourquoi la contradiction peut s'afficher sans que rien ne soit commandé.
Le cas des articles lents
Si les ventes arrivent au hasard, un article qui se vend en moyenne deux fois par jour passe une journée entière sans vente environ une fois sur sept, et deux journées de suite environ une fois sur cinquante. Un article qui se vend une fois par semaine a plus d'une chance sur trois de passer toute une semaine sans vente, sans que rien ne manque.
Le délai toléré doit donc dépendre de la vitesse de vente : court pour les articles rapides, plus long pour les lents. Pour les plus lents, mieux vaut ne rien conclure. Le guide de 2008 le reconnaît : la détection par les ventes fonctionne mal pour les articles qui se vendent lentement.
Combien d'alertes sont justes
Une étude publiée en 2019 a confronté un modèle de détection par les ventes à des contrôles visuels quotidiens des rayons, dans une chaîne d'hypermarchés. Le modèle repérait 63 % des ruptures, avec un taux de fausses alertes d'environ 16 %. Certaines vérifications se feront donc pour rien. Lors d'échanges avec une autre équipe de chercheurs, des responsables de magasin ont estimé qu'un outil juste une fois sur deux resterait utile : il tourne chaque jour, sur tous les articles, pour presque rien.
La liste du jour
L'alerte prend la forme d'une liste par rayon, triée par perte estimée et assez courte pour être traitée en une seule tournée, aux heures creuses, les rayons répartis entre plusieurs personnes.
Rayon épicerie · alertes du mardi
Article Stock Jours sans Ventes Prix Perte
affiché vente /jour /jour
Café moulu 250 g 12 2 4,1 3,20 13 €
Lessive liquide 1,5 L 5 4 0,9 7,90 7 €
Biscuits chocolat 9 2 3,0 1,80 5 €
Sauce tomate 400 g 4 3 2,3 1,45 3 €- Stock affiché
- Ce que croit le logiciel. Les douze cafés sont ceux du début de l'article ; leurs ventes, 4,1 par jour en moyenne, sont arrondies à 4 dans le récit.
- Jours sans vente
- Le nombre de jours consécutifs sans aucune vente, comptés depuis la veille.
- Ventes /jour
- La vente moyenne d'une journée, calculée sur plusieurs mois.
- Perte /jour
- Le prix multiplié par la vente moyenne d'une journée. C'est une estimation du manque à gagner pour chaque jour où le rayon reste vide, pas un chiffre comptable.
Aller voir, puis remplir ou corriger
La liste ne dit pas pourquoi l'article manque. Vol, casse, mauvais emplacement, carton en réserve, livraison incomplète : dans les ventes, toutes ces causes se ressemblent, et seule une visite au rayon permet de les distinguer.
La vérification suit toujours le même ordre : le rayon d'abord, puis la réserve. On compte ce qui est réellement là, on note la cause, puis on choisit entre deux gestes.
Si le stock est juste, le produit est quelque part : un carton attend en réserve, ou l'article a été installé en tête de gondole. Il suffit de remplir le rayon.
Si le stock est faux, il faut le corriger. Le café du début passe de douze à zéro dans le logiciel, le stock tombe sous le seuil, et la commande repart au calcul suivant. Si l'on se contente de remplir le rayon avec un carton commandé à la main, le stock reste faux et l'alerte revient la semaine suivante sur le même article.
Le lendemain, la nouvelle liste se compare à celle de la veille : chaque alerte est résolue, persistante ou nouvelle. Une alerte qui persiste après une vérification signale une correction qui n'a pas été saisie, ou une cause qui se répète. Un carton retrouvé en réserve trois semaines de suite relève, lui, de la mise en rayon, pas du stock.
Ce comptage ciblé coûte moins cher qu'un inventaire complet, et il vise mieux. Le guide de 2008 rapporte l'exemple d'un distributeur qui a cessé de compter au hasard pour ne plus compter que les articles suspects : stock nul ou négatif, stock anormalement élevé, trous vus en rayon, fins de promotion. Sur vingt magasins et cinq mois, la part de fiches exactes est passée de 45 % à 53 %, avec 20 % de comptages en moins. Ce distributeur avait d'ailleurs trouvé sa première source d'écarts : les produits présents à plusieurs endroits du magasin.
Ce que les ventes ne disent pas
Après une promotion, les ventes retombent alors que le rayon est plein. Un article déplacé en tête de gondole se vend ailleurs que là où on le cherche. Un nouveau produit n'a pas encore d'habitudes, donc pas de normal. Une hausse de prix fait baisser les ventes sans rupture. Un jour férié ou une fermeture fausse la comparaison avec le même jour des semaines précédentes.
Enfin, quand les ventes sont nulles et que le stock informatique l'est aussi, le problème vient de l'approvisionnement : une commande partie en retard, livrée incomplète ou jamais passée. Il faut alors comparer ce qui a été commandé et ce qui a été reçu, article par article.
Par où commencer
Un rayon suffit pour commencer : sa liste du jour, une tournée aux heures creuses, et une règle simple, saisir le jour même tout écart trouvé au comptage. Les erreurs de stock continueront d'apparaître, mais elles ne resteront plus des semaines dans le logiciel.
Pour aller plus loin
- N. DeHoratius et A. Raman, « Inventory Record Inaccuracy: An Empirical Analysis », Management Science, 2008.
- T. W. Gruen et D. Corsten, « A Comprehensive Guide to Retail Out-of-Stock Reduction in the Fast-Moving Consumer Goods Industry », 2008 (copie archivée), qui reprend l'étude internationale de 2002 de T. W. Gruen, D. Corsten et S. Bharadwaj.
- Y. Kang et S. B. Gershwin, « Information inaccuracy in inventory systems: stock loss and stockout », IIE Transactions, 2005, et la thèse de Y. K. Kang au MIT.
- R. Montoya et C. Gonzalez, « A Hidden Markov Model to Detect On-Shelf Out-of-Stocks Using Point-of-Sale Data », Manufacturing & Service Operations Management, 2019.
- D. Papakiriakopoulos et G. Doukidis, « Classification Performance for Making Decisions about Products Missing from the Shelf », Advances in Decision Sciences, 2011.