S’il y a bien une chose que tout le monde a pu constater pendant la crise de la COVID-19, c’est la rareté soudaine d’un nombre incroyable de biens de consommation. (Photo: 123RF)
BLOGUE INVITÉ. Je suis un passionné de vélo de montagne. Une fin de semaine, j’ai malheureusement bien abîmé le dérailleur de ma monture, chose très grave pour quelqu’un qui roule trois à quatre fois par semaine et qui sait très bien que des dérailleurs, il n’y en a tout simplement plus dans quelque boutique de vélo que ce soit…
S’il y a bien une chose que tout le monde a pu constater pendant la crise de la COVID-19, c’est la rareté soudaine d’un nombre incroyable de biens de consommation. Les équipements pour tout ce qui se rapproche d’un passe-temps, d’un loisir ou d’un sport sont devenus tout simplement introuvables en magasin. Certes, il n’y a pas que le boum de la demande de certains produits qui explique les pénuries de toutes sortes que nous avons constatées. La rupture des chaînes d’approvisionnement pendant la crise et la trop longue fermeture des usines ont également eu des répercussions importantes sur de nombreuses industries. La question qui se pose alors est la suivante: aurait-il été possible de mieux prévoir ce pic de la demande dans certains secteurs?
La prédiction de la demande et des ventes est en réalité le rêve de beaucoup d’entrepreneurs et de gestionnaires! Tout serait tellement plus simple avec une telle boule de cristal, n’est-ce pas? En connaissant d’avance la demande ou nos ventes, on peut prévoir le bon nombre de personnes pour assurer la production, la bonne quantité de matière première, juste assez de stocks en entrepôt, et surtout, produire la bonne chose! Dans un contexte d’affaires toujours plus compétitif et où les marges de profits sont sans cesse plus minces, les coûts associés au maintien des stocks, aux heures supplémentaires qui permettront de traverser la période de production inattendue ou, pire encore, ne pas être en mesure de livrer les commandes, représentent souvent le profit qui change la donne à la fin de l’année.
La disponibilité des bases de données de toutes sortes est grandissante et la quantité de données disponibles est déjà immense. Les variables que nous pouvons corréler avec les historiques de vente des entreprises permettent de mettre en lumière de nombreuses tendances et d’entraîner des modèles d’IA qui surprendraient beaucoup d’entrepreneurs par leur précision. Malheureusement, à l’image de la prévision météo, qui est ancrée dans de vieilles façons de faire, on dirait que les gestionnaires et les équipes de vente ont besoin de mettre une grosse dose de sentiment dans l’évaluation annuelle des ventes qu’ils croient pouvoir réaliser l’année suivante…
S’adapter aux imprévus
Toutefois, plusieurs entreprises ont déjà fait le saut vers cette utilisation de l’IA. L’une de celles qui parlent ouvertement de ce projet est Stove Builder International (SBI). SBI, c’est cinq marques de foyers, plus de 240 produits différents et une distribution sur cinq continents. L’entreprise utilise maintenant presque uniquement la prédiction des ventes de son modèle d’IA pour planifier sa production et sa croissance, et cela, avec un an d’avance. L’incidence d’une telle prédiction dépasse largement le simple fait de répondre à toutes les commandes qui seront reçues. Quand on connaît la variable «ventes à venir» d’une entreprise, cela permet de faire la planification stratégique annuelle avec une tout autre perspective!
Comme dans tout ce qui touche l’IA, la précision d’une prédiction est toujours la clé. En général, il est difficile pour une équipe de vente de prévoir les ventes un an d’avance avec une précision supérieure à 60%. Chez SBI, l’équipe est maintenant en mesure de prédire ses ventes de l’année prochaine avec une précision de l’ordre de 85%. C’est ce que j’appelle un élément qui change la donne! S’il est possible de prédire combien de foyers seront vendus chez SBI dans un an, il est très probable qu’il soit possible de prédire la demande à venir de ce que vous produisez dans votre entreprise!
Imaginez pouvoir lancer la production de légumes en serre au bon moment, car vous avez été en mesure de prédire que les légumes qui arrivent de la Floride seront en retard cette année. Vous contrôlez ainsi le moment propice de la mise sur les tablettes de vos produits avec l’assurance que les acheteurs paieront le prix que vous demanderez. Mieux encore, vous pouvez faire des prévisions en fonction des habitudes des consommateurs relativement à la période de l’année et d’une foule de variables traduisant la quantité optimale à produire pour réduire au maximum les pertes ou la quantité de produits qui resteront sur les tablettes.
La puissance des modèles d’intelligence artificielle d’aujourd’hui représente selon moi beaucoup plus qu’une occasion pour les entreprises de faire plus d’argent. C’est également un excellent moyen de diminuer le gaspillage dans le secteur agroalimentaire et la surproduction de biens ayant un très court cycle de vie, tels que les vêtements.
Utilisons cette belle technologie pour produire mieux et par le fait même avoir une incidence positive sur la planète!
