Comment répartir un stock insuffisant entre les comptes wholesale grâce à l'IA ?
Lorsque la production ne couvre pas les commandes, il faut décider quels détaillants reçoivent quoi. Comment l'IA optimise l'allocation selon des règles claires, et pourquoi l'équité perçue compte autant que la marge.
L'ESSENTIEL Résumé de la rédaction
- L'allocation d'un stock insuffisant détermine comment une marque répartit un inventaire limité entre les commandes wholesale lorsque l'offre est inférieure à la demande, par modèle, coloris, taille et livraison.
- L'optimisation par IA peut concilier plusieurs objectifs à la fois, comme la marge, le potentiel d'écoulement, la priorité stratégique des comptes et l'équité des taux de service, mais seulement après que la marque a explicité ces objectifs et leur pondération.
- Une étude expérimentale publiée dans Decision Sciences en 2022 a montré qu'en situation de pénurie, les détaillants jugeaient le plus souvent équitables des taux de service égaux, et considéraient les allocations fondées sur la demande comme plus justes, qu'elles soient décidées par une règle ou par un humain.
- La même étude a constaté que les participants jouant le rôle de détaillants réclamaient plus que leurs besoins exacts dans plus d'un tiers des cas : l'allocation doit donc s'appuyer sur l'historique des commandes et de l'écoulement, et pas seulement sur les demandes exprimées.
- Les décisions d'allocation doivent être expliquées aux comptes à l'avance au moyen d'une politique publiée, car une livraison incomplète non expliquée nuit davantage à la relation que le manque lui-même.
Lorsqu'une marque dispose de moins de stock que ne l'exigent ses commandes wholesale, l'IA peut aider à le répartir en optimisant la marge, l'écoulement attendu, la priorité des comptes et l'équité, dans le cadre de règles fixées par la marque. Le système propose le nombre d'unités de chaque modèle, coloris et taille que reçoit chaque compte, et l'équipe commerciale examine les exceptions. La qualité du résultat dépend moins de l'algorithme que d'une politique d'allocation claire et publiée, ainsi que de données fiables sur les commandes et l'écoulement.
Quand l'allocation d'un stock insuffisant devient-elle nécessaire ?
Les manques surviennent lorsque la production est inférieure au carnet de commandes (retards fournisseurs, rejets qualité, pénuries de tissu), lorsqu'un modèle dépasse les attentes, ou lorsqu'une marque limite délibérément l'offre pour protéger la vente à plein prix. Le directeur financier de Nike a déclaré en décembre 2024, selon Retail Dive, que l'entreprise visait une réduction significative de l'offre de ses franchises de chaussures classiques au cours des saisons suivantes. Une rareté planifiée de ce type fait de l'allocation une décision stratégique, et non plus seulement opérationnelle.
Les habitudes d'achat accentuent la pression. Le livre blanc de JOOR sur les tendances du wholesale, publié en décembre 2025, indique que les acheteurs passent de plus en plus des commandes initiales plus modestes et réservent du budget pour des achats en cours de saison, en attendant un stock disponible à la vente prêt à être expédié immédiatement. Davantage de décisions d'allocation se prennent donc en saison, sous contrainte de temps, aussi bien sur les réassorts que sur les précommandes.
Quels objectifs une allocation doit-elle concilier ?
| Objectif | Mesure habituelle | En tension avec |
|---|---|---|
| Marge | Marge nette par unité et par compte | Équité, comptes stratégiques |
| Écoulement | Écoulement attendu à plein prix en magasin | Comptes aux données lacunaires |
| Priorité stratégique | Niveau du compte, image de marque, magasins phares | Marge, petits comptes |
| Équité | Taux de service égaux ou comparables | Marge et écoulement |
| Intégrité des tailles | Gammes de tailles complètes par magasin | Total des unités expédiées |
| Engagements contractuels | Exclusivités, quantités garanties | Tous les autres objectifs |
Expliciter ces objectifs est l'étape la plus difficile. Beaucoup de marques découvrent que leurs services n'ont pas les mêmes priorités : les ventes veulent protéger les grands comptes, la finance veut maximiser la marge et la direction de la marque veut protéger les magasins phares et l'image. Un modèle d'optimisation oblige à chiffrer ces arbitrages, ce qui peut être inconfortable mais aussi utile, car il remplace la négociation informelle en pleine pénurie par une politique que la direction a validée à l'avance et peut réexaminer après chaque saison.
Comment l'IA répartit-elle un stock insuffisant ?
La plupart des systèmes recourent à l'optimisation plutôt qu'à la seule prédiction. Des modèles de prévision estiment l'écoulement attendu à plein prix de chaque modèle chez chaque compte, à partir de l'historique des commandes, des données de sell-out lorsqu'elles existent et des profils de magasins. Un modèle d'optimisation distribue ensuite les unités disponibles de façon à maximiser un objectif pondéré, sous contraintes : taux de service minimaux, gammes de tailles complètes, quantités contractuelles et tailles de lots. Le résultat est une proposition d'allocation par ligne de commande, avec les exceptions signalées pour examen.
Sans IA, les marques appliquent généralement une règle unique, comme réduire chaque commande du même pourcentage ou servir les commandes par ordre chronologique. Ces règles sont simples à expliquer, mais elles peuvent envoyer du stock vers des comptes où il se vendra lentement, tandis que des gammes de tailles incomplètes arrivent dans des magasins qui ne peuvent pas les exploiter. L'optimisation permet d'éviter ces effets, au prix d'une explication plus difficile.
Pourquoi l'équité perçue est-elle importante ?
L'allocation est une décision relationnelle. Une étude expérimentale d'Eirini Spiliotopoulou et Anna Conte, publiée dans Decision Sciences en 2022, a examiné la manière dont les détaillants jugent l'équité d'une allocation de stock. En situation de pénurie, les participants considéraient le plus souvent des taux de service égaux comme la norme équitable. Les allocations fondées sur la demande réalisée étaient jugées plus justes, que la décision soit prise par une règle ou par un humain. L'étude a également constaté que les participants jouant le rôle de détaillants réclamaient plus que leurs besoins exacts dans plus d'un tiers des cas.
Deux enseignements pratiques en découlent. D'abord, la logique d'allocation doit pouvoir s'expliquer en termes de taux de service et de demande que les comptes reconnaissent. Ensuite, les demandes exprimées ne mesurent pas fidèlement le besoin : les modèles doivent donc s'appuyer sur l'historique des commandes et l'écoulement plutôt que sur ce que les comptes disent vouloir pendant une pénurie.
Comment une marque doit-elle mettre en place une allocation par IA ?
- Rédiger la politique d'allocation : objectifs, pondérations, niveaux de comptes, engagements contractuels et taux de service minimaux.
- Nettoyer les données : lignes de commande, quantités confirmées, stock disponible à la vente, écoulement par compte et par taille, contraintes de lots.
- Commencer par un ensemble de règles transparent et mesurer ses résultats pendant une saison pour disposer d'une référence.
- Introduire l'optimisation sur un nombre limité de modèles, comparer les résultats avec la référence et examiner les exceptions manuellement.
- Fournir aux commerciaux une explication par compte (taux de service, motif des réductions) à partager avec les acheteurs.
- Suivre les résultats : écoulement du stock alloué, taux de service par niveau de compte, réclamations et annulations.
Quels problèmes de données compromettent l'allocation ?
- Des chiffres de stock qui ne sont pas à jour, ce qui conduit à allouer des unités déjà engagées ailleurs.
- L'absence de données de sell-out pour de nombreux comptes, ce qui biaise l'allocation en faveur des comptes qui partagent leurs données.
- Des hiérarchies de comptes incohérentes, de sorte qu'un groupe comptant plusieurs magasins est traité comme plusieurs petits comptes distincts.
- Des prévisions par taille trop bruitées pour les petits comptes, qui imposent de regrouper des magasins similaires.
Gartner a prédit en février 2025 que, d'ici à 2026, les organisations abandonneront 60 % des projets d'IA qui ne s'appuient pas sur des données prêtes pour l'IA. L'allocation est particulièrement exposée, car un chiffre de stock erroné se traduit directement par une promesse non tenue envers un client.
Où les humains doivent-ils garder la main ?
La direction commerciale doit être responsable de la politique et de la pondération entre les objectifs, et examiner les allocations des comptes stratégiques, des nouveaux comptes et de tout compte recevant un taux de service nettement inférieur à celui de ses pairs. Le modèle traite les nombreuses lignes courantes ; les personnes traitent les décisions qui ont des conséquences sur la relation. Ce partage des rôles permet une allocation rapide sans qu'elle paraisse arbitraire aux détaillants qui en dépendent.
Questions fréquentes
Qu'est-ce que l'allocation de stock dans le wholesale de mode ?
C'est le processus qui consiste à décider comment le stock disponible est réparti entre les commandes des détaillants, par modèle, coloris, taille et livraison. Il devient critique lorsque l'offre est inférieure à la demande. Les marques utilisent des règles, des modèles d'optimisation ou une combinaison des deux.
Comment les marques décident-elles quels détaillants reçoivent du stock en cas de pénurie ?
Les approches courantes sont la réduction uniforme en pourcentage, la priorité selon le niveau du compte, la règle du premier arrivé, premier servi et l'optimisation qui pondère la marge, l'écoulement attendu et l'équité. La meilleure approche est définie dans une politique convenue et partagée avec les comptes avant que les pénuries ne surviennent.
L'allocation par IA est-elle équitable envers les petits détaillants ?
Elle peut l'être si l'équité est intégrée aux règles, par exemple au moyen de taux de service minimaux. Sans ces contraintes, l'optimisation peut favoriser les grands comptes disposant de meilleures données. La recherche montre qu'en situation de pénurie, les détaillants tendent à juger équitables des taux de service égaux et une allocation fondée sur la demande.
De quelles données ai-je besoin pour une allocation de stock par IA ?
Un stock disponible à la vente exact, des lignes de commande confirmées, l'écoulement par compte et par taille, les hiérarchies de comptes et les contraintes comme les tailles de lots et les quantités contractuelles. L'exactitude du stock est la donnée la plus critique, car les erreurs se traduisent directement par des promesses non tenues.
Une édition chaque jour ouvrable. Lue en cinq minutes. Gratuite pour les professionnels.
