Comment l'IA peut-elle améliorer l'open-to-buy et la planification budgétaire des achats ?

L'ESSENTIEL Résumé de la rédaction

1. L'open-to-buy (OTB) est la valeur du stock qu'une entreprise peut encore acheter sur une période tout en respectant ses objectifs de ventes et de stock.
2. Une formule courante est : ventes prévues plus démarques prévues plus stock prévu en fin de période, moins stock prévu en début de période, moins stock déjà commandé.
3. L'IA améliore l'OTB principalement en améliorant ses données d'entrée : des prévisions de ventes et de démarques plus précises et des reprévisions plus rapides pendant la saison.
4. Mango a annoncé en mars 2025 qu'il allait moderniser sa planification financière de la marchandise, ainsi que sa planification de l'assortiment et de la demande, sur une plateforme intégrée dotée d'IA.
5. L'OTB reste un outil de contrôle de gestion : l'IA peut recommander où libérer ou retenir du budget, mais la finance et le merchandising doivent convenir des objectifs et des règles permettant d'y déroger.

L'IA peut améliorer l'open-to-buy en prévoyant plus précisément et en actualisant plus souvent les données d'entrée du calcul (ventes, démarques et stocks), afin que le budget que les acheteurs peuvent encore dépenser reflète la saison telle qu'elle se déroule plutôt que le plan établi des mois plus tôt. La logique de l'OTB reste simple ; ce qui change, c'est la qualité et la fraîcheur des chiffres qui l'alimentent.

Qu'est-ce que l'open-to-buy ?

L'open-to-buy est un outil de contrôle budgétaire utilisé dans les achats du commerce de détail et du wholesale. Shopify le définit comme « la valeur du stock qu'un distributeur peut acheter sur une période donnée tout en respectant ses objectifs de ventes et de stock » et en donne la formule :

OTB = (ventes prévues + démarques prévues + stock prévu en fin de mois) moins stock prévu en début de mois

Dans la pratique, les entreprises soustraient aussi le stock déjà commandé pour la période, afin que l'OTB indique le budget réellement encore disponible. Il est généralement calculé en valeur de vente ou en valeur d'achat, par catégorie et par mois, et s'inscrit dans la planification financière de la marchandise (MFP), le processus qui fixe les objectifs de ventes, de marge et de stock de la saison.

Pourquoi la planification traditionnelle de l'OTB est-elle difficile dans la mode ?

• La majeure partie du budget est engagée tôt, avant qu'il n'existe la moindre donnée de ventes pour la saison.
• Les plans sont construits de manière descendante dans des tableurs et sont rarement reprévus en détail une fois la saison lancée.
• Les plans de démarque sont souvent optimistes, si bien que l'OTB paraît plus important qu'il ne l'est réellement.
• Les plans par catégorie, par canal et wholesale sont tenus séparément et divergent.
• Lorsque les ventes dépassent les prévisions, les acheteurs ne disposent pas d'une vision rapide et fiable du budget supplémentaire qui peut être libéré sans risque pour des réassorts.

Le résultat est un schéma bien connu. Lors d'une bonne saison, les acheteurs épuisent leur budget juste au moment où des opportunités de réassort apparaissent, parce que l'OTB reflète encore le plan initial. Lors d'une saison faible, le stock s'accumule, les démarques dépassent le plan et l'OTB reste ouvert sur le papier alors que l'entreprise est déjà en surstock. Les deux erreurs ont la même cause : des données d'entrée qui ne sont pas mises à jour au rythme auquel la saison évolue.

Lire aussi

Utiliser l'IA dans la planification de l'assortiment sans perdre la marque

Où l'IA apporte-t-elle de la valeur dans l'OTB et la planification budgétaire ?

La ligne des démarques mérite attention. Les travaux de prévision publiés par Zalando modélisent la réaction de la demande aux remises et décrivent le prix comme un levier majeur pour réduire le risque de surstock en fin de saison. Lorsque les démarques sont prévues à partir du stock actuel et de l'écoulement plutôt que supposées à un pourcentage fixe, l'OTB cesse de surestimer le budget disponible lors d'une saison lente.

Quels distributeurs modernisent leur planification financière avec l'IA ?

La planification financière de la marchandise fait de plus en plus partie de programmes de planification intégrée. En mars 2025, Mango a annoncé qu'il allait moderniser sa planification financière de la marchandise, sa planification de l'assortiment et sa planification de la demande sur une plateforme intégrée, dotée d'IA et pilotée par les données, en remplacement de systèmes fragmentés. En janvier 2024, Marks & Spencer a annoncé un programme de trois ans pour l'habillement et la maison, commençant par la planification de la marchandise, des ventes, des stocks et des entrées, ainsi que la planification des collections. Le point commun est de relier le plan financier aux prévisions au niveau du produit, afin que les changements à un niveau se répercutent sur l'autre.

Comment fonctionne concrètement un processus d'OTB assisté par l'IA ?

1. Fixer le cadre : la finance et le merchandising conviennent des objectifs de la saison en matière de ventes, de marge et de stock par catégorie et par canal.
2. Construire des prévisions ascendantes : les modèles prévoient les ventes et les démarques des produits prévus et existants.
3. Réconcilier : les planificateurs comparent les objectifs descendants aux prévisions ascendantes et traitent explicitement les écarts.
4. Calculer l'OTB : par catégorie et par mois, déduction faite du stock déjà commandé.
5. Reprévoir en cours de saison : des mises à jour hebdomadaires des prévisions de ventes et de démarques ajustent l'OTB et déclenchent des alertes.
6. Libérer ou retenir le budget : les acheteurs utilisent l'OTB actualisé pour des réassorts, de nouvelles livraisons ou des annulations, dans le respect des règles d'approbation convenues.

C'est dans l'étape de réconciliation que réside l'essentiel de la valeur. Une prévision ascendante qui diffère fortement de l'objectif descendant n'est pas une erreur à cacher ; c'est une information. Soit l'objectif a besoin d'un plan crédible pour combler l'écart (plus d'options, des achats plus profonds, un effort marketing), soit l'objectif doit changer. Rendre ces écarts visibles tôt est plus utile que n'importe quel chiffre de prévision isolé.

L'IA générative commence à apparaître comme interface au-dessus de ce processus, par exemple pour répondre à des questions comme celle de savoir quelles catégories dépassent le plan, ou pour rédiger la synthèse commerciale hebdomadaire. McKinsey et The Business of Fashion indiquaient dans The State of Fashion 2026 que plus de 35 % des dirigeants interrogés utilisent déjà l'IA générative dans des domaines comme le service client, la rédaction et la découverte de produits. Dans la planification budgétaire, ces outils ne sont pas plus fiables que les chiffres et les définitions qui les sous-tendent.

Lire aussi

Le vocabulaire de l'IA que tout acheteur de mode devrait connaître

À quoi la finance et le merchandising doivent-ils faire attention ?

• Des définitions cohérentes : valeur de vente ou valeur d'achat, ventes brutes ou nettes et traitement des retours doivent concorder d'un système à l'autre.
• Le calendrier du wholesale : pour les marques, les précommandes wholesale arrivent par vagues et sont ensuite partiellement annulées ; l'OTB du retail en propre et celui de l'approvisionnement wholesale nécessitent des logiques distinctes.
• Le biais de prévision : si les prévisions sont systématiquement optimistes, l'IA rendra l'OTB plus rapide mais pas plus juste ; suivez le biais, et pas seulement l'erreur.
• L'explicabilité : les acheteurs ne feront pas confiance à un chiffre de budget qu'ils ne peuvent pas rattacher à ses facteurs explicatifs.

Commencez par automatiser la reprévision hebdomadaire de l'OTB d'une catégorie, en parallèle du plan existant, et comparez les résultats en fin de saison. L'objectif n'est pas un budget fixé par une machine, mais un budget qui reflète la réalité assez tôt pour que les acheteurs puissent agir.

Questions fréquentes

Quelle est la formule de l'open-to-buy ?

Une version courante est : ventes prévues plus démarques prévues plus stock prévu en fin de période, moins stock prévu en début de période. De nombreuses entreprises soustraient aussi le stock déjà commandé pour faire apparaître le budget encore disponible.

Comment l'IA aide-t-elle pour l'open-to-buy ?

L'IA améliore les données d'entrée de l'OTB en prévoyant les ventes et les démarques au niveau du produit et en les mettant à jour pendant la saison. Le budget restant devient ainsi plus réaliste, et l'IA signale quand libérer ou retenir des dépenses.

Qu'est-ce que la planification financière de la marchandise ?

La planification financière de la marchandise fixe les objectifs de ventes, de marge et de stock par catégorie, canal et période. L'open-to-buy en découle et contrôle le montant que les acheteurs peuvent encore engager.

L'open-to-buy doit-il être calculé en valeur d'achat ou en valeur de vente ?

Les deux sont utilisées. Les distributeurs planifient souvent en valeur de vente pour s'aligner sur les objectifs de ventes, tandis que la finance peut suivre la valeur d'achat pour la trésorerie et la marge. L'essentiel est d'utiliser une définition unique de manière cohérente dans tous les plans et systèmes.

GuideLe guide complet de l’IA dans le merchandising et les achats de modeLire le guide complet