Les bases du machine learning pour les merchandisers : modèles, variables et données d'entraînement

Le machine learning (apprentissage automatique) est une manière de concevoir des logiciels qui apprennent des motifs à partir de données historiques au lieu de suivre des règles écrites à la main. Pour les merchandisers, l'application la plus courante est la prévision : un modèle examine les ventes passées ainsi que des informations comme le prix, le stock et les attributs produits, et estime la demande future par modèle, coloris ou taille. Comprendre une poignée de termes (modèle, variable, étiquette, données d'entraînement et validation) suffit pour poser les bonnes questions sur toute prévision produite par un système.

Qu'est-ce qu'un modèle de machine learning ?

Un modèle est une fonction mathématique qui transforme des données d'entrée en prédiction. Le Machine Learning Crash Course de Google prend la régression linéaire comme premier exemple : une équation simple dans laquelle chaque donnée d'entrée est multipliée par un poids, puis additionnée pour donner une valeur prédite. Pendant l'entraînement, le modèle calcule les poids et le biais qui produisent les meilleures prédictions, en réduisant l'écart entre valeurs prédites et valeurs réelles.

Des modèles plus complexes, comme les arbres à gradient boosting ou les réseaux neuronaux profonds, suivent le même principe avec beaucoup plus de paramètres. Ils peuvent saisir des interactions, par exemple le fait qu'une remise agit différemment sur un T-shirt basique que sur une robe saisonnière, mais ils exigent aussi davantage de données et sont plus difficiles à expliquer.

La plupart des applications de merchandising recourent à l'apprentissage supervisé, dans lequel le modèle apprend à partir d'exemples dont la bonne réponse est connue, comme des semaines passées aux ventes enregistrées. D'autres approches existent : le clustering regroupe des magasins ou des clients similaires sans étiquettes prédéfinies, ce qui peut soutenir la planification de l'assortiment, et les modèles de recommandation apprennent quels produits ont tendance à être achetés ensemble. Quelle que soit la méthode, c'est la connaissance métier du merchandiser qui donne leur sens aux données d'entrée, par exemple savoir qu'une semaine de ventes faibles s'explique par une livraison tardive plutôt que par une demande en berne.

Que sont les variables et les étiquettes ?

Dans la terminologie de Google, une variable (feature) est une donnée d'entrée utilisée pour faire une prédiction, et l'étiquette (label) est la valeur que le modèle prédit. En merchandising, l'étiquette correspond généralement aux unités vendues ou à la demande pour une semaine, un magasin ou un canal donné. Les variables regroupent tout ce qui pourrait l'expliquer. Le tableau présente des exemples typiques.

Lire aussi

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

Comment les distributeurs de mode utilisent-ils le machine learning pour la prévision ?

Zalando en fournit un exemple bien documenté. Dans un article de 2023, des chercheurs de Zalando ont décrit un modèle d'apprentissage profond qui prévoit la demande 26 semaines à l'avance avec une granularité hebdomadaire et qui, selon l'article, est utilisé chez Zalando dans différentes versions depuis 2019. Ses données d'entrée comprennent les remises, le prix de vente conseillé, les niveaux de stock, les ventes historiques, la marque et le groupe de marchandises, ainsi qu'un encodage du cycle saisonnier annuel. Les auteurs identifient les défis qui rendent la prévision difficile dans la mode : des volumes de données importants, une demande irrégulière, une forte rotation du catalogue et la nécessité de modéliser avec soin l'effet du prix sur la demande.

La leçon pour les merchandisers : le modèle n'est qu'une partie du travail. L'essentiel de l'effort consiste à choisir les variables à inclure, à les nettoyer et à s'assurer que la relation entre prix, stock et demande est correctement représentée.

Que sont les données d'entraînement et pourquoi déterminent-elles la qualité ?

Les données d'entraînement sont l'historique à partir duquel le modèle apprend. Leur qualité fixe le plafond de la qualité des prévisions. Trois problèmes sont typiques dans la mode :

• Demande censurée : lorsqu'une taille est épuisée, les ventes enregistrées sous-estiment la demande réelle. Sans données de stock, le modèle apprend que l'article était moins populaire qu'il ne l'était.
• Historiques courts : la plupart des modèles ne vivent qu'une saison ; le modèle doit donc apprendre de produits similaires à travers leurs attributs plutôt que du passé de l'article lui-même.
• Conditions changeantes : des saisons inhabituelles, de nouveaux canaux ou un changement de stratégie tarifaire font du passé un guide moins fiable pour l'avenir.

Qu'est-ce que le surapprentissage et comment les modèles sont-ils testés ?

Google décrit le surapprentissage (overfitting) comme le fait qu'un modèle apprenne les données d'entraînement de si près qu'il ne parvient pas à faire des prédictions correctes sur de nouvelles données : il fonctionne en laboratoire, mais pas dans le monde réel. La parade consiste à mettre des données de côté. Les modèles sont entraînés sur une partie des données, ajustés sur un jeu de validation et évalués sur un jeu de test qu'ils n'ont jamais vu.

Pour les prévisions, la séparation doit respecter la chronologie. Le manuel de Hyndman et Athanasopoulos, Forecasting: Principles and Practice, décrit la validation croisée de séries temporelles, également appelée évaluation sur une origine de prévision glissante : chaque test n'utilise que des observations antérieures, et la précision est moyennée sur de nombreux tests de ce type. En pratique, un merchandiser devrait demander à voir comment un modèle se serait comporté sur la saison passée, en prévoyant à partir des données disponibles avant le début de cette saison.

Lire aussi

L'IA pour les merchandisers et les planificateurs : un guide pratique

Comment les merchandisers doivent-ils travailler avec les modèles de machine learning ?

1. S'accorder sur l'étiquette : ce qui est précisément prévu, à quel niveau (modèle, coloris, taille, magasin) et à quel horizon.
2. Auditer les variables : s'assurer que prix, promotions, stocks et attributs sont enregistrés de manière cohérente.
3. Exiger une comparaison équitable : confronter le modèle à la méthode existante sur les mêmes périodes non vues.
4. Garder le jugement humain dans la boucle : les modèles ignorent une nouvelle campagne ou un retard fournisseur tant que personne ne les en informe.
5. Surveiller après le lancement : la précision dérive à mesure que les assortiments et les clients évoluent ; les modèles doivent donc être régulièrement revus et réentraînés.