Comment Primark construit ses données supply chain : traçabilité, planification et affirmations sur l'IA

Primark a documenté un programme de données supply chain, à savoir une traçabilité des fournisseurs reliée aux bons de commande, mais les sources consultées ne décrivent pas d'IA dans sa planification des assortiments. Le récit le mieux étayé porte donc sur les fondations de données : comment un très grand distributeur à prix bas collecte des informations structurées sur ses fournisseurs, pourquoi il a abandonné les tableurs et ce qu'il espère faire ensuite de ces données. La source est un témoignage client publié par un éditeur de logiciels, ce qu'il convient de garder à l'esprit à la lecture.

Qu'a publié Primark sur ses données supply chain ?

Un témoignage client de TrusTrace présente Primark comme une filiale d'Associated British Foods dont le siège est en Irlande, qui compte environ 70 000 collaborateurs et a réalisé un chiffre d'affaires mondial d'environ 9,5 milliards de livres sterling en 2024. Primark utilise la plateforme TrusTrace depuis 2022. Le programme vise à répondre aux exigences réglementaires en matière de données et aux engagements environnementaux et sociaux publics de Primark, avec des objectifs de durabilité fixés pour 2030.

Les données sont collectées principalement auprès des fournisseurs de rang un, qui recueillent les informations des rangs deux et trois. En dehors des chaînes d'approvisionnement désignées, Primark les collecte directement. L'intégration des fournisseurs s'est faite par phases, en commençant par le coton avant de s'étendre à d'autres fibres. L'étude de cas indique fin 2025 comme objectif pour l'intégration de l'ensemble de la base de fournisseurs de vêtements et de textiles.

Comment fonctionne le traçage par bon de commande ?

Primark relie les bons de commande à des fournisseurs cartographiés, de sorte que les flux de matières et de production deviennent visibles dès qu'une commande est confirmée. L'objectif est de faire passer tous les fournisseurs au traçage en temps réel. À la date du témoignage, 60 fournisseurs étaient raccordés au traçage par bon de commande.

Rattacher le traçage à la commande est un choix de conception pragmatique. Une commande contient déjà le produit, la quantité, l'usine et la date de livraison ; y associer les données de fournisseurs et de matières évite un processus de déclaration distinct. Les données deviennent ainsi exploitables par les équipes de planification et de sourcing, et pas seulement par la conformité.

Lire aussi

Comment Inditex utilise l'IA et les données : RFID et supply chain pilotée par la demande

Pourquoi Primark a-t-il abandonné les tableurs ?

Selon l'étude de cas, les tableurs ne passaient pas à l'échelle entre les régions et obligeaient les fournisseurs de plusieurs pays à fournir deux fois les mêmes données. Ce schéma se retrouve dans toute la profession. Des données collectées dans des fichiers libres ne peuvent être ni validées automatiquement, ni rapprochées des commandes, ni réutilisées, ce qui limite ce que les outils de planification ou d'IA peuvent en faire.

L'enquête de BlueCherry et CGS, résumée par Supply Chain 247, va dans le même sens : 85 % des plus de 300 dirigeants de la mode interrogés ont déclaré que la visibilité restait l'un de leurs principaux problèmes de supply chain. L'enquête ne mentionne pas Primark et décrit le secteur.

Primark utilise-t-il l'IA dans la planification des assortiments ?

Les sources consultées ne l'indiquent pas. Le témoignage de TrusTrace énonce l'objectif d'utiliser les données pour l'optimisation, l'allocation et l'identification des risques, des tâches où l'analytique ou l'apprentissage automatique peuvent s'appliquer, mais il n'affirme pas que l'IA le fait. Les autres faits relatifs à Primark dans les sources sont commerciaux : selon Wikipedia, l'enseigne a lancé un service en ligne en novembre 2022 et une application mobile en août 2025 ; Wikipedia ne décrit pas non plus les technologies de planification.

Pour un distributeur de la taille de Primark, l'achat et l'allocation sont centraux. Les sources publiques consultées ne documentent pas si la planification s'appuie sur des modèles statistiques ou d'apprentissage automatique, et cet article ne le déduit pas.

Que peuvent en retenir les autres distributeurs et marques ?

• Traiter les données de traçabilité comme un actif de planification. Des commandes reliées aux données fournisseurs peuvent servir les équipes sourcing et risques autant que la conformité.
• Déployer par phases. Commencer par une seule matière, le coton, a permis de garder la première vague maîtrisable.
• Investir dans les équipes sur le terrain. Des collaborateurs dans les pays de sourcing ont travaillé chaque jour avec les fournisseurs.
• Rester prudent face aux affirmations sur l'IA. La collecte de données est une étape nécessaire, mais elle ne prouve pas l'usage de l'IA.

Comment les données de traçabilité peuvent-elles soutenir la planification et le sourcing ?

Dès lors que les bons de commande portent des informations sur les fournisseurs et les matières, plusieurs usages deviennent possibles sans IA. Les équipes sourcing peuvent voir où une commande est fabriquée et quelles matières elle contient. Les équipes risques peuvent comparer les sites des fournisseurs aux listes réglementaires. Les planificateurs peuvent comparer l'avancement prévu et réel d'une commande et allouer la production avec une meilleure vision de la capacité des fournisseurs.

L'apprentissage automatique pourrait ensuite être ajouté à ces données, par exemple pour estimer quelles commandes risquent d'être en retard. Cela exigerait un historique suffisant, des événements de statut cohérents et une mesure du retard. L'étude de cas énonce l'intention d'utiliser les données pour l'optimisation, l'allocation et l'identification des risques, mais n'affirme pas que ces usages sont déjà en production.

Lire aussi

Comment Uniqlo et Fast Retailing utilisent l'IA et les données dans le projet Ariake

Quelles sont les limites des données déclarées par les fournisseurs ?

Les données de traçabilité sont en grande partie déclarées par les fournisseurs, et l'étude de cas indique qu'elles remontent des fournisseurs de rang un vers les rangs plus profonds. Des données déclarées peuvent être incomplètes, tardives ou erronées, et les régulateurs de plusieurs marchés attendent des preuves, pas seulement des déclarations. Les programmes ajoutent donc généralement des étapes de vérification, telles que des contrôles documentaires et des audits. Celles-ci ont un coût, mais elles déterminent aussi si les analyses ultérieures sont fiables.

Le cas de Primark montre aussi le coût du travail sur les données. L'équipe traçabilité est passée de 1 à 13 personnes, les fournisseurs ont dû être intégrés par vagues et le programme a pris des années plutôt que des mois. Les entreprises qui évaluent des projets d'IA devraient budgéter ce type de travail préparatoire, souvent plus important et plus continu que la couche analytique construite par-dessus.