Comment les marques peuvent-elles utiliser les données pour réduire les annulations et réductions de précommandes ?

Les marques peuvent limiter les dégâts des annulations de précommandes en mesurant quelle part du carnet enregistré de chaque saison est réellement expédiée, par compte et par catégorie, et en utilisant cet historique pour planifier la production sur la demande attendue plutôt que sur la demande enregistrée. Des modèles prédictifs peuvent ensuite signaler tôt les commandes à risque, et des règles contractuelles claires sur les fenêtres d'annulation transforment les données en protection. Les annulations ne peuvent pas être supprimées, mais elles peuvent être anticipées.

Pourquoi les précommandes sont-elles annulées ou réduites ?

Une précommande est passée des mois avant la livraison. Entre l'enregistrement et l'expédition, les ventes, le budget et la situation de stock du détaillant évoluent. Les causes typiques sont un sell-through plus faible de la saison en cours, des coupes budgétaires, des fermetures de magasins, des livraisons tardives de la marque, des changements de prix et des chocs plus larges comme l'inflation ou les droits de douane.

Les grands détaillants peuvent réduire vite et à grande échelle. En août 2022, Target a déclaré avoir réduit de 1,5 milliard de dollars américains ses réceptions d'automne dans les catégories non essentielles pour écouler un surstock, et Walmart a également annulé des commandes dans des catégories non essentielles, dont l'habillement, selon la presse professionnelle de l'époque. Pour les marques qui les fournissent, ces réductions arrivent après l'engagement du tissu et de la production.

Comment mesurer correctement les annulations ?

Beaucoup de marques ne connaissent que la valeur finale expédiée. Pour gérer les annulations, elles doivent conserver l'historique de chaque ligne de commande : quantités initialement enregistrées, confirmées, modifiées, annulées et expédiées, avec les dates et un code motif. Plusieurs indicateurs peuvent en être tirés.

Les codes motifs sont l'élément le plus souvent négligé. Une grande part des annulations peut provenir des livraisons tardives de la marque elle-même, ce qui est un problème différent d'une coupe budgétaire du détaillant et appelle une réponse différente.

Les codes motifs ne fonctionnent que s'ils sont simples et obligatoires. Une liste courte, comme budget du détaillant, sell-through, livraison tardive, problème de qualité, changement de prix et autre, renseignée par la personne qui traite la modification, suffit à faire apparaître des tendances après une ou deux saisons. Les commentaires en texte libre seuls sont rarement analysés.

Lire aussi

L'IA peut-elle prévoir tout le carnet de précommandes à partir des 20 premiers pour cent des commandes ?

Comment l'IA peut-elle prédire quelles commandes sont à risque ?

Avec quelques saisons d'historique au niveau de la ligne, un modèle peut estimer la probabilité que chaque ligne de commande soit expédiée en totalité. Les données d'entrée utiles comprennent :

• le ratio expédié/enregistré historique du compte et le calendrier de ses réductions ;
• le sell-through actuel de la marque chez le détaillant, lorsqu'il est partagé ;
• la date à laquelle la commande a été passée et si elle a déjà été modifiée ;
• la position du modèle par rapport au minimum de commande et l'état de la production ;
• la performance de livraison de la marque elle-même pour ce compte et cette catégorie ;
• des signaux externes comme l'évolution de la demande au niveau du marché.

Le résultat est un carnet de commandes attendu plutôt qu'enregistré. La planification de la production et des tissus peut alors utiliser les quantités attendues, tandis que les équipes commerciales se concentrent sur les comptes dont le risque augmente. Les travaux de Fisher et Raman sur les vêtements de ski, publiés dans Operations Research en 1996, ont montré l'intérêt de planifier avec des informations actualisées sur la demande plutôt qu'avec des prévisions figées ; le risque d'annulation est une donnée supplémentaire de même nature.

Quelles règles contractuelles protègent le carnet de précommandes ?

1. Fenêtres d'annulation : les réductions sont gratuites jusqu'à une date définie avant la production, puis limitées ou facturées.
2. Marges de tolérance : les détaillants peuvent ajuster les quantités dans un pourcentage convenu sans pénalité.
3. Engagements par tranches : une partie de la commande est ferme, une autre est une option à confirmer plus près de la livraison.
4. Droits liés à la livraison : des règles claires sur le moment où un retard de livraison autorise le détaillant à annuler, afin que les deux parties en connaissent les conséquences.
5. Historique transparent : partager le ratio expédié/enregistré avec les comptes lors des revues d'activité, afin que les conditions reposent sur des faits.

Ces règles doivent être négociées, et les grands comptes disposent d'un fort pouvoir de négociation. Les données ne changent pas le rapport de force, mais elles permettent à une marque de montrer le coût des réductions tardives et d'offrir de la flexibilité en échange d'un engagement plus précoce.

Comment la volatilité des marchés influence-t-elle les schémas d'annulation ?

Les schémas d'annulation ne sont pas stables. JOOR a indiqué que les achats des détaillants américains sur sa plateforme ont reculé de 10 % sur un an au troisième trimestre 2025, tandis que les achats internationaux augmentaient de 18 %, dans une période d'incertitude sur les droits de douane. Les modèles entraînés sur des saisons calmes sous-estimeront les réductions dans de telles périodes ; ils ont donc besoin de données récentes et de corrections manuelles lorsque les conditions changent.

Comment les marques doivent-elles aborder les données d'annulation avec les grands comptes ?

Les données d'annulation sont les plus utiles lorsqu'elles sont partagées. Lors de revues d'activité régulières, une marque peut montrer à un compte quelle part de sa commande enregistrée a été expédiée, quand les réductions ont été faites et à quelle fréquence des livraisons tardives de la marque les ont provoquées. Un sujet sensible devient ainsi une question de planification commune : quelle partie de la commande est ferme, quelle partie est une option, et quelles informations le détaillant peut partager plus tôt.

Les détaillants qui partagent leurs données de sell-through donnent à la marque une alerte précoce sur les réductions probables. Un sell-through faible dans une catégorie pendant la saison en cours précède souvent des commandes réduites la saison suivante. Convenir d'un échange régulier de ces données, même au niveau de la catégorie, peut avoir plus de valeur que n'importe quel modèle construit sur les seules données de la marque.

Lire aussi

Pourquoi les grands comptes exigent-ils des confirmations de commande EDI, et que font mal les marques ?

Par quoi les marques doivent-elles commencer ?

Commencez par stocker l'historique des lignes de commande et les codes motifs, puis calculez le ratio expédié/enregistré des deux ou trois dernières saisons par compte et par catégorie. Ces chiffres suffisent souvent à faire évoluer la planification de la production. Le scoring prédictif et de nouvelles conditions contractuelles peuvent suivre une fois la référence établie.