Courbe de tailles : pourquoi la chaussure a sa propre logique

Ouvrez l'état de stock d'un modèle de chaussure en milieu de saison et vous verrez un chiffre qui ment. Le modèle affiche 240 unités sur le réseau, bien au-dessus du seuil de réassort, donc aucune alarme ne se déclenche. Ce que le chiffre cache, c'est que ces 240 unités sont des 36, 37, 47 et 48 — la frange de la courbe. Les tailles qui se vendent vraiment, du 40 au 43, sont parties il y a trois semaines. Le modèle est, à toutes fins commerciales, mort en rayon, et le système qui reporte 240 unités n'a aucun moyen de le savoir.

C'est le problème fondateur de la chaussure, et il diffère structurellement de l'habillement. Un client qui cherche un 42 et ne trouve qu'un 38 ne prend pas le 38. Il ne prend pas la taille au-dessus, comme un acheteur de prêt-à-porter accepte parfois une autre couleur. Il repart, et la vente est perdue — pas reportée, perdue.

Les unités restantes ne représentent pas une demande résiduelle. Elles représentent une courbe de tailles cassée, et une courbe cassée emporte le modèle entier avec elle.

La chaussure, autrement dit, n'est pas un problème de stock d'unités. C'est un problème de matrice de tailles. Comment répartir la courbe entre magasins, quand consolider une courbe cassée, quand démarquer un modèle — chaque décision de saison porte sur une distribution, pas sur un compte. Les systèmes conçus pour optimiser le compte se trompent sur la chaussure par construction.

La courbe de tailles est l'unité de décision (pas le modèle, pas l'unité)

En habillement, un modèle s'approxime raisonnablement comme un sac d'unités. On achète de la profondeur, on alloue de la profondeur, et le sell-through agrégé est un proxy correct de la santé du modèle. La chaussure casse cette approximation. Un modèle n'est pas une quantité — c'est une courbe sur les tailles, souvent avec des demi-pointures. Et c'est la forme de cette courbe qui décide s'il se vend.

La raison tient à la concentration de la demande. Pour la plupart des modèles, les tailles cœur portent l'essentiel de la demande sur une bande étroite. C'est souvent 60 à 70 % des unités sur trois ou quatre pointures. Les tailles de frange complètent la courbe mais tournent lentement. La vue en unités agrégées est donc doublement trompeuse.

Un modèle à 50 % de sell-through peut être parfaitement sain : frange écoulée dans les temps, cœur encore en stock. Ou déjà fini : cœur parti, frange seule restante. Le même chiffre décrit un gagnant et un cadavre.

L'atome d'une décision chaussure, c'est donc la courbe, pas le modèle ni le SKU-taille isolé. Une courbe est entière ou elle est cassée — il n'y a pas de demi-crédit. Dès que les tailles cœur sont épuisées, la courbe est cassée et chaque unité restante voit son sell-through espéré chuter. Elle ne peut plus être vendue au client venu pour une taille cœur qui en aurait pris une voisine. Le modèle cesse de convertir le trafic alors qu'il occupe toujours sa place au mur.

Un système de décision chaussure doit donc porter la distribution complète comme objet de premier rang. Pas le total modèle, pas un SKU représentatif — le profil par taille, par magasin, suivi à mesure qu'il s'érode. Réduisez la courbe à un seul nombre et vous jetez le seul signal qui dit si le modèle est vivant. C'est le même piège qu'allouer un réseau hétérogène avec un poids unique et grossier : la simplification efface précisément la structure qui décide du résultat.

Allocation et transfert pour garder les courbes entières sur le réseau

Si la courbe est l'unité de décision, alors l'allocation en chaussure n'est pas « combien d'unités pour le magasin X ». C'est « quel profil de tailles pour le magasin X, au vu du profil que ses clients achètent réellement ». Deux magasins au volume identique peuvent avoir des courbes opposées — un centre-ville orienté petites pointures, un magasin de périphérie orienté grandes. Allouez-leur la même courbe et vous garantissez que l'un casse sa courbe tôt pendant que l'autre reste assis sur de la frange invendue.

La répartition initiale est le moment le plus à fort levier, parce que tout l'aval hérite de sa forme. Mais la chaussure dispose d'un second levier que l'habillement utilise à peine : le réseau peut réparer une courbe cassée en consolidant les tailles par transfert. Le magasin A garde des tailles cœur mais plus de frange, le magasin B de la frange mais plus de cœur. Aucun des deux ne vend bien le modèle — pourtant, à eux deux, ils détiennent une courbe entière. Transférer pour reconstituer une courbe complète dans le magasin qui a le trafic pour la vendre vaut souvent bien plus que le coût logistique du mouvement.

C'est la décision que la plupart des enseignes ne prennent jamais, pour trois raisons :

• Le signal est invisible au niveau unité. Un système en unités voit du stock dans les deux magasins et ne déclenche aucune alerte. Seule une vue par courbe voit deux courbes cassées qui pourraient n'en faire qu'une entière.
• Le transfert est piloté localement, la valeur est réseau. Un directeur de magasin n'a aucun intérêt à expédier les tailles qu'il a, même quand elles sont du poids mort chez lui et complètent une courbe ailleurs.
• Identifier les bonnes consolidations exige une vue réseau de toutes les courbes simultanément — exactement le scan combinatoire qu'aucun merchandiser ne construit à la main sur des milliers de couples modèle-magasin.

Les options correctives suivantes sont toutes pires. Le réapprovisionnement peut recharger une taille cœur si l'entrepôt la détient encore, mais tard en saison l'entrepôt est aussi cassé que les magasins. La démarque écoule la courbe cassée, mais à un coût de marge que l'enseigne absorbe en profondeur de démarque « inévitable » de fin de saison. Le correctif le moins cher — consolider les courbes tant qu'elles se vendent en plein prix — est celui que la vue en unités ne peut même pas voir.

Les retours pour problème de taille comme signal de courbe (à réinjecter dans le buying)

Les retours chaussure ne sont pas du bruit à traiter. Ce sont le signal de demande le plus précis que la catégorie produit, et presque aucune enseigne ne les lit ainsi. Quand un client rend une paire, le motif est très majoritairement le chaussant. Et le chaussant est une affirmation sur la courbe : ce modèle taille petit, la demi-pointure est la vraie taille, cette forme est étroite. Un process retours en unités jette tout cela et enregistre un réapprovisionnement.

Agrégez le motif de chaussant sur un modèle et un schéma émerge qu'aucun plan d'achat pré-saison ne contient. Prenez un modèle qui revient à 25 à 35 % avec « trop petit » comme motif dominant. La courbe était fausse : l'achat aurait dû glisser d'une demi-pointure vers le haut. Et l'allocation en saison devrait cesser d'envoyer le bas de la courbe à des magasins déjà noyés de retours. Le retour vous dit, avec le portefeuille du client, où la courbe aurait dû être — une saison avant que votre prochain achat ne verrouille la même erreur.

Ce signal devrait fermer deux boucles. En saison, il devrait reformer l'allocation et le transfert : un modèle flaggé comme taillant petit voit sa courbe recentrée avant l'expédition de la vague suivante. Pré-saison, il devrait atteindre le comité d'achats au bon grain — par modèle, par forme, par fournisseur. La courbe de l'an prochain est alors bâtie sur ce que les clients ont gardé, pas sur ce qui a été commandé.

C'est la même architecture qu'une boucle de feedback sur les retours retail au sens large. Le retour est un point de donnée étiqueté, et l'ignorer se paie deux fois — une fois en démarque sur l'unité rendue, encore en rachetant la même courbe cassée.

L'échec structurel est que les retours vivent dans le WMS et la courbe de tailles dans le merchandising, sans jamais partager un chemin d'écriture. Le motif de chaussant — quand il est même collecté — meurt dans un ticket service qu'aucun acheteur ne lit. Le signal n'est pas absent. Il est activement effacé entre le quai de déchargement et le prochain plan d'assortiment pré-saison.

Ce que fait une couche de décision : optimiser la courbe, pas le compte

Le correctif n'est ni un meilleur forecast ni un entrepôt plus grand. C'est une couche de décision qui traite la courbe de tailles comme l'unité atomique de chaque décision chaussure. Allocation, transfert, démarque et feedback vers le buying tournent sur la courbe, au lieu de traiter le modèle comme un sac d'unités.

Concrètement, cette couche doit faire quatre choses que les systèmes hérités ne font pas :

• Porter le profil par taille, par magasin, comme objet de premier rang. Suivre chaque courbe à mesure qu'elle s'érode, et déclencher sur l'épuisement des tailles cœur — l'instant où la courbe casse — pas sur un total d'unités franchissant un seuil.
• Allouer la courbe, pas le compte. Aligner le profil de tailles entrant de chaque magasin sur la courbe que ses clients achètent réellement, tirée de l'historique de chaussant de ce magasin, plutôt que de répartir proportionnellement une profondeur plate.
• Scanner le réseau pour les consolidations de courbe. Faire remonter, en continu, les transferts qui reconstituent une courbe entière dans un magasin qui a le trafic pour la vendre — avant que le modèle cassé ne doive être démarqué.
• Lire les retours de chaussant comme un signal de courbe. Router le motif de retour vers l'allocation en saison et vers l'achat de la saison suivante, au grain modèle-forme-fournisseur, pour que la courbe se corrige au lieu de se répéter.

Rien de tout cela n'exige d'inventer une nouvelle optimisation. Cela exige de faire tourner les optimisations que les enseignes chaussure exécutent déjà — allocation, transfert, démarque, achats — sur le bon objet. La courbe de tailles, gardée entière, plutôt que le compte d'unités qui masque la cassure.

Le moteur ne dépasse pas le merchandiser en intelligence. Il tient des dizaines de milliers de courbes en mémoire de travail simultanément et signale les courbes cassées tant qu'elles peuvent être sauvées. Une équipe scrutant des totaux modèle à la main ne le peut structurellement pas.

C'est la couche pour laquelle Solya est conçu. Il ingère vos données POS, ERP et WMS et reconstruit la courbe de tailles de chaque modèle par magasin. Allocation, transfert et démarque tournent alors comme des décisions sur la distribution, sous vos contraintes de tailles de pack et de logistique. Le signal de retours de chaussant est recâblé dans le même moteur.

L'enjeu n'est pas un modèle plus malin. C'est que la boucle de décision continue optimise enfin ce que la chaussure vend réellement : une courbe entière face au client qui la veut.

La vraie question à se poser

Sortez les pires modèles démarqués de la saison passée et regardez un chiffre. Combien d'entre eux avaient encore des unités non négligeables en stock quand ils ont cessé de se vendre ? Vérifiez ensuite si ces unités étaient des tailles cœur ou de la frange. Si le schéma est celui de courbes cassées — cœur parti, frange échouée — vous ne regardiez ni un problème de demande ni un surstock d'achat. Vous regardiez un problème de courbe de tailles qu'un système en unités n'a jamais été bâti pour voir, et qu'une logique décisionnelle sur la courbe est bâtie pour attraper.

---

Où des courbes cassées vous coûtent-elles du sell-through ?

Chez Solya, nous proposons aux directions merchandising et supply chain chaussure un diagnostic personnalisé de 30 minutes. Objectif : cartographier, sur votre réseau, où des courbes de tailles cassées tuent le sell-through de modèles par ailleurs sains. Et où la consolidation de courbe par transfert récupérerait de la marge plein prix que vous démarquez aujourd'hui.

Vous repartez avec :

• Une vue de la part de votre profondeur de démarque qui vient de courbes cassées plutôt que d'un vrai surstock d'achat
• Une estimation chiffrée du sell-through plein prix récupérable en allouant et transférant au niveau de la courbe de tailles
• Les premiers cas d'usage où des décisions au grain courbe produiraient un impact mesurable en une saison