Logiciel de réassort : l'outil n'est pas la décision

Cherchez "logiciel de réassort" et chaque éditeur promet le même mouvement : le système surveille le stock, prévoit la demande et déclenche la commande automatiquement. La promesse est réelle, et les outils la tiennent. Ils résolvent aussi la partie du réassort qui n'a jamais été la difficile.

La partie difficile, c'est la collision avec le réel : un minimum fournisseur, un entrepôt à moitié vide, une promo qui déplace trois semaines de demande sur trois jours. Cette collision est une décision. La plupart des logiciels la rendent à un humain et considèrent le travail terminé.

Ce que le logiciel de réassort automatise vraiment

Retirez le tableau de bord : un outil de réassort — la brique cœur de la gestion des approvisionnements — est un moteur de calcul. La plupart des produits convergent vers le même périmètre. Ils prévoient la demande par référence et par magasin, fixent un point de commande et un stock de sécurité, puis génèrent la commande automatiquement.

Bien fait, cela a une vraie valeur. On supprime des milliers d'heures de commandes manuelles et on rattrape des dérives qu'aucun acheteur ne verrait dans un tableur. Le calcul est juste et le gain de temps est concret.

Mais chaque éditeur trace la même ligne. Il automatise le calcul et fait remonter des exceptions — et s'arrête là. Ce qui est au-delà, décider quoi faire de l'exception, reste à un humain. La plaquette appelle ça "garder le planneur aux commandes". Sur le terrain, l'outil s'arrête exactement là où le jugement commence.

Regardez donc ce qu'il produit : un chiffre. La quantité de commande est le résultat d'un calcul — une fois les paramètres posés, le résultat est déterministe. Ce calcul est utile, et c'est aussi les 80 % faciles du problème.

La quantité de commande, c'est la partie facile

Un point de commande est un calcul propre. Les décisions autour ne le sont pas.

Quand l'entrepôt ne couvre pas tous les magasins, lesquels servir et lesquels faire attendre ? Quand le minimum fournisseur est de 500 unités et la demande réelle de 180, surstocke-t-on une référence lente ou saute-t-on la commande ? Quand une saison se termine, le système continue-t-il de recharger — ou s'arrête-t-il, parce que chaque unité de plus devient une démarque six semaines plus tard ?

Prenez une référence de milieu de saison sur 80 magasins. Le modèle veut 40 unités à l'entrepôt pour couvrir la semaine. Le minimum fournisseur est de 500. Douze magasins sont déjà longs, neuf sont sur le point de rompre, et l'entrepôt a 300 unités — pas de quoi remettre tout le monde à la cible.

La "quantité de commande" devient alors quatre questions imbriquées. Commander 500 et porter l'excédent, ou sauter et risquer les neuf magasins ? Garder le stock entrepôt pour les magasins à risque de rupture, ou l'étaler sur le réseau ? Chaque réponse se défend. L'outil en choisit une en silence — en général celle que ses paramètres par défaut encodent.

Aucune de ces questions n'est une question de prévision. Ce sont des arbitrages, et un moteur de règles ne les tranche que si quelqu'un a déjà codé l'arbitrage en règle. En pratique personne ne les code tous : l'outil émet une recommandation et un humain la corrige en silence. Ou la valide d'un trait, et en absorbe le coût plus tard.

L'échelle rend l'arbitrage manuel impossible. Une enseigne de 80 magasins et 30 000 références actives fait de l'ordre de 2,4 millions de décisions de réassort par semaine. Vous ne pouvez pas relire cela en réunion du lundi. Les corrections qui comptent sautent, et les recommandations à challenger partent intactes.

Pourquoi une meilleure prévision ne règle pas le problème

Quand le réassort déçoit, le réflexe est de courir après la précision de la prévision — un meilleur modèle, plus de variables, du demand sensing. La précision aide, mais elle améliore l'entrée, pas la décision.

Une prévision juste à l'unité ne tranche pas les arbitrages. Elle ne dit pas quel magasin favoriser quand l'entrepôt est court, si le minimum fournisseur vaut le risque de démarque, ou quand cesser de commander une référence mourante. Ce sont des choix d'arbitrage, et ils existent quelle que soit la qualité du chiffre.

La précision est une propriété de la prédiction ; la qualité de décision est une propriété de ce qu'on en fait. C'est l'écart que nous avons détaillé dans pourquoi passer de la prévision à la décision est le vrai travail. Une prévision parfaite branchée sur un outil incapable d'arbitrer laisse quand même de la marge sur le terrain — elle la laisse simplement plus précisément.

Où vivent les vraies décisions de réassort

L'allocation en cas de pénurie

Dès que le stock manque, le réassort devient un problème d'allocation. Remplir le carnet par ordre de référence, ou selon qui crie le plus fort, laisse le mauvais produit dans le mauvais magasin. La décision porte sur la demande à servir en premier — et elle change chaque jour au gré des ventes, transferts et livraisons.

Taux de service contre risque de démarque

Chaque unité de couverture en plus achète de la disponibilité et emprunte du risque. En fin de cycle, passer le taux de service de 95 % à 98 % peut ajouter 5 à 10 points d'exposition à la démarque de fin de saison. C'est un arbitrage délibéré, pas un réglage par défaut — et il se prend par couple référence-magasin, pas une fois pour tout l'assortiment.

Reprendre la main quand le réel casse le modèle

Un concurrent ouvre en face. Un fournisseur signale un retard. Une vidéo virale vide un rayon. La prévision ne voit pas encore ces signaux, l'acheteur si — la question est donc de savoir si le système laisse entrer ce jugement proprement et en apprend. Ou si la correction vit dans une tête et y meurt, refaite à la main chaque semaine.

Ce que coûte une décision laissée sur le terrain

Quand l'arbitrage n'a pas de maison, il ne disparaît pas — il se dégrade en coût. Trois schémas reviennent dans les enseignes en réassort "automatisé".

D'abord, surstock et ruptures coexistent. Le même réseau manque des références que les clients veulent pendant que le cash dort dans celles qu'ils ne veulent pas. En cause : des quantités jamais équilibrées entre magasins. Le stock agrégé paraît sain ; sa répartition est fausse.

Ensuite, la fuite de démarque. Les commandes qui ont continué d'alimenter une référence en perte de vitesse finissent en soldes de fin de saison. Quelques points de démarque évitables sur un large assortiment, ce sont des millions d'euros — et ça remonte droit à des commandes qui auraient dû s'arrêter des semaines plus tôt.

Enfin, l'attention s'effondre. Un planneur face à des milliers de recommandations valide en masse. Les ~3 % de commandes qui méritaient vraiment un second regard partent avec les 97 % qui n'en avaient pas besoin. Un point de démarque en moins, ou deux points de disponibilité en plus, déplacent souvent plus de marge qu'un énième projet de précision de prévision. La fuite n'est pas le modèle — c'est la décision que personne n'a portée.

Ce qu'il faut demander avant d'acheter

Recadrez les critères d'achat autour de la décision, pas du calcul :

• L'outil expose-t-il l'arbitrage ou seulement le chiffre ? Un outil qui montre le coût de chaque option vous laisse décider ; un outil qui montre une quantité décide à votre place, de façon opaque.
• Arbitre-t-il entre magasins, ou traite-t-il chaque point de vente isolément ? Une commande aveugle au réseau, c'est là que la pénurie tourne mal.
• Respecte-t-il les contraintes réelles — minimum fournisseur, capacité de linéaire, calendriers fournisseurs — comme entrées de la décision, pas comme rustines ?
• Peut-il réécrire la commande dans l'ERP ou le WMS et l'exécuter, ou s'arrête-t-il à une recommandation qu'un humain ressaisit ?
• Apprend-il des corrections, chaque changement manuel traité comme un signal — ou répète-t-il le même écart la semaine suivante ?

Un outil qui répond "non" à la plupart est une calculatrice. Il calculera plus vite qu'un tableur et laissera quand même la décision sur le terrain.

La couche de décision derrière le réassort

C'est pourquoi la réponse est rarement une prévision plus fine. C'est une couche posée au-dessus de la prévision, qui porte la décision de bout en bout. Elle modélise les arbitrages explicitement, les pèse contre les contraintes réelles, produit une commande qu'un système peut exécuter, la réécrit via l'orchestration et apprend de ce qui s'est réellement passé. C'est le rôle d'une couche intelligence, pas d'un moteur de point de commande.

Le réapprovisionnement continu fait le même constat côté cadence : la valeur n'est pas le modèle, c'est de faire tourner la décision en continu plutôt qu'en lots hebdomadaires. Le logiciel a toujours su calculer le chiffre. Ce qui manquait, c'est la décision autour — modélisée une fois, exécutée partout, améliorée à chaque cycle.

Une question à se poser

Comptez combien de commandes automatiques de la semaine dernière un humain a discrètement modifiées avant l'envoi — et combien auraient dû l'être sans l'être. Ce nombre, pas le taux d'automatisation de l'éditeur, est votre vrai système de réassort.

---

Votre réassort tourne-t-il sur des décisions ou des recommandations ?

Si votre outil calcule la quantité mais que votre équipe arbitre encore chaque exception à la main, la couche de décision manque — et c'est là que la marge fuit. En 30 minutes, nous cartographions où vos recommandations de réassort sont corrigées, ignorées ou validées sans regard.

Vous repartirez avec :

• Une lecture claire des arbitrages de réassort que votre outil actuel ne sait pas trancher
• Deux ou trois décisions à sortir du tableur pour les passer au système en premier
• Une vision honnête de ce qu'une couche de décision changerait, ou non