Un journal invendu à midi est un coût sec. Un présentoir vide est une vente perdue et un lecteur déçu. Pour le Groupe Rossel, ce dilemme se pose chaque jour, pour chaque édition, dans des milliers de points de vente.
Une architecture en deux étages
Prévoir la demande. Un modèle global prédit les ventes quotidiennes de chaque couple point de vente et édition. Sa force tient aux variables explicatives : le calendrier français finement modélisé, avec les vacances scolaires par zones, les jours fériés et les ponts ; les historiques de vente agrégés à plusieurs mailles, avec une discipline stricte contre les fuites de données, toutes les variables étant décalées d’au moins treize jours pour coller à l’horizon réel de prévision ; et un signal de report géographique qui estime la demande transférée quand un point de vente voisin est fermé.
Décider la quantité. La prévision seule ne suffit pas. Le système applique ensuite un modèle économique qui met en balance le coût d’un invendu et le manque à gagner d’une rupture, avec un taux de service cible de 96,7 %. La sortie est directement opérationnelle : la quantité optimale à livrer, par point de vente, par édition, par jour.
Une validation en conditions réelles
Le point qui fait la différence est un harnais de test qui rejoue la chaîne complète jour par jour, dans les conditions exactes de production, et compare les résultats aux quantités réellement expédiées. Chaque évolution du modèle doit prouver qu’elle bat l’existant, non pas sur une métrique de laboratoire, mais sur les commandes réelles.
Le tout est industrialisé sur le cloud, avec un pilotage par les indicateurs métier : taux d’invendus, taux de rupture et biais de prévision par titre et par ville.