CARREFOUR GROUP How to reduce food waste in the Bakery-Pastry department?

Prévoir la demande au plus juste est un des fondements du métier de distributeur. Toutefois, cet enjeu se complexifie à mesure que les usages consommateurs se transforment. Désormais, il faut tenir compte de la fréquentation combinée de différents canaux de vente (du e-commerce, au magasin de proximité, en passant par l’hypermarché) et de la montée des exigences en matière de responsabilité sociale et environnementale. Au premier rang des sujets RSE liés à la grande distribution : le gaspillage alimentaire.

En France, le pain est le 3ème produit le plus jeté après les fruits et les légumes. En effet, le pain, les viennoiseries et les pâtisseries sont des produits frais qui ont une durée de vie très limitée en rayon. Mais ce sont également des denrées qui peuvent générer beaucoup de frustration auprès des clients, lorsqu’elles se retrouvent en rupture de stocks en fin de journée. C’est la raison pour laquelle Carrefour, accompagné d’Artefact, a cherché à utiliser le machine learning et la data science pour optimiser la prédiction des ventes au rayon boulangerie-pâtisserie de ses hypermarchés.

Ce projet répond à un double objectif : produire suffisamment pour satisfaire la demande, tout en réduisant la “casse”, c’est-à-dire le volume de produits invendus.

Le succès de ce cas d’usage repose, notamment, sur des équipes mixtes associant à la fois les « métiers » concernés (chefs de rayon) et les différents profils techniques d’Artefact et de Carrefour.

Dans le monde de la distribution, chaque journée est différente. Les ventes dépendent fortement du contexte : jours fériés ou de vacances, météo, promotions du moment, mises en avant merchandising, etc. Pour prendre en compte l’ensemble des variables qui ont des implications sur la demande, il faut pouvoir analyser les pétaoctets de données générées par les milliards de transactions réalisées tous les ans chez Carrefour, auxquelles il faut ajouter des données externes influant sur la consommation. Ces calculs sont uniquement réalisables par l’Intelligence Artificielle.

Les équipes du Groupe Carrefour x Artefact sont ainsi parties des données issues des tickets de caisse générés par plus de 200 hypermarchés en France. Chaque jour, ces données sont collectées, nettoyées et enrichies de sources externes – comme les données calendaires, par exemple – pour dresser un historique des ventes sur plusieurs années. Cela représente des milliers de configurations pour une seule journée, en fonction de l’assortiment, des prix des produits, des promotions, etc.

Ces données permettent d’entraîner des modèles de machine learning supervisés, construits sur la base d’arbres de décision, déterminant les relations entre la variable cible (les ventes à venir) pour chacun des produits, et les variables explicatives (promotion, cannibalisation…).

Du point de vue organisationnel, le projet a été mené par des équipes pluridisciplinaires. Deux équipes miroirs côté Artefact et Carrefour combinent des profils techniques et business. L’excellence opérationnelle des professionnels du commerce Carrefour a notamment joué un rôle crucial. Ces derniers ont pu expliquer leur métier, leurs besoins, apporter leur vision, afin de garantir le succès et l’adoption de la solution “dans la vraie vie”.

A titre d’exemple, les recommandations de l’algorithme ont été préalablement testées dans des magasins pilotes, uniquement sur les viennoiseries, pour obtenir des retours des équipes terrain. Leurs remarques ont permis d’améliorer les modèles, avant que la solution ne soit déployée sur toute la gamme du rayon boulangerie-pâtisserie, des hypermarchés.

Tous les cas d’usage data-driven de Carrefour sont nourris par une plateforme centralisée dans le cloud, qui permet de rendre les données accessibles, de les formater et de les documenter. Les résultats des traitements sont ensuite réintégrés dans les systèmes d’information de Carrefour, partagés par une grande diversité de collaborateurs. Plusieurs équipes, composées de data scientists, data engineers, mais également de data translators (profils pivots, faisant le lien entre le business et la data), sont susceptibles de les consulter, de les transformer, de les traiter, pour des cas d’usages spécifiques.

Quelques mois après la mise en place de ce nouveau modèle de prédiction, les résultats s’avèrent très positifs.

En effet, sur les 5 derniers mois de 2021, ce sont environ 100 tonnes de viennoiseries et de pâtisseries qui n’ont pas été jetées. Dans le même temps, les ventes ont augmenté du fait de ruptures moins nombreuses en fin de journée.

Enfin, le Net Promoter Score, indicateur de performance suivi de près par Carrefour, a évolué très positivement.

Pour le groupe, les expériences à venir suivent le même modèle : répondre à des besoins business, en travaillant conjointement avec les équipes opérationnelles, pour nourrir l’expérience client. Cette accélération de la transformation digitale de Carrefour a été rendue possible par la constitution d’équipes data complètes et expertes au sein de l’entreprise, et le déploiement de plateformes data dans l’ensemble des pays où le groupe est présent.

Le volume et la richesse des données collectées par Carrefour sont un terrain d’exploration unique pour répondre aux grands challenges auxquels le secteur de la distribution est confronté : omnicanalité, e-commerce, anticipation des usages consommateurs… Carrefour a d’ailleurs dévoilé récemment d’autres cas d’usages pour améliorer l’expérience client grâce à la data : les courses en 5 minutes sur Carrefour.fr, la mise en place d’assortiments personnalisés pour nos magasins de proximité, ou encore la personnalisation des promotions.

Nous vous remercions d’avoir lu notre article sur “Groupe Carrefour x Artefact : Comment réduire le gaspillage alimentaire au rayon Boulangerie-Pâtisserie ?”

Retrouvez tous nos articles dans la News Room tous nos projets de données sur notre blog.