{"id":1408237,"date":"2026-11-10T15:17:13","date_gmt":"2026-11-10T15:17:13","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&p=1408237"},"modified":"2026-11-10T15:17:13","modified_gmt":"2026-11-10T15:17:13","slug":"du-tableau-de-bord-a-la-prise-de-decision-les-equipes-commerciales-nont-pas-besoin-dun-rapport-supplementaire","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/fr\/blog\/from-dashboard-to-decision-commercial-teams-dont-need-another-report\/","title":{"rendered":"Du tableau de bord \u00e0 la prise de d\u00e9cision : les \u00e9quipes commerciales n'ont pas besoin d'un rapport de plus"},"content":{"rendered":"

Lorsque j\u2019ai rejoint un projet de gestion partag\u00e9e des stocks au sein d\u2019une multinationale du secteur des biens de consommation, l\u2019\u00e9quipe du service client n\u2019avait aucune visibilit\u00e9 sur les stocks de ses revendeurs. Le tableau de bord existant indiquait uniquement les ruptures de stock survenues par le pass\u00e9. Les ruptures de stock et les exc\u00e9dents n\u2019apparaissaient qu\u2019une fois que la commande \u00e9tait d\u00e9j\u00e0 en retard ou que le produit s\u2019\u00e9tait accumul\u00e9, trop tard pour r\u00e9agir.<\/p>\n

Ma th\u00e8se : un tableau de bord d\u00e9crit le pass\u00e9, et la valeur commerciale r\u00e9side dans les mod\u00e8les qui anticipent le probl\u00e8me et recommandent des mesures \u00e0 prendre suffisamment t\u00f4t pour pouvoir les mettre en \u0153uvre.<\/strong><\/p>\n

Le probl\u00e8me allait au-del\u00e0 d'un simple manque de visibilit\u00e9.<\/strong> L'\u00e9quipe commerciale devait r\u00e9pondre \u00e0 deux questions pour chaque revendeur et chaque r\u00e9f\u00e9rence : ce revendeur aura-t-il besoin de plus de produits ? Si oui, quelle quantit\u00e9 puis-je lui envoyer ? La premi\u00e8re question n\u00e9cessite de conna\u00eetre le niveau de stock restant chez le revendeur et le volume qu'il va vendre. La seconde d\u00e9pend de contraintes internes : les quotas, les stocks dans chaque site d\u2019exp\u00e9dition, la palettisation et le plan de production. Il n\u2019est pas envisageable de recouper manuellement toutes ces informations, chaque jour, pour chaque revendeur et chaque r\u00e9f\u00e9rence.<\/p>\n

Ce que nous avons r\u00e9alis\u00e9.<\/strong> Nous avons int\u00e9gr\u00e9 les data relatives aux ventes aux distributeurs, aux ventes au d\u00e9tail et aux stocks des revendeurs, puis nous avons entra\u00een\u00e9 un mod\u00e8le d\u2019apprentissage automatique capable de pr\u00e9voir les ventes pour les 30 prochains jours. \u00c0 partir de ces pr\u00e9visions, nous avons calcul\u00e9 la date probable de rupture de stock pour chaque r\u00e9f\u00e9rence. Nous avons ensuite crois\u00e9 cette date avec les contraintes suivantes : quota et stock disponibles, palettisation, d\u00e9lai de transport et commandes d\u00e9j\u00e0 en cours d\u2019acheminement, afin que les alertes ne deviennent pas obsol\u00e8tes. Le r\u00e9sultat est une recommandation de commande pour chaque revendeur et chaque r\u00e9f\u00e9rence, dans la mesure o\u00f9 l\u2019exp\u00e9dition est r\u00e9alisable, accompagn\u00e9e de la date limite pour passer cette commande \u00e0 temps. Lorsqu\u2019une commande n\u2019est pas r\u00e9alisable, l\u2019outil indique quelle contrainte la bloque, ce qui permet \u00e0 l\u2019\u00e9quipe commerciale d\u2019aborder la discussion en connaissant d\u00e9j\u00e0 le probl\u00e8me.<\/p>\n

Power BI est toujours pr\u00e9sent, mais dans un r\u00f4le diff\u00e9rent. Ce n'est plus l'outil d'analyse. C'est l'interface qui donne acc\u00e8s \u00e0 l'intelligence qui se cache derri\u00e8re, affichant les pr\u00e9visions, les alertes de risque et les recommandations permettant d'agir rapidement.<\/p>\n

Le r\u00e9sultat.<\/strong> Nous avons mesur\u00e9 ce gain \u00e0 travers le chiffre d'affaires brut suppl\u00e9mentaire g\u00e9n\u00e9r\u00e9 par la pr\u00e9vention des ruptures de stock : lorsqu'une rupture de stock pr\u00e9vue est signal\u00e9e au revendeur et que la commande est pass\u00e9e \u00e0 temps, nous estimons le volume qui aurait \u00e9t\u00e9 perdu ainsi que sa valeur commerciale. Au cours de l'ann\u00e9e qui a suivi la mise en \u0153uvre, le chiffre d'affaires suppl\u00e9mentaire estim\u00e9 s'\u00e9levait \u00e0 5,09 millions de reais br\u00e9siliens.<\/p>\n

Qu'est-ce qui a \u00e9t\u00e9 le plus difficile ?<\/strong> L'un des plus grands d\u00e9fis n'\u00e9tait pas le mod\u00e8le, mais les data. Les data relatives aux stocks et aux ventes d\u00e9pendent des revendeurs, et celles-ci devaient nous parvenir \u00e0 la fr\u00e9quence et dans le format requis. La fr\u00e9quence est fix\u00e9e par contrat, mais son respect n\u00e9cessitait un suivi : en collaboration avec l\u2019\u00e9quipe commerciale, nous avons mis en place un processus pour relancer les revendeurs concernant ces donn\u00e9es. Nous avons \u00e9galement constat\u00e9 que les quotas et les stocks \u00e9voluent tout au long de la journ\u00e9e ; l\u2019analyse des commandes est donc plus efficace d\u00e8s le d\u00e9but de la matin\u00e9e. Apr\u00e8s trois mois pass\u00e9s \u00e0 affiner ce processus, nous avons mis en place une routine hebdomadaire avec chaque revendeur, en nous appuyant sur l\u2019outil pour d\u00e9finir l\u2019ordre du jour.<\/p>\n

Les domaines dans lesquels l'IA g\u00e9n\u00e9rale apporte un compl\u00e9ment.<\/strong> La solution actuelle fonctionne bien et ne repose pas sur l\u2019IA g\u00e9n\u00e9rative, mais uniquement sur des mod\u00e8les d\u2019IA traditionnels tels que l\u2019apprentissage automatique et les optimiseurs. Mais aujourd\u2019hui, nous pourrions renforcer la couche d\u2019interpr\u00e9tation et d\u2019interaction : mettre en \u00e9vidence des informations sur les probl\u00e8mes survenus, r\u00e9sumer les priorit\u00e9s de la journ\u00e9e en langage naturel, \u00e9tendre les recommandations aux canaux les plus utilis\u00e9s par les \u00e9quipes commerciales, expliquer quelle contrainte bloque une commande et r\u00e9diger le message \u00e0 l\u2019intention du revendeur. Il s\u2019agit d\u2019une am\u00e9lioration en termes de convivialit\u00e9 et d\u2019aide \u00e0 l\u2019interpr\u00e9tation et \u00e0 la mise en \u0153uvre des informations, s\u2019appuyant sur une solution qui a d\u00e9j\u00e0 fait ses preuves.<\/p>\n

En r\u00e9sum\u00e9 :<\/p>\n

\"\"<\/p>\n

Comment mettre cela en pratique :<\/strong> \u00c9num\u00e9rez les principales d\u00e9cisions r\u00e9currentes de votre domaine commercial qui d\u00e9pendent aujourd\u2019hui de la consultation d\u2019un tableau de bord (r\u00e9approvisionnement, cr\u00e9dit, allocation d\u2019actifs, promotion). Choisissez celle qui dispose d\u2019un responsable d\u00e9sign\u00e9, de data fr\u00e9quentes et d\u2019une perte mesurable en termes mon\u00e9taires. Maintenant que vous disposez d\u2019un probl\u00e8me bien d\u00e9fini et pouvant \u00eatre r\u00e9solu, nous pouvons travailler ensemble \u00e0 l\u2019\u00e9laboration d\u2019un mod\u00e8le permettant d\u2019anticiper ou d\u2019optimiser cette d\u00e9cision, plut\u00f4t que de cr\u00e9er un \u00e9ni\u00e8me tableau de bord en plus de celui-ci.<\/p>\n<\/div><\/div><\/div><\/div><\/div>","protected":false},"excerpt":{"rendered":"

L'\u00e9quipe commerciale devait r\u00e9pondre \u00e0 deux questions pour chaque revendeur et chaque r\u00e9f\u00e9rence : ce revendeur aura-t-il besoin de plus de produits ? Si oui, quelle quantit\u00e9 puis-je lui envoyer ? La premi\u00e8re question n\u00e9cessite de conna\u00eetre le niveau de stock restant chez le revendeur et le volume qu'il va vendre. La seconde d\u00e9pend de contraintes internes : les quotas, les stocks dans chaque site d\u2019exp\u00e9dition, la palettisation et le plan de production. Il n\u2019est pas envisageable de recouper manuellement toutes ces informations, chaque jour, pour chaque revendeur et chaque r\u00e9f\u00e9rence.<\/p>","protected":false},"featured_media":1408238,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[22035],"blog-language":[2991],"class_list":["post-1408237","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-data-ai-consulting","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog\/1408237","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media\/1408238"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media?parent=1408237"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-category?post=1408237"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-language?post=1408237"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}