Cocorico ! Éditeur français de solutions de supply chain, Vekia a été doublement nommé par le cabinet Gartner lors de la conférence annuelle "Supply Chain Executive Conference" organisée du 23 au 25 mai dernier à Phoenix. Zoom sur une entreprise qui a su intégrer du Machine Learning dans la gestion d'approvisionnement pour contenter des clients comme les Galeries Lafayette, la Fnac ou Mr.Bricolage.

Ce n'est pas rien. Présent à Phoenix le 23 mai dernier pour la conférence annuelle "Supply Chain Executive Conference" organisée par le cabinet Gartner, l'éditeur français Vekia a été honoré à cette occasion et doublement nommé dans le Market Guide for Retail Forecasting and Replenishement Solutions et le Hype Cycle for Emerging Technologies, dans la catégorie "On the rise". Une nomination dont s'est évidemment félicité Manuel Davy, le président de Vekia, sur le site Internet de l'entreprise : "Vekia figure parmi les deux seuls éditeurs mondiaux à être nommés à deux reprises par Gartner. Le caractère exceptionnel de cette double nomination démontre la solidité de notre expertise ainsi que notre longue expérience dans le domaine du Machine Learning pour la supply chain. Nous sommes fiers de cette double nomination, et nous continuons d’investir massivement pour rester à la pointe de la technologie afin de faire bénéficier nos clients de performances toujours plus grandes."

Du Machine Learning dans les systèmes de pilotage des stocks et approvisionnements

Pionnier dans l'utilisation de l'apprentissage machine dans les systèmes de pilotage des stocks et des approvisionnements, la start-up tricolore s'est justement démarquée de ses homologues internationales par l'apport du Machine Learning dans ses solutions. "Avec le machine learning, les données sont fondamentales et contribuent à la définition du modèle statistique à appliquer, contrairement aux algorithmes classiques, où le modèle est défini au préalable, avant d’être appliqué aux données, expliquait d'ailleurs le dirigeant, le 14 janvier 2016, dans les colonnes des Echos. Cette différence est majeure, car il s’agit du passage d’un schéma empirique à un système évolué, qui adapte en toute autonomie la solution et le modèle à appliquer. L’objectif premier étant de constamment rechercher la meilleure performance économique à court et long terme."

Avec l'utilisation de ses solutions, la marque assure elle jusqu'à 97% de fiabilité sur les prévisions et jusqu'à 30% de réduction des stocks. Des chiffres qui ont convaincu des entreprises leaders sur le retail comme les Galeries Lafayette, Mr.Bricolage ou la Fnac de lui faire confiance. Mais qu'en est-il dans la réalité ?

Vekia et le Machine Learning séduisent les spécialistes du Retail

Du côté des Galeries Lafayette d'abord, les tests pratiqués ont été concluants et permis d'obtenir des prévisions de vente très proches des ventes réelles enregistrées sur des données passées. Un écart minime de 2,26% entre les deux grâce à la solution ProVisia qui a convaincu le groupe de faire confiance à Vekia pour l'accompagner dans la refonte de ses outils de pilotage de supply chain.




Chez Mr.Bricolage enfin, voilà un an que les solutions ProOrder et ProCheck ont été adoptées pour l'approvisionnement des magasins. Et leur apport est là aussi incontestable. "On s’aperçoit que le système gère mieux que l’humain, note ainsi Richard Crnjanski, Directeur supply chain groupe chez Mr.Bricolage, dans des propos rapportés par LSA. De plus, cet outil apporte de la rigueur aux magasins car le stock doit impérativement être juste et à jour. Le plus gros du travail porte d’ailleurs sur ce point. Nous avons mis en oeuvre une procédure afin de détecter les stocks suspects."

Conséquences ? L'enseigne de bricolage a fait coup double en améliorant la disponibilité de ses produits en rayons et en limitant les stocks dans les points de vente, parfois jusqu'à 30% de réduction des stocks pour certains magasins en à peine un an ! Et Richard Crnjanski de conclure : "Actuellement, 64 magasins utilisent cet outil et nous sommes en train de le déployer à l'ensemble du réseau. Le déploiement sera terminé fin 2018."