Achats
Allocation tenant compte du réseau.
Aurélien
Le détaillant
Un détaillant premium contemporain de 14 magasins, avec une règle d'allocation de 2017 et un nouveau responsable allocation.
Notre détaillant opère 14 magasins en France, sur le segment lifestyle apparel premium contemporary. L'équipe est structurée : une équipe achat de 3 personnes plus un responsable merchandising dédié, gérant environ 5 500 SKU en saison à travers les magasins, l'e-commerce et une petite extension e-com.
La stack est standard pour le secteur — Polaris comme cœur du retail management, Shopify pour l'e-commerce, et Excel comme liant entre tous les autres outils. Ça fonctionne. Jusqu'au moment où ça ne fonctionne plus.
« Nous avons alloué de la même façon pendant dix ans. Chaque année, les mêmes magasins étaient en rupture de stock et les mêmes magasins accumulaient des surstocks. »
— Responsable allocation
Contexte
Un réseau de 14 magasins très différents traités de la même manière.
FW 2024. Le réseau du détaillant allait d'un flagship à Paris à des petits magasins dans des villes régionales. Même achat, mêmes règles d'allocation, depuis l'époque où l'entreprise comptait 8 magasins. L'équipe savait que cela ne fonctionnait pas — mais le reconstruire impliquait de remettre en cause chaque hypothèse.
Le nouveau responsable allocation, en poste depuis trois mois, a analysé les chiffres. Les magasins Tier-A étaient en rupture de stock sur les best-sellers dès la semaine 4. Les magasins Tier-C avaient encore, à la semaine 12, des stocks de la semaine 1. Le schéma se répétait à chaque saison. Le chiffre d'affaires total était correct ; les opportunités manquées — ruptures de stock, surstocks, démarque et réassort mal piloté — étaient énormes.
Le réseau s'était développé. La logique d'allocation, elle, n'avait pas évolué.
La problématique
L’allocation était un simple copier-coller, pas une décision.
Lorsque la saison arrivait à l’entrepôt, l’équipe allocation la répartissait entre les magasins selon une règle écrite en 2017 : chaque magasin recevait un quota proportionnel à son chiffre d’affaires de l’année précédente, avec quelques ajustements manuels pour les meilleures ventes connues.
La règle ignorait tout ce qui avait changé depuis : taille du magasin, profil client, cannibalisation online, événements locaux. L’équipe savait que la règle était erronée. Elle n’avait pas les données pour la contester.
Trois problèmes se cumulaient :
La même logique d’allocation pour des profils de magasins très différents (flagship vs régionaux).
Aucune donnée de sell-through au niveau magasin pour remettre la règle en cause.
Deux semaines de gestion de crise avec des transferts inter-magasins, à chaque saison.
L’équipe allouait sur la base du réseau d’hier pour la saison de demain. Hier l’emportait.
La solution
Allocation par magasin et par niveau, calculée sur la demande réelle.
Solya a analysé trois ans de sell-through par magasin, par catégorie, par semaine. Elle a qualifié chaque magasin selon trois dimensions : niveau de CA, profil client, intensité de saisonnalité. La logique d’allocation est devenue une fonction de ces attributs, et non plus du seul chiffre d’affaires de l’an dernier.
Pour la saison FW 2024, Solya a proposé une nouvelle allocation : plus de stock pour les flagship et les magasins à forte rotation, moins pour les magasins régionaux plus lents, avec une réserve de 12 % conservée pour le rééquilibrage et le réassort de la semaine 3. L’équipe a revu, ajusté quelques références, puis déployé.
Tagging par magasin sur trois dimensions, dynamique dans le temps.
Distribution optimale par SKU dans le respect des MOQ, des capacités et de la politique de réserve.
Réserve de 12 % conservée pour le rééquilibrage en début de saison.
Pour la première fois, l’allocation correspondait enfin au réseau qu’elle servait.
Comment nous l'avons fait
Dans la boucle.
La nouvelle allocation s'est appuyée sur les quatre couches Solya, avec l'équipe allocation impliquée dans chaque catégorie. Voici comment le système fonctionne, de bout en bout.
01 — Ingestion de l'historique au niveau magasin.
Solya a extrait trois ans de sell-through depuis Polaris, ventilés par magasin, catégorie et semaine. Des schémas sont apparus, invisibles jusque-là au niveau agrégé.
02 — Attribuer des tags à chaque magasin.
Chaque magasin a été tagué selon trois dimensions : niveau de chiffre d'affaires, profil client (saisonnier vs stable) et force de catégorie. Les tags étaient dynamiques — ils se mettaient à jour à mesure que de nouvelles données arrivaient.
03 — Calculer la distribution optimale.
Pour chaque SKU et catégorie, Solya a calculé l'allocation idéale entre les magasins, en respectant les MOQ, la capacité des magasins et la politique de réserve de l'équipe.
04 — Recommander avec réserve.
Solya a proposé une allocation par magasin, plus une réserve de 12 % conservée pour un rééquilibrage en début de saison basé sur les premières semaines de sell-through.
05 — Déployer et apprendre.
L'allocation a été mise en production le jour de l'arrivée du stock. Le sell-through a été suivi dès la semaine 1. Solya a consigné ce qui a fonctionné, ce qui n'a pas fonctionné, et a ajusté le modèle pour la saison suivante.
L'allocation est devenue une décision. Pas un copier-coller.
Les impacts
Un réseau qui a enfin reçu ce dont il avait réellement besoin.
Après la première saison opérée avec l'allocation Solya, les magasins de niveau A ne connaissaient plus de ruptures de stock sur les best-sellers, les magasins de niveau C ne restaient plus avec des surstocks, et l'équipe a cessé de courir après les transferts.
+9 pts — sell-through au prix plein dans les magasins de niveau A.
−15% — transferts inter-magasins nécessaires pendant la saison.
12% — réserve conservée pour un rééquilibrage en temps réel.
Jour 1 — allocation en temps réel dès l'arrivée du stock.
« Pour la première fois, le réseau semblait conçu, et non assemblé. »
— Responsable allocation
Découvrez d'autres cas d'usage
Une seule plateforme. Chaque décision retail.
Stocks, allocation, tarification, planification, exécution — réunis dans une seule couche opérationnelle.
