Démarque
De -50 % en janvier à -20 % en novembre.
Aurélien
L'enseigne
Une enseigne premium contemporaine de 14 magasins, trois acheteurs, cinq mille cinq cents SKU.
Notre enseigne exploite 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, qui pilote environ 5 500 SKU en saison.
Le stack est standard pour le secteur — Polaris comme cœur de la gestion retail, Shopify pour l'e-commerce, et Excel comme lien entre les autres briques. Ça fonctionne. Jusqu'au jour où ce n'est plus le cas.
"Chaque janvier, le même scénario. Les stocks d'hiver partent en démarque de 50 %. Nous le savions trois mois plus tôt — mais nous n'avions aucun moyen d'agir."
— Responsable Achat
Contexte
AH 2024. Une équipe achat confrontée au même janvier que chaque année.
En octobre 2024, l'équipe achat avait déjà le diagnostic : les manteaux d'hiver se vendaient plus lentement que prévu, avec un écart net entre les silhouettes les plus vendues et une longue traîne de références à faible rotation. Le DAF avait fixé un objectif clair pour AH24 : protéger au moins 4 points de marge brute par rapport à AH23.
L'équipe disposait de huit semaines pour agir. Le problème n'était pas la visibilité — c'était la vitesse d'exécution. Leur process de démarque existant ne pouvait pas aller plus vite qu'un rythme mensuel. En décembre, le seul levier restant serait la profondeur. Et -50 % redeviendrait la norme.
La problématique
La démarque relevait d’une revue trimestrielle alors qu’elle devait être un signal hebdomadaire.
Le processus existant de l’équipe fonctionnait ainsi : des rapports hebdomadaires agrégés montraient les produits lents avec 3 à 4 semaines de retard. Les vagues de démarque étaient appliquées au niveau de la catégorie, pas au niveau SKU — ce qui signifiait que les articles qui se vendaient encore correctement étaient remisés aux côtés des vrais sous-performers.
En décembre, le seul levier restant était la profondeur, et −50 % est devenu la norme. La marge a disparu. L’équipe le savait. Le CFO le savait. Personne n’avait de moyen de briser ce cycle.
Trois défaillances structurelles :
Produits lents repérés 6 semaines ou plus après la baisse de la demande.
Vagues de démarque appliquées à des catégories entières au lieu de SKUs individuels.
Plus de 30 % de marge perdus sur les liquidations de surstocks d’hiver, chaque année.
L’équipe ne décidait pas de la démarque. Elle sauvait la saison.
La solution
La démarque est passée d’une revue trimestrielle à un signal hebdomadaire.
Solya surveille sell-through, la couverture de stock et la dérive de la demande sur chaque SKU, chaque magasin. Dès qu’un SKU passe sous sa courbe attendue, un signal est déclenché. L’équipe identifie les produits lents six semaines plus tôt qu’avant — quand il est encore temps d’agir.
Lorsque la démarque est la bonne réponse, Solya propose une profondeur et un timing par SKU, calculés par rapport au plancher de marge et aux objectifs de couverture de stock de l’équipe. L’acheteur vérifie, ajuste, passe outre si nécessaire. Les démarques approuvées sont envoyées au POS. Chaque override est journalisé et réinjecté dans le modèle.
Suivi quotidien de sell-through et de la couverture de stock, par SKU et par magasin.
Profondeur de démarque par SKU — pas de vagues de catégorie globales.
Conçu pour respecter le plancher de marge — les règles de tarification sont respectées par construction.
La liquidation des surstocks d’hiver n’était plus une urgence. Elle est devenue un levier continu.
Comment nous l’avons fait
Au cœur de la boucle.
La boucle de démarque fonctionne en continu. L’équipe achats intervient à trois moments : revue, ajustement, déploiement. Voici comment le système fonctionne, de bout en bout.
01 — Surveillez chaque SKU, chaque magasin.
Solya suit le sell-through, la couverture de stock et la dérive de la demande par SKU et par magasin, au quotidien. Les articles à faible rotation sont signalés en quelques jours, pas en semaines, ce qui permet d’ajuster le réassort plus tôt.
02 — Détectez la dérive tôt.
Lorsque le sell-through d’un SKU passe sous la courbe attendue avec un écart défini, Solya émet un signal. Des fourchettes de confiance et des motifs de SKU similaires sont affichés.
03 — Calculez le niveau de démarque.
Pour chaque SKU signalé, Solya propose un niveau de démarque et un timing — en respectant le plancher de marge, l’objectif de couverture de stock et les règles tarifaires de l’équipe.
04 — Remontez à l’acheteur.
L’acheteur examine les démarques proposées chaque semaine. Chaque ligne explique le pourquoi : motif de dérive, niveau recommandé, impact attendu sur la marge et la couverture de stock.
05 — Déployez et apprenez.
Les démarques approuvées sont envoyées vers Polaris et appliquées au POS. Solya journalise chaque dérogation et ajuste le modèle pour le cycle suivant.
La démarque n’est plus un problème de janvier. Elle est devenue un levier continu.
Les impacts
Marge préservée, saison après saison.
Après deux saisons FW d’exécution de la boucle de démarque, l’équipe a cessé d’écouler les surstocks d’hiver à −50 %, a lancé les vagues de démarque à −20 % et a protégé une marge significative par saison.
−30 % — Niveau moyen de démarque (de −38 % à −22 %).
+6 semaines — Les articles à faible rotation sont détectés plus tôt.
+80 k€ — Marge protégée par saison sur 5 M€ de chiffre d’affaires.
95 % — Des recommandations exécutées sans dérogation.
"Nous ne luttons plus contre la démarque. Maintenant, nous la pilotons."
— Responsable Achats
Découvrez d'autres cas d'usage
Une seule plateforme. Chaque décision retail.
Stocks, allocation, tarification, planification, exécution — réunis dans une seule couche opérationnelle.
