Une colonne vertébrale pour chaque système.
Aurélien
Le détaillant
Un détaillant lifestyle de 12 magasins fonctionnant sur cinq systèmes déconnectés.
Notre détaillant exploite 12 magasins en France dans le segment mode lifestyle multicanal mid-market. L’équipe est structurée : une équipe achats de 3 personnes, un responsable opérations d’1 personne, et un merchandiser d’1 personne, gérant environ 6 500 SKU en saison sur les magasins, le e-commerce et les marketplaces.
La stack est standard pour le secteur — LCV Mag comme système cœur de gestion retail, Shopify pour le e-commerce, et trois marketplaces — Galeries Lafayette, Veepee, Zalando — pour les canaux additionnels. Excel comme couche de liaison entre tout le reste. Ça fonctionne. Jusqu’au moment où ce n’est plus le cas.
« Cinq systèmes, cinq vérités. Chaque réunion commençait par : laquelle est la bonne ? »
— Responsable opérations
Contexte
Un détaillant opérant sur cinq systèmes qui ne se parlaient pas.
2024. Le détaillant lifestyle fonctionnait avec cinq systèmes distincts, chacun portant sa propre vérité sur les produits, les ventes et le stock. Les réconcilier était un travail manuel qui prenait deux jours chaque mois.
Lorsque la responsable opérations a pris le poste, elle a hérité d’une architecture Frankenstein : cinq connecteurs bricolés en urgence par les équipes précédentes, aucun maintenu, dont la moitié étaient cassés. Elle savait que l’entreprise ne pourrait pas passer à l’échelle sur cette base.
La problématique
Chaque système parlait son propre dialecte.
Les références produits ne correspondaient pas d’un système à l’autre. Les agrégations de ventes variaient selon l’attribution magasin vs canal. Les niveaux de stock — ruptures de stock, surstocks, démarque et réassort — vivaient à trois endroits, souvent en contradiction. Construire une réponse unique à une question simple — « combien de ces SKU restent-ils ? » — nécessitait trois requêtes, trois exports et un Excel.
Pire encore : les marketplaces avaient leurs propres taxonomies produits, complètement décorrélées du catalogue en magasin. Un bestseller sur Veepee pouvait même être introuvable dans LCV Mag sans mapping manuel.
Trois échecs structurels :
Cinq systèmes, cinq taxonomies produits, aucune réconciliation automatique.
Des niveaux de stock à trois endroits, souvent contradictoires.
Deux jours par mois consacrés à la réconciliation au lieu d’analyser.
Les données existaient cinq fois. La vérité n’existait nulle part.
La solution
Un modèle canonique unique, alimenté par chaque système, accessible à chaque équipe.
Solya se connectait à LCV Mag, Shopify et les trois marketplaces grâce à des connecteurs natifs. La plateforme récupérait les données produits, transactions, stocks et clients de chacun, puis les unifiait dans un seul modèle retail canonique — où un SKU est une entité unique dans tous les systèmes, avec toutes ses ventes, tout son stock, tout son historique.
Trois semaines entre la signature et un modèle de données opérationnel, interrogeable en direct. La responsable des opérations a arrêté la réconciliation. Elle a commencé à analyser. Et le reste de l’entreprise a commencé à bâtir sur une base qui ne nécessitait pas d’explication chaque lundi.
Connecteurs natifs vers chaque système — aucun projet d’intégration sur mesure.
Schémas détectés automatiquement et mappés au modèle canonique.
Synchronisation continue — chaque modification est propagée en temps réel.
Les cinq systèmes n’ont pas disparu. Ils ont cessé d’être un problème.
Comment nous l’avons fait
Dans la boucle.
L’ossature data reposait sur le Data Layer, Solya prenant en charge la majeure partie du travail avec son auto-configuration. Voici comment le système fonctionne, de bout en bout.
01 — Connecter chaque système.
Les connecteurs natifs de Solya se sont branchés sur LCV Mag, Shopify et les trois marketplaces en quelques jours. Aucun projet d’intégration sur mesure.
02 — Détecter automatiquement les schémas.
Solya a analysé automatiquement la structure de données de chaque système, a mappé les champs au modèle retail canonique et a signalé les ambiguïtés pour revue humaine.
03 — Rapprocher et unifier.
Les références produit, les fiches clients et les transactions ont été rapprochées entre systèmes. Un SKU devenait une seule entité, avec toutes ses occurrences visibles.
04 — Synchronisation continue.
Chaque changement dans n’importe quel système source se propageait en temps réel au modèle canonique. Le modèle restait toujours à jour, toujours cohérent.
05 — Ouvert à chaque équipe.
Les achats, la finance, les ops et les magasins accédaient au même modèle via leurs propres outils. Une source, plusieurs utilisateurs, aucune contradiction.
Les cinq systèmes n’ont pas disparu. Ils ont cessé d’être un problème.
Les impacts
Toutes les équipes alignées sur une même vérité retail.
Après la mise en place initiale de trois semaines, l’entreprise a cessé de rapprocher les données et a commencé à construire. Les rapports ont cessé de se contredire. Les décisions n’ont plus été retardées par des débats sur la donnée.
3 semaines — De la signature au modèle unifié en production.
5 systèmes — Connectés, normalisés, unifiés.
1 modèle — Interrogeable par chaque équipe.
Zéro — Heure de rapprochement par mois.
« Cinq systèmes tournaient encore en arrière-plan. Nous avons simplement cessé d’y prêter attention. »
— Responsable opérations
Découvrez d'autres cas d'usage
Une seule plateforme. Chaque décision retail.
Stocks, allocation, tarification, planification, exécution — réunis dans une seule couche opérationnelle.
