Allée 4, rayon terreaux et amendements. Trois mètres linéaires sur quatre niveaux, des sacs de vingt litres en bas parce qu’ils pèsent lourd, une marque nationale au niveau des yeux, et un espace de soixante centimètres occupé depuis février par une référence de paillage d’ardoise qui ne se vend plus depuis la fin de l’hiver. Personne ne l’a bougée. Dans cette enseigne de jardinerie de six magasins, chaque surface de vente comptait entre trente et cinquante anomalies de ce type, invisibles une par une et coûteuses à l’échelle des 2 400 mètres carrés. C’est le terrain de rencontre entre l’intelligence artificielle et le planogramme automatisé : non pas rendre un rayon plus joli, mais tenir un plan d’implantation à jour dans un magasin où tout bouge chaque semaine.
Un plan d’implantation vieillit plus vite qu’on ne l’écrit
Le planogramme est un document technique. Il dit quelle référence occupe quelle position, sur quel niveau, avec combien de faces visibles, dans quelle largeur de linéaire.
Sa faiblesse est structurelle : il représente une décision prise à un instant donné, alors que l’assortiment, lui, bouge en permanence. Un fournisseur arrête une gamme, un nouveau conditionnement arrive avec deux centimètres de plus en hauteur, une saison démarre trois semaines en avance parce qu’il a fait doux en mars. Dans cette jardinerie, le plan de la zone jardin datait de dix-huit mois et concernait quarante pour cent de références qui n’existaient plus sous cette forme. Refaire l’exercice à la main occupait une personne pendant près de deux semaines par univers. Autant dire que l’exercice se faisait rarement.
Ce que la machine calcule mieux qu’un chef de rayon
Tout l’intérêt de l’intelligence artificielle et du planogramme automatisé tient là : un moteur d’optimisation traite simultanément des contraintes qu’aucun humain ne garde en tête au-delà de quelques dizaines de références.
- Les dimensions physiques réelles de chaque produit, croisées avec la hauteur des tablettes et la capacité de charge des niveaux bas.
- La rotation par référence et par magasin, qui n’est pas la même à Étampes et à Massy pour la même gamme de graines potagères.
- Le nombre de faces minimal permettant de tenir entre deux réassorts, ce qui évite le rayon vide du samedi après-midi.
- Les regroupements logiques attendus par le client, arrosage avec arrosage, et les blocs par marque quand un accord commercial l’impose.
- Le calendrier saisonnier, avec des bascules programmées à date sur les univers concernés.
Le résultat sort sous forme de plan visuel, avec la liste des mouvements à effectuer rayon par rayon. Ce dernier point compte davantage que le plan lui-même : une équipe de mise en rayon ne travaille pas sur un schéma, elle travaille sur une liste d’actions ordonnée.
Et ce qu’elle calcule mal
Nous n’avons jamais vu un plan généré automatiquement partir en magasin sans retouche. Ce serait d’ailleurs inquiétant, parce que trois catégories d’informations décisives ne figurent dans aucun fichier.
Le moteur ignore que la clientèle du magasin d’Étampes comprend une forte proportion de professionnels du paysage qui achètent en gros conditionnement le vendredi matin. Il ignore que la tête de gondole face à la caisse 3 est invisible depuis l’entrée à cause d’un poteau porteur. Il ignore l’accord de référencement signé en janvier qui garantit un emplacement à une marque régionale. Et il produit parfois des implantations théoriquement optimales mais impossibles à réaliser en moins de six heures, ce qui les condamne. Notre conseil constant : le plan généré est une proposition, le chef de rayon garde la main, et l’outil doit permettre d’expliquer un écart plutôt que de l’interdire.
Le vrai sujet est l’écart entre le plan et le rayon
Une enseigne peut disposer de plans impeccables et de magasins qui ne leur ressemblent pas. C’est le cas le plus fréquent.
La reconnaissance d’images a changé la donne sur ce point. Un employé photographie le linéaire avec une tablette, l’outil identifie les références présentes, leur position et leur nombre de faces, puis compare au plan de référence. L’écart s’affiche en quelques secondes : ruptures non signalées, produits mal placés, espace perdu. Dans le réseau de jardineries, ce contrôle est passé d’une visite trimestrielle d’un animateur réseau à un relevé hebdomadaire fait par les équipes elles-mêmes, ce qui a divisé par trois le délai de correction d’une anomalie. La fiabilité de la reconnaissance dépend beaucoup du rayon : excellente sur des produits emballés et étiquetés, médiocre sur du végétal vivant ou du vrac. Cette limite doit être testée sur vos propres photos, pas sur celles du fournisseur.
Le suivi de ces écarts trouve naturellement sa place dans les indicateurs de pilotage du réseau, sujet que nous traitons dans notre article sur le tableau de bord automatisé des PME.
Combien ça coûte et par où entrer
Les solutions du marché se louent le plus souvent entre 150 et 400 euros par magasin et par mois, selon le nombre d’univers traités et l’inclusion ou non du contrôle par photo. Le poste de dépense réellement sous-estimé, c’est la base produit : dimensions, poids, conditionnement, images. Sans ces données, aucun moteur ne produit quoi que ce soit d’exploitable, et leur constitution demande souvent un mois de travail auprès des fournisseurs. Comptez quatre à huit semaines pour obtenir le premier plan complet sur un univers, puis une saison entière avant de juger l’effet sur les ventes, parce qu’un rayon comparé d’un mois sur l’autre ne dit rien d’utile en jardinerie.
Nous recommandons de démarrer sur un univers à forte rotation et à faible complexité physique, l’arrosage ou les produits d’entretien plutôt que les plants. Un magasin pilote, un univers, une saison. Si l’écart de chiffre d’affaires au mètre linéaire ne bouge pas, l’outil ne convient pas à votre format, et il vaut mieux le savoir avant d’équiper six sites. Les mêmes principes de prudence valent pour les autres chantiers d’IA dans le commerce et la distribution.
Ce que nous constatons chez nos clients du commerce spécialisé, c’est que l’apport principal n’est pas l’optimisation théorique du linéaire. C’est la fin d’un plan figé que plus personne n’entretenait. Combiner l’intelligence artificielle et le planogramme automatisé revient d’abord à raccourcir le cycle entre une décision d’assortiment et sa traduction physique dans les rayons, de plusieurs mois à quelques jours. MINOBIA accompagne les enseignes et les réseaux de PME sur ce type de chantier, en commençant systématiquement par l’état réel de leur base produit.
Questions fréquentes
Faut-il un magasin de grande surface pour que ce soit rentable ?
Pas nécessairement une grande surface, mais un assortiment large et changeant. Un commerce de trois cents références stables n’a aucun besoin d’un moteur d’optimisation.
Nos dimensions produits ne sont pas renseignées. Peut-on quand même commencer ?
Non, pas sérieusement. Certaines solutions déduisent les dimensions des photos, avec une marge d’erreur qui suffit à faire tomber un plan. Prévoyez la collecte auprès des fournisseurs.
Les équipes de magasin acceptent-elles ces plans ?
Mieux que ce que redoutent les directions, à une condition : que le chef de rayon puisse proposer une modification et qu’elle soit examinée. Un plan imposé sans recours se contourne en trois semaines.
Le contrôle par photo est-il fiable sur tous les rayons ?
Non. Il fonctionne bien sur les emballages identifiables, moins bien sur le vrac, le végétal et les produits sans facing lisible. Testez sur vos rayons difficiles avant de signer.
Cela remplace-t-il un merchandiseur ?
Non, cela lui rend le temps qu’il passait à dessiner et à recompter. Son métier se déplace vers l’analyse des résultats et les arbitrages d’assortiment.
Prêt à concrétiser votre projet IA ?
À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
