Data / IA
Monoprix actionne la data pour lutter contre les ruptures de produits
Par Reynald Fléchaux, publié le 01 octobre 2026
L’enseigne se repose sur la Data Science pour améliorer au jour le jour et magasin par magasin ses prévisions de ventes. En intégrant les phénomènes externes, comme la météo ou les événements locaux.
Intégrée au groupe Casino (24 000 personnes, 8,3 Md€ en 2025), la chaîne Monoprix a utilisé la Data Science pour améliorer ses prévisions de ventes, jusqu’à récemment gérées via de simples moyennes mobiles calculées sur les quatre dernières semaines. Un indicateur peu fiable lors de périodes exceptionnelles (comme l’été, qui voit la fréquentation baisser en région parisienne) ou d’événements locaux ayant un impact majeur sur la consommation (comme le festival d’Avignon). « Même si les équipes procédaient à des ajustements manuels, la démarche restait complexe et manquait de précision », souligne Valérie Latchoumanin, cheffe du département Data Science, Data Gouvernance et de l’académie de la donnée chez Monoprix, qui s’exprimait lors du Dataiku Summit, à Paris le 29 septembre.
Voici environ deux ans et demi, le distributeur s’est donc lancé dans le développement d’une solution visant à fiabiliser ces prévisions et à les automatiser, à la maille du magasin, du produit et de la journée, sur une période de 14 jours. « Et nous voulions que la solution soit intégrée à notre SI et reste pilotable par le métier », indique la responsable.
Fondé sur l’analyse de séries temporelles (fréquentation des magasins et ventes de produits), enrichi par du Machine Learning pour intégrer des facteurs externes, comme la météo, et les interactions entre ces différentes dimensions, l’algorithme permet désormais de mieux appréhender les situations exceptionnelles, notamment les événements locaux.
Développée en deux mois et demi, la solution a fait depuis l’objet d’une quinzaine d’itérations pour l’ajuster précisément aux besoins des métiers. « Par exemple, afin de sécuriser les approvisionnements, nous surestimons légèrement la prévision avec un ratio différent en fonction du niveau de prédictibilité et de l’importance des ventes d’un produit », détaille Valérie Latchoumanin.
La fiabilité des prévisions en hausse de 5 points
Déployée dans tous les magasins Monoprix de France et au sein de Naturalia, qui appartient aussi au groupe Casino, la solution bâtie sur Dataiku s’appuie sur les données issues de Snowflake, des appels API (pour les données météo) et des remontées de la chaîne logistique (transmises via des fichiers plats).
Une fois la préparation de données et les traitements effectués, les résultats sont transmis directement aux outils métiers, notamment le progiciel de réassort du groupe (Gold). Selon la cheffe du département Data Science, l’approche algorithmique a permis d’améliorer de 5 points en moyenne la fiabilité des prévisions par rapport à l’ancien modèle, « et même bien davantage lors d’événements spéciaux » affectant tel ou tel magasin.
Tournant sur les données de la veille, l’algorithme produit automatiquement ses résultats chaque jour, tout en laissant les métiers interagir avec les modèles, insiste la responsable.
Projet en constante évolution selon Valérie Latchoumanin, la prévision de ventes a vocation à s’étendre prochainement aux fruits et légumes, sujet pour lequel une expérimentation a été lancée. « Nous voudrions aussi intégrer des optimisations financières à nos modèles », ajoute Valérie Latchoumanin. Par exemple, afin d’éviter le surstock sur des catégories où la démarque inconnue est élevée (comme les alcools) ou pour lesquelles les invendus sont importants (comme l’ultra-frais).
La GenAI pour intégrer les événements d’actualité
Monoprix lorgne aussi vers la GenAI pour remonter automatiquement les événements locaux (aujourd’hui renseignés par les équipes en magasin), mais aussi faciliter l’analyse des écarts constatés, via une capacité à dialoguer avec les données en langage naturel. « Nous étudions aussi la manière d’exploiter les données d’actualité. Cette année, pour exemple, nos prévisions n’étaient pas très bonnes sur les zones affectées par les feux de forêts », reconnaît Valérie Latchoumanin.
Celle-ci indique également étudier un rapprochement des différentes prévisions (réceptions, ventes promotionnelles, effectifs, activité en caisse…) que manipule l’enseigne : « Aujourd’hui, ce sont des modèles indépendants qui ne dialoguent pas entre eux. Nous réfléchissons à faire communiquer ces prévisions, à construire une prévision de référence à laquelle nous pourrons confronter nos différents forecasts, en étudiant le potentiel de l’IA agentique sur ce cas d’usage ».
Photo : Groupe Casino
