Optimisation de la chaîne logistique de Logistia

Logistia, distributeur industriel gérant 45 000 références sur trois entrepôts, subissait un taux de rupture de stock de 8,4 % et un taux de surstock de 22 % en valeur. Les prévisions reposaient sur des moyennes mobiles et l’expertise des acheteurs. La saisonnalité complexe du secteur industriel, combinée aux délais d’approvisionnement variables, rendait la planification manuelle de plus en plus inefficace. La direction logistique estimait le coût de ces déséquilibres à 6 millions d’euros par an.

Nous avons déployé un système de prévision de la demande par référence, combinant des modèles Prophet pour la tendance et la saisonnalité avec un réseau de neurones temporel pour capturer les corrélations inter-références. Le système intègre des signaux exogènes : calendrier industriel, données macroéconomiques, historique des promotions fournisseurs. Les prévisions alimentent un moteur d’optimisation des stocks qui calcule les points de commande et les quantités économiques en temps réel, en tenant compte des contraintes de stockage et des délais fournisseurs.

Après quatre mois de montée en charge, le taux de rupture est tombé à 3,2 % et le surstock a diminué de 35 % en valeur. La précision des prévisions à quatre semaines a progressé de 58 % à 84 %. Les acheteurs consacrent désormais leur temps aux négociations fournisseurs et aux références stratégiques plutôt qu’aux calculs de réapprovisionnement. L’économie estimée sur les douze premiers mois dépasse 3,5 millions d’euros.