ProductProfiler : distinguer les produits réguliers, saisonniers et en perte de vitesse

Une référence peut afficher une consommation moyenne acceptable tout en cachant un problème de stock. Ses ventes peuvent être concentrées sur quelques semaines, dépendre d'un seul client, progresser rapidement ou diminuer depuis plusieurs mois. Dans chacun de ces cas, appliquer la même règle de réapprovisionnement conduit à prendre une décision avec une information incomplète.

Le plugin ProductProfiler d'AuditStock aide à rendre ces comportements visibles. Il analyse la chronologie de chaque produit, lui associe un ou plusieurs profils de vente, puis transforme les évolutions détectées en listes de travail pour les équipes stock et approvisionnement.

L'objectif n'est pas de laisser un algorithme commander à la place des équipes. L'objectif est de savoir quelles références méritent une surveillance particulière et quelle question métier doit être posée : faut-il réapprovisionner, réduire les achats, préparer la saison, sécuriser un fournisseur ou examiner une rupture ?

1. Pourquoi une moyenne ne suffit pas

Prenons deux produits qui ont vendu 120 unités sur douze mois :

• le premier a vendu environ 10 unités chaque mois ;
• le second a vendu 80 unités en novembre et 40 unités réparties sur le reste de l'année.

La moyenne annuelle est identique, mais le risque opérationnel ne l'est pas. Le premier produit peut être réapprovisionné selon une demande stable. Le second demande une lecture plus prudente : il peut être saisonnier, dépendre d'une campagne commerciale ou être soumis à des pics difficiles à prévoir.

Le même raisonnement s'applique à une baisse progressive. Une référence peut encore vendre suffisamment pour ne pas être classée comme inactive, alors que sa demande diminue depuis plusieurs semaines. Si les commandes continuent d'être calculées sur l'historique complet, le stock risque de gonfler au moment même où le produit perd de sa vitesse.

ProductProfiler apporte cette deuxième lecture. Il ne regarde pas seulement combien un produit a vendu, mais comment ses ventes se répartissent dans le temps et dans les événements de stock.

2. Ce que ProductProfiler observe

Pour chaque produit, le plugin reconstitue une chronologie à partir des données disponibles dans AuditStock, sur la période configurée. Cette chronologie peut notamment faire apparaître :

• les livraisons et les quantités vendues ;
• les commandes et la concentration des ventes par client ;
• les niveaux de stock et les épisodes de rupture ;
• les anomalies de stock ;
• les livraisons partielles.

À partir de ces événements, ProductProfiler calcule plusieurs indicateurs simples à interpréter :

• le nombre total de ventes et de semaines avec ventes ;
• le coefficient de variation des ventes hebdomadaires, qui mesure leur régularité ;
• l'indice de saisonnalité, qui compare les mois forts et les mois faibles ;
• le coefficient de tendance, qui indique une progression ou une baisse ;
• le nombre de clients distincts ;
• le nombre de ruptures, d'anomalies et de livraisons partielles ;
• un score de confiance de la classification.

Le fonctionnement peut être résumé ainsi :

Exemple fictif : une référence suivie comme une histoire produit

Dans l'esprit de la page Méthode AuditStock, on peut représenter ProductProfiler à partir d'une référence fictive. Le lecteur voit ainsi comment une fiche produit passe de l'historique brut à une décision de surveillance, sans exposer les données d'un catalogue réel.

flowchart TD
    A["Référence analysée<br/>Filtre hydraulique FH-220<br/>Entrepôt de Lyon<br/><em>Exemple fictif</em>"] --> B["Historique observé<br/>730 jours<br/>ventes, commandes, stock et livraisons"]
    B --> C["Signaux mesurés<br/>CV des ventes : 0,28<br/>Indice de saisonnalité : 0,62<br/>Tendance : +0,12<br/>Ruptures : 1"]
    C --> D["Profils détectés<br/>Saisonnier<br/>Croissant<br/>Rupture occasionnelle"]
    D --> E["Décision à préparer<br/>Vérifier le stock et le délai fournisseur<br/>avant la prochaine période forte"]

    style A fill:#eaf4ed,stroke:#087747,color:#0b2531
    style B fill:#fffdf9,stroke:#2f6fe4,color:#0b2531
    style C fill:#fffdf9,stroke:#7356b8,color:#0b2531
    style D fill:#eaf4ed,stroke:#087747,color:#0b2531
    style E fill:#fff3e0,stroke:#ee9418,color:#0b2531

Schéma fictif inspiré de la logique « produit suivi » d'AuditStock : l'analyse ne produit pas une étiquette isolée, mais une lecture qui relie l'historique, les signaux et la décision à préparer.

3. Les profils détectés et les décisions associées

Les profils ne sont pas des catégories définitives. Ils décrivent un comportement observé sur la période choisie. Un produit peut donc être à la fois saisonnier, croissant et mono-client, ou cumuler un profil de demande avec un profil de risque de stock.

Cette lecture évite de confondre des situations qui appellent des réponses opposées. Un produit croissant peut justifier une sécurisation du réapprovisionnement ; un produit décroissant appelle au contraire un contrôle du stock restant et des achats à venir. Un produit saisonnier ne doit pas être traité comme un produit régulier toute l'année.

Les tags rendent les comportements de vente filtrables et permettent de constituer rapidement une liste de travail. Les codes, désignations, codes-barres et fournisseurs ont été floutés pour préserver la confidentialité des données.

4. Configurer une analyse utile

La qualité d'un profil dépend de la qualité de la période observée et des seuils choisis. Une analyse sur quelques semaines peut détecter un faux pic ; une période trop longue peut diluer un changement récent.

Choisir une profondeur historique cohérente

ProductProfiler permet de configurer une période d'analyse comprise entre 90 et 1 095 jours. Une profondeur de 365 à 730 jours est généralement plus adaptée pour observer une année complète, les effets de saison et une éventuelle tendance. La valeur par défaut du plugin est de 730 jours.

Pour une référence lancée récemment, il faut toutefois interpréter le résultat avec prudence : un produit avec peu d'historique peut recevoir un profil moins fiable ou rester en profil inconnu. Cela ne signifie pas que le produit est mauvais ; cela signifie que le signal disponible est encore insuffisant.

Comprendre les seuils sans les subir

Les seuils ne sont pas des vérités universelles. Ils traduisent le niveau de sensibilité souhaité :

• un coefficient de variation faible favorise la détection des ventes régulières ;
• un coefficient de variation élevé signale des pics sporadiques ;
• un indice de saisonnalité élevé indique une forte différence entre les mois ;
• un coefficient de tendance positif suggère une croissance, tandis qu'un coefficient négatif suggère une baisse ;
• un nombre minimum de semaines ou de mois évite de surinterpréter une période trop courte.

Il est préférable de commencer avec les valeurs proposées, puis d'observer les résultats sur un échantillon de produits connus. Si trop de références changent de profil pour de petites variations, les seuils sont peut-être trop sensibles. Si des dérives évidentes restent invisibles, ils sont peut-être trop stricts.

5. Du profil à l'action

Le profil est un signal de priorisation. Il devient utile lorsqu'il déclenche une vérification concrète dans les données de stock, de commande ou de fournisseur.

flowchart TD
    P["Profil ProductProfiler"] --> Q{"Quel comportement domine ?"}
    Q -->|"Demande stable"| R["Régulier<br/>stabiliser le réassort et limiter le stock de sécurité"]
    Q -->|"Pic récurrent"| S["Saisonnier<br/>préparer la montée puis réduire après la saison"]
    Q -->|"Tendance à la hausse"| T["Croissant<br/>vérifier capacité, couverture et délai fournisseur"]
    Q -->|"Tendance à la baisse"| U["Décroissant ou inerte<br/>ralentir les achats et examiner le stock dormant"]
    Q -->|"Demande irrégulière"| V["Sporadique<br/>réserver la décision à une revue ciblée"]
    Q -->|"Risque de flux"| W["Rupture, anomalie ou partiel<br/>chercher la cause avant de modifier la quantité"]
    R --> H["Validation par l'équipe stock"]
    S --> H
    T --> H
    U --> H
    V --> H
    W --> H

Quelques exemples de décisions :

1. Régulier + stock élevé : vérifier la couverture et rechercher un sur-stock sans remettre en cause la demande.
2. Saisonnier + période creuse : éviter de renouveler mécaniquement le stock du dernier pic ; préparer plutôt le prochain cycle.
3. Croissant + rupture fréquente : rapprocher l'analyse des délais fournisseurs et vérifier que la hausse n'a pas dépassé le paramétrage de réassort.
4. Décroissant + livraisons récentes : éviter de continuer à acheter sur la base d'un historique devenu trop favorable.
5. Mono-client + valeur de stock élevée : relier la décision d'achat à la visibilité réelle sur le besoin de ce client.
6. Anomalie régulière : fiabiliser les mouvements et les inventaires avant de tirer des conclusions sur la demande.

La règle importante est de ne pas confondre signal commercial et cause racine. Une rupture peut venir d'une demande en croissance, d'une réception en retard ou d'un stock physique mal enregistré. ProductProfiler aide à faire remonter le sujet ; l'équipe doit encore vérifier l'historique du produit et le contexte opérationnel.

6. Pourquoi surveiller les comportements dans le temps

Une classification ponctuelle répond à la question : « Quel comportement observe-t-on sur la période analysée ? » Une surveillance régulière répond à une question plus utile : « Le comportement est-il en train de changer, et que devons-nous adapter ? »

Cette différence améliore directement la performance du stock pour cinq raisons.

1. Réduire le sur-stock avant qu'il ne s'installe

Un produit qui passe progressivement de régulier à décroissant ne devient pas immédiatement un stock dormant. Le risque est justement de continuer à appliquer l'ancien rythme d'achat pendant plusieurs cycles. Le suivi des changements de profil permet de questionner plus tôt les prochaines commandes, de ralentir les quantités et de protéger la trésorerie.

2. Préparer la demande au bon moment

Un profil saisonnier prend de la valeur lorsqu'il est observé avant le pic. L'équipe peut vérifier le stock disponible, le délai fournisseur et la date de commande avant que la demande ne se matérialise. Après la saison, la même surveillance aide à éviter de conserver un niveau de stock dimensionné pour le pic passé.

3. Éviter de découvrir trop tard une croissance

Une croissance continue peut rendre obsolète un point de réassort calculé sur une ancienne moyenne. Si le profil évolue et que des ruptures apparaissent en parallèle, le sujet devient prioritaire : il faut vérifier la capacité du fournisseur, le délai réel et la couverture pendant la montée en charge.

4. Distinguer volatilité et problème de données

Un profil sporadique, une anomalie répétée ou une livraison partielle fréquente peuvent expliquer pourquoi une référence paraît imprévisible. Suivre ces signaux sur plusieurs périodes aide à déterminer si le problème vient de la demande, de l'exécution fournisseur ou de la qualité des mouvements de stock.

5. Mesurer l'effet des décisions

Une décision de déstockage, de transfert ou de sécurisation fournisseur doit produire un effet observable. En comparant les profils, les ruptures, la couverture et la valeur stock avant et après l'action, l'équipe peut vérifier si elle a réellement amélioré la situation. Le profil devient alors un point de repère dans une boucle d'amélioration continue.

flowchart LR
    A["Recalcul du profil"] --> B["Comparer avec le profil précédent"]
    B --> C{"Le comportement a changé ?"}
    C -->|"Non"| D["Conserver la politique<br/>et continuer la surveillance"]
    C -->|"Oui"| E["Contrôler ventes, stock,<br/>commandes et fournisseurs"]
    E --> F["Choisir une action ciblée<br/>réassort, déstockage, transfert ou sécurisation"]
    F --> G["Valider et mesurer l'effet<br/>sur les KPI stock"]
    G --> A

ProductProfiler facilite ce suivi de deux manières. Les profils courants sont appliqués aux produits sous forme de tags, et les changements de profil peuvent alimenter des sélections datées d'ajout ou de suppression. Ces sélections constituent des listes de revue : elles permettent de retrouver les références qui viennent d'entrer dans un profil, puis de vérifier si une action a été menée.

La lecture mensuelle des KPI permet de relier un changement de comportement à ses conséquences opérationnelles : valeur du stock, durée de rotation, ruptures, quantité en stock, activité commerciale et achats.

7. Une routine simple pour améliorer la performance du stock

Voici une méthode opérationnelle à intégrer dans la revue stock :

Étape 1 — Vérifier la base de données

Avant d'interpréter un profil, contrôler que les ventes, les réceptions, les mouvements et les inventaires de la période sont bien présents. Une donnée manquante peut ressembler à une baisse de demande ou à un produit inerte.

Étape 2 — Lancer le profilage sur le bon périmètre

Le profilage peut être lancé sur l'ensemble des produits ou sur une sélection ciblée : une famille, un entrepôt, les références à forte valeur ou les produits proches de la rupture. Commencer par un périmètre maîtrisé facilite la validation des résultats.

Étape 3 — Examiner les changements, pas seulement les profils actuels

Une liste de produits décroissants est utile. Une liste de produits qui viennent de devenir décroissants est souvent plus actionnable : elle signale un changement récent. Même logique pour les profils croissants, saisonniers, de rupture ou de livraison partielle.

Étape 4 — Relier chaque profil à une décision

Pour chaque groupe, choisir une action explicite :

• maintenir et surveiller ;
• réapprovisionner ou sécuriser ;
• ajuster le stock de sécurité ;
• réduire les achats ou déstocker ;
• transférer entre entrepôts ;
• vérifier les données et les processus ;
• documenter une décision qui doit être revue.

Étape 5 — Mesurer le résultat à la prochaine revue

Suivre l'évolution de la couverture, des ruptures, de la valeur immobilisée, de la rotation et des commandes en retard. Un profil ne remplace pas ces KPI : il aide à sélectionner les produits sur lesquels les KPI doivent être examinés en priorité.

8. À retenir

ProductProfiler permet de passer d'une vision moyenne du produit à une lecture de son comportement : régulier, saisonnier, croissant, décroissant, sporadique ou exposé à un risque de rupture, d'anomalie ou de dépendance client.

La valeur du plugin apparaît surtout lorsque l'analyse est répétée. Surveiller les comportements dans le temps permet de détecter plus tôt une perte de vitesse, de préparer une saison, d'accompagner une croissance et de distinguer un problème de demande d'un problème d'exécution. C'est cette anticipation qui contribue à améliorer la performance du stock : moins de stock immobilisé sans besoin, moins de ruptures subies et des décisions de réapprovisionnement mieux ciblées.

Les profils restent des aides à l'analyse. Avant de modifier une commande, un niveau de sécurité ou une politique de stock, les équipes doivent vérifier le contexte commercial, les données et les contraintes fournisseurs. La bonne décision est celle qui combine le signal ProductProfiler, les KPI AuditStock et l'expertise du terrain.