Avec 73 000 collaborateurs et près de 1700 magasins, Système U est la 4ème enseigne de grandes et moyennes surfaces en France. La coopérative de commerçants s'appuie sur une DSI commune - U Iris, forte de 550 personnes - qui s'est dotée d'une Data Factory depuis 2023. C'est cette dernière qui a récemment déployé une application basée sur l'IA, afin de traiter ce qui apparaissait comme un des principaux motifs d'insatisfaction des clients en ligne : les ruptures de produits. En effet, via son site CoursesU.com, la coopérative propose la vente en ligne dans 900 de ses magasins. Une activité qui pèse plus d'un milliard d'euros sur les 24 que génère le groupe. « Le panier moyen sur la vente en ligne est très élevé, à plus de 110 euros, car nous proposons l'ensemble de notre assortiment. Ce qui est à la fois un atout, mais aussi une source de difficultés », indique Fabrice Arnoux, le responsable du pôle Data Analyse et Data Science de Système U, qui s'exprimait à l'occasion d'un événement organisé mi-novembre par l'éditeur Dataiku, outil qui fait partie du socle technologique du distributeur (aux côtés de GCP, Looker ou Microstrategy).

A la réception des commandes dans le back-office en magasin, un préparateur équipé d'un terminal mobile part dans les rayons pour rassembler les produits. Et se retrouve fréquemment confronté à des ruptures. Il peut alors décider de remplacer le produit demandé par un équivalent ou de n'en rien faire, en fonction de son appréciation sur le moment. Or, sur l'activité courses en ligne, 45% des clients de la coopérative se disent insatisfaits de la gestion de ce point précis. « Et c'est aussi la première cause de départ de clients », indique le responsable Data Science. D'où l'idée de proposer aux préparateurs une solution simple pour améliorer l'expérience client, en sachant qu'éliminer les ruptures reste un voeu pieux du fait des décalages entre la commande et sa préparation.

Lister les suggestions, les classer en fonction de chaque profil

D'abord, pour chaque produit, les équipes data ont identifié des substituts possibles, en exploitant l'historique des remplacements décidés par les préparateurs de commandes. Mis en oeuvre sur Dataiku, le modèle, basé sur la théorie des graphes, est mis à jour environ une fois par mois. « En parallèle, nous déployons un volet dédié à la personnalisation », ajoute Fabrice Arnoux. Réalisé à chaque commande d'un client, ce calcul repose sur le profil de chaque internaute-consommateur et prend en compte les produits qu'il achète. Son appétence pour le bio ou les produits de marques distributeurs, par exemples, sont scrutés pour associer un scoring à chaque substitut possible aux produits figurant dans sa commande.

Fabrice Arnoux, le responsable du pôle Data Analyse et Data Science de Système U : « aujourd'hui, peu de commandes partent en préparation sans liste de substituts ». (Photo : R.F.)

Si le principe de traitement des données est assez simple, encore faut-il l'intégrer au processus opérationnel. « Aujourd'hui, le délai entre une commande et sa réception dans le back-office en magasin est de 15 minutes au maximum. Or, pour définir les substituts, produit par produit, notre modèle a besoin d'un temps de calcul de deux minutes. Donc, au maximum, nos recommandations peuvent être chargées sur les terminaux de préparation 17 minutes après la validation de la commande », calcule Fabrice Arnoux. Un point important car les premières versions tournaient trop lentement pour être pleinement opérationnelles. « Aujourd'hui, peu de commandes partent en préparation sans liste de substituts », se réjouit le responsable. Et, pour les préparateurs, la solution reste simple d'emploi, puisqu'il s'agit d'un simple bouton à activer. « Notre solution a vocation à rester une aide au service des préparateurs, qui n'ont aucune obligation de l'utiliser. Notre objectif est de convaincre », dit le responsable du pôle Data Analyse et Data Science de Système U. La solution a été notée 8/10 par les utilisateurs en magasins.

Davantage de substitutions, davantage de chiffre d'affaires

Surtout, l'application délivre de premiers résultats intéressants auprès des clients de l'enseigne. D'abord, avec une baisse des réclamations liées aux ruptures de produits. Le taux de nouveaux clients restés fidèles à l'enseigne malgré des ruptures sur leur première commande a ainsi progressé de 8 points. Par ailleurs, 94% des produits de substitution sont acceptés par les clients, à la réception de leur commande. « Et nous observons un écart de 15 points du taux de substitution des produits en rupture entre les magasins qui utilisent déjà la fonction et ceux qui ne l'ont pas encore activée. Le ROI de notre projet est là, puisque, que grâce à lui, la valeur du panier progresse », commente Fabrice Arnoux. Selon ce dernier, ces différentes améliorations se concrétisent depuis plusieurs mois déjà. Un premier palier qui pousse aujourd'hui l'équipe data de Système U à poursuivre les optimisations sur les propositions de substitution offertes aux préparateurs de commande.