Confidentiel — Grossiste B2B high-tech

Ce grossiste B2B spécialisé dans la téléphonie mobile et les accessoires high-tech gère un entrepôt de près de 10 000 références actives. Smartphones, coques, chargeurs, câbles, accessoires de toutes marques et de toutes générations transitent quotidiennement par ses stocks.

Comme dans toute activité de distribution à fort volume, les écarts d'inventaire sont une réalité opérationnelle. À chaque inventaire périodique, le même constat : certaines références affichent un stock négatif (pièces manquantes), d'autres un excédent inexpliqué (pièces en trop). Ces écarts représentent des heures d'investigation pour les équipes logistiques, et parfois des pertes sèches quand la réconciliation échoue.

L'intuition de départ était simple : dans de nombreux cas, les pièces "manquantes" et les pièces "en trop" sont en réalité les mêmes produits, comptabilisés différemment. Une coque référencée sous deux codes différents, un smartphone scanné avec un EAN alternatif, un accessoire rangé dans le mauvais emplacement et recompté sous une autre référence.

La question était : comment automatiser la détection de ces correspondances pour accélérer la réconciliation et réduire les écarts résiduels ?

Comment identifier automatiquement les correspondances probables entre les écarts positifs et négatifs d'un inventaire, dans un catalogue de 10 000 références aux dénominations hétérogènes ?

Le catalogue d'un grossiste high-tech est un objet complexe. Les mêmes produits peuvent exister sous des appellations différentes selon les fournisseurs, les périodes d'approvisionnement, les marchés d'origine. Un iPhone 14 Pro Max 256 Go Noir peut être référencé de dizaines de façons différentes, avec des variations sur l'ordre des mots, les abréviations, la langue, les codes couleur.

À cela s'ajoutent les codes EAN/UPC, théoriquement uniques mais en pratique sources de confusion : EAN européens vs UPC américains, codes fabricant vs codes distributeur, erreurs de saisie lors de la création des fiches.

Les écarts d'inventaire ne sont pas tous de même nature. Certains résultent de vols ou de pertes réelles. Mais beaucoup proviennent d'erreurs de manipulation :

Identifier les correspondances potentielles exige de comprendre ces différents scénarios et de les détecter automatiquement.

Traditionnellement, la réconciliation des écarts est un travail manuel. Un responsable logistique examine les lignes en écart, recherche visuellement des correspondances possibles, vérifie physiquement les emplacements. Sur un inventaire de plusieurs milliers de lignes, ce travail peut prendre des jours. Et la fatigue aidant, des correspondances évidentes passent inaperçues.

Nous avons développé un assistant IA dédié à la réconciliation d'inventaire, capable d'analyser automatiquement les écarts et de suggérer les correspondances les plus probables entre pièces manquantes et pièces en trop.

L'assistant se présente comme une application web complémentaire à l'ERP existant. Développée en Progressive Web App (PWA), elle est accessible depuis n'importe quel navigateur — poste de travail, tablette en entrepôt, smartphone. Cette architecture légère permet un déploiement rapide sans modification de l'infrastructure ERP.

L'application se connecte aux données de l'ERP (catalogue produits, stocks, mouvements) et applique ses algorithmes d'analyse sur les écarts d'inventaire importés.

Le cœur de l'assistant est un moteur d'analyse multicritère qui évalue la probabilité de correspondance entre chaque paire d'écarts (un négatif, un positif).

Analyse sémantique des libellés — Le moteur décompose les libellés produits en éléments signifiants : marque, modèle, variante, capacité, couleur, type d'accessoire. Il utilise des techniques de NLP (Natural Language Processing) pour identifier les correspondances malgré les variations d'écriture. "iPhone 14 Pro Max 256GB Noir" et "APPLE iPHONE 14 PROMAX 256 BLACK" sont reconnus comme le même produit.

Matching sur caractéristiques — Au-delà des libellés, le moteur exploite les attributs structurés du catalogue (quand ils existent) : marque, famille produit, capacité, coloris. Ces données normalisées permettent des correspondances plus fiables que l'analyse textuelle seule.

Analyse des codes EAN/UPC — Le moteur détecte les codes-barres similaires : différence d'un chiffre (erreur de saisie probable), EAN-13 vs UPC-A pour le même produit, codes fabricant alternatifs connus. Une base de correspondances EAN connues enrichit l'analyse.

Historique des mouvements — L'analyse intègre l'historique des mouvements de stock. Si deux références n'ont jamais coexisté en stock (l'une apparaît quand l'autre disparaît), c'est un indice fort de doublon. Si des mouvements suspects apparaissent à des dates précises (réception, inventaire partiel), le moteur le signale.

Score de confiance — Chaque correspondance suggérée est accompagnée d'un score de confiance, calculé en combinant les différents signaux. L'utilisateur peut prioriser son investigation en commençant par les correspondances les plus probables.

L'interface est conçue pour une utilisation opérationnelle en entrepôt.

Tableau de bord des écarts — Vue synthétique des écarts d'inventaire en cours, avec filtres par famille de produits, par montant, par ancienneté. Indicateurs clés : nombre d'écarts, valeur totale, taux de correspondances suggérées.

Liste des correspondances suggérées — Présentation des paires d'écarts avec correspondance probable, triées par score de confiance. Pour chaque suggestion : les deux références concernées, leurs libellés, leurs caractéristiques, les quantités en écart, les éléments qui justifient le rapprochement.

Détail d'une correspondance — Vue approfondie permettant d'examiner les deux références en détail, de visualiser leurs historiques de mouvements, de comparer leurs caractéristiques. Boutons d'action pour valider ou rejeter la correspondance.

Validation et correction — Quand l'utilisateur valide une correspondance, l'assistant peut générer les écritures de régularisation à passer dans l'ERP (fusion de références, correction de stock, archivage du doublon).

Mode terrain — Interface simplifiée optimisée pour tablette, permettant de valider les correspondances directement en entrepôt après vérification physique.

Le moteur s'améliore avec l'usage. Les correspondances validées par les utilisateurs enrichissent la base de connaissances : patterns de libellés, équivalences EAN, règles métier spécifiques au catalogue. Les correspondances rejetées sont également apprises pour éviter de reproposer des faux positifs.