Responsable des stocks

J'applique une approche à plusieurs niveaux basée sur la classification ABC. Les références A, qui représentent environ 20% des SKU mais génèrent la majorité de la valeur, sont comptées chaque semaine. Les références B sont comptées mensuellement, et les références C trimestriellement. En complément de ce rythme, je fixe un seuil d'écart : tout comptage qui s'écarte de plus de 2% déclenche une recherche de cause avant tout ajustement dans le système. J'ai géré des catalogues de plus de 8 000 références de cette façon et maintenu une fiabilité supérieure à 98% pendant deux ans. L'autre moitié du travail se joue au moment de la saisie : les scans mal enregistrés et les retours non tracés créent plus d'écarts que le vol dans la plupart des entrepôts où j'ai travaillé, donc je consacre du temps à former les équipes terrain aux bonnes pratiques de scan, pas seulement à compter plus souvent.

Un comptage tournant est un comptage partiel et récurrent, organisé selon la classification ABC ou par emplacement, de sorte que tout l'entrepôt soit couvert sur plusieurs semaines sans jamais arrêter les opérations. Un inventaire physique complet gèle toutes les transactions et compte chaque référence en une seule journée, ce qui est perturbant mais donne une base propre et complète. J'utilise les comptages tournants comme mécanisme de fiabilité au quotidien et je réserve l'inventaire complet pour la clôture annuelle, une migration de système, ou après un ensemble d'écarts que les comptages tournants n'expliquent pas totalement. Dans mon précédent poste, nous sommes passés d'un inventaire annuel complet à des comptages tournants trimestriels couvrant tout le catalogue, ce qui a divisé par deux notre écart de démarque parce que les problèmes étaient détectés en quelques semaines plutôt qu'une fois par an.

Je pars des données de vente historiques segmentées par référence et par site, puis j'ajoute la saisonnalité, le calendrier promotionnel et toute contrainte d'approvisionnement connue de la part des achats. Pour les références à forte rotation, j'utilise une moyenne glissante sur 13 semaines ajustée à la tendance, et pour les catégories saisonnières, je compare les tendances d'une année sur l'autre plutôt que les seules semaines récentes. Je définis le stock de sécurité en fonction de la variabilité des délais de livraison et du niveau de service visé, pas une marge fixe appliquée à toutes les références. J'intègre aussi une étape de correction manuelle : si le marketing prépare une campagne ou qu'un fournisseur signale un retard, la prévision est ajustée avant de devenir une commande. Une prévision qui ignore le contexte des autres équipes est souvent juste mathématiquement et fausse opérationnellement.

J'utilise des logiciels de prévision intégrant des modèles de machine learning pour générer une première prévision de la demande, en particulier pour les références à fort volume où les schémas sont assez stables pour que le modèle apporte une réelle valeur. J'utilise aussi des outils de détection d'anomalies qui signalent des schémas de démarque inhabituels, comme un site où les pertes augmentent en dehors de la fourchette normale, ce qui m'aide à cibler les audits plutôt que de tout contrôler de façon uniforme. Là où je continue à m'appuyer sur mon propre jugement, c'est pour les négociations avec les fournisseurs, les décisions de stock de sécurité pour des produits nouveaux ou très saisonniers sans historique fiable, et tout ajustement qui dépend d'un contexte que le logiciel ne peut pas voir, comme un fournisseur qui m'annonce un retard de livraison de deux semaines. Je considère la prévision comme un point de départ dont je reste responsable, pas une réponse que je transmets sans relecture.

Pendant un comptage tournant, j'ai constaté que le système affichait 340 unités disponibles pour une référence à forte rotation, alors que le comptage physique en montrait 210. Cela représente un écart de 38% sur un article qui pesait de façon significative dans le chiffre d'affaires hebdomadaire. J'ai bloqué les prélèvements sur cette référence et j'ai repris l'historique des transactions des six semaines précédentes. La cause s'est révélée être une erreur de réception : une palette avait été enregistrée sous le mauvais code référence parce que deux produits partageaient un préfixe de code-barres similaire. J'ai corrigé le compteur système, réconcilié la référence mal enregistrée, et revérifié les chiffres des deux produits pour détecter d'éventuelles erreurs en cascade. Pour éviter que cela se reproduise, j'ai ajouté un contrôle de code-barres secondaire à la réception pour toute paire de références avec des préfixes qui se chevauchent, ce qui a éliminé ce type d'erreur spécifique.

Avant notre trimestre le plus chargé, la demande prévue pour nos dix références principales dépassait d'environ 60% celle de la même période l'année précédente, sur la base des premières données de vente. J'ai travaillé avec les achats pour avancer les commandes de trois semaines et négocié une expédition partielle anticipée avec notre fournisseur principal pour couvrir l'écart. J'ai aussi augmenté la fréquence des comptages tournants sur ces références, en passant d'un rythme mensuel à hebdomadaire pendant le pic, car une rupture ou un mauvais comptage pèse bien plus lourd quand le volume est élevé. Nous avons terminé le trimestre avec un taux de disponibilité de 99,2% sur les dix références principales, contre environ 95% en moyenne pour le reste du catalogue, et je n'ai pas reporté de surstock significatif sur le trimestre suivant.

Les achats voulaient passer une grosse commande pour atteindre un palier de remise fournisseur, mais la quantité nous aurait fait dépasser près de quatre mois de couverture sur une référence dont la durée de vie commerciale était menacée par un changement d'emballage prévu plus tard dans l'année. J'ai préparé une comparaison courte montrant que la remise nous faisait économiser environ 1 800 euros, contre un risque de dépréciation sur des unités invendues représentant plusieurs fois cette somme si le changement d'emballage intervenait avant l'écoulement du stock. J'ai proposé une commande plus petite avec un palier de remise légèrement inférieur, complétée par une option d'achat de secours plus proche de l'échéance. Les achats ont accepté une fois l'exposition présentée avec des chiffres plutôt que comme une inquiétude générale, et nous avons évité la dépréciation puisque le changement d'emballage est bien intervenu comme prévu.

J'ai travaillé sur SAP pour la gestion des commandes fournisseurs et la valorisation des stocks, sur NetSuite pour les mouvements de stock quotidiens et la planification des comptages tournants, et sur Fishbowl dans une entreprise plus petite où nous avions besoin d'une intégration plus étroite avec QuickBooks. Dans SAP, j'ai construit des règles de point de commande au niveau de la fiche article pour que le système signale automatiquement le réapprovisionnement plutôt que de dépendre d'une revue manuelle. Dans NetSuite, j'ai mis en place des recherches enregistrées pour repérer toute référence avec une quantité disponible négative ou un écart de comptage au-dessus du seuil, ce qui est devenu mon premier contrôle quotidien. Je maîtrise chaque système assez bien pour construire mes propres rapports sans attendre un analyste, ce qui compte particulièrement dans les structures plus petites où ce support n'existe pas.

Ma formule de départ est le stock de sécurité égal au score Z correspondant au niveau de service visé, multiplié par l'écart-type de la demande pendant le délai de livraison. Pour un niveau de service de 95%, ce score Z est d'environ 1,65. Je calcule la variabilité de la demande pendant le délai à partir d'au moins six mois de données de réception, pas seulement du délai moyen, parce qu'un fournisseur généralement rapide mais parfois en retard de trois semaines nécessite une marge plus large que ce que la moyenne seule suggère. Le point de commande correspond alors à la demande pendant le délai plus ce stock de sécurité. Je recalcule chaque trimestre, ou immédiatement après qu'un fournisseur change sa performance de délai, car une formule calculée une fois par an sur des données anciennes crée une fausse confiance.

Je commence par extraire les données de démarque par site, par catégorie de référence et par équipe pour voir où le schéma se concentre, car une démarque répartie uniformément indique souvent une erreur de processus, tandis qu'une démarque concentrée sur une équipe ou une allée pointe souvent vers quelque chose de plus spécifique. Je répartis les causes en quatre catégories : le vol, la casse, l'erreur administrative et le mauvais emplacement, et j'essaie d'estimer chaque catégorie à partir des notes de comptage tournant et de la couverture caméra disponible. L'erreur administrative, comme les mauvais scans à la réception, est généralement la plus importante et la moins coûteuse à corriger, donc je m'y attaque en premier avec de la formation et des contrôles de code-barres. Pour tout ce qui ressemble à du vol, j'implique la sécurité et les ressources humaines plutôt que d'agir seul. Je suis le taux de démarque en pourcentage du coût des marchandises vendues chaque mois pour vérifier que les actions fonctionnent réellement, pas simplement le supposer.