IA dans les magasins : Scandit alerte sur la fiabilité insuffisante des données de stock
Une étude de Scandit consacrée aux informations de stock dans le commerce de détail révèle un décalage entre les systèmes informatiques et la réalité des rayons. Dans le volet français, les collaborateurs interrogés estiment que les données de stock correspondent à ce qu’ils trouvent effectivement en magasin seulement 47 % du temps.
Seuls 6 % des répondants déclarent faire totalement confiance à ces informations. Face aux erreurs, 56 % disent corriger eux-mêmes les données et 53 % ajuster les stocks. Parmi ceux qui interviennent, 65 % utilisent au moins une méthode informelle, comme des notes, des photographies ou des échanges entre collègues.
Scandit estime que les collaborateurs pourraient récupérer en moyenne 3,2 heures par semaine avec des données fiables. Extrapolée à un distributeur comptant 10 000 salariés en magasin, cette perte de temps représenterait plus de 21 millions d’euros de coûts salariaux annuels selon le calcul présenté par l’entreprise.
Ces résultats rappellent qu’une IA d’aide aux commandes, aux prévisions ou au service client ne peut produire des recommandations solides à partir d’informations inexactes. L’automatisation ne remplace pas la fiabilisation des données de terrain ; elle rend ce prérequis plus important encore.


