Le problème métier
La démarque (soldes, Men's Week, opérations promo) représente 15-25 % du CA d'un retailer mode/textile typique. Sur un acteur à 200-300 M€ de CA, c'est 30 à 75 M€/an de chiffre d'affaires soldé.
L'enjeu n'est pas de réduire le volume de démarque (la démarque est nécessaire pour écouler le stock saisonnier) — c'est de maximiser le cash encaissé dessus :
- Vendre à –60 % vaut toujours mieux que finir chez un soldeur à –85 % du prix plein
- Vendre vite à –30 % peut être plus profitable que vendre lentement à –20 % et finir à –70 %
- Sur un best-seller saisonnier, –20 % peut suffire à écouler ; sur un flop, –50 % est insuffisant
Aujourd'hui, le taux de démarque est typiquement fixé par habitude :
- –30 % en première vague de soldes
- –50 % en deuxième vague
- –70 % en finale
- Bradage chez les soldeurs sur le résiduel
Cette grille est appliquée uniformément sur tout le catalogue, alors que l'élasticité-prix varie d'un facteur 5-10 entre catégories et entre situations de stock. Le résultat : plusieurs points de marge sont laissés sur la table chaque saison, faute d'optimisation par référence.
La solution
Un simulateur ML qui calcule le taux de démarque optimal par produit ou catégorie pour maximiser le cash encaissé, en intégrant :
- L'élasticité-prix par catégorie mesurée sur l'historique des ventes par palier de remise (3-5 saisons)
- Le stock résiduel par référence en début de période soldée
- L'objectif d'écoulement cible (par exemple : 85 % de sell-through en fin de soldes)
- Les contraintes commerciales (prix unique magasin, communication client, paliers de remise standardisés, périodes légales)
- L'inertie de marché (concurrence, tendance, météo)
Le simulateur produit :
- Un taux de démarque optimal par référence ou groupe de références, avec intervalle de confiance
- Des scénarios alternatifs (« et si on fait –40 % au lieu de –30 % ? ») avec impact projeté
- Un plan de re-démarque au fil des soldes selon le rythme de vente effectif
- Un arbitrage soldeur vs solde magasin sur le résiduel — quand cesser de re-marquer et liquider
Les équipes offre valident ou ajustent les recommandations avec leur arbitrage commercial — l'algorithme informe, ne décide pas.
Comment estimer votre ROI
Le ROI se calcule en points de marge gagnés sur le volume soldé.
Économie/an =
(volume annuel de démarque)
× (marge brute moyenne)
× (points de marge gagnés : 1-3 %)
Exemple pour un retailer mode à 200 M€ de CA avec 40 M€ de démarque/an et 28 % de marge brute :
- Marge actuelle sur démarque : 40 M€ × 28 % = 11.2 M€
- Optimisation typique : +2 points de marge = 40 M€ × 2 % = 800 k€/an de gain
- Fourchette de capture par le modèle (60-80 %) : 480 à 640 k€/an d'impact net
Levier complémentaire — bradage évité
Le simulateur arbitre aussi entre re-démarque magasin et bradage soldeur sur le résiduel. Sur les enseignes documentées, ce seul arbitrage représente 10-30 % du ROI total — souvent sous-estimé en cadrage initial.
Total typique
Pour un retailer mode/textile à 200-300 M€ de CA avec 30-50 M€ de démarque/an, l'impact net se situe typiquement entre 500 k€ et 1.5 M€/an, à calibrer sur votre élasticité-prix réelle et votre maturité actuelle.
Phases de déploiement
| Phase | Durée | Livrable décisionnel |
|---|---|---|
| Cadrage | 2 sem | Audit historique 3-5 saisons soldées, qualité données, choix d'1 catégorie pilote |
| V1 — Élasticité par catégorie | 4-6 sem | Modélisation élasticité-prix par catégorie validée sur saisons passées |
| V2 — Simulateur multi-scénarios | 3-4 sem | Moteur de simulation des taux de démarque, optimisation multi-objectifs |
| V3 — Interface offre/finance | 2-3 sem | Interface utilisateur pour exploration des scénarios, intégration aux décisions saisonnières |
| Pilote saison | 4-6 sem | Test en condition réelle sur une saison de soldes en parallèle des décisions humaines |
| Roll-out | 4-8 sem | Extension à toutes les catégories, intégration aux process saisonniers |
Quelles entreprises sont concernées
- Retailers mode/textile/équipement saisonnier avec >10 M€ de démarque/an
- Présence d'un historique de ventes 3-5 saisons par référence et par palier de remise
- Présence d'une équipe offre/finance dédiée au pilotage des soldes
- Volonté d'industrialiser la prise de décision sur les soldes plutôt que de la garder au feeling
Moins pertinent pour : retailers à fond de catalogue stable (peu de démarque), enseignes avec une grille de remise contractuelle non négociable (chaînes franchisées), entreprises sans données de ventes par jour et par référence (priorité = data avant ML).
Pièges à éviter
1. Modéliser une élasticité globale plutôt que par catégorie. Tentation : « on fait un modèle d'élasticité moyen pour tout le catalogue ». Erreur grossière — l'élasticité d'un pull en cachemire en janvier n'a rien à voir avec celle d'un maillot de bain en juillet. La séquence saine : élasticité par catégorie homogène (8-15 catégories typique sur un retailer mode), avec calibration spécifique. Comptez +50 % de précision sur ce découpage vs un modèle global.
2. Ignorer les contraintes commerciales en optimisation. Un algorithme qui recommande –37 % alors que la grille commerciale impose des paliers de –30 / –40 / –50 produit des résultats inapplicables. Les contraintes commerciales (paliers de remise, périodes légales, communication unifiée) doivent être encodées dans le moteur d'optimisation dès la V1, pas ajoutées en V2 après les premiers rejets terrain. Cela demande 1-2 jours de cadrage avec les équipes offre.
3. Sous-estimer l'arbitrage soldeur vs re-démarque. Tentation : optimiser uniquement les paliers de soldes magasin. Erreur — l'arbitrage du résiduel (re-démarquer en magasin vs vendre aux soldeurs) représente 10-30 % du ROI total. Cette dimension demande des données spécifiques (prix de bradage négocié par référence, capacité magasin à absorber la fin de soldes) qui ne sont pas toujours dans le périmètre initial. Intégrer dès le cadrage pour ne pas perdre ce levier.
4. Sauter la phase de validation rétrospective. Avant de déployer en production, faire tourner le modèle sur les 3-5 dernières saisons soldées en mode shadow et comparer les résultats avec les décisions effectivement prises. Cette validation rétrospective est ce qui crée la confiance des équipes offre et révèle les angles morts du modèle (catégories mal couvertes, événements exogènes mal gérés). Sauter cette étape pour aller plus vite est la cause d'échec la plus fréquente sur ce type de projet.
5. Confondre cash encaissé et marge unitaire. Tentation : « on garde la marge unitaire la plus élevée possible ». Erreur — il vaut mieux vendre 100 unités à –40 % que vendre 50 unités à –20 % et liquider 50 unités à –80 %. Le bon objectif est le cash encaissé total sur la période, sous contrainte d'écoulement cible. Cette nuance n'est pas évidente pour les équipes habituées au pilotage par marge unitaire — un travail pédagogique en accompagnement du déploiement est nécessaire.