Auchan France : optimiser les m² de rayon avec la prévision à 6 mois
Système combinant prévision mensuelle à 6 mois et optimisation par simulation sous contraintes pour recommander quels rayons agrandir ou réduire, avec jusqu'à +2,5% de CA attendu.
La situation
Dans un hypermarché, la surface est l'une des ressources les plus chères et les plus rigides. Pourtant, la répartition des m² entre rayons reste souvent héritée de l'historique, de règles empiriques ou de compromis locaux.
Chez Auchan France, l'enjeu était simple à formuler et difficile à exécuter : décider quels rayons agrandir ou rétrécir, sous contrainte de surface totale du magasin, pour maximiser le chiffre d'affaires à horizon 6 mois.
Avec une réalité terrain non négociable : certains rayons ne peuvent pas bouger (ex : contraintes électriques sur le frais), donc l'optimisation doit respecter des zones "figées".
L'objectif
- Décider : quels rayons augmenter ou réduire en surface
- Maille : magasin x rayon (un rayon = une catégorie, ex : biscuits, alcool, etc.)
- Horizon : prévision mensuelle à 6 mois
- KPI : maximiser le CA, sous contrainte de surface totale et de rayons non-modifiables
Périmètre : environ 100 à 200 hypermarchés, pour une cinquantaine de rayons.
Ce qui rendait le problème difficile
- La surface n'agit pas seule : augmenter un rayon peut mécaniquement réduire un autre
- Les contraintes magasin sont réelles : certains rayons sont structurellement figés
- Une recommandation doit être actionnable : le directeur de magasin doit pouvoir l'utiliser pour arbitrer
- L'enjeu clé est de pouvoir tester des scénarios : "que se passe-t-il si je bouge X m² ici et Y m² là ?"
Ce que j'ai fait
- Construire une prévision de demande mensuelle à 6 mois au niveau magasin x rayon
- Construire un modèle de simulation reliant la demande attendue aux variations de surface
- Convertir la demande prévue en CA via un prix moyen de rayon connu à l'avance
- Ajouter les contraintes terrain : surface totale fixe, rayons figés, bornes d'évolution possibles
- Optimiser par simulation : explorer des allocations de surface et retenir celles qui maximisent le CA attendu
La solution livrée
- Un modèle de prévision mensuelle à 6 mois (magasin x rayon)
- Un modèle de simulation "surface → demande" pour comparer des scénarios de réallocation
- Un moteur d'optimisation par simulation intégrant toutes les contraintes
- Une sortie utilisable par le directeur de magasin : recommandations de rayons à agrandir/réduire
Résultats
- Capacité à réduire de la surface sans baisse de CA dans certains cas (meilleure allocation)
- Jusqu'à +2,5% de CA attendu selon les scénarios simulés, grâce à une meilleure réallocation de m² sous contraintes
Le système (prévision + simulation/optimisation + recommandations) a été livré en 2 mois.