Auchan : prévision hebdomadaire des palettes à 15 mois avec un modèle de fondation

La situation

Pour dimensionner les capacités, négocier avec les transporteurs ou préparer un budget, la vision à quelques semaines ne suffit pas : il faut voir à 15 mois. Sur ce projet pour Auchan France, l'objectif était de produire une prévision hebdomadaire à 65 semaines pour les deux flux de palettes : homogènes et non homogènes.

Ce que j'ai construit

Une chaîne de prévision nativement hebdomadaire, de l'agrégation des données jusqu'au scoring, pour le réseau de 144 hypermarchés.

• Un modèle de fondation, Chronos-2, utilisé en zero-shot : aucun ré-entraînement, il lit directement 3 ans d'historique de chaque série
• 24 covariables calendaires connues à l'avance : saisonnalité annuelle, jours fériés et ponts, vacances scolaires, et grands jalons retail nommés (Noël, Black Friday, Pâques, soldes)
• Un traitement intelligent des pics : les semaines exceptionnelles sont interpolées plutôt que supprimées, pour que le modèle conserve le bon niveau d'activité
• Une seule configuration pour les deux flux, simple à opérer et à maintenir en production

L'approche a été comparée à une vingtaine d'alternatives (statistiques, gradient boosting, réseaux de neurones) dans un même protocole de backtest : Chronos-2 arrive en tête sur les deux flux.

Résultats

Palettes non homogènes

• -28 % sur le critère combiné face à la baseline
• 5,6 % d'erreur à la maille réseau et 9,6 % à la maille site-semaine
• Biais quasi nul (-1,7 %) et erreur stable sur les 65 semaines, y compris pendant les pics d'activité
• Sur les séries à forte rotation (85 % du volume), une erreur de 19 %

Palettes homogènes

• -35 % sur le critère combiné face à la baseline
• Une erreur de 20 % à la maille réseau-semaine

Une prévision qui se décline

Un utilitaire de désagrégation permet de convertir la prévision hebdomadaire en vision journalière, pour l'utiliser partout où le pas quotidien est attendu.