Qu'est-ce que l'apprentissage automatique ? Un article explicatif à la portée des boulangers

Apprendre à partir d'exemples plutôt que de règles fixes : le principe fondamental qui sous-tend les prévisions basées sur l'IA, expliqué à l'aide d'exemples tirés du quotidien d'une boulangerie.

Apprentissage automatique, intelligence artificielle, algorithmes : autant de termes qui reviennent dans une présentation sur les logiciels sur deux, mais qui sont pourtant rarement expliqués de manière compréhensible. Pourtant, le principe de base est plus simple qu'il n'y paraît. Et ceux qui le comprennent sont mieux à même d'évaluer ce que les outils d'IA peuvent apporter à leur entreprise – et ce qu'ils ne peuvent pas faire.

Cet article explique l'apprentissage automatique sans jargon technique, à l'aide d'exemples tirés du quotidien d'une boulangerie.

Le principe de base : apprendre à partir d'exemples plutôt que de règles fixes

Les logiciels classiques obéissent à des règles fixes programmées par l'homme : « Si c'est lundi, alors 10 % de croissants en moins. » Ces règles sont rigides : elles ne connaissent aucune exception et personne ne peut en écrire suffisamment pour refléter la réalité.

L'apprentissage automatique renverse ce principe : au lieu d'imposer des règles, on présente au système des milliers d'exemples – par exemple, les chiffres de vente des trois dernières années, associés aux conditions météorologiques, au jour de la semaine et au calendrier des vacances correspondants. Le système identifie lui-même les tendances : dans quelle mesure les ventes de croissants dépendent-elles de la météo ? Que se passe-t-il le premier jour des vacances ? En quoi la succursale A diffère-t-elle de la succursale B ?

Le résultat est un modèle : une sorte de recueil de règles extrêmement complexe, élaboré de manière autonome, qui est nettement plus précis que n'importe quel recueil rédigé à la main.

Un exemple tiré de la boulangerie

Un chef de production expérimenté agit intuitivement de la même manière : il a observé pendant des années l'impact des conditions météorologiques, des jours de la semaine et des vacances sur les ventes, et s'organise en conséquence. Il s'agit là d'un savoir acquis à partir d'exemples concrets.

La différence : l'être humain peut garder en mémoire cette expérience pour une poignée de produits phares. Un modèle d'apprentissage automatique fait la même chose pour chaque article, sur chaque site, simultanément, chaque jour, et sans les biais humains habituels, comme la surpondération des résultats de la semaine précédente.

Et il continue d'apprendre : chaque nouvelle journée de vente est un nouvel exemple. Si le comportement d'achat évolue – un nouvel immeuble de bureaux dans le quartier, une gamme de produits modifiée –, le modèle s'adapte automatiquement.

Ce que l'apprentissage automatique sait bien faire – et ce qu'il ne sait pas faire

Elle est particulièrement efficace pour les tendances récurrentes : les effets météorologiques, les rythmes hebdomadaires, les courbes saisonnières, les effets liés aux vacances, les différences entre les sites. C'est précisément ce qui constitue la majeure partie de la demande dans le secteur de la boulangerie – c'est pourquoi les prévisions de ventes basées sur l'IA fonctionnent si bien dans ce secteur.

Le système présente toutefois des limites face à des événements véritablement ponctuels : une commande importante et spontanée, une fermeture de route imprévue. Les données ne contiennent aucun exemple de ce type. Les bons systèmes résolvent ce problème de manière pragmatique : l'utilisateur peut à tout moment ajuster les prévisions et faire appel à sa connaissance des situations exceptionnelles.

C'est pourquoi la répartition des tâches est la suivante : la machine se charge du travail quotidien fastidieux portant sur des centaines d'articles, tandis que l'homme garde le contrôle et le dernier mot.

Dois-je comprendre cela pour pouvoir l'utiliser ?

Non, pas plus qu'il n'est nécessaire de comprendre le fonctionnement d'un moteur pour conduire une voiture. Chez GoNina , l'apprentissage automatique fonctionne en arrière-plan : les données de vente sont automatiquement importées depuis le système de caisse, le modèle apprend de manière autonome, et l'entreprise voit au final le résultat : des propositions de commande concrètes par article et par site pour les sept prochains jours.

Ce qui compte, c'est le résultat : les entreprises qui utilisent GoNina réduisent leur excédent jusqu'à 52 %, augmentent leur chiffre d'affaires jusqu'à 6 % et gagnent jusqu'à 12 heures de temps de planification par mois.

Foire aux questions

L'apprentissage automatique nécessite-t-il d'énormes quantités de données ?
Pour les prévisions dans le secteur de la boulangerie, l'historique des ventes issu du système de caisse suffit. Plus l'historique est long, mieux c'est, mais même avec seulement un an de données, il est déjà possible d'identifier les principales tendances.

Le modèle peut-il se tromper ?
Oui, toute prévision comporte une marge d'incertitude. Mais la référence n'est pas la perfection, mais l'estimation manuelle réalisée jusqu'à présent – et c'est là que le modèle obtient en moyenne de meilleurs résultats, notamment lors des journées difficiles.

Ce modèle s'inspire-t-il d'autres entreprises ?
Les prévisions pour votre entreprise sont basées sur vos données. Vos données de vente ne sont pas transmises à des tiers et sont hébergées en Suisse et dans l'UE.

Conclusion

L'apprentissage automatique n'est pas de la magie, mais un apprentissage systématique à partir d'exemples – exactement ce qu'un boulanger expérimenté fait mentalement depuis des années, mais pour toute sa gamme de produits à la fois et chaque jour à nouveau. Quiconque connaît ce principe peut évaluer les outils d'IA de manière réaliste : comme des outils de travail assidus pour la planification quotidienne, et non comme un substitut au savoir-faire artisanal.

Pour savoir comment transformer ces données en prévisions concrètes pour votre entreprise, consultez notre guide complet sur les prévisions de ventes basées sur l'IA pour les boulangeries.

Curieux ?

Découvrez comment les prévisions basées sur l'IA peuvent aider votre entreprise.
Réserver une démonstration