Prévision de la demande avec l'IA : cas client Saint-Gobain Sekurit

Saint-Gobain Sekurit, la division de remplacement de verre automobile du groupe multinational Saint-Gobain (46,6 milliards d'euros de chiffre d'affaires), faisait face à un défi bien connu des entreprises industrielles et de distribution : des systèmes ERP fragmentés, des tableurs manuels et des prévisions de demande imprécises entraînant des excès de stock et des ruptures de service. En déployant la solution de planification de la demande basée sur l'IA de Flowlity sur l'ensemble de sa supply chain, Sekurit a obtenu une amélioration de 15 % de la précision des prévisions au niveau SKU, une réduction des stocks de 9,25 % et une hausse du taux de disponibilité de 95,8 % à 97,2 %.

Ce cas client sur la prévision de la demande explore comment l'un des plus grands distributeurs mondiaux de verre automobile a transformé ses opérations supply chain grâce à l'intelligence artificielle, et le ROI mesurable qui en a découlé.

📄 Vous souhaitez les points clés en un coup d'œil ? Remplissez le formulaire pour télécharger le résumé du cas client Saint-Gobain Sekurit en PDF.

À propos de Saint-Gobain Sekurit : un leader mondial du remplacement de verre automobile

Saint-Gobain est le leader mondial de la construction durable, avec 161 000 collaborateurs dans 80 pays et plus de 1 100 sites de production dans le monde. Fondé il y a 360 ans, le groupe a réalisé un chiffre d'affaires de 46,6 milliards d'euros en 2024.

Au sein de ce groupe mondial, Saint-Gobain Sekurit AGR (Automotive Glass Replacement) opère une supply chain spécialisée dans la production et la distribution de verre automobile de remplacement. La division gère un réseau complexe comprenant trois usines de fabrication dédiées en Europe, un hub de distribution central desservant l'Europe et les marchés export, et 30 centres de distribution locaux. Le catalogue produits de Sekurit compte plus de 10 000 références de verre — 4 000 pare-brise, 1 500 lunettes arrière et 5 000 vitres latérales — pour un volume annuel de 2,5 millions de pièces. Plus de 95 % des produits sont fabriqués en Europe.

Les clients finaux sont les garages et les centres de pose de vitrage automobile, desservis via une supply chain multi-échelons qui s'étend des fournisseurs aux usines, en passant par un entrepôt central et des centres de distribution, jusqu'au client final.

L'ampleur du défi

Gérer la planification de la demande pour plus de 10 000 SKU répartis dans 30 centres de distribution, avec des fluctuations saisonnières et des délais d'approvisionnement variables depuis les usines européennes, nécessite bien plus que des tableurs et une logique ERP basique. L'équipe supply chain de Sekurit a reconnu que l'entreprise avait besoin d'une approche fondamentalement différente de la prévision de la demande — une approche pilotée par l'IA plutôt que par des tableurs.

Le défi : pourquoi la planification traditionnelle de la demande échouait

Avant la mise en œuvre de Flowlity, le processus de planification supply chain de Saint-Gobain Sekurit était entravé par plusieurs problèmes critiques, courants dans les entreprises industrielles et le secteur de l'industrie automobile.

Des systèmes fragmentés sans source commune d'information

Saint Gobain Sekurit fonctionnait avec plusieurs systèmes ERP différents à travers son réseau d'usines et de centres de distribution. Chaque site avait sa propre logique de données, rendant pratiquement impossible la consolidation des signaux de demande en une prévision cohérente. Les planificateurs supply chain passaient plus de temps à réconcilier les données entre les systèmes qu'à analyser réellement les tendances de la demande.

Une dépendance excessive aux tableurs manuels

La planification de la demande se faisait au moyen de tableurs manuels fastidieux — un point de friction bien connu des équipes supply chain à travers le monde. Ces tableurs étaient sujets aux erreurs et impossibles à mettre à l'échelle pour plus de 10 000 références.

Des prévisions de vente imprécises au niveau macro

L'approche prévisionnelle reposait sur des estimations de vente au niveau macro plutôt que sur des prédictions granulaires au niveau SKU. Cette méthode descendante ne capturait pas les nuances de la demande au niveau de chaque produit et de chaque localisation, entraînant des erreurs de prévision systématiques qui se répercutaient sur l'ensemble de la supply chain.

Aucune anticipation et une capacité de préparation limitée

Sans signaux de demande fiables, l'équipe supply chain n'avait aucune capacité d'anticipation. Elle ne pouvait ni se préparer aux pics saisonniers, ni réagir aux évolutions du portefeuille produits, ni aligner la capacité de production sur les besoins réels du marché.

Des écarts critiques de taux de service

L'effet combiné de ces problèmes se traduisait par un taux de service laissant une marge d'amélioration significative. Les ruptures de stock survenaient plus fréquemment qu'acceptable, et la saisonnalité du marché du verre automobile amplifiait les erreurs de prévision.

La solution : comment Flowlity a transformé la prévision de la demande chez Sekurit

Saint-Gobain Sekurit recherchait un outil digital unique pour remplacer l'assemblage hétéroclite d'ERP et de tableurs. Les objectifs étaient clairs : digitaliser la supply chain, améliorer la fiabilité des prévisions, optimiser la santé des stocks, augmenter la disponibilité des produits et, in fine, améliorer l'expérience client. L'entreprise a choisi la plateforme IA de Flowlity pour répondre à ces cinq objectifs au sein d'une solution unique et intégrée couvrant la supply chain de bout en bout — des usines et de l'entrepôt central jusqu'aux centres de distribution.

Intégration de bout en bout de la supply chain

Flowlity a été déployé progressivement sur l'ensemble de la supply chain de Sekurit, et non sur un seul maillon. L'implémentation a couvert trois niveaux.

Au niveau des centres de distribution, la solution gère la prévision des ventes, la gestion des stocks et la prévision des achats pour chacun des 30 centres locaux. Au niveau de l'entrepôt central, elle ajoute des capacités de planification collaborative en complément des modules de prévision et d'optimisation des stocks. Au niveau des usines, la solution intègre la prévision de production, la planification de production et la gestion des stocks.

Chaque niveau alimente le suivant — de meilleures prévisions de demande dans les centres de distribution améliorent les commandes de réapprovisionnement vers le hub central, qui à son tour permet une planification de production plus précise dans les usines. Cette approche en cascade signifie que chaque étape de l'implémentation apporte de la valeur à la suivante.

Capacités de simulation tactique

L'une des fonctionnalités les plus puissantes pour l'équipe de planification de Sekurit est le module de simulations stratégiques. Les planificateurs peuvent ajuster les niveaux de stock de sécurité par centre de distribution et par catégorie de produit, puis simuler l'impact sur les niveaux de stock et les jours de rupture avant de valider les changements. Par exemple, lors de la préparation de la haute saison ou de l'ajustement pour un changement de portefeuille client, l'équipe peut modéliser des scénarios comme la réduction du buffer de 95 % à 70 % et voir instantanément l'impact projeté sur les quantités en stock, les jours de couverture et le risque de rupture.

Cette capacité de simulation a remplacé l'ancienne approche consistant à modifier les politiques de stock à l'aveugle en espérant le meilleur.

Alertes intelligentes et automatisation de la supply chain

Le cockpit Flowlity fournit des alertes automatisées pour les valeurs aberrantes et les pénuries, permettant aux planificateurs de concentrer leur attention là où c'est le plus important. Au lieu de passer en revue des milliers de SKU manuellement, l'équipe peut rapidement identifier les produits présentant des tendances de demande anormales, des risques de rupture imminente ou des lancements de nouveaux produits nécessitant une attention particulière. Un module dédié aux nouveaux produits aide à gérer la phase critique d'introduction lorsqu'aucune donnée historique n'existe — alimenté par les agents IA de Flowlity.

Résultats : un ROI prouvé qui continue de s'améliorer au fil du temps

Les résultats de ce cas client sur la prévision de la demande par IA chez Saint-Gobain Sekurit ont été mesurés rigoureusement — et ils continuent de s'améliorer à mesure que le système apprend à partir de davantage de données.

Précision des prévisions : +15 % d'amélioration au niveau SKU

L'amélioration la plus fondamentale concerne la précision des prévisions au niveau SKU, qui a augmenté de 15 %. C'est un résultat significatif compte tenu de la complexité de la prévision de la demande pour plus de 10 000 références de verre réparties dans 30 points de distribution. Des prévisions plus précises se répercutent positivement sur l'ensemble de la supply chain — des achats et de la production à l'allocation des stocks.

Disponibilité produit : taux de service de 95,8 % à 97,2 %

La disponibilité des produits est passée de 95,8 % à 97,2 %, soit une augmentation de 1,4 point de pourcentage représentant une réduction substantielle des événements de rupture sur des milliers de SKU. Point crucial, l'effet de saisonnalité a été maîtrisé — la courbe de disponibilité est devenue beaucoup plus stable tout au long de l'année, éliminant les creux saisonniers profonds qui perturbaient auparavant le service aux garages et centres de pose.

Optimisation des stocks : réduction de 9,25 %

Alors que les taux de service augmentaient, les niveaux de stock diminuaient simultanément de 9,25 %. C'est la marque d'une planification de la demande efficace — non pas simplement constituer davantage de stock pour améliorer la disponibilité, mais positionner intelligemment le bon stock au bon endroit et au bon moment. La rotation des stocks s'est améliorée en conséquence, libérant du fonds de roulement et de l'espace en entrepôt.

Développement des KPI opérationnels

Au-delà des indicateurs phares, Sekurit a développé un ensemble complet de KPI opérationnels alimentés par les données Flowlity. Les indicateurs amont incluent l'OTIF (livraison complète et à temps), l'adhérence au plan, le suivi des délais et le respect des zones gelées. Les indicateurs aval couvrent la disponibilité et la qualité des prévisions. Les indicateurs de santé des stocks suivent la couverture, l'obsolescence et l'état général des stocks. L'équipe travaille également sur la mesure des coûts supply chain de bout en bout — une étape naturelle une fois que la précision des prévisions et l'efficacité des stocks sont sous contrôle.

Regardez le récit complet : webinaire Saint-Gobain Sekurit & Flowlity

Pour approfondir ce cas client sur la prévision de la demande par IA, visionnez le replay complet du webinaire où l'équipe supply chain de Saint-Gobain Sekurit partage son expérience de déploiement de Flowlity et les enseignements tirés.

‍

‍

Points clés à retenir pour les responsables supply chain

Ce cas client sur la planification de la demande chez Saint-Gobain Sekurit offre plusieurs enseignements pour les responsables supply chain évaluant des solutions de prévision pilotées par l'IA.

Commencer par les fondations data

Avant qu'un modèle d'IA puisse apporter de la valeur, il faut des données propres et consolidées. Le premier défi de Sekurit a été d'unifier les données provenant de multiples ERP en un pipeline de données unique et fiable.

Penser de bout en bout, déployer progressivement

Flowlity a été déployé dans les centres de distribution, l'entrepôt central et les usines de production — mais pas en une seule fois. Le déploiement progressif a permis à chaque phase de générer de la valeur tout en posant les fondations pour la suivante. Cette approche réduit le risque d'implémentation tout en maintenant la dynamique.

La planification de la demande ne se résume pas à la prévision

La vraie valeur de la prévision de la demande par IA réside dans ce qu'on en fait. Les gains de Sekurit en réduction des stocks et en amélioration du taux de service ne proviennent pas seulement de meilleures prévisions, mais des outils de simulation tactique, des alertes automatisées et des processus de planification collaborative que Flowlity a rendus possibles autour de ces prévisions.

Mesurer ce qui compte, en continu

Le développement de KPI opérationnels complets — de l'OTIF et l'adhérence au plan jusqu'au suivi de la santé des stocks et de l'obsolescence — montre que la planification de la demande par IA n'est pas un projet ponctuel mais une capacité continue qui s'améliore avec la mesure et l'ajustement. Un processus S&OP structuré permet de s'assurer que ces indicateurs se traduisent en décisions stratégiques.

À propos de Flowlity

Flowlity est une plateforme de planification supply chain basée sur l'IA qui aide les industriels et distributeurs à optimiser la prévision de la demande, la gestion des stocks et la collaboration fournisseurs. Grâce à la prévision probabiliste et au machine learning, Flowlity permet aux entreprises de réduire leurs stocks tout en améliorant leurs taux de service. La plateforme est déployée dans de nombreux secteurs, notamment l'automobile, la chimie, les biens de grande consommation et la distribution industrielle.

📄 Téléchargez le résumé du cas client — Remplissez le formulaire pour obtenir le cas client Saint-Gobain Sekurit sur la planification de la demande en PDF.