Commerce de détail et distribution
Quand l’expérience commerciale rencontre l’intelligence des données.
L’équipe de vente connaissait son marché et savait que la météo dictait la demande. Forra a structuré ces signaux pour leur donner une longueur d’avance, passant de l’analyse rétrospective à l’anticipation proactive.
Le défi
Une connaissance du marché solide, des outils qui ne suivaient plus.
Les équipes de vente comprenaient intimement la relation entre météo et demande. Elles recueillaient les données météo ville par ville, les croisaient avec l’historique des ventes et s’appuyaient sur des années d’expérience pour anticiper les hausses ou baisses de la demande. Cette expertise était réelle et avait fait ses preuves.
Le défi n’était pas un manque de compétence, mais un manque d’outillage. Les signaux météo existaient, mais ils étaient dispersés, non traités et déconnectés des systèmes de décision. Impossible de surveiller une vague de froid imminente à Montréal tout en gérant l’inventaire pour Vancouver et Calgary en même temps. Les anomalies, une tempête inattendue ou un octobre anormalement chaud, étaient détectées trop tard, après que le mal était fait.
La solution
Une preuve de concept en deux phases, conçue pour valider avant de passer à l’échelle.
Plutôt que de s’engager sur une plateforme complète, l’équipe a cadré le projet comme un PoC ciblé en deux phases sur Forra, conçu pour confirmer que l’IA était le bon levier pour amplifier l’expertise commerciale déjà en place.
Phase 1 : Collecte de données météo. L’équipe a déployé une application sur Forra qui collecte, structure et visualise les données météo à travers jusqu’à 10 villes canadiennes. Les équipes de vente et d’opérations accèdent aux données historiques, actuelles et prévisionnelles via une interface claire, et exportent le tout dans un document Excel structuré pour le partage entre équipes. Les connaissances que les vendeurs appliquaient déjà sont désormais adossées à une source de vérité unique et cohérente.
Phase 2 : Détection automatique des anomalies. En s’appuyant sur les fondations de la Phase 1, l’application a été étendue pour identifier activement les anomalies. À partir des prévisions météo et des cycles de ventes passés, le système signale les événements susceptibles d’affecter la demande, qu’ils soient déclenchés par des règles définies par l’équipe de vente ou détectés automatiquement à partir des tendances historiques. Un module de surveillance tient les équipes informées en temps réel.
Les résultats
L’expertise commerciale, outillée pour anticiper.
- Collecte de données météo automatisée dans 10 villes canadiennes, remplaçant un processus qui mobilisait l’équipe chaque semaine.
- Les équipes de vente anticipent désormais les variations de la demande liées aux événements météo avant qu’ils n’affectent l’inventaire ou les revenus.
- Les anomalies sont détectées automatiquement, en combinant les tendances historiques et les règles définies par l’équipe de vente.
- Les exports Excel structurés permettent un partage fluide entre équipes sans traitement supplémentaire.
- L’approche PoC en phases a validé le cas d’usage de l’IA avec un risque minimal, avant de s’engager dans un développement à grande échelle.
- La Phase 2 ouvre la porte à une boucle de surveillance continue, où chaque cycle de vente alimente des prédictions futures plus précises.
Votre base de connaissances n’est pas le problème. C’est la façon dont elle est cherchée ou utilisée, qui l’est.
Des agents IA sur mesure remplacent un assistant générique, atteignant 87,5 % de précision sur un benchmark validé contre 12 % pour Microsoft Copilot.
La force de l’expérience : 30 ans de savoir préservés.
L’IA transcrit les entrevues d’experts, identifie les intervenants et transforme le savoir institutionnel en ressource consultable pour toute l’équipe.
Des scientifiques experts, limités par la portée de leurs outils.
Un agent de recherche IA interroge quatre bibliothèques scientifiques simultanément et livre un rapport complet et sourcé en quelques minutes au lieu de plusieurs heures.