Une mauvaise prévision de la demande en produits alimentaires est responsable de plus de gaspillage que prévu.
Selon une source, les épiceries américaines jettent 10 % des quelque 44 milliards de livres de nourriture que le pays produit chaque année. C’est non seulement mauvais pour l’environnement – le gaspillage alimentaire est une source majeure d’émissions de carbone – mais aussi coûteux pour les épiciers. Selon Retail Insights, les détaillants de produits alimentaires et d’épicerie perdent jusqu’à 8 % de leurs revenus en raison d’une disponibilité insuffisante des stocks.
Les entrepreneurs Euro Wang et Jack Solomon affirment avoir été eux-mêmes confrontés aux effets microéconomiques du problème de prévision dans leur supermarché local, qui manquait souvent de leur guacamole préféré.
« Il s’avère que même les plus grands détaillants ont du mal à prédire la demande future et sont souvent en surstock ou en sous-stockage », a déclaré Wang à TechCrunch dans une interview par courrier électronique. « Avec les conditions climatiques plus extrêmes de ces dernières années, les pénuries d’approvisionnement en produits frais se sont de plus en plus accentuées. Cela rend d’autant plus importante la répartition efficace de l’offre limitée. À cela s’ajoutent les pressions inflationnistes et l’augmentation du coût du travail qui menacent de plus en plus les marges des épiciers.»
Inspirés par l’idée de résoudre le problème grâce à la technologie, Wang et Solomon ont cofondé Guac, une plateforme qui utilise l’IA pour prédire combien d’articles les épiciers vendront chaque jour dans un magasin donné. Guac a récemment levé 2,3 millions de dollars lors d’un tour de table mené par 1984 Ventures, avec la participation de Y Combinator et du Collaborative Fund.
« Le gaspillage alimentaire et la sécurité alimentaire sont des questions qui nous tiennent profondément à cœur, Jack et moi, et nous étions vraiment enthousiasmés par l’opportunité de réellement lutter contre le gaspillage alimentaire », a déclaré Wang.
Auparavant, Wang a travaillé chez Boston Consulting Group tandis que Solomon faisait des recherches sur l’IA pour la logistique des épiceries. Tous deux ont obtenu un diplôme de premier cycle à l’Université d’Oxford, où ils se sont rencontrés.
Chez Guac, Wang, Solomon et les deux ingénieurs de Guac créent des algorithmes personnalisés qui anticipent les quantités commandées de produits d’épicerie, en tenant compte de variables telles que la météo, les événements sportifs et les cotes des paris, et même des données d’écoute de Spotify pour tenter de capturer le comportement d’achat des consommateurs. Les clients de Guac obtiennent des recommandations telles que la durée de conservation, les quantités minimales de commande, les promotions et les délais de livraison des fournisseurs, intégrées dans leur logiciel et leurs flux de travail de commande de stocks existants.
« Traditionnellement, les prévisions sont effectuées à l’aide de formules Excel ou de simples modèles de régression », a expliqué Wang. « Mais pour les aliments frais qui se périment rapidement, il faut quelque chose de mieux… Parce que nous utilisons de nombreuses variables externes, nous sommes en mesure d’identifier quelles variables du monde réel provoquent des changements dans la demande. »
Guac n’est certainement pas la seule startup dans le jeu de la prévision de la demande alimentaire. Il existe Crisp, qui fournit une plate-forme de données ouverte pour chaque maillon de la chaîne d’approvisionnement alimentaire, et Freshflow, qui crée un outil de prévision basé sur l’IA pour aider les détaillants à optimiser le réapprovisionnement des stocks de produits frais et périssables.
Mais Wang affirme que Guac se différencie à la fois par son engagement en faveur de la transparence et par la mise au point intense de ses modèles de prévision.
« Notre modèle d’apprentissage automatique n’est pas comme une boîte noire qui prédit mystérieusement une augmentation de 20 % de la demande ; nous disons plutôt à nos clients des choses comme : « Cette augmentation de 20 % est due au fait qu’il y a une conférence à proximité » », a déclaré Wang. « Même si un détaillant utilise déjà l’apprentissage automatique, nous pouvons toujours améliorer ses prévisions grâce à notre accès à beaucoup plus d’ensembles de données externes. Lorsque nous supprimons les variables externes uniques que nous utilisons et incluons uniquement les ensembles de données de base (par exemple la météo et les jours fériés), nous voyons en fait l’erreur de prévision doubler.
Certains premiers clients semblent convaincus que Guac peut ajouter de la valeur. L’entreprise travaille avec des détaillants, notamment des sociétés de livraison de produits d’épicerie en Amérique du Nord, en Europe et au Moyen-Orient, notamment une chaîne de supermarchés anonyme comptant environ 300 emplacements. Guac génère également déjà des revenus et prévoit de pouvoir élargir son équipe d’ingénierie au cours de l’année à venir.
« L’industrie de l’épicerie est assez résistante aux ralentissements économiques », a déclaré Wang. « Tout le monde doit manger, et lorsque l’économie ralentit, les gens achètent davantage de produits d’épicerie parce qu’ils mangent moins au restaurant. Et la pandémie a contribué à accélérer la numérisation dans les épiceries, ce qui nous a permis d’intégrer plus facilement nos prédictions aux systèmes des clients. En ce qui concerne la pandémie, les acheteurs se sont comportés très différemment pendant la pandémie, ce qui signifie qu’il est beaucoup plus difficile pour les épiciers de se fier uniquement aux données historiques de ventes des trois dernières années pour prédire la demande future. Grâce à notre algorithme, nous sommes en mesure de tenir compte de la manière dont la pandémie a biaisé les données de ventes en 2020 et 2021 – et même des effets résiduels de la pandémie par la suite.