- La cannibalisation se produit lorsqu'un nouveau SKU absorbe la demande des produits existants dans le même groupe, rendant les prévisions autonomes au niveau de l'article peu fiables.
- L'intégration de la cannibalisation dans les prévisions nécessite trois prédicteurs — prix moyen du groupe, nombre d'articles et coefficient de prix du groupe — qui doivent eux-mêmes être très prévisibles.
- La méthode de l'Élément Clé (EC) offre une solution structurelle en consolidant les articles interchangeables en une seule unité de prévision et en redistribuant la demande proportionnellement.
- Validez toujours la précision des prévisions avant de déployer les ajustements de cannibalisation en production ; dans de nombreux cas, leur omission produit des résultats plus stables.
Qu'est-ce que la cannibalisation ?
La cannibalisation est la réduction de la demande d'un produit existant causée par l'introduction d'un produit concurrent dans le même assortiment. Le concept est apparu dans les années 1970 et reste l'un des phénomènes analytiquement les plus complexes dans la planification de la demande en distribution.
Elle se produit lorsqu'un nouvel article est suffisamment proche en termes d'attributs — positionnement de marque, niveau de prix ou cas d'utilisation consommateur — pour servir de substitut direct aux SKU existants.
Un distributeur introduit un nouveau SKU d'œufs à un prix inférieur à tous les produits d'œufs existants. En quelques semaines, les ventes des articles plus chers chutent fortement — non pas parce que la demande d'œufs a changé, mais parce que les clients se sont tournés vers l'alternative moins chère. Le nouveau SKU a cannibalisé l'assortiment existant.
La cannibalisation est plus prononcée lorsque le nouveau produit partage le même public cible et répond à la même occasion d'achat que les articles déjà en rayon.
Pourquoi la cannibalisation est difficile à prévoir
L'effet de cannibalisation est intrinsèquement difficile à modéliser car il dépend de trois prédicteurs, chacun devant lui-même être prévu avec une grande précision :
- Prix moyen du groupe de produits — le prix moyen de tous les articles actifs dans la catégorie
- Nombre d'articles dans le groupe — le nombre de SKU actifs en concurrence pour le même bassin de demande
- Coefficient de prix du groupe — le ratio entre le prix d'un article individuel et la moyenne du groupe
Si l'un de ces éléments est incertain, l'ajustement de cannibalisation peut introduire plus d'erreurs qu'il n'en corrige.
Chaque facteur supplémentaire incorporé dans une prévision accroît sa sensibilité aux erreurs d'estimation de ce facteur. Même lorsque la modélisation de la cannibalisation améliore la précision moyenne, il existe des scénarios où son omission produit une prévision moins précise mais plus robuste — où le stock de sécurité intégré compense le signal manquant et réduit le risque de rupture de stock.
Il s'agit d'un compromis essentiel que les planificateurs de la demande doivent évaluer catégorie par catégorie.
Quand utiliser la prévision de cannibalisation
Tous les groupes de produits ne justifient pas une modélisation de la cannibalisation. La décision dépend de la prévisibilité des facteurs sous-jacents et de la structure de l'assortiment.
| Utiliser la prévision de cannibalisation | Ignorer la prévision de cannibalisation | |
|---|---|---|
| Structure du groupe de produits | Très homogène — les articles sont clairement interchangeables | Hétérogène — les articles servent des sous-segments ou des occasions distincts |
| Signal historique | L'effet de cannibalisation est visible et mesurable dans les données de ventes passées | Aucun schéma de substitution clair dans les données historiques |
| Gestion de l'assortiment | Le distributeur utilise des matrices d'assortiment formelles avec des cycles de référencement/déréférencement prévisibles | Les changements d'assortiment sont ponctuels ou imprévisibles |
| Qualité des prédicteurs | Le prix moyen du groupe et le nombre d'articles peuvent être prévus de manière fiable | Les prédicteurs clés sont volatils ou peu fiables |
| Impact sur la précision | La modélisation produit une amélioration mesurable de la précision des prévisions | L'ajustement ajoute du bruit sans améliorer la précision |
La cannibalisation ne peut jamais être prise en compte complètement. Son inclusion dans la prévision n'est justifiée que lorsqu'elle apporte une amélioration visible et mesurable de la précision. Une modélisation partielle qui introduit de l'instabilité est pire qu'aucune modélisation du tout.
Prédicteurs de cannibalisation dans les prévisions
Les trois prédicteurs utilisés pour quantifier la cannibalisation dans la prévision de la demande sont :
-
Prix moyen du groupe — capture le positionnement prix global de la catégorie. Les variations du prix moyen signalent des changements dans le paysage concurrentiel au sein du groupe.
-
Nombre d'articles dans le groupe — reflète l'étendue de l'assortiment. Une augmentation du nombre d'articles dilue généralement la demande par SKU ; une diminution la concentre.
-
Coefficient de prix du groupe — mesure comment le prix d'un article individuel se compare à la moyenne du groupe. Un coefficient inférieur à 1,0 indique un avantage prix ; supérieur à 1,0, un désavantage prix par rapport aux concurrents.
La cannibalisation est également prise en compte dans l'optimisation des prix grâce à l'élasticité croisée des prix. Dans le module d'optimisation des prix, les relations entre des paires de produits spécifiques peuvent être examinées directement, permettant des décisions tarifaires plus granulaires.
Éléments Clés : Une approche structurelle
Au-delà des ajustements basés sur des prédicteurs, il existe une méthode plus directe pour gérer la cannibalisation : consolider les articles interchangeables à prix similaire sous un seul Élément Clé (EC). Cette approche structurelle traite les produits substituables comme une seule unité de prévision, éliminant le besoin de prévoir les dynamiques de cannibalisation entre eux.
1. Le système consolide les données de ventes et de stocks pour tous les articles appartenant à l'Élément Clé.
2. Une prévision unique est établie pour l'Élément Clé dans son ensemble.
3. Pour chaque semaine au cours de laquelle un article EC donné était inclus dans la matrice d'assortiment — ou avait été retiré avant la semaine de prévision d'épuisement du stock — le système élabore une prévision indépendante au niveau de l'article.
4. Les prévisions individuelles des articles sont mises à l'échelle de sorte que leur somme soit égale à la prévision totale de l'EC. La demande est redistribuée proportionnellement à chaque article du groupe.
5. Les semaines où un prédicteur d'ajustement quotidien était actif sont exclues de cette redistribution.
Effet pratique : Si trois articles appartenant au même Élément Clé sont tous actifs dans l'assortiment et que l'un est ensuite déréférencé, les prévisions pour les deux articles restants augmentent automatiquement. Le système redistribue la demande attendue entre les SKU survivants sans intervention manuelle.
Cela rend la méthode EC particulièrement efficace pour les catégories avec une rotation fréquente de l'assortiment, où les articles entrent et sortent régulièrement du planogramme.
Le regroupement d'articles sous un Élément Clé ne remplace pas la recommandation d'attribuer un article analogue aux nouveaux SKU. Si un nouvel article EC n'a pas d'analogue attribué, sa prévision sera calculée en utilisant la moyenne du groupe avec un ajustement de prix — une solution de repli moins précise qui devrait être évitée lorsque de meilleures données de référence sont disponibles.
Testez toujours la qualité des prévisions pour les articles regroupés sous un seul Élément Clé avant de vous fier au regroupement en production. Même les articles qui semblent similaires en termes de prix et d'usage consommateur peuvent avoir des publics cibles distincts et ne se cannibalisent que partiellement. Dans de tels cas, le regroupement EC peut dégrader plutôt qu'améliorer la précision des prévisions.
Recommandation stratégique
La modélisation de la cannibalisation est un outil puissant mais à double tranchant. Appliquée aux bonnes catégories — celles avec des produits homogènes et substituables et des dynamiques d'assortiment prévisibles — elle peut améliorer sensiblement la précision des prévisions et réduire à la fois les risques de surstock et de rupture de stock.
Cependant, la posture par défaut doit être conservative. Commencez par identifier les groupes de produits où la cannibalisation est clairement visible dans les données historiques. Appliquez l'approche basée sur les prédicteurs ou le regroupement par Élément Clé à ces catégories en premier, et validez rigoureusement les améliorations de précision avant de passer à l'échelle.
Pour les catégories où le signal est ambigu ou les prédicteurs peu fiables, la voie la plus sûre est de s'appuyer sur des prévisions de base avec des marges de stock de sécurité appropriées. Un modèle plus simple qui fonctionne de manière constante surpassera toujours un modèle sophistiqué qui introduit une variance imprévisible.
Le principe directeur : n'ajouter de la complexité que lorsqu'elle réduit démontrablement l'erreur de prévision — jamais dans un souci d'exhaustivité théorique.