Réduire le gaspillage alimentaire, tout le monde est d’accord pour en faire une priorité. Mais entre l’intention et les résultats concrets, il y a une étape que beaucoup sous-estiment, celle de la mesure. Pas un diagnostic annuel, pas une estimation de fin de service : une mesure fiable, continue, à chaque maillon de la chaîne. C'est ce chantier que nous avons mené chez Foodles, et c'est lui qui a rendu tout le reste possible : Astrid Henry, notre Lead AI, Data Science & Analysis, nous en livre les coulisses.
Le point de départ : voir le gaspillage ne suffit pas à le comprendre
Avant de mesurer, on gérait. Le gaspillage était présent, visible en fin de service : des frigos trop pleins, des invendus réguliers, des écarts de stocks inexpliqués. Mais sa source restait floue était-ce un problème de commande ? De préparation ? De fréquentation mal anticipée ?
Faute d'outils de mesure, la source du problème restait difficile à cerner.
Ce constat, simple, un peu inconfortable, a été le point de départ de tout : avant de chercher à réduire le gaspillage, il fallait apprendre à le voir.
Rendre la chaîne de valeur pilotée par la donnée
Pour mesurer le gaspillage, il faut d’abord que chaque étape de la chaîne produise de la donnée. Sur certains maillons, comme nos frigos connectés, c’est natif (une donnée intégré d'emblée) : on sait exactement ce qui rentre et ce qui sort, et donc ce qui n’a pas été consommé. La donnée existe, elle est précise et immédiatement exploitable.
Sur d’autres étapes, il a fallu redéfinir les processus pour créer cette capacité de mesure. Notre WMS (Warehouse Management System), par exemple, nous permet aujourd’hui de tracer les flux à chaque étape de la préparation et du service, mais ce n’était pas le cas au départ. Il a fallu repenser la façon dont les équipes opérationnelles travaillent pour que chaque action génère un signal utile. Maillon par maillon, on a construit une chaîne qui produit de la donnée plutôt que de la laisser passer.
Mettre en place un KPI de gaspillage partagé
Avoir de la donnée ne suffit pas. Encore faut-il s’accorder sur ce qu’on mesure. Le gaspillage alimentaire peut se définir de nombreuses façons selon les métiers : les achats ne le voient pas comme les opérations, qui ne le voient pas comme la food. Sans définition commune, chaque équipe mesure autre chose et les chiffres ne se consolident pas.
Ce travail d’alignement : définir ensemble ce qu’on appelle gaspillage, à quelle granularité on le mesure, à quelle fréquence on le suit, est aussi important que la technique. Il transforme le gaspillage d’un ressenti diffus en un KPI partagé, suivi par tous les métiers, et actionnable à chaque niveau de l’organisation. C’est ce KPI qui est devenu notre boussole commune.
Ce que ça change concrètement
Quand le gaspillage est mesuré en continu, les décisions changent de nature. Les équipes achats ajustent les commandes sur la base de ce qu’elles observent réellement, pas de ce qu’elles estiment. Les équipes opérationnelles identifient les étapes où les pertes se concentrent et peuvent agir précisément. Les account managers suivent leur performance semaine après semaine, avec des chiffres qui parlent le même langage que les autres équipes.
On ne réagit plus après coup : on pilote. Et les progrès, au lieu de plafonner après un premier effort de sensibilisation, s’accumulent à mesure que la donnée s’enrichit et que les équipes s’approprient les outils. C’est cette dynamique cumulative qui fait la vraie différence sur la durée.
La donnée d’abord, les algorithmes ensuite
Mettre la donnée au cœur de la chaîne de valeur, c’est le travail de fond que beaucoup négligent en voulant aller trop vite vers les solutions technologiques avancées. Chez Foodles, c’est ce chantier que nous avons mené et qui a rendu les étapes suivantes possibles.
Car une fois cette infrastructure en place : des processus qui créent de la donnée, un KPI de gaspillage suivi en continu par tous les métiers, une nouvelle question se pose: comment exploiter cette donnée pour aller encore plus loin ? C’est là qu’entrent en jeu les algorithmes. Mais ça, c’est une autre histoire.
.avif)
