La gestion des stocks avec l'IA : méthode et limites.

Répondons directement à la question qui vous amène ici : la gestion des stocks avec l'IA fonctionne, mais pas de la façon qu'on imagine spontanément. Demandez à un assistant généraliste de prévoir vos ventes du mois prochain, il vous donnera une réponse, formulée avec assurance et sans aucune base statistique réelle. Ce n'est pas de la prévision, c'est de l'improvisation habillée en calcul. La bonne nouvelle est ailleurs : sur la méthode, sur la mise en forme, sur la relance fournisseur, l'IA générique rend déjà un vrai service, à condition de savoir où s'arrête son terrain.

Ce qu'un assistant généraliste ne fait pas

Commençons par la limite, parce que c'est elle qui rend le reste crédible. Un assistant comme ChatGPT, Claude ou Vibe n'a, par défaut, accès à aucun historique de vos ventes ni de vos sorties de stock. Il ne calcule pas de moyenne mobile sur vos douze derniers mois, il ne détecte pas la saisonnalité d'une référence, il ne connaît pas le délai réel de votre fournisseur de tôle ou de visserie. Quand on lui demande « combien dois-je commander pour le mois prochain », il produit une réponse plausible, bien formulée, et sans aucune donnée derrière. C'est le piège le plus fréquent que nous rencontrons dans le pôle opérations et achats : confondre une réponse assurée avec une réponse fondée.

La prévision de la demande, au sens statistique, est un calcul qui s'appuie sur un historique complet, une méthode reproductible (moyenne mobile, lissage exponentiel, régression) et, idéalement, un outil qui recalcule automatiquement à chaque nouvelle vente. C'est le travail d'un module d'ERP, d'un tableur construit pour cela, ou d'un projet dédié quand le volume le justifie. Ce n'est pas le travail d'une conversation avec un assistant généraliste, même excellent par ailleurs. Le dire dès l'ouverture de cet article n'est pas une prudence excessive : c'est l'information la plus utile que nous puissions vous donner avant d'aller plus loin, et elle recoupe ce que nous détaillons dans notre panorama de ce qu'on entend par IA en entreprise : un modèle de langage généraliste et un outil de prévision statistique sont deux familles de logiciels différentes, qui portent le même mot « IA » dans la conversation courante.

Le stock, secteur par secteur : qui a déjà pris de l'avance

Les secteurs qui vivent le plus de leur stock physique, transport, entreposage, industrie, construction, sont aussi, selon l'INSEE, parmi les moins équipés en IA. En 2025, 18 % des entreprises françaises de 10 salariés ou plus déclaraient utiliser au moins une technologie d'intelligence artificielle, contre 10 % en 2024, soit un gain de 8 points en un an ; la moyenne de l'Union européenne se situe à 20 %. L'écart selon la taille reste marqué : 15 % chez les entreprises de 10 à 49 salariés, 31 % de 50 à 249 salariés, 58 % à partir de 250 salariés. L'écart sectoriel l'est davantage encore : 59 % dans l'information-communication, contre 10 % dans la construction et 9 % seulement dans les transports et l'entreposage, le secteur qui vit le plus du stock physique est justement l'un des moins équipés.

Le retard n'est pas une fatalité, c'est une photographie à un instant donné. Il se lit aussi comme une fenêtre : les gains les plus faciles, ceux que ce dossier détaille, sont encore largement à prendre, et le concurrent le plus proche de votre dépôt ne les a probablement pas pris non plus. Une autre donnée INSEE, plus fine, va dans le même sens à l'intérieur même des entreprises qui utilisent déjà l'IA : quand on regarde à quelle fonction elle sert, le marketing et les ventes arrivent en tête avec 28 %, la production suit à 27 %, mais la logistique ferme la marche à 6 % seulement, contre 3 % en 2023, la fonction la plus directement liée au stock est celle où l'IA a le moins pénétré, ce qui confirme que le sujet de cet article reste largement ouvert. Ce 9 % du transport et de l'entreposage a d'ailleurs ses propres chantiers, qui ne sont pas ceux du stock : instructions de livraison, réserves, litiges, cahiers des charges. Nous les avons traités dans le versant transport et logistique de ces mêmes gestes, sans TMS ni télématique.

Côté TPE-PME, le Baromètre France Num 2025, mené par le CREDOC pour la Direction générale des entreprises auprès de 11 021 entreprises, mesure une accélération nette : 26 % des TPE-PME utilisent l'IA en 2025, contre 13 % en 2024, de 23 % pour les entreprises de 1 à 4 salariés à 42 % pour celles de 50 à 249 salariés. Selon Bpifrance Le Lab, l'écart entre l'intention et l'usage réel reste net chez les dirigeants de PME et ETI : 43 % déclarent avoir défini une stratégie IA, mais seulement 26 % de leurs entreprises utilisent une IA générative, 16 % une IA non générative, et 10 % les deux. Si votre effectif se compte en dizaines plutôt qu'en centaines, la lecture la plus directement utile est probablement notre article sur les usages de l'IA pour les TPE et les artisans.

Le stock, c'est de la trésorerie qui dort

Un stock n'est pas seulement un problème logistique, c'est un problème de trésorerie qui ne dit pas son nom. Chaque référence stockée est de l'argent déjà sorti de la caisse, immobilisé sur une étagère en attendant d'être vendue. Plus la rotation est lente, plus cet argent reste bloqué longtemps, et plus il pèse sur ce que vous pouvez régler à vos propres fournisseurs dans les délais impartis. Les délais de paiement entre professionnels sont encadrés par la loi, avec des pénalités de retard et une indemnité forfaitaire pour frais de recouvrement de 40 € par facture réglée en retard.

C'est ce lien direct entre le stock et le cash qui justifie de traiter les deux sujets ensemble plutôt que dans des silos séparés. Une entreprise qui identifie ses références à rotation lente et qui ajuste ses commandes libère du cash aussi sûrement qu'une entreprise qui relance ses factures impayées, et les deux leviers se retrouvent naturellement dans les prévisions de trésorerie assistées par IA, où le stock apparaît comme l'un des postes qui déforme le plus une trésorerie à 90 jours quand il est mal tenu.

Ce que l'IA fait bien : documenter la méthode

Une fois la limite posée, la liste de ce qui reste est déjà longue, et elle commence par un rôle sous-estimé : expliquer. Beaucoup de PME appliquent des règles de stock « au feeling », transmises d'une personne à l'autre sans jamais avoir été écrites, encore moins justifiées. Un assistant généraliste est, sur ce point précis, remarquablement bon : demandez-lui de détailler comment se calcule un stock de sécurité, un point de commande, une couverture de stock en jours, un taux de rotation, il produit une explication claire, avec la formule et un exemple chiffré que vous lui fournissez.

Les quatre notions qui reviennent tout le temps

Le stock de sécurité est la quantité conservée en plus de la consommation moyenne, pour absorber un aléa de demande ou de délai fournisseur. Le point de commande est le niveau de stock qui déclenche une nouvelle commande : consommation moyenne journalière multipliée par le délai de réapprovisionnement, plus le stock de sécurité. La couverture de stock exprime combien de jours ou de semaines de vente le stock actuel représente. Le taux de rotation mesure combien de fois le stock se renouvelle sur une période donnée. Ce sont quatre notions de gestion classique, enseignées dans toute formation logistique ; l'apport de l'IA n'est pas de les inventer, c'est de vous les expliquer avec vos propres mots, appliquées à votre cas, au moment où vous en avez besoin, sans rouvrir un manuel.

Le geste le plus utile, à ce stade, est de demander à l'assistant de rédiger cette méthode noir sur blanc, dans le vocabulaire de votre entreprise, avec vos propres références en exemple. C'est le même principe que la méthode du second cerveau : une fois la méthode écrite une bonne fois, elle sert à chaque nouvelle référence, sans avoir à tout réexpliquer. Et parce qu'une consigne mal posée donne une réponse approximative, ce chantier gagne à s'appuyer sur l'art d'écrire de bons prompts.

Construire les formules et les contrôles d'un tableur de suivi

Documenter la méthode ne suffit pas : il faut aussi l'outiller. C'est le deuxième registre où un assistant généraliste rend un vrai service, sans jamais toucher à vos données de vente : construire les formules d'un tableur de suivi des stocks. Décrivez vos colonnes (référence, stock actuel, consommation moyenne, délai fournisseur, stock de sécurité voulu) et demandez la formule de point de commande, la mise en forme conditionnelle qui alerte quand une référence passe sous son seuil, et une colonne de contrôle qui signale les incohérences, un délai négatif, une consommation à zéro sur une référence pourtant vendue le mois dernier. C'est exactement le même exercice que nous détaillons, en plus large, dans notre article sur l'IA appliquée à vos tableaux Excel : vous ne codez rien, vous décrivez le résultat attendu en français, et vous vérifiez la formule produite avant de la propager sur mille lignes.

Un tableur ainsi construit a un avantage qu'un assistant conversationnel n'aura jamais seul : il se recalcule tout seul à chaque nouvelle ligne, sans qu'il faille reposer la question. C'est la bonne division du travail : l'IA écrit la formule une fois, le tableur l'applique ensuite indéfiniment. Le risque classique est de refaire l'exercice à l'envers, en demandant à l'assistant de recalculer, à chaque fois qu'on lui colle l'export, une prévision qu'il invente sur l'instant plutôt que de dérouler la formule déjà validée. Le premier travail garde de la valeur toute l'année ; le second en perd à chaque nouvelle question.

• Décrire chaque colonne avant de demander la formule, référence, stock actuel, consommation moyenne, délai fournisseur : l'assistant ne devine pas ce qu'il ne voit pas.
• Demander la formule, pas seulement le résultat : vous devez pouvoir la relire et la corriger vous-même dans le tableur.
• Ajouter une colonne de contrôle : un délai négatif ou une consommation à zéro sur une référence vendue le mois dernier doit remonter, pas disparaître.
• Vérifier sur cinq à dix références avant de généraliser : la formule se propage vite, l'erreur aussi.

Une règle de réapprovisionnement, ce n'est pas de l'IA

Il existe une confusion fréquente, et coûteuse en malentendus internes : une règle « si le stock passe sous 20, commander automatiquement 100 unités » n'est pas de l'intelligence artificielle, c'est de l'automatisation au sens classique du terme. La règle est fixe, écrite une fois, et elle s'exécute ensuite sans jugement ni adaptation. C'est une distinction que beaucoup de dirigeants confondent, et qui mérite d'être posée clairement : l'automatisation exécute une règle que vous avez décidée, l'IA générative aide à écrire cette règle, à l'expliquer, ou à traiter un texte qui n'entre dans aucune règle fixe. Nous détaillons cette frontière, avec des exemples dans d'autres métiers, dans notre article sur la différence entre l'IA et l'automatisation.

Le schéma ci-dessous résume ce que cette confusion produit concrètement : d'un côté, ce qu'on imagine spontanément demander à l'IA, une prévision, un calcul de seuil tout fait, une décision de commande ; de l'autre, ce qu'elle sait vraiment faire dans ce dossier.

La bascule est simple à retenir : tout ce qui est répétitif et stable devient une règle, posée une fois dans le tableur ou dans l'ERP ; tout ce qui reste textuel, ponctuel ou qui demande une explication reste le terrain de l'assistant IA. Nous avons traité la première moitié de ce sujet, celle des tâches répétitives à basculer en automatisation, dans notre article sur l'automatisation des tâches répétitives, qui complète directement ce qui suit ici.

Transformer un export de stock en note de synthèse

Le geste le plus rentable au quotidien reste le plus simple : exporter l'état du stock, et demander une note de synthèse au lieu de relire cent cinquante lignes de tableur chaque semaine. L'assistant repère les ruptures, les références sous le seuil, les stocks dormants, et les met en forme dans un texte court, lisible par quelqu'un qui n'a pas le tableur sous les yeux. La consigne doit être stricte sur un point : elle ne doit ni calculer de prévision, ni compléter une donnée manquante, ni deviner un mouvement de stock qui ne figure pas dans l'export. Le rôle de l'assistant ici est de mettre en forme ce qui existe, pas d'inventer ce qui manque.

Tu es responsable des stocks dans une PME industrielle.
But : transformer l'export ci-dessous en une note de synthèse d'une page,
lisible par la direction en deux minutes.
Contexte : l'export contient référence, stock actuel, seuil de commande,
consommation moyenne, dernière entrée, dernière sortie.
Forme : trois sections, ruptures et risques de rupture sous 15 jours,
références sous le seuil, stocks dormants depuis plus de six mois avec
la valeur immobilisée.
Contraintes impératives :
- Ne calcule aucune prévision, ne complète aucune donnée manquante ;
  signale les lignes incohérentes.
- N'invente aucun mouvement de stock qui ne figure pas dans l'export.
- Termine par une liste des points à faire vérifier par un humain
  avant décision.

Export :
[coller l'export]

Deux précisions valent d'être répétées. D'abord, l'assistant ne vérifie jamais vos chiffres : si l'export contient une erreur de saisie, la note sera fausse et bien écrite, ce qui est plus trompeur qu'un tableau brut visiblement incomplet. Ensuite, cette note ne remplace pas le tableau de bord du dirigeant, elle en alimente une partie : le stock n'est qu'un des indicateurs qu'un dirigeant doit suivre chaque semaine, aux côtés de la trésorerie et du carnet de commandes.

Ce geste (un export ou un document brut transformé en texte lisible, sans qu'aucun chiffre soit recalculé) se répète ailleurs dans l'entreprise, et c'est là que le gain se cumule. Dans une PME industrielle, la même mécanique s'applique aux gammes de fabrication, aux consignes de poste, aux rapports de non-conformité, aux procédures qualité et aux notices multilingues : les huit usages de l'IA générative en PME industrielle qui ne demandent aucun capteur les prennent un par un. Aucun ne suppose d'équiper une machine, la maintenance prédictive est un autre sujet, et un autre budget.

Préparer une relance fournisseur sur un retard

Symétriquement, côté approvisionnement, le geste le plus immédiat est la relance sur un retard de livraison. Un fournisseur qui glisse sur ses délais sans prévenir fausse tous les seuils calculés à l'étape précédente. La donnée existe déjà dans vos emails ou votre logiciel : dates de commande, dates de réception promises et réelles. Une fois ces dates réunies, l'assistant rédige une relance factuelle, qui pèse davantage qu'un appel agacé, parce qu'elle s'appuie sur des faits datés plutôt que sur une impression.

Tu es responsable achats dans une PME.
But : rédiger une relance ferme et factuelle au fournisseur ci-dessous
sur son retard de livraison.
Contexte : commande n°[X] passée le [date], délai annoncé de [X] jours,
non reçue à ce jour.
Forme : email professionnel, cinq à huit phrases, ton ferme mais
courtois, aucune menace.
Contraintes impératives :
- Rappelle uniquement les dates et références fournies ci-dessous,
  n'invente aucun chiffre.
- Demande une date de livraison ferme et les mesures prises en cas
  de nouveau retard.
- Termine par une phrase qui laisse la porte ouverte à une réponse
  rapide.

Éléments à reprendre :
[coller les dates, la référence de commande, les échanges précédents]

Le même geste se prolonge naturellement dans les conditions d'approvisionnement elles-mêmes : demander à l'assistant de comparer, pour une même référence, le délai, le franco, le minimum de commande et les pénalités appliquées par deux ou trois fournisseurs, exactement comme nous le détaillons pour les comparatifs de devis fournisseurs de l'article sur l'IA dans l'atelier. À l'inverse, quand c'est vous qui répondez à une demande de prix, la même logique s'applique à la rédaction de vos propres devis. Et si le retard se répète au point de justifier une réclamation plus formelle, la rédaction gagne à s'appuyer sur les mêmes réflexes que les relances de factures assistées par IA : des faits datés, un ton mesuré, une échéance claire.

Dans le bâtiment, la question se déplace du dépôt vers le chantier : ce qui coûte cher n'est pas l'étagère, c'est la commande oubliée qui immobilise une équipe une demi-journée. Les gestes rentables y sont donc surtout documentaires (comparatifs fournisseurs, courriers de réserve, relances de situations, suivi des sous-traitants), et les neuf usages de l'IA côté bureau d'une entreprise du BTP les reprennent un par un, chiffrés, sans qu'aucun ne suppose d'acheter un logiciel métier.

La limite mesurée par la recherche : la frontière technologique dentelée

Cette prudence n'est pas une posture par principe, elle est documentée. L'étude de Dell'Acqua et de ses coauteurs, menée auprès de 758 consultants du Boston Consulting Group et publiée dans Organization Science, a nommé ce phénomène la frontière technologique dentelée : sur les tâches qui tombent dans le périmètre du modèle, les consultants assistés par l'IA ont complété 12,2 % de tâches en plus, 25,1 % plus vite, avec une qualité perçue supérieure de 33,9 %. Sur une tâche choisie hors de ce périmètre, en revanche, le taux de solutions correctes a chuté de 19 points chez les utilisateurs d'IA par rapport au groupe témoin. La formulation reste tout aussi assurée dans les deux cas, ce qui rend l'erreur difficile à repérer de l'intérieur.

Appliqué au stock, cela donne une règle pratique simple : un calcul de couverture ou de rotation sur une référence au comportement stable est typiquement dans le périmètre, l'assistant y est utile une fois la méthode vérifiée. Une prévision fine sur une référence à forte saisonnalité, à effet promotionnel marqué, ou dépendante d'un seul gros client, est typiquement hors périmètre : c'est justement le cas où un tableur bâti pour cela, ou un projet de prévision dédié, fait mieux qu'une conversation, aussi bien tournée soit-elle.

Les données du stock : prix négociés, fournisseurs et RGPD

Un export de stock n'est jamais une donnée neutre. Il contient vos prix d'achat négociés, parfois vos marges implicites, et les noms de vos fournisseurs. Ce n'est pas une donnée à déposer dans un compte gratuit grand public, dont les conditions générales autorisent souvent l'utilisation des échanges pour entraîner de futurs modèles. Le réflexe minimal est un compte professionnel, dont le contrat garantit explicitement la non-utilisation de vos données à des fins d'entraînement ; c'est un point que nous détaillons dans notre article sur les données personnelles confiées à une IA, et que la CNIL a documenté dans ses questions-réponses sur l'utilisation d'un système d'IA générative.

Les clauses de propriété des données figurent parfois dans les contrats-cadres fournisseurs eux-mêmes ; leur lecture relève d'un autre exercice, traité dans notre article sur la relecture de contrats assistée par l'IA. Depuis le 2 février 2025, le règlement européen sur l'IA impose par ailleurs un niveau suffisant de maîtrise de l'IA pour les personnes qui l'utilisent dans un cadre professionnel : cela concerne directement quiconque manipule ces exports, et c'est une raison de plus pour désigner, même de façon informelle, un référent IA interne qui connaît ces règles et peut répondre aux questions de l'équipe.

Quel outil pour quoi : assistant, tableur, ERP ou projet dédié

La confusion la plus coûteuse, dans ce dossier, n'est pas de mal utiliser l'IA : c'est d'acheter le mauvais outil pour le bon problème. Le tableau suivant tranche, cas par cas, entre ce que vous voulez réellement obtenir et l'outil qui le fait correctement.

Un assistant IA et un projet de prévision dédié répondent à des questions différentes ; les confondre coûte soit un abonnement inutile, soit un calcul faux fait avec assurance.

Dans la grande majorité des PME de 10 à 250 salariés visées par ce dossier, les trois premières lignes suffisent pour démarrer : un assistant IA, un tableur bien construit, et un œil humain qui vérifie. L'ERP et le projet dédié ne deviennent nécessaires que lorsque le volume de références ou la complexité de la saisonnalité le justifient réellement, et non parce qu'un éditeur logiciel l'affirme. Sur la question du budget, notre analyse du coût réel de l'IA pour une PME aide à ne pas confondre l'abonnement d'un assistant, quelques dizaines d'euros par mois, avec l'investissement d'un ERP ou d'un projet dédié.

Par où commencer

Le premier geste n'est jamais le plus ambitieux, c'est le plus vérifiable. Commencez par un export de vos sorties de stock sur douze mois, demandez à un assistant d'expliquer, avec vos propres références en exemple, comment se calcule un point de commande, puis construisez la formule dans un tableur que vous contrôlez. Mesurez ensuite ce que cela change réellement, en vous appuyant sur notre méthode de calcul du retour sur investissement d'un usage IA, plutôt que sur une impression. Et si le premier essai tombe à plat, la cause la plus fréquente figure dans notre article sur les erreurs qui reviennent le plus souvent dans les projets IA en PME : presque toujours une consigne trop vague, jamais l'outil lui-même.

• Exporter douze mois de sorties de stock : référence, date, quantité, prix d'achat si possible.
• Faire écrire la méthode avant le calcul : la formule, les termes, un exemple sur vos propres références.
• Construire la formule dans un tableur que vous contrôlez : pas dans une conversation à relancer chaque semaine.
• Vérifier à la main cinq à dix références critiques : avant d'appliquer un seuil à l'ensemble du stock.
• Retirer les données sensibles inutiles : noms de clients, marges implicites, avant tout envoi à un outil non garanti.

Pour ne pas repartir de zéro à chaque prompt, appuyez-vous sur notre bibliothèque de prompts pour PME, et pour situer ce dossier dans une démarche plus large, notre guide de l'IA en PME donne le cadre d'ensemble. Ces gestes forment le socle du parcours Opérations & achats, qui se construit sur vos propres exports, vos propres fournisseurs, et rien d'autre ; on y retrouve aussi nos exemples d'usages de l'IA en PME pour les autres pôles de l'entreprise.

Questions fréquentes