Dans certains secteurs tels que l’habillement, l’ameublement ou l’électroménager les soldes représentent jusqu’à un tiers du chiffre d’affaires. Et pourtant, la grande majorité des politiques de démarque restent empiriques : une remise uniforme appliquée vague après vague, sans mesure systématique de la performance. Entre stocks mal anticipés, marges sacrifiées et contraintes réglementaires croissantes, l’arbitrage entre écoulement et rentabilité est devenu un enjeu stratégique de premier rang.
De plus, depuis la directive Omnibus (cf. l’encart La décote et la loi) toute erreur sur l’application de la décote expose à une sanction pour pratique commerciale trompeuse, ce qui rend indispensable une approche cohérente et justifiable. Dans le Retail, des cas comme Showroom privé ou Shein ont créé des précédents. Ces sites marchands ont écopé respectivement de sanctions de 600 000 euros en juillet 2023 pour le premier et 40 millions d’euros en juillet 2025 pour l’acteur chinois pour des prix barrés trompeurs ou des gonflements artificiels des prix de références.
Comment passer d’une logique réactive d’écoulement des stocks à un pilotage commercial granulaire jusqu’à l’article, analysé en temps réel, permettant d’identifier des poches de performances supplémentaires ?
Nous vous proposons une approche en trois temps :
- poser les enjeux stratégiques d’une politique de décote performante ;
- déployer une méthode data-driven, différenciée à l’article ;
- mesurer les résultats et inscrire le pilotage dans la durée.
Poser les enjeux stratégiques d’une politique de décote performante
Les enseignes font face à une équation de plus en plus difficile à résoudre. Des stocks élevés, liés à la volatilité de la demande et à l’allongement des cycles de production. Une sensibilité au prix des consommateurs accrue, mais très hétérogène selon les produits. Une pression constante sur les marges, exacerbée par l’inflation des coûts et la banalisation des promotions. Des règles commerciales et marketing multiples qui complexifient les prises de décisions : cohérence d’image, produits à protéger, taux moyens à atteindre, contraintes d’assortiment.
Dans ce contexte, la tentation de recourir à des remises uniformes est forte. Elle est aussi dangereuse. Appliquer un même taux à des produits fondamentalement différents revient à accepter une perte de valeur structurelle :
- sur-solder des produits qui se seraient vendus avec une décote plus faible ;
- sous-solder des références qui resteront en stock faute d’une remise suffisante ;
- arbitrer trop tard entre marge et écoulement, sans visibilité sur l’atterrissage final.
À cela s’ajoute une contrainte réglementaire croissante. Depuis la directive Omnibus, chaque article soldé doit afficher un prix de référence conforme (cf encart sur la directive) et toute erreur constitue une pratique commerciale trompeuse passible de sanctions. La loi AGEC interdit par ailleurs la destruction des invendus non alimentaires, rendant indispensable une gestion anticipée du stock en fin de collection pour éviter des écoulements secondaires coûteux (mid-season, outlet, soldeurs) et la dévalorisation de la marque.
Le véritable enjeu est de piloter la décote et d’en faire un levier de création de valeur : savoir précisément à quel niveau solder chaque produit, à quel moment, et dans quel objectif.
La décote et la loi
La réglementation des soldes expose les enseignes à des risques financiers et juridiques si la remise n’est pas pilotée finement à l’article. Seuls les produits déjà proposés à la vente et payés depuis au moins un mois avant le début des soldes peuvent être soldés ; tout réassort spécifiquement réalisé pour les soldes est interdit. Conformément à la directive Omnibus, chaque article doit afficher un prix de référence correspondant au prix le plus bas pratiqué au cours des trente derniers jours, ainsi qu’un prix remisé clair et exact. Toute erreur constitue une pratique commerciale trompeuse, passible de sanctions.
La loi AGEC (2020) interdit par ailleurs la destruction des invendus non alimentaires et favorise leur réemploi ou don. Elle rend indispensable une gestion rigoureuse des stocks, surtout en fin de collection, pour limiter les coûts de stockage, éviter la dégradation des produits et protéger la valeur perçue de la marque. L’optimisation de la décote permet d’anticiper précisément l’atterrissage du stock et de sécuriser la conformité réglementaire tout en maîtrisant la performance économique des soldes.
Déployer une méthode data-driven, individualisée à l’article
Notre conviction est simple : une politique de remise performante doit démoyenniser, permettre un arbitrage éclairé et s’exécuter immédiatement sur le terrain. Dans un contexte où les produits présentent des élasticités, des vitesses d’écoulement et des potentiels de marge très hétérogènes, une approche moyennée conduit mécaniquement à sur-décoter certains articles et à en sous-décoter d’autres. Elle s’appuie sur trois piliers.
- Un cadrage stratégique en amont. La décote ne suit pas la demande : elle l’influence. Il s’agit de définir les objectifs (marge, chiffre d’affaires, écoulement), les contraintes d’image, les trajectoires de stock cibles et les garde-fous opérationnels avant le lancement des opérations. Ce cadrage transforme la remise en outil de pilotage, plutôt qu’en variable d’ajustement de dernière minute.
- Un modèle économétrique personnalisé. Nourri des données historiques de l’enseigne, ce modèle estime l’élasticité des ventes à la promotion produit par produit, en intégrant les ventes moyennes hebdomadaires (VMH), le niveau et l’ancienneté du stock, la saisonnalité, la famille de produit et la reconduction éventuelle d’une collection d’une saison à l’autre. Il génère des recommandations de décote précises et adaptées à chaque situation, marché et collection.
- Un outil d’aide à la décision opérationnel. Les équipes visualisent instantanément l’impact de chaque remise sur la marge, le chiffre d’affaires et l’écoulement. Elles ajustent les recommandations à l’article, testent des scénarios alternatifs et valident les trajectoires avant déversement automatique dans le système. En déléguant à l’algorithme la définition des taux sur la totalité des références, elles peuvent se concentrer sur les quelques articles clés qui nécessitent un traitement spécifique : là où se trouve leur vraie valeur ajoutée.
Les outils d’analyse de données changent radicalement le travail des équipes. Grâce à eux, elles se libèrent des tâches à faible valeur ajoutée, gagnent en réactivité et transforment chaque décision de remise en choix conscient, évitant ainsi les ajustements empiriques. Le pareto s’inverse, 80 % du temps d’analyse est désormais imparti au pilotage et à la prise de décision.
Mesurer les résultats et inscrire le pilotage dans la durée
Rien de mieux qu’une mesure systématique de la performance pour ancrer le changement. Lorsque l’on compare une stratégie de décote data-driven à une trajectoire de démarque standard sur des opérations historiques comparables, l’impact est majeur. À chaque opération de soldes, nous constatons :
- un gain de marge moyen supérieur à +10 % ;
- une hausse du chiffre d’affaires de +15 % ;
- un taux de démarque moyen systématiquement en ligne avec les objectifs financiers fixés ;
- un budget soldes défini deux mois à l’avance, grâce à des prédictions réalisées avec une précision de 95 %.
Ce dernier point est l’un des plus structurants : anticiper très précisément ce que chaque vague de soldes va générer, en écoulement de stock, marge ou CA, au regard des ambitions initiales. À chaque nouvelle vague, le modèle réajuste ses prédictions en fonction de la performance réelle, identifie les top performers inattendus et affine les recommandations suivantes. Les équipes gagnent en maîtrise, en confiance et en cohérence commerciale, opération après opération. Le manque de visibilité sur l’atterrissage réel du stock empêche de protéger les marques lors des arbitrages budgétaires de fin de saison.
Inscrire la décote dans une nouvelle ère de pilotage commercial
L’optimisation de la décote ouvre la voie à un pilotage commercial fondé sur l’anticipation plutôt que sur la réaction. En capitalisant sur la donnée et l’expérimentation continue, les enseignes transforment chaque opération en apprentissage structurant pour les suivantes : des prédictions plus fines, des équipes plus agiles, des décisions plus rapides. Ce modèle dessine une organisation plus prévisible, plus sobre en stocks et plus créatrice de valeur, où la décision tarifaire cesse d’être une contrainte opérationnelle pour devenir un véritable avantage concurrentiel.
