Agents de gestion d'inventaire IA avec OpenClaw

L'inventaire se situe à l'intersection de toutes les principales fonctions de l'entreprise : finance (fonds de roulement immobilisé en stock), opérations (rapidité et précision d'exécution), ventes (disponibilité à vendre) et achats (relations avec les fournisseurs et délais de livraison). Si vous le gérez mal dans un sens, vous risquez des ruptures de stock qui font perdre des ventes et nuisent aux relations clients. Si vous le gérez mal dans l’autre, vous aurez un stock excédentaire qui immobilise de l’argent, occupe de l’espace dans l’entrepôt et peut expirer ou devenir obsolète avant d’être vendu.

La gestion traditionnelle des stocks repose sur des paramètres statiques : points de réapprovisionnement fixes, niveaux de stock de sécurité fixes et cycles de révision manuelle. Ces paramètres sont définis une seule fois et sont rarement revus, jusqu'à ce qu'une rupture de stock ou un événement de surstock attire l'attention. Les agents OpenClaw AI remplacent les paramètres statiques par des informations d'inventaire dynamiques et s'adaptant en permanence qui répondent en temps réel à l'évolution des modèles de demande, aux changements de fiabilité des fournisseurs et aux signaux du marché.

Points clés à retenir

• Les agents de prévision de la demande OpenClaw utilisent des modèles de séries chronologiques sur votre historique de ventes, enrichis de signaux externes (saisonnalité, promotions, tendances du marché) pour une plus grande précision.
• Les paramètres du point de réapprovisionnement et du stock de sécurité sont recalculés automatiquement à mesure que les modèles de demande évoluent : plus besoin de mises à jour manuelles des paramètres.
• L'agent de coordination des fournisseurs automatise la distribution des demandes de devis, la création de bons de commande, le suivi des livraisons et la coordination des inspections qualité.
• L'équilibrage des stocks multi-sites identifie les stocks à rotation lente sur un site qui peuvent être transférés vers des sites à forte demande avant de passer une nouvelle commande.
• La gestion des expirations et de l'obsolescence identifie de manière proactive les stocks à risque et déclenche des actions de démarque ou de redistribution.
• Les agents s'intègrent aux systèmes Odoo, SAP, NetSuite, Fishbowl et ERP/WMS personnalisés via la couche d'outils OpenClaw.
• Chaque décision d'un agent comprend sa chaîne de raisonnement : les paramètres, les signaux et les calculs sont entièrement transparents et vérifiables.
• ECOSIRE construit des systèmes de gestion des stocks OpenClaw pour les fabricants, les distributeurs et les détaillants multisites.

---

Architecture de gestion des stocks

La pile d'inventaire OpenClaw compte cinq agents spécialisés :

[ Sales History + External Data ]
              ↓
[ Demand Forecasting Agent ]   — forecast per SKU per location per week
              ↓
[ Parameter Optimization Agent ] — calculate optimal reorder points and safety stock
              ↓
[ Replenishment Agent ]        — trigger POs, transfers, or production orders
              ↓
[ Supplier Coordination Agent ] — RFQ, PO, delivery tracking, receipt coordination
              ↓
[ Exception Agent ]            — stockout risk alerts, overstock alerts, expiry alerts

Tous les agents partagent un magasin de données d'inventaire en temps réel qui reçoit les mises à jour de l'ERP/WMS via un webhook. Les décisions des agents sont renvoyées dans l'ERP sous forme de recommandations (examinées par des humains) ou d'actions (exécutées de manière autonome, en fonction de la configuration de votre politique).

---

Agent de prévision de la demande : prédire ce dont vous aurez besoin

Une prévision précise de la demande est la base de tout le reste de la gestion des stocks. Une prévision erronée de 30 % produira des points de commande erronés de 30 %, un stock de sécurité erroné de 30 % et des bons de commande pour des quantités erronées.

L'agent de prévision d'OpenClaw utilise une hiérarchie de modèles. Le modèle choisi pour chaque SKU dépend de la durée et de la stabilité de son historique de demande :

Lissage exponentiel (ETS) : pour les SKU ayant au moins 12 mois d'historique et une demande relativement stable. Le modèle capture les composants de niveau, de tendance et de saisonnalité.

SARIMA : pour les SKU présentant de fortes tendances saisonnières et un historique suffisant (2 ans et plus). Gère mieux les cycles saisonniers complexes que ETS.

Machine Learning (gradient boosting) : pour les SKU influencés par des signaux externes (promotions, météo, indicateurs économiques). Prend des entrées de fonctionnalités au-delà de la série chronologique elle-même.

Moyenne mobile : pour les nouveaux SKU avec moins de 3 mois d'historique. Base de référence simple et à faible biais jusqu'à ce qu'il existe suffisamment d'historique pour des modèles plus sophistiqués.

export const ForecastDemand = defineSkill({
  name: "forecast-demand",
  tools: ["erp", "analytics", "external-data"],
  async run({ input, tools }) {
    const salesHistory = await tools.erp.getSalesHistory({
      productId: input.productId,
      locationId: input.locationId,
      weeks: 104, // 2 years of weekly data
    });

    const externalSignals = await tools.externalData.getSignals({
      productCategory: input.category,
      signals: ["seasonality-index", "market-trend", "promotion-calendar"],
    });

    // Model selection
    const model = selectForecastModel(salesHistory.length, externalSignals.hasPromoCalendar);

    const forecast = await analytics.forecast({
      model,
      history: salesHistory,
      signals: externalSignals,
      horizonWeeks: 13,
      confidenceIntervals: [0.80, 0.95],
    });

    return {
      productId: input.productId,
      locationId: input.locationId,
      forecastWeeks: forecast.weeks,
      // Returns point estimate + confidence intervals per week
    };
  },
});

Surveillance des erreurs de prévision : l'agent suit les prévisions par rapport aux prévisions pour chaque SKU chaque semaine et calcule le MAPE (Mean Absolute Percentage Error). Les SKU pour lesquels le modèle est constamment sous-performant (MAPE > 25 %) sont signalés pour un examen manuel ou un recyclage du modèle avec des fonctionnalités mises à jour.

---

Agent d'optimisation des paramètres : stock de sécurité dynamique et points de réapprovisionnement

Avec des prévisions précises en main, l'agent d'optimisation des paramètres calcule le stock de sécurité statistiquement optimal et le point de réapprovisionnement pour chaque SKU à chaque emplacement.

Formule de stock de sécurité : L'agent utilise la formule de stock de sécurité statistique calibrée en fonction de votre niveau de service cible :

Safety Stock = z × σ_LT × √(L + R)

Où :

• z = score z pour le niveau de service cible (par exemple, 1,65 pour 95 %, 2,33 pour 99 %)
• σ_LT = écart type de la demande pendant le délai de livraison
• L = délai fournisseur en semaines
• R = période de révision en semaines

L'objectif de niveau de service est configurable par catégorie de produits. Les produits à faible rotation et à faible marge pourraient en utiliser 90 % ; Les produits à évolution rapide et à forte marge ou les articles avec de longs délais de livraison peuvent en utiliser 99 %.

export const OptimizeParameters = defineSkill({
  name: "optimize-inventory-parameters",
  tools: ["erp", "analytics"],
  async run({ input, tools }) {
    const [forecast, supplierData, currentParams] = await Promise.all([
      tools.analytics.getForecast({ productId: input.productId, locationId: input.locationId }),
      tools.erp.getSupplierLeadTime(input.productId),
      tools.erp.getCurrentInventoryParams(input.productId, input.locationId),
    ]);

    const serviceLevel = getServiceLevelTarget(input.productCategory);
    const z = getZScore(serviceLevel);

    // Calculate demand variability during lead time
    const demandDuringLeadTime = forecast.weeks.slice(0, supplierData.leadTimeWeeks);
    const meanDemand = mean(demandDuringLeadTime.map(w => w.pointEstimate));
    const stdDevDemand = stdDev(demandDuringLeadTime.map(w => w.pointEstimate));

    const safetyStock = Math.ceil(z * stdDevDemand * Math.sqrt(supplierData.leadTimeWeeks + 1));
    const avgWeeklyDemand = mean(forecast.weeks.map(w => w.pointEstimate));
    const reorderPoint = Math.ceil(avgWeeklyDemand * supplierData.leadTimeWeeks + safetyStock);
    const economicOrderQty = calculateEOQ(avgWeeklyDemand, input.orderingCost, input.holdingCostRate, input.unitCost);

    const recommendation = {
      safetyStock,
      reorderPoint,
      economicOrderQty,
      currentSafetyStock: currentParams.safetyStock,
      currentReorderPoint: currentParams.reorderPoint,
      changeSignificant: Math.abs(reorderPoint - currentParams.reorderPoint) / currentParams.reorderPoint > 0.15,
    };

    if (recommendation.changeSignificant) {
      // Significant change — flag for human review before applying
      await flagForReview(recommendation, input);
    } else {
      // Minor adjustment — apply automatically
      await tools.erp.updateInventoryParams(input.productId, input.locationId, { safetyStock, reorderPoint });
    }

    return recommendation;
  },
});

Politique de modification des paramètres : les modifications importantes des paramètres (ajustement de plus de 15 % au point de commande ou au stock de sécurité) sont signalées pour examen humain plutôt que appliquées automatiquement. De petits ajustements sont appliqués sans interruption. Cela empêche le système d’effectuer des changements radicaux basés sur des pics de demande à court terme que le modèle de prévision n’a pas encore appris à filtrer.

---

Agent de réapprovisionnement : déclencher la bonne action au bon moment

Lorsque le stock tombe au niveau ou en dessous du point de réapprovisionnement, l'agent de réapprovisionnement détermine l'action appropriée : il ne s'agit pas toujours d'un bon de commande.

Arbre de décision pour le réapprovisionnement :

1. Le stock est-il disponible dans un autre site détenu ? Si oui et que le coût de transfert est inférieur au coût de commande, lancez un transfert inter-sites.
2. Existe-t-il un bon de commande ouvert pour ce produit ? Si oui et que la réception attendue couvre le besoin, mettez à jour la quantité du bon de commande si nécessaire plutôt que de créer un duplicata.
3. Un bon de commande est-il approprié ? Créez un bon de commande avec la quantité économique de commande ajustée en fonction des exigences minimales de commande.
4. S'agit-il d'un produit fabriqué sur stock ? Créez un ordre de fabrication plutôt qu'un bon de commande.

export const TriggerReplenishment = defineSkill({
  name: "trigger-replenishment",
  tools: ["erp", "warehouse"],
  async run({ input, tools }) {
    const neededQty = input.reorderPoint + input.economicOrderQty - input.currentStock;

    // Check inter-location transfers
    const otherLocations = await tools.erp.getStockByLocation(input.productId, {
      excludeLocation: input.locationId,
      minAvailable: neededQty,
    });

    if (otherLocations.length > 0) {
      const source = otherLocations.sort((a, b) => b.available - a.available)[0];
      const transferCost = await estimateTransferCost(source.locationId, input.locationId, neededQty);
      const orderCost = await estimateOrderCost(input.productId, neededQty);

      if (transferCost < orderCost * 0.7) {
        await tools.erp.createInternalTransfer({
          productId: input.productId,
          fromLocationId: source.locationId,
          toLocationId: input.locationId,
          qty: neededQty,
        });
        return { action: "TRANSFER_CREATED", sourceLocation: source.locationId };
      }
    }

    // Create purchase order
    const bestVendor = await selectBestVendor(tools.erp, input.productId, neededQty);
    const po = await tools.erp.createPurchaseOrder({
      productId: input.productId,
      vendorId: bestVendor.id,
      qty: Math.max(neededQty, bestVendor.minimumOrderQty),
      price: bestVendor.price,
      expectedDelivery: addDays(new Date(), bestVendor.leadTimeDays),
    });

    return { action: "PO_CREATED", poId: po.id, qty: neededQty, vendor: bestVendor.name };
  },
});

---

Équilibrage des stocks multi-emplacements

Pour les entreprises disposant de plusieurs entrepôts ou points de vente au détail, les déséquilibres de stock sont courants : l'emplacement A dispose de 200 unités du produit X qui ramassent la poussière tandis que l'emplacement B est en rupture de stock et passe une commande d'achat. L'Agent d'Équilibrage identifie ces opportunités chaque semaine.

L'algorithme d'équilibrage :

1. Calculez les semaines d'approvisionnement projetées à chaque emplacement en fonction des prévisions de la demande locale.
2. Identifiez les emplacements avec plus de 8 semaines d'approvisionnement (en surstock pour leur demande).
3. Identifiez les emplacements avec moins de 3 semaines d'approvisionnement (sous-stocké).
4. Calculez les quantités de transfert qui amènent tous les emplacements aux semaines d'approvisionnement cibles.
5. Vérifiez si le coût de transfert est inférieur au coût de passation d'un nouveau bon de commande pour l'emplacement de réception.
6. Créez des ordres de transfert pour les transferts économiquement justifiés.

---

Gestion des expirations et des obsolescences

Les produits périssables et les produits électroniques ayant un cycle de vie court nécessitent une gestion active des dates d’expiration. L'agent d'expiration surveille les stocks à risque et déclenche des interventions en temps opportun.

Pour les produits périssables :

• A 60 jours avant l'échéance : flag pour prélèvement prioritaire (FEFO – first expired, first out).
• 30 jours avant l'expiration : informer l'équipe commerciale du stock disponible pour bénéficier des tarifs promotionnels.
• 14 jours avant l'expiration : créer une recommandation de prix de démarque ou une autorisation de don/élimination.

Pour les produits à rotation lente :

• Calculer la vélocité des stocks (unités vendues par mois) et les mois d'approvisionnement en cours.
• Les produits avec plus de 12 mois d'approvisionnement et une tendance à la baisse de la vitesse sont signalés comme excédentaires.
• L'agent génère une liste de SKU excédentaires avec les actions recommandées : démarque, retour au fournisseur (si un accord de retour existe) ou liquidation.

---

Surveillance des performances des fournisseurs

L'agent de coordination des fournisseurs suit les performances des fournisseurs sur trois dimensions : le taux de livraison à temps, la précision de la quantité (quantité livrée par rapport à la quantité commandée) et le taux d'acceptation de la qualité. Ces mesures alimentent les décisions de sélection des fournisseurs lors de la création de nouveaux bons de commande.

export const UpdateSupplierPerformance = defineSkill({
  name: "update-supplier-performance",
  tools: ["erp"],
  async run({ input, tools }) {
    const receipt = await tools.erp.getPurchaseReceipt(input.receiptId);
    const po = await tools.erp.getPurchaseOrder(receipt.poId);

    const onTime = receipt.receivedDate <= po.expectedDelivery;
    const qtyAccuracy = receipt.receivedQty / po.orderedQty;
    const qualityAcceptanceRate = receipt.acceptedQty / receipt.receivedQty;

    await tools.erp.updateSupplierScore(po.vendorId, {
      deliveryId: receipt.id,
      onTime,
      qtyAccuracy,
      qualityAcceptanceRate,
      leadTimeActual: daysBetween(po.createdDate, receipt.receivedDate),
    });

    return { vendorId: po.vendorId, onTime, qtyAccuracy, qualityAcceptanceRate };
  },
});

Les scores des fournisseurs sont mis à jour à chaque livraison et influencent la sélection des fournisseurs dans l'agent de réapprovisionnement. Un fournisseur dont les délais de livraison sont constamment médiocres est sous-pondéré dans l'algorithme de sélection, orientant les futurs bons de commande vers des alternatives plus fiables.

---

Questions fréquemment posées

Combien de temps faut-il au modèle de prévision de la demande pour devenir précis pour les nouveaux SKU ?

Les nouveaux SKU sans historique de ventes commencent par un modèle de moyenne mobile qui nécessite au moins 4 semaines de données. Après 12 semaines, l'agent passe en lissage exponentiel. Après 52 semaines, les tendances saisonnières peuvent être intégrées. Au cours des 12 premières semaines, le stock de sécurité est défini de manière prudente (en utilisant comme indicateur la variabilité moyenne du secteur pour la catégorie de produits) afin de se protéger contre les ruptures de stock pendant le calibrage du modèle. La précision des prévisions atteint généralement la plage cible (MAPE inférieure à 15 % pour les produits stables) dans un délai de 16 à 24 semaines.

Comment le système gère-t-il les produits dont la demande est irrégulière (ventes intermittentes et irrégulières) ?

La demande groupée (fréquente pour les pièces de rechange, les produits B2B, les articles spécialisés saisonniers) ne convient pas aux prévisions chronologiques standard. Pour les SKU identifiés comme ayant une demande groupée (intervalle inter-demande supérieur à 1,3 selon la méthode de Croston), l'agent passe à la méthode de Croston ou à l'approximation Syntetos-Boylan, conçues pour une demande intermittente. Les calculs du stock de sécurité pour les produits à demande groupée utilisent des intervalles de confiance plus larges pour tenir compte de la plus grande variabilité.

Le système peut-il s'intégrer au WMS d'un 3PL ?

Oui. Les agents de coordination et de réapprovisionnement des fournisseurs communiquent avec les 3PL via leurs API publiées (la plupart des principaux 3PL proposent des API REST) ​​ou via EDI si le 3PL ne dispose pas d'API moderne. Pour les 3PL sans accès à l'API, l'agent peut traiter automatiquement les fichiers ASN (Advance Shipping Notice) et les fichiers de rapport d'inventaire envoyés par courrier électronique à l'aide du pipeline de traitement des documents.

Comment le système gère-t-il les produits pour lesquels la demande est motivée par des promotions ou des événements ponctuels ?

Les événements promotionnels sont enregistrés dans la source de données des signaux externes. Avant une promotion connue, l'agent ajuste la prévision à la hausse en utilisant le taux d'impact historique pour des promotions similaires (si disponible) ou un multiplicateur d'impact configurable. Après la promotion, l'agent détecte la baisse de la demande post-promotion et ajuste le réapprovisionnement en conséquence pour éviter une augmentation excessive de la demande post-promotion. Pour les événements ponctuels sans données historiques, l'agent marque les SKU pertinents pour un ajustement manuel des prévisions pendant la période de planification de l'événement.

Que se passe-t-il si l'ERP est hors ligne lorsqu'une action de réapprovisionnement doit être effectuée ?

L'agent de réapprovisionnement met les tâches de réapprovisionnement en file d'attente dans une file d'attente de messages durable. Lorsque la connexion ERP est restaurée, l'agent traite les tâches en file d'attente dans l'ordre. Pour le réapprovisionnement urgent (un produit en stock nul avec une commande client hautement prioritaire en attente), l'agent envoie également une alerte à l'équipe d'approvisionnement afin qu'un bon de commande manuel puisse être passé pendant que la connexion au système est rétablie.

---

Prochaines étapes

La gestion statique des stocks laisse de l’argent sur la table dans toutes les directions : stock de sécurité excédentaire pour les produits faciles à prévoir, couverture inadéquate pour les produits volatils. Les agents d'inventaire OpenClaw se recalibrent continuellement à la réalité, réduisant simultanément le risque de rupture de stock et les coûts de possession.

Les services de mise en œuvre OpenClaw d'ECOSIRE incluent une automatisation complète de la gestion des stocks : étalonnage des prévisions de la demande, configuration de l'optimisation des paramètres, configuration de la politique de réapprovisionnement et intégration ERP. Notre équipe opérationnelle combine une connaissance approfondie de la chaîne d'approvisionnement avec l'ingénierie OpenClaw pour créer des systèmes qui offrent une amélioration mesurable du fonds de roulement.

Contactez ECOSIRE pour discuter de vos enjeux de gestion des stocks et recevoir une proposition d'automatisation personnalisée.