Une quantité de stock incorrecte n’apparaît pas toujours comme une erreur technique. Shopify, un ERP, un logisticien et une application de bundles peuvent tous fonctionner normalement tout en appliquant des règles différentes au même article.

Le marchand découvre alors l’écart au pire moment : lorsqu’une commande ne peut plus être préparée ou qu’un produit disponible physiquement apparaît épuisé en ligne.

Reconstituer qui modifie le stock

Avant de chercher une anomalie, listez chaque système capable d’écrire une quantité :

  • Shopify et ses commandes ;
  • l’ERP ;
  • le système de l’entrepôt ou du logisticien ;
  • les applications de bundles ;
  • les retours et remboursements ;
  • les imports CSV ;
  • les corrections manuelles ;
  • les connecteurs de marketplaces.

Pour chaque source, indiquez les événements qui déclenchent une modification et la localisation concernée. Deux applications peuvent par exemple décrémenter le stock à des moments différents : à la commande pour l’une, à l’expédition pour l’autre.

Observer les mouvements, pas seulement la quantité finale

Comparer deux exports permet de constater un écart, mais pas de l’expliquer. La surveillance doit conserver une chronologie des variations :

  • SKU et variante ;
  • ancienne et nouvelle quantité ;
  • localisation ;
  • date et heure ;
  • origine du mouvement ;
  • commande, retour ou opération associée ;
  • utilisateur ou application responsable lorsque l’information existe.

Cette chronologie transforme « le stock est faux » en une question plus précise : quel événement a créé cette variation et pourquoi n’a-t-elle pas été compensée ?

Définir ce qui paraît anormal

Une anomalie n’est pas forcément une quantité négative. Elle peut être un mouvement valide pris isolément, mais incohérent avec le contexte.

Les règles de surveillance peuvent signaler :

  1. une variation importante sans commande ni réception associée ;
  2. plusieurs écritures opposées en quelques minutes ;
  3. une correction manuelle répétée sur le même SKU ;
  4. un stock disponible alors qu’un composant de bundle est épuisé ;
  5. des quantités divergentes entre deux localisations ou systèmes ;
  6. une application qui modifie des variantes qu’elle ne devrait pas gérer ;
  7. un article revenu en stock sans événement de retour.

Le but n’est pas de bloquer chaque mouvement inhabituel. Il est de présenter suffisamment de contexte pour qu’une personne décide rapidement s’il faut intervenir.

Traiter correctement les bundles

Les bundles rendent la quantité visible plus difficile à interpréter. Un coffret peut partager un composant avec plusieurs autres produits. La vente d’une unité doit alors affecter toutes les disponibilités calculées à partir de ce composant.

Pour surveiller ce scénario, documentez :

  • la composition de chaque bundle ;
  • la quantité de composant consommée ;
  • la source qui calcule la disponibilité ;
  • le moment où la décrémentation intervient ;
  • le comportement lors d’un remboursement ou d’une annulation.

Une règle incomplète peut créer une survente même si chaque SKU simple paraît correct.

Commencer en lecture seule

Corriger automatiquement un stock mal compris peut amplifier l’erreur. Une première étape plus sûre consiste à observer, journaliser et alerter sans modifier les quantités.

L’équipe peut alors :

  • vérifier les alertes ;
  • identifier les faux positifs ;
  • compléter les règles ;
  • mesurer la fréquence des anomalies ;
  • décider ensuite quelles corrections peuvent être automatisées.

Ce fonctionnement conserve le contrôle humain pendant que le modèle de stock est encore affiné.

Mesurer ce que la surveillance améliore

Suivez quelques indicateurs simples :

  • nombre d’alertes par semaine ;
  • part des alertes réellement utiles ;
  • délai entre le mouvement anormal et sa détection ;
  • nombre de corrections manuelles répétées ;
  • commandes affectées par une quantité incorrecte ;
  • SKU ou applications à l’origine du plus grand nombre d’écarts.

Une bonne surveillance réduit d’abord le délai de compréhension. Elle ne peut pas garantir qu’aucune survente ne se produira, notamment lorsque les systèmes externes transmettent les informations avec retard.

StockGuard Shopify fonctionne en lecture seule pour journaliser les variations, appliquer vos règles et présenter les mouvements suspects avec leur contexte avant toute correction.