L'IA d'Afresh réduit de 25 % le gaspillage alimentaire dans les supermarchés américains

Chaque année, les supermarchés américains gaspillent environ 4 millions de tonnes de nourriture, principalement des produits frais. La difficulté à anticiper la demande en fruits, légumes ou viandes fraîches pousse les gérants à surstocker ou à sous-stocker, entraînant des pertes importantes.

Jusqu’à récemment, la gestion des stocks reposait sur des méthodes manuelles, souvent imprécises. Mais aujourd’hui, des outils d’intelligence artificielle (IA) comme ceux développés par la startup Afresh permettent de réduire ce gaspillage de 25 %.

La société a annoncé aujourd’hui une levée de fonds de 34 millions de dollars, co-dirigée par Just Climate et High Sage Ventures, afin d’accélérer son expansion.

Une solution née d’un constat alarmant

Il y a dix ans, les cofondateurs d’Afresh, Matt Schwartz et Nathan Fenner, alors étudiants en MBA à Stanford, ont identifié ce problème lors de visites dans des supermarchés. Ils ont observé que les responsables de rayons frais utilisaient encore des tableaux Excel imprimés pour estimer les stocks et passer des commandes.

Si certains magasins utilisaient des logiciels pour les produits emballés, les produits frais dépendaient encore de méthodes empiriques et de suppositions.

« C’était fondamentalement un processus à la main, avec stylo et papier », explique Schwartz.

Comment l’IA optimise la gestion des stocks

Schwartz et Fenner ont développé un outil capable d’estimer avec précision les quantités nécessaires en magasin. Un défi complexe : les produits frais perdent du poids en s’évaporant, les clients peuvent se tromper sur les étiquettes (bio ou non), et les invendus ne sont pas toujours comptabilisés correctement.

Le logiciel d’Afresh s’appuie sur des centaines de milliards de transactions pour analyser plusieurs facteurs :

• Les prix et promotions en cours
• L’origine des produits
• La périssabilité de chaque article
• Les données météorologiques
• Les fluctuations liées aux aides alimentaires (food stamps)

Grâce à des modèles d’apprentissage profond, l’IA prédit la demande et propose des quantités optimales à commander. Un algorithme d’optimisation ajuste ensuite ces recommandations en temps réel.

Des résultats concrets

Afresh commence généralement par tester son système dans 10 à 20 magasins d’une même enseigne, puis compare les performances avec un groupe témoin.

« Nous observons généralement une réduction de 20 à 25 % des pertes une fois le système déployé », précise Schwartz.

À ce jour, la solution est utilisée dans plus de 12 500 rayons frais aux États-Unis, notamment chez Safeway et Albertsons.

Des bénéfices au-delà de la réduction du gaspillage

Les supermarchés peuvent exploiter les données d’Afresh pour d’autres optimisations :

• Réajuster la taille des présentoirs pour éviter le gaspillage visuel
• Utiliser des faux produits (comme des fruits en plastique) pour donner une impression d’abondance avec moins de gaspillage réel
• Transformer les invendus en produits préparés (ex. : guacamole à partir d’avocats trop mûrs)
• Améliorer la logistique en amont : une meilleure gestion des commandes en magasin facilite l’approvisionnement des centres de distribution

« Quand les commandes en magasin sont optimisées, les centres de distribution peuvent acheter les bonnes quantités. Idéalement, si les DC commandent bien, les producteurs n’auront plus à surproduire », souligne Schwartz.

Avec cette levée de fonds, Afresh prévoit d’étendre son impact et de renforcer ses partenariats avec les grandes enseignes de distribution.