Comment on a fait gagner 12h par semaine à un réseau de 20 magasins avec l'IA
Le client
LCT Investissements est un groupe qui gère un réseau de 20 magasins de distribution télécom (SFR) dans le sud-ouest de la France. 4 directeurs de zone supervisent les points de vente, avec un siège qui pilote la stratégie commerciale globale.
Le problème
Avant notre intervention, la gestion du réseau reposait sur un patchwork d'outils déconnectés. Les données de vente étaient compilées manuellement dans des fichiers Excel. Les rapports hebdomadaires prenaient une demi-journée à produire. Les alertes de sous-performance arrivaient trop tard — parfois des semaines après le décrochage.
Concrètement, le directeur commercial passait 12 heures par semaine uniquement à collecter, croiser et mettre en forme des données. Du temps perdu qui aurait dû être consacré à la stratégie et au terrain.
Notre diagnostic
En 30 minutes d'audit, on a identifié trois problèmes principaux. Premier point : les données étaient dispersées entre 4 sources différentes (CRM opérateur, logiciel de caisse, Excel interne, emails). Deuxième constat : aucun reporting n'était automatisé — tout était fait à la main, chaque semaine. Troisième observation : les alertes de performance n'existaient pas, on découvrait les problèmes au moment du bilan mensuel.
La solution déployée
On a construit un système en trois couches.
Couche 1 — Collecte automatique : un workflow n8n récupère chaque nuit les données de vente depuis les 4 sources, les nettoie, les normalise et les stocke dans une base Supabase PostgreSQL. Zéro intervention humaine.
Couche 2 — Dashboard temps réel : un tableau de bord centralise les KPIs par magasin, par zone et pour le réseau global. Chiffre d'affaires, nombre de ventes, panier moyen, objectifs vs réalisé — tout est mis à jour automatiquement. Chaque directeur de zone voit uniquement ses magasins.
Couche 3 — Alertes intelligentes : un agent IA analyse les données chaque matin et déclenche des alertes Slack quand un magasin décroche de plus de 15% par rapport à ses objectifs ou à sa moyenne. Le directeur de zone est prévenu en temps réel, pas en fin de mois.
Le calendrier
Semaine 1 : audit des sources de données et cadrage fonctionnel. Semaine 2 : mise en place des pipelines de collecte n8n et de la base Supabase. Semaine 3 : développement du dashboard et des vues par zone. Semaine 4 : déploiement des alertes IA et formation des équipes.
Total : 4 semaines du diagnostic à la mise en production.
Les résultats
12 heures par semaine économisées sur la production de rapports — le directeur commercial a récupéré plus d'un jour et demi par semaine. Les alertes de sous-performance sont détectées en 24 heures au lieu de 3 semaines. L'adoption a été de 100% dès le premier mois — les directeurs de zone consultent le dashboard chaque matin.
Le ROI a été atteint dès le deuxième mois d'utilisation.
La stack technique
n8n pour l'orchestration des workflows et la collecte de données. Supabase PostgreSQL pour le stockage et les requêtes temps réel. Un dashboard custom en Next.js pour la visualisation. Claude pour l'analyse des tendances et la génération d'alertes contextualisées. Slack pour la distribution des alertes.
Ce que ce projet illustre
Pas besoin de refondre toute votre organisation pour gagner en efficacité. Un système IA bien conçu se branche sur vos outils existants et transforme des heures de travail manuel en processus automatiques. Le tout en 4 semaines, avec un ROI mesurable dès le deuxième mois.
Vous gérez un réseau de points de vente, une équipe terrain ou des données dispersées ? On peut probablement vous faire gagner autant de temps. Diagnostic gratuit de 30 minutes pour en discuter.