Présentation du projet
Le projet
Transport Mauran traite plus de 150 demandes de devis par jour. Le chiffrage dépendait fortement du savoir-faire du dirigeant, difficile à déléguer et peu exploitable pour analyser la rentabilité par opération, client ou zone.
StackEasy a testé une première piste de machine learning sur environ 1 500 devis historiques par entité. Le modèle restait à environ 22 % d’erreur sur le prix final, car les dimensions, le volume, le poids et la valeur manquaient. StackEasy a recommandé d’arrêter cette voie et de formaliser les règles dans un calculateur interne relié à Pennylane.
Les enjeux
- Plus de 150 demandes de devis traitées manuellement chaque jour : Chaque devis mobilisait le dirigeant sans process formalisé, ce qui ralentissait les réponses commerciales et limitait la capacité de l'entreprise à absorber sa croissance.
- Savoir-faire de chiffrage concentré sur le dirigeant et difficile à déléguer : Les règles de tarification n'étaient pas documentées, rendant impossible la délégation du chiffrage à d'autres collaborateurs sans risque d'erreur sur le prix final.
- Données historiques incomplètes sur les dimensions, le poids, le volume : Les 1 500 devis historiques analysés par entité manquaient des variables clés (dimensions, poids, volume, valeur), ce qui limitait fortement la fiabilité d'une prédiction automatique du prix.
- Faible visibilité sur la rentabilité par opération, client ou zone : Sans structuration des données de chiffrage, Transport Mauran ne pouvait pas identifier les opérations, clients ou zones les plus rentables ni ajuster sa politique tarifaire en conséquence.





