Merchandising et allocation
ISCO-08 2431, 3323Merchandiser, Allocataire, Planificateur merchandising, Gestionnaire de réassort, Responsable assortiment
Effectif nécessaire, en ETP
Compétences IA cibles
niveau 1 à 4Compétences métier
Se renforcent
- Corriger les prévisions par la connaissance terrain
- Stratégie d'assortiment par cluster de magasins
- Dialogue avec les boutiques sur la demande locale
- Gestion des produits rares et contingentés
Se déprécient
- Construction des grilles d'allocation sous Excel
- Analyse manuelle des taux d'écoulement
- Calcul des quantités de réassort
- Mise en forme des revues hebdomadaires
Les transformations attendues
L'allocation initiale, les propositions de réassort, l'analyse des écoulements et les revues hebdomadaires sont les tâches que l'IA absorbe en premier. Les moteurs de prévision calculent déjà les quantités par boutique et par taille ; les assistants rédigent le commentaire des ventes et proposent des transferts. L'allocataire qui construisait sa grille le lundi la validera.
Le métier se déplace vers les exceptions : lancements, éditions limitées, produits contingentés, boutiques à clientèle atypique. Un bon merchandiser saura quand corriger le modèle et le justifier, connaîtra la clientèle de chaque boutique et pilotera un réassort automatisé au lieu de le calculer.
- 2026-2027
- Les assistants commentent les ventes ; les moteurs de prévision proposent les allocations.
- 2028-2030
- Réassort largement automatisé ; les équipes traitent exceptions et lancements.
- 2031+
- Moins d'allocataires, plus de stratèges assortiment au contact des boutiques.
Les postes d'allocataire junior, porte d'entrée habituelle, sont les premiers à fondre. Sans eux, il sera difficile de former des merchandisers capables de voir quand le modèle se trompe. Voir l'effet démographique ci-dessous.
Et si vous recrutiez moins de juniors ?
Les seniors de 2036 sont les juniors que vous recrutez aujourd'hui.
Paramètres avancés modifié
2026 2036
The AI Cookbook 2026
Le guide d'albert pour dépasser le bruit autour de l'IA générative et en faire des décisions sur les effectifs.
- Ce que l'IA change vraiment dans les métiers et les compétences
- Pourquoi la filière junior compte plus que la plupart des entreprises ne le pensent
- Comment intégrer l'IA dans la planification des effectifs

Faites tourner ces scénarios sur vos vrais effectifs
Diagnostic Impact IA : 6 à 8 semaines, vos données dans albert, trois scénarios chiffrés et la pyramide projetée pour chaque famille de métiers.
Comment les chiffres sont construits
Chaque chiffre d'effectif combine quatre hypothèses. Trois sont pré-remplies à partir de la recherche publique et des valeurs de la famille. Le plafond stratégique, c'est vous qui le fixez.
Pyramide d'expérience
Un modèle de flux à trois niveaux d'expérience dans le métier. Les taux de promotion et de départ sont calés pour que la pyramide actuelle reste stable sans changement de recrutement : l'écart affiché vient uniquement de la baisse du recrutement junior.
Sources
- International Labour OrganizationGenerative AI and jobs: a refined global index of occupational exposure (2025)
- ILO datasetTask-level GenAI exposure scores by ISCO-08 occupation
- AnthropicAnthropic Economic Index (June 2026 release, April and May 2026 usage data)
- Stanford Digital Economy LabCanaries in the Coal Mine? Six facts about the recent employment effects of AI