Calculer sa marge avec ChatGPT ou avec Sqalie : la question des données

Ce que ChatGPT fait très bien

Demandez à ChatGPT comment calculer votre marge nette et vous obtiendrez une bonne réponse. Il posera la formule, distinguera marge commerciale, marge brute et marge nette, rappellera la différence entre taux de marge et taux de marque, et vous proposera un tableau propre. Si vous lui donnez trois hypothèses de prix d'achat, il simulera les trois.

Sur le raisonnement, il n'y a rien à redire. Le problème n'est pas là.

Le problème est celui de la source

Une IA généraliste travaille sur ce que vous lui donnez. Pour qu'elle calcule votre marge, il faut lui fournir vos commandes, vos prix d'achat, vos coûts de transport, vos commissions, vos frais de paiement. À la main, à chaque fois.

Et c'est là que la réponse se dégrade, silencieusement. Presque personne ne colle le coût d'achat exact au moment de chaque vente : on donne le prix d'achat actuel. Presque personne ne colle la facture du transporteur : on donne une moyenne par colis. Presque personne ne rattache les avoirs à leur commande d'origine.

Le calcul reste juste. Les données d'entrée, non. Et la réponse arrive avec la même assurance qu'un chiffre exact, ce qui est précisément le risque.

Ce qu'on ne peut pas coller dans une conversation

Admettons que vous soyez prêt à faire le travail. Que vous exportiez patiemment vos commandes, vos prix d'achat, vos factures de transport et vos dépenses publicitaires, et que vous colliez tout dans la conversation.

Vous ne pourrez toujours pas répondre à la plupart des questions qui comptent. Parce que celles-ci ne portent pas sur une colonne, elles portent sur un croisement.

« Ce produit, combien de fois a-t-il été vu avant d'être acheté, et par qui ? » suppose de relier le trafic au catalogue et aux clients. « Cette catégorie a perdu de la marge ce mois-ci, est-ce le mix produit, le transport ou une campagne ? » suppose de relier les ventes aux coûts et à la publicité. « Ce segment de clients, il me rapporte quoi sur douze mois ? » suppose de relier les commandes aux clients dans la durée, avoirs compris.

Aucun de ces croisements n'existe dans un export. PrestaShop vous donne des commandes, votre analytics vous donne des sessions, votre régie vous donne des dépenses. Trois fichiers qui ne se parlent pas, et dont le rapprochement est précisément le travail difficile.

L'enrichissement, c'est le produit

C'est le point que l'on sous-estime le plus souvent en comparant Sqalie à une IA généraliste. L'essentiel du travail de Sqalie n'est pas d'afficher, ni même de calculer : c'est d'enrichir la donnée brute de la boutique jusqu'à en faire un modèle unique où tout est relié.

Concrètement, chaque commande porte son coût d'achat figé au moment de la vente, son transport réellement facturé lu dans la facture du transporteur, ses commissions, ses frais de paiement, ses avoirs rattachés à la bonne période. Chaque visite est reliée aux produits consultés, aux mises au panier, à la commande qu'elle a déclenchée et à la marge nette de cette commande. Chaque client porte son historique et ce qu'il rapporte dans la durée. Chaque campagne porte sa dépense réelle et la marge des ventes qu'elle a produites.

Une fois ce modèle constitué, poser une question devient trivial. Tant qu'il ne l'est pas, aucune intelligence, artificielle ou non, ne peut répondre autrement qu'en devinant.

Refaire l'exercice tous les mois

Il y a une seconde limite, plus terre à terre. Une conversation n'est pas un suivi.

Vous pouvez obtenir une excellente analyse de votre marge produit un mardi soir. Le mois suivant, il faut recommencer : réexporter, recoller, reposer la question, et espérer avoir formulé les choses de la même façon pour que les deux résultats soient comparables. Personne ne tient ce rythme douze mois d'affilée.

L'autre façon de brancher l'IA

Sqalie prend le problème par l'autre bout : au lieu d'apporter les données à l'IA, il branche l'IA sur les données.

L'assistant est connecté à la boutique. Il connaît les commandes, le catalogue, les coûts, le trafic et les clients. Ses réponses partent déjà de la marge nette réelle, coût d'achat figé à la vente, transport réellement facturé, commissions et tarifs transporteurs compris. Vous posez la question comme vous l'écririez à quelqu'un de votre équipe, depuis un ordinateur ou un téléphone, et la réponse arrive en quelques secondes.

Surtout, il interroge le modèle croisé décrit plus haut, donc il répond à des questions qu'aucun copier-coller ne permettrait de poser : combien de fois un produit a été vu et mis au panier avant d'être acheté, si ses acheteurs sont de nouveaux visiteurs ou des clients existants, ce qu'un groupe de clients rapporte sur la durée, quelle catégorie a perdu de la marge ce mois-ci et si la cause est le mix produit, le transport ou une campagne. Les échanges sont sécurisés et les données des clients de la boutique sont anonymisées avant tout traitement.

Ce que l'IA ne remplace pas, dans les deux cas

Une précision utile : l'assistant de Sqalie ne fabrique pas la donnée non plus. Il répond bien parce que le calcul a été fait en amont, commande par commande, à partir des coûts réels. Une IA branchée sur des données incomplètes produirait les mêmes approximations qu'un prompt mal nourri.

C'est la vraie leçon de cette comparaison. La qualité d'une réponse sur votre rentabilité ne dépend presque jamais du modèle qui répond. Elle dépend de ce qu'il a sous les yeux.

Gardez les deux, pour ce que chacun sait faire

ChatGPT, Claude ou Gemini restent d'excellents outils pour comprendre un mécanisme, rédiger, préparer une négociation, explorer une piste. Ils sont mal placés pour le suivi chiffré récurrent, parce que celui-ci suppose un accès permanent à vos données.

Si votre question est « comment calcule-t-on une marge nette », une IA généraliste vous répondra très bien. Si votre question est « quelle est ma marge nette sur ce produit ce mois-ci », il faut qu'elle ait vos chiffres. Ce qui suppose de les avoir calculés d'abord, et c'est précisément le travail que fait Sqalie avant même qu'on lui pose la moindre question.