Leonidas affiche un chiffre d’affaires record mais des bénéfices sous pression. Voici comment l’IA peut aider chocolatiers et agroalimentaire à protéger leurs marges.
Leonidas, cacao et IA : protéger les marges quand tout augmente
Les chiffres sont clairs : en 2024-2025, Leonidas affiche un chiffre d’affaires record de 131 millions d’euros, en hausse de 8 %, pour une quatrième année consécutive de croissance. Pourtant, l’EBITDA recule de 6 % pour se fixer à 20 millions d’euros. Le prix du cacao explose, un déménagement stratégique de Bruxelles à Nivelles pèse sur les coûts, et les marges se tendent.
La réalité ? Beaucoup d’industriels agroalimentaires belges et français vivent exactement le même scénario. Volume et chiffre d’affaires résistent, mais la rentabilité se fait grignoter par la volatilité des matières premières, l’énergie, la logistique et les investissements industriels.
Dans cette série sur l’intelligence artificielle dans l’industrie agroalimentaire, l’exemple Leonidas est un cas d’école : comment continuer à croître, à l’export comme en travel retail, alors que chaque point de marge devient critique ? L’IA n’est pas un gadget marketing ici ; c’est un outil très concret pour reprendre la main sur les coûts, la demande et la production.
1. Ce que révèle vraiment le cas Leonidas
L’article de RetailDetail rappelle trois éléments clés :
- Chiffre d’affaires 2024-2025 : 131 M€, +8 %
- Quatrième année record consécutive
- EBITDA : 20 M€, en baisse de 6 %, malgré une activité solide
Leonidas opère aujourd’hui dans 40 pays, avec 1 200 magasins, principalement en franchise. L’essentiel de la croissance vient de l’export et du travel retail (aéroports, gares, zones touristiques), segments particulièrement sensibles aux variations de flux et de mix produits.
Ce que ces chiffres racontent surtout, c’est le choc des coûts variables :
- Prix du cacao : envolée historique depuis 2023
- Coûts de transition industrielle : déménagement de Bruxelles à Nivelles
- Inflation logistique et énergétique : stockage, transport, chaîne du froid
Un acteur comme Leonidas a déjà une organisation performante. Pourtant, la pression est là . C’est exactement le moment où l’IA industrielle devient intéressante : non pas pour faire plus de marketing, mais pour gratter des points de marge très concrets sur l’ensemble de la chaîne agroalimentaire.
2. Comment l’IA peut aider un chocolatier à sauver ses marges
Un chocolatier soumis à la volatilité du cacao et à des coûts fixes élevés a trois leviers principaux : acheter mieux, produire plus intelligemment, vendre plus précisément. L’IA peut intervenir sur les trois.
2.1. Anticiper le coût du cacao avec des modèles prédictifs
Le cacao est devenu l’exemple parfait d’une matière première volatile, climatique et géopolitique. Pour un industriel, subir les prix au jour le jour est une erreur stratégique.
L’IA permet :
- d’agréger des données météo, de rendement des plantations, de flux logistiques et de marchés à terme ;
- de prédire les tendances de prix à 3, 6, 12 mois ;
- de simuler plusieurs scénarios d’achats (hedging, contrats long terme, achats spot) et d’en mesurer l’impact sur la marge.
Concrètement, un module IA de prévision des prix matières peut répondre à des questions très opérationnelles :
« Si je sécurise 60 % de mes volumes cacao sur 9 mois maintenant, quel est mon risque de surcoût ou de manque à gagner selon les différents scénarios météo en Afrique de l’Ouest ? »
Pour Leonidas comme pour tout industriel agroalimentaire, ce type d’outil permet de passer d’une posture subie à une stratégie d’achat active et chiffrée.
2.2. Optimiser les recettes et le coût matière sans sacrifier la qualité
Le chocolat, c’est de l’émotion… mais aussi des coefficients de matières très précis. Une légère variation de grammage, de taux de cacao, de type de graisses ou de sucres peut faire gagner plusieurs centaines de milliers d’euros par an.
Avec l’IA :
- on peut simuler des variations de recettes (formulation assistée par IA) en intégrant les contraintes réglementaires, nutritionnelles et organoleptiques ;
- on peut identifier les ingrédients alternatifs ou les ajustements de dosage qui réduisent le coût matière sans dégrader la perception consommateur ;
- on peut tester virtuellement l’impact de ces changements sur la durée de vie produit, la texture, la stabilité en transport.
De nombreux groupes agroalimentaires utilisent déjà des jumeaux numériques de recettes : un modèle IA qui prédit, avant tout test en atelier, comment une nouvelle formulation va se comporter. Le gain est double : moins de tests physiques coûteux, et des marges mieux maîtrisées.
2.3. Production : IA, qualité constante et moins de déchets
Une usine de chocolat, c’est une succession d’étapes sensibles : tempérage, moulage, enrobage, refroidissement, emballage. Chacune peut générer des rebuts, des reworks, des pertes de temps.
L’IA peut intervenir à trois niveaux :
- Maintenance prédictive : détecter, via les données capteurs, qu’une ligne de conditionnement va dériver et provoquer des défauts d’emballage avant la panne ;
- Contrôle qualité automatisé : caméras + IA de vision pour repérer en temps réel les pralines mal formées, les bulles, les couleurs anormales, et ajuster les paramètres de production ;
- Optimisation des paramètres de process : modèles qui apprennent, lot après lot, quelles températures, vitesses, temps de refroidissement donnent le meilleur compromis qualité / consommation d’énergie / cadence.
Réduire les rebuts de seulement 1 à 2 % sur des volumes comme ceux de Leonidas représente des centaines de milliers d’euros. Pour un industriel sous pression sur ses bénéfices, c’est loin d’être anecdotique.
3. IA et retail chocolatier : mieux prévoir la demande, moins surproduire
Leonidas est présent dans 40 pays, avec 1 200 points de vente majoritairement franchisés. Le modèle est puissant, mais complexe à piloter : fêtes de fin d’année, Saint-Valentin, Fête des Mères, flux touristiques, saisons… Le risque de surstock ou de rupture est permanent.
3.1. Prévisions de vente fines par magasin et canal
Les réseaux de chocolatiers sont encore trop souvent pilotés avec :
- des moyennes historiques brutes,
- des budgets annuels figés,
- quelques corrections « au feeling » en fonction de la météo.
L’IA de prévision de la demande change totalement l’échelle :
- prévisions par point de vente (chaque boutique, chaque aéroport),
- intégration de la météo, des jours fériés, des événements locaux, du trafic touristique,
- prise en compte du mix produit (gammes cadeaux, vrac, éditions limitées).
RĂ©sultat :
- moins de produits invendus en fin de saison,
- moins de ruptures sur les références stars,
- un pilotage plus fin des fabrications et des expéditions.
Pour un chocolatier premium, réduire de 15 à 20 % les invendus saisonniers grâce à de meilleures prévisions est parfaitement réaliste avec des modèles IA bien entraînés.
3.2. Travel retail : terrain de jeu idéal pour l’IA
Le travel retail (aéroports, gares internationales, ferries) est mentionné comme un moteur de croissance de Leonidas. C’est aussi un segment où :
- les flux de passagers sont très volatils,
- les profils clients Ă©voluent selon les destinations et les jours,
- les contraintes logistiques sont fortes.
L’IA y a une valeur très concrète :
- prédire les ventes par vol/destination,
- adapter les assortiments par nationalité (goûts, niveaux de prix, formats cadeaux),
- optimiser les stocks en zone sous douane ou duty paid.
Couplée à des données anonymisées de trafic aéroportuaire, l’IA peut par exemple recommander :
« Sur le terminal X, entre le 20/12 et le 05/01, prévoir +30 % de coffrets cadeaux 500 g sur les vols long-courriers vers l’Asie, et réduire de 10 % les références à faible rotation. »
Pour un réseau comme celui de Leonidas, aligner production, logistique et travel retail sur ces signaux permet de gagner du chiffre sans exploser les stocks.
4. De l’exemple Leonidas à une stratégie IA pour tout l’agroalimentaire
Ce que vit Leonidas aujourd’hui, toute l’industrie agroalimentaire belge et française y est confrontée :
- matières premières instables (cacao, blé, lait, sucre, huiles végétales),
- coûts de main-d’œuvre en hausse,
- investissements industriels lourds (nouvelles usines, relocalisations),
- pression des distributeurs et des consommateurs sur les prix.
L’IA n’est pas réservée aux géants mondiaux. Elle devient un levier pragmatique pour :
- sécuriser la marge,
- réduire les gaspillages,
- améliorer la traçabilité et la qualité,
- piloter l’international plus finement.
4.1. Par oĂą commencer quand on est un industriel agroalimentaire ?
Sur les projets IA que j’ai vus fonctionner dans l’agro, trois principes reviennent :
-
Partir d’un problème économique clair
Pas d’IA parce que « tout le monde en parle ». Un problème chiffré : marge en baisse, taux de rebuts, prévisions de ventes erratiques, coûts matières. -
Travailler sur un périmètre restreint au début
Une catégorie produit, une usine, un pays. L’objectif est de prouver la valeur en 3 à 6 mois, puis d’étendre. -
Faire collaborer métiers + data
Les équipes production, qualité, achats, supply chain connaissent les irritants. Les data teams savent les modéliser. Quand les deux se parlent vraiment, les gains deviennent très concrets.
4.2. Quelques cas d’usage IA prioritaires pour le food
Pour rester dans la logique de cette série « Intelligence artificielle dans l’industrie agroalimentaire », voici des cas d’usage à fort ROI, totalement transposables à un acteur comme Leonidas :
- Prévision des matières premières : cacao, lait, sucre, huiles ;
- Planification de production intelligente : aligner les plans de fabrication sur la demande prédite par marché / canal ;
- Contrôle qualité visuel automatisé : réduire les contrôles manuels et les défauts sortants ;
- Optimisation des recettes : formulation IA pour jouer sur les coûts sans dégrader le goût ;
- Prévisions de vente par point de vente : réseaux de boutiques, GMS, e-commerce, travel retail ;
- Analyse de la satisfaction client (avis, réseaux sociaux) pour piloter innovations et arrêts de gamme.
5. Pour les industriels du chocolat (et au-delĂ ) : et maintenant ?
L’année record de Leonidas montre qu’il est possible de croître même dans un contexte de matières premières explosives. La baisse de l’EBITDA rappelle cependant une vérité simple : sans transformation profonde des outils de pilotage industriel, la croissance seule ne suffira plus à protéger les marges.
Pour les acteurs du chocolat, de la confiserie, des produits de saison, l’IA appliquée à l’agroalimentaire devient un différenciateur stratégique :
- ceux qui l’utilisent pour anticiper leurs coûts, ajuster leurs recettes, optimiser leur production et leurs stocks garderont de la flexibilité ;
- ceux qui restent sur des modèles historiques subiront davantage chaque choc de marché.
La question n’est plus « faut-il faire de l’IA ? », mais plutôt :
« Quel problème économique prioritaire de mon usine ou de mon réseau retail mérite un projet IA dans les 6 prochains mois ? »
Si l’exemple Leonidas vous parle, c’est probablement que votre entreprise est à ce tournant. La prochaine étape consiste à choisir un premier cas d’usage ciblé, mesurable et connecté à vos enjeux de marge. C’est là que l’IA, loin du buzz, commence réellement à faire la différence.