Chaque restaurant scolaire peut définir ses objectifs et les variables prises en compte dans la collecte de données. Les données recueillies sont ensuite analysées pour répondre aux enjeux de gaspillage alimentaire et donner des indications précises sur le nombre de repas, leur valeur nutritionnelle ou encore les préférences alimentaires des élèves. Les repas sont mis en perspective sur plusieurs semaines, et les résultats sont partagés à chaque agent de la production : responsables de commande, cantiniers etc.
Pourquoi utiliser la data dans la restauration scolaire ?
- Réduire le gaspillage alimentaire ;
- Simplifier la gestion des repas dans les restaurants scolaires ;
- Réduire les coûts pour les familles et l’école.
Réduire la facture pour les restaurants scolaires
Chaque année, une cantine gaspille environ 7 tonnes de nourriture. Ces frais sont mécaniquement répercutés sur les familles et l’établissement. Les causes de ce gaspillage sont multiples : assiettes non terminées, trop de repas prévus ou beaucoup d’absences.
Le principe de la data est de croiser des informations pour évaluer la quantité de repas à produire et le menu à choisir. Par exemple, si une grève nationale des transports est annoncée, l’appareil évalue le nombre d’élèves potentiellement absents pour adapter le nombre de repas à cuisiner. Puis, il revient à un calcul normal après la période de grève. Il fonctionne ainsi avec les épidémies, les jours fériés etc.
Quels sont les bénéfices potentiels attendus de l’utilisation de la data dans la restauration scolaire ?
- Pour les cantines, cela représente un gain de temps pour l’organisation en interne de la semaine des repas ;
- Pour les parents, cela évite de régler les sommes de repas qui n’ont pas été consommés par leurs enfants.
Une participation collective contre le gaspillage alimentaire
L’utilisation de la data pour prévoir les menus des cantines demande de renseigner le plus d’informations possible. Chacun peut s’impliquer : élèves, équipe de restauration ou de l’administration.
Ce travail collectif renforce la fiabilité des données, et permet d’affiner la conception des repas auprès des cuisines centrales.
Outre un gain de temps précieux, ces algorithmes de l’intelligence artificielle permettent une économie de moyens dans la chaîne de production des repas.
Les critères qualitatifs entrent aussi en compte, par le retour d’expérience des usagers tels que la quantité servie, le type de plat, et les aliments allergènes.
Comment déployer la data sur le réseau de votre restaurant scolaire ?
- Trouver un partenaire pour la mise en place d’un logiciel d’intelligence artificielle et de data ;
- Vérifier l’intégration de variables hebdomadaires, comme la présence des élèves, et celles plus exceptionnelles comme l’absence de transport ;
- Ajouter des données en continu pour affiner l’outil après son installation. Demander leur avis aux élèves ou à l’équipe pédagogique sont des moyens simples pour devenir plus efficaces.
Quelles sont les étapes de mise en œuvre ?
Étape 1 - Définir les données que l’application pourra récupérer. Le nombre d’élèves, la quantité de repas prévue par semaine ou bien les prochaines vacances scolaires sont des exemples de données à ajouter.
Étape 2 – Expliquer à chaque acteur comment s’utilise l’application pour que chacun puisse ajouter ses propres informations. Le personnel de restauration peut alors désigner quels aliments sont les plus servis.
Étape 3 - Récupérer les données et analyser les résultats. L’application permet ensuite de tirer des tendances dans le gaspillage alimentaire et de mieux définir les mesures à mettre en place.
Étape 4 - Mettre en place les mesures et appliquer les recommandations extraites de l’application. Il faut revoir les commandes annuelles auprès de fournisseurs pour éviter le surachat.
Étape 5 - Veiller à continuer à alimenter la data.
Comment mesurer la réussite de l’action ?
- Comparer le poids du gaspillage avant et après l’utilisation de la data ;
- Mesurer la diminution de l’écart entre commande et vente avec les fournisseurs ;
- Mesurer la fiabilité de la data en comparant le nombre d’élèves attendus pendant les périodes incertaines (grèves, intempéries) avec ceux réellement présents.
