Feuille de route IA retail : des données propres aux agents IA

Votre site web indique que le pull bleu marine en taille M est en stock. La cliente vient en voiture et le rayon est vide.

C'est dans cet écart que la plupart des projets d'IA dans le retail échouent. C'est pourquoi une feuille de route IA retail doit commencer par les données avant d'approcher un modèle.

Je la planifie en quatre étapes. D'abord, une vue fiable des produits, des stocks et des clients. Ensuite, une couche gouvernée qui donne à chaque rapport et à chaque outil d'IA le même langage métier.

Viennent ensuite des agents qui prévoient, réapprovisionnent, fixent les prix et servent les clients. Enfin, l'IA fait partie du travail quotidien du merchandising, de la supply chain et des magasins.

Le commerce de détail produit plus de données que presque tout autre secteur. Pourtant, les magasins, le e-commerce, l'entrepôt et la finance affichent souvent des stocks et des ventes différents pour la même journée.

Ce plan fonctionne quels que soient votre ERP, votre système d'encaissement, votre gestion des commandes et votre plateforme e-commerce. Pour deux programmes retail et FMCG que j'ai décrits, lisez mon étude de cas sur une migration retail au Moyen-Orient et le redressement du reporting d'un acteur FMCG.

Chaque étape suppose que la précédente soit dans un état correct.

Trois ans, quatre étapes

1. 01

   Maintenant : socle de données

   Données produits, stocks, ventes et clients des magasins et du site sur une seule plateforme gouvernée.

2. 02

   Année 1 : intelligence gouvernée

   Un langage métier unique pour les produits, les sites, les stocks et les clients, une gouvernance de l'IA et les premiers gains rapides.

3. 03

   Année 2 : agents IA à l'échelle

   Des agents pour la prévision, le réapprovisionnement, les prix, les opérations en magasin et le service client.

4. 04

   Année 3 : l'IA intégrée à grande échelle

   L'IA dans le merchandising, la supply chain et les magasins, avec les fournisseurs et les partenaires connectés.

Avant toute IA, il vous faut un endroit unique où toutes vos données retail arrivent et concordent. Cela veut dire relier des systèmes qui ont grandi séparément : l'ERP, les caisses, le e-commerce, la gestion des commandes, l'entrepôt, la fidélité et le portail fournisseurs.

Voici ce que je mettrais en place dans les premiers mois :

1. Une plateforme de données moderne, souvent un lakehouse, c'est-à-dire un entrepôt unique pour les données brutes et nettoyées. Elle reçoit les données de ventes, de stocks, de commandes, de retours et de fidélité de tous les canaux, au plus près du temps réel là où c'est important.
2. Des responsables et des règles de qualité pour les données produits, sites et clients, plus un catalogue qui montre d'où vient chaque chiffre. Les données de cartes restent hors de la plateforme, à l'intérieur de vos contrôles PCI DSS, la norme de sécurité du secteur des cartes de paiement.
3. Un reporting en libre-service, pour que les acheteurs, les planificateurs et les directeurs de magasin voient les mêmes chiffres de ventes et de stocks que la finance.

Le référentiel produits est en général la partie la plus difficile. C'est la fiche de chaque article que vous vendez, avec sa taille, son coloris, son conditionnement, son fournisseur et ses attributs.

Prenez une enseigne de mode avec 40 magasins et un site web. Le site liste une robe en « Navy » dans les tailles 8 à 16. Le système des magasins la connaît comme « NVY » en S, M et L, sous un autre code article issu d'un autre fichier d'achat.

Demandez à n'importe quel outil d'IA comment se vend cette robe, et il voit deux produits, chacun deux fois moins performant que le vrai. La solution est un travail ingrat. Quelqu'un fait la correspondance entre les codes, fixe une liste unique de coloris et une seule grille de tailles, et rend l'équipe achats responsable de chaque nouvel article dès le premier jour.

Imaginez maintenant un distributeur alimentaire qui vend de l'eau à la bouteille, en pack de six et en carton de 24. Les caisses comptent des bouteilles, l'entrepôt des cartons et le site des packs. Tant que ces conversions ne sont pas propres, le stock d'un même produit ne concordera jamais, et tout outil de réapprovisionnement construit par-dessus commandera la mauvaise quantité.

Alors, à quoi ressemble le travail terminé ? Quand le directeur des magasins et le directeur du e-commerce extraient les ventes d'hier pour le même magasin, ils obtiennent le même chiffre. Je passerais volontiers trois mois là-dessus pour éviter une année de disputes sur les raisons pour lesquelles la prévision est fausse.

1. 01Point de venteChaque panier et chaque retour, par magasin
2. 02E-commerce et commandesCommandes, clics et livraisons
3. 03Entrepôt et stocksStock par site et en transit
4. 04Zone d'atterrissageCopies brutes avec traçabilité
5. 05Un référentiel produits uniqueUn code, un coloris, un conditionnement
6. 06RapportsDes ventes et des stocks qui concordent avec la finance

Une vue unique des produits, des stocks et des clients sur tous les canaux

Le cœur de l'année un est une couche sémantique. C'est un dictionnaire partagé. Il indique à chaque rapport et à chaque outil d'IA ce que signifient produit, magasin, stock, promotion et client, et comment les calculer.

Un directeur commercial demande « la disponibilité dans les 50 premiers magasins ». La disponibilité veut-elle dire en rayon, en réserve ou dans le système ?

Les 50 premiers sont-ils classés selon les ventes de cette année ou de l'année dernière ? Si un copilote répond avec sa propre supposition, vous obtenez un chiffre assuré que personne ne peut défendre à la réunion commerciale du lundi. La couche sémantique tranche une fois pour toutes, et le copilote applique ensuite la même règle que le propre rapport du directeur commercial.

La gouvernance de l'IA démarre la même année. La personnalisation et la tarification utilisent des données clients : les règles de consentement et de protection des données fixent donc les limites.

Je tiendrais un registre unique des cas d'usage IA. Chacun reçoit un responsable, un niveau de risque, des résultats de tests et une note indiquant où une personne vérifie le résultat.

Soyez clair sur les décisions que les clients peuvent voir. Une description de produit présente peu de risque. Un prix qu'une personne paie, ou une offre qu'un client reçoit et qu'un autre ne reçoit pas, demande bien plus de soin.

Livrez ensuite des gains rapides. Je les aime parce que les données qui les alimentent sont en général dans un état raisonnable :

1. Fiches produits : descriptions, attributs et traductions rédigés à partir du référentiel produits et vérifiés par une personne.
2. Copilotes magasin : les équipes de magasin posent leurs questions sur les stocks, les livraisons, les promotions et les procédures en langage courant.
3. Synthèses pour le service client : l'historique des contacts et le statut des commandes réunis dans une courte note pour le conseiller.

Prenez une enseigne d'électronique qui ajoute quelques centaines de nouveaux articles par mois. Chacun a besoin d'une description, d'un tableau de caractéristiques et souvent d'une deuxième langue. Le copilote lit la fiche technique du fournisseur, rédige la page et signale les manques, comme un ordinateur portable sans autonomie de batterie indiquée.

Un merchandiser vérifie chaque affirmation et décide de ce qui est mis en ligne. La fiche du fournisseur reste la seule source des faits, et cette règle compte davantage que le modèle que vous choisissez.

Imaginez maintenant une directrice de magasin à 7 h un jeudi. Une promotion sur les céréales a commencé le lundi et le rayon est presque vide. Elle demande au copilote quand arrive sa prochaine livraison de céréales et combien de cartons elle contient.

Le copilote consulte le planning des livraisons et les commandes ouvertes. Il lui indique que 12 cartons arrivent demain à 6 h, ce qui ne tiendra pas le week-end au rythme de ventes de cette semaine. Elle décide d'appeler l'équipe régionale ou de sortir du stock de la réserve.

1. 01La directrice de magasin demandePourquoi le rayon céréales est-il encore vide le jeudi ?
2. 02Couche sémantiqueRègles de magasin, de produit, de promotion et de disponibilité
3. 03Données gouvernéesVentes, stocks, livraisons et promotions
4. 04Le copilote répondAvec la cause et la source de chaque chiffre
5. 05La directrice agitModifie la commande ou signale la promotion

La réponse que donnerait le directeur commercial

Valeur métierÉlevéeMoyenneFaible

• Tarification dynamique
• Personnalisation

• Prévision de la demande

• Copilotes magasin

• Fiches produits
• Synthèses service client

FaibleMoyenneÉlevéeMaturité des données

• Plus tard
• À planifier
• À lancer

L'année deux passe des copilotes, qui répondent aux questions, aux agents, qui agissent dans les limites que vous fixez. Dans le retail, voici ceux qui se rentabilisent en général en premier :

1. Prévision et réapprovisionnement. L'agent prévoit par magasin et par jour, propose des commandes et transfère du stock entre magasins avant que les rayons ne se vident.
2. Prix et démarques. Il propose des démarques sur les articles qui se vendent lentement et des changements de prix dans les règles fixées par l'équipe commerciale.
3. Opérations en magasin. Des caméras de rayon ou des étiquettes RFID (des étiquettes radio comptées sans scanner chaque article) signalent les trous en rayon, et l'agent crée une tâche pour l'équipe du magasin.
4. Service client. Il gère le suivi des commandes, les retours et les réclamations simples, et transmet les cas complexes à une personne avec le contexte prêt.

Voici comment un agent de réapprovisionnement agit pour un distributeur alimentaire avant un week-end de chaleur :

1. Le jeudi matin, il lit les prévisions météo, les ventes de week-ends comparables l'an dernier et le stock actuel de chaque magasin.
2. Il voit qu'un groupe de magasins sera en rupture d'eau en bouteille et de glaçons d'ici le samedi midi.
3. Il propose des commandes supplémentaires à l'entrepôt et un transfert de stock depuis deux magasins où les ventes sont lentes.
4. Les commandes dans les limites convenues passent directement. Tout ce qui est plus important, et chaque transfert entre magasins, attend un planificateur.
5. Le planificateur refuse un transfert parce que ce magasin accueille un match de football local, et approuve le reste.

La tarification fonctionne de la même façon. Imaginez une chaîne de mode à la fin de l'été avec des centaines de références lentes.

L'agent choisit celles qui ont besoin d'une démarque pour être écoulées d'ici août. Il propose 20 ou 30 % de remise, au-dessus des prix plancher fixés par l'équipe commerciale.

Il laisse la gamme permanente intacte et ne fixe jamais un prix sous le coût. Le merchandiser retient les maillots de bain qui se vendent encore les week-ends de vacances et valide le reste.

Le luxe demande une approche plus légère. Quelqu'un qui se renseigne sur la réparation d'un sac à main valant des milliers doit avoir affaire à une personne. Là, l'agent retrouve la fiche d'achat et l'historique des réparations et rédige une réponse, puis un conseiller client l'envoie avec ses propres mots.

Chaque agent a besoin d'un responsable dans l'entreprise. Le directeur commercial est responsable de l'agent de prix, et le responsable de la supply chain du réapprovisionnement. L'informatique fait tourner la plateforme, et les métiers sont responsables des décisions.

1. 01PrévoirDemande par magasin et par jour, avec la météo et les promotions
2. 02ComparerPar rapport au stock disponible et en transit
3. 03ProposerCommandes et transferts entre magasins
4. 04ValiderLe planificateur vérifie tout ce qui dépasse la limite
5. 05CommanderCommandes envoyées aux fournisseurs et à l'entrepôt
6. 06ApprendreLes ventes réelles affinent la prévision suivante

Un responsable métier par agent

À l'année trois, l'IA est présente dans le merchandising, la supply chain, les magasins et la relation client. Les acheteurs, les planificateurs et les équipes de magasin travaillent chaque jour avec des agents, et toute la chaîne fonctionne sous la même gouvernance.

Le partage de données avec les fournisseurs change l'équation économique.

Prenez une enseigne d'électronique qui partage chaque semaine ses ventes réelles et une prévision à 12 semaines sur les casques audio avec la marque qui les fabrique. Le fournisseur planifie sa production sur la demande réelle. L'enseigne a plus de chances d'avoir du stock avant le Black Friday et moins d'invendus en janvier.

Le retail media suit le même schéma. Un distributeur alimentaire laisse une marque de boissons diffuser des offres dans son application auprès des clients qui ont accepté de les recevoir, en s'appuyant sur la même couche client gouvernée. La marque voit des résultats par groupes de clients, et les fiches individuelles restent chez le distributeur.

Est-ce l'année de la personnalisation à grande échelle dans votre feuille de route IA retail ? Oui, si le référentiel produits et les données de consentement ont tenu pendant les années un et deux.

1. Directeur des opérationsResponsable du portefeuille d'agents et de ses résultats
   Gouvernance de l'IARegistre, tests et bouton d'arrêt
2. Directeurs commercial et supply chainResponsables des agents de leur domaine

• Agent de prévisionSous la responsabilité du responsable de la planification
• Agent de prixSous la responsabilité du directeur commercial
• Agent des opérations en magasinSous la responsabilité du directeur des magasins
• Agent de serviceSous la responsabilité du responsable du service client

1. 04Agents et copilotes IAAgents de prévision, de réapprovisionnement, de prix, de magasin et de service, avec des responsables métier
2. 03Couche d'intelligence gouvernéeModèle sémantique des produits, des sites, des stocks et des clients, plus le registre IA
3. 02Socle de donnéesLakehouse avec les données de ventes, de stocks, de commandes et de fidélité, catalogue et traçabilité
4. 01Systèmes retailERP, point de vente, e-commerce, gestion des commandes, entrepôt et fidélité

Certains principes s'appliquent du premier au dernier mois :

1. Consentement des clients et confidentialité. La personnalisation ne fonctionne que si les clients lui font confiance. Utilisez les données qu'ils ont accepté de partager, et gardez les données de cartes dans le périmètre des contrôles PCI DSS.
2. Un environnement ouvert et multiplateforme. La technologie du retail évolue vite. Gardez la liberté de changer de modèles, de plateformes et de partenaires.
3. Une gouvernance proportionnée au risque. Appliquez des contrôles légers aux fiches produits et aux copilotes, et des contrôles plus forts à la tarification et à tout ce que voient les clients.
4. Des équipes formées. Ce sont les équipes de magasin et les acheteurs qui décident si les agents sont utilisés. Formez-les tôt et écoutez-les.

La formation est facile à sous-estimer. Une directrice de magasin qui reçoit dix tâches erronées d'une caméra de rayon la première semaine ignorera la onzième.

L'erreur la plus courante est d'acheter un moteur de personnalisation ou de tarification avant que les données produits et stocks puissent le soutenir. Le moteur recommande un téléviseur en rupture, ou calcule une démarque sur le coût de l'an dernier. La confiance se perd en quelques semaines et met un an à se reconstruire : c'est pourquoi je me méfie de tout plan qui commence par le moteur.

La deuxième erreur est de mener l'IA comme un projet du siège. Les magasins voient les agents comme du travail en plus, sauf si les tâches qu'ils créent sont justes. Lancez un pilote dans une poignée de magasins avec de vrais directeurs de magasin, corrigez ce qu'ils vous signalent, et seulement ensuite déployez.

Disons qu'un pilote de détection des trous en rayon signale un rayon de chips vide. Les chips avaient été déplacées sur une tête de gondole pour une promotion.

Personne n'avait mis à jour le planogramme, le plan de ce qui se trouve où. L'agent a raison selon ses règles et tort en magasin. Seul le directeur du magasin s'en apercevrait.

Ce qui échoueCe qui marche

1. 01Ce qui échoue: Un moteur de tarification ou de personnalisation acheté en premier→Ce qui marche: Référentiel produits et données de stock corrigés d'abord
2. 02Ce qui échoue: Des données produits et stocks auxquelles personne ne se fie→Ce qui marche: Une vue fiable unique entre magasins et site web
3. 03Ce qui échoue: Un projet du siège que les magasins n'ont jamais demandé→Ce qui marche: Des pilotes menés avec de vrais directeurs de magasin
4. 04Ce qui échoue: Aucun responsable des décisions des agents→Ce qui marche: Un responsable métier pour chaque agent

Vous cherchez par où votre propre entreprise devrait commencer ? Réservez un appel et apportez une vraie question, par exemple si votre référentiel produits est prêt pour la prévision. Nous l'examinerons ensemble.

Qu'est-ce qu'une feuille de route IA retail ?

C'est un plan par étapes pour utiliser l'IA dans une entreprise de commerce de détail. Il commence par une vue fiable des produits, des stocks et des clients. Il ajoute ensuite une IA gouvernée et des agents, et se termine par une IA intégrée au travail quotidien du retail.

Par où un distributeur doit-il commencer avec l'IA ?

Commencez par réunir les données produits, stocks et ventes de tous les canaux sur une seule plateforme gouvernée, et corrigez le référentiel produits. Livrez ensuite des gains rapides comme les fiches produits, les copilotes magasin et les synthèses pour le service client.

Quels cas d'usage de l'IA se rentabilisent en premier dans le retail ?

Les fiches produits et les synthèses pour le service client se livrent vite. La prévision de la demande et le réapprovisionnement apportent en général le plus de valeur une fois les données prêtes, suivis de près par les prix et les démarques.

Les distributeurs ont-ils besoin d'un nouvel ERP avant d'utiliser l'IA ?

Non. L'IA se place au-dessus de vos systèmes actuels grâce au socle de données. Ce qui compte, c'est que les données produits, stocks et ventes soient les mêmes en magasin, en ligne et en finance.

Combien de temps prend une feuille de route IA retail ?

Je la planifie sur trois ans une fois le socle de données lancé. L'année un construit la couche gouvernée, l'année deux déploie les agents à l'échelle et l'année trois intègre l'IA. Les gains rapides doivent montrer leur valeur dès la première année.