Impact de l'IA dans le Retail avec Edouard de Mézerac, Group CEO d'Artefact, et Vincent Blaclard, Managing Partner et France Lead Retail | The Bridge by Artefact

Description

La grande distribution a toujours été un terrain d’innovation pour la data et l’IA : optimisation des prix, gestion des promotions, monétisation de la donnée et désormais agents IA.

Dans cet épisode de The Bridge Retail, Édouard de Mézerac (Group CEO, Artefact) et Vincent Blaclard (Managing Partner & France Lead Retail, Artefact) explorent :

Les leviers historiques : pricing, promotions, efficacité commerciale
Les nouvelles frontières : monétisation des données clients et retail media
Les cas concrets d’usage des agents IA dans la grande distribution
Les perspectives offertes par l’IA générative dans un secteur très ancré dans le physique

Un décryptage inspirant mené par deux experts qui connaissent le retail de l’intérieur.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Transcription

Speaker #0
The Bridge d'Artifacts, le média professionnel pour en savoir plus sur la data et l'intelligence artificielle. Aujourd'hui, un nouvel entretien avec un data leader en vidéo et podcast.
Speaker #1
Bonjour à tous, c'est un plaisir et un honneur aujourd'hui d'échanger et de partager avec vous des idées sur la data il y a dans le retail. La grande distribution spécialisée ou alimentaire, il y a beaucoup de choses à dire et c'est un honneur d'être aujourd'hui avec Vincent Blaclard. Je vais présenter Vincent et puis Vincent va me présenter derrière et on va commencer notre échange comme ça. Vincent Blaclard, je suis très heureux d'être avec toi parce que ça fait plus de dix ans qu'on se connaît. On a vécu beaucoup de choses dans le retail, d'abord en France, on a travaillé sur des modèles d'optimisation ensemble, après en Chine, on a passé du temps chez JD.com tous les deux à développer des modèles d'IA là-bas, et puis maintenant à nouveau en France. Et j'admire beaucoup de choses chez toi, mais j'admire en particulier Vincent. Et c'est très important dans le retail d'aller en profondeur, dans les détails, de s'assurer que les choses fonctionnent. Et c'est un facteur clé de succès majeur dans le retail. C'est pour ça que je suis très heureux de pouvoir avoir cet échange avec toi aujourd'hui. Bienvenue Vincent.
Speaker #2
Merci Edouard. L'honneur est réciproque aussi, vraiment ravi de pouvoir échanger avec toi aujourd'hui sur l'impact de l'IA dans la grande distribution. Effectivement, ça fait plus de dix ans qu'on se connaît. On a travaillé ensemble en France, on a travaillé ensemble en Chine. Je sais que tu as aussi beaucoup d'autres expériences internationales, notamment aux Et s'il y a une qualité sur laquelle j'aimerais insister de mon côté, c'est ta capacité à inspirer les équipes. En tout cas, on est ravis que tu sois présent avec nous et que tu prennes du coup la tête du groupe Artifacts.
Speaker #1
Merci Vincent. Alors, allons droit dans le sujet. Data, il y a dans le retail. Au fond... C'est un peu, c'est classique de faire de la data ILA dans le retail. Le retail a été une des premières industries à adresser le sujet. Et d'ailleurs, si je ne me trompe pas, tu avais choisi cette industrie parce que le retail commençait à utiliser la data ILA il y a bien longtemps. Est-ce que tu peux en dire un peu plus ? Pourquoi tu as choisi ça et quels étaient les types de cas que tu voyais ?
Speaker #2
Bien sûr, effectivement, c'est vrai. Je n'ai pas... J'ai toujours été passionné par la retail. Ma première passion a été la data et l'IA. Pour le contexte, j'ai commencé ma carrière en 2013 avec une formation d'informatique et de mathématiques. Et j'ai immédiatement voulu appliquer ce que j'ai appris dans le cadre de mes études autour de la data et de l'IA dans l'industrie. Et en rejoignant ma première entreprise dans laquelle on a travaillé ensemble. La seule industrie sur laquelle il y avait des projets data IA était le retail. Et donc je me suis immédiatement spécialisé dans la grande distribution.
Speaker #1
Et si je me souviens bien, même les premiers projets de machine learning qu'on avait fait ensemble datent de 2014. 2014,
Speaker #2
oui effectivement, 2014.
Speaker #1
C'était quoi le machine learning à l'époque ? C'était quoi les cas à l'époque ?
Speaker #2
À l'époque, le machine learning, c'était... Au final, on faisait déjà des choses qui étaient assez avancées. Les premiers projets sur lesquels j'ai travaillé à partir de 2014-2015, c'est des projets qui étaient liés à ce que j'appelle l'optimisation de l'efficacité commerciale ou de l'efficacité opérationnelle. Donc par exemple, comment optimiser les prix pour offrir le meilleur prix au consommateur tout en maximisant les marges côté distributeur. Ou un autre exemple, c'est comment optimiser les promotions pour pouvoir offrir la meilleure promotion. auprès du consommateur.
Speaker #1
Et là-dessus, est-ce que tu dirais que ces sujets prix, promo, assortiment, data IA, tous les retailers l'ont fait il y a 10 ans, il n'y a plus rien à faire ? Ou est-ce qu'à l'inverse, tu vois encore sur ces vieux leviers et ces vieux sujets, énormément de valeur à aller chercher encore aujourd'hui pour la plupart des retailers ?
Speaker #2
Alors de manière générale, tous ces sujets-là ont déjà été traités, mais je dirais que chaque acteur... a investi de manière un petit peu différente en fonction à la fois de leur capacité à investir, en fonction de leur capacité à innover. Et donc, il y a toujours une capacité à innover dans ce domaine-là. Mais effectivement, et si on prend un pas de recul, l'industrie a toujours été en pointe auprès de ces sujets-là. Beaucoup d'acteurs qu'on connaît, notamment je citerais par exemple Walmart, a énormément investi dans leur capacité à traiter énormément de données pour optimiser l'ensemble de leurs opérations et toutes leurs activités commerciales.
Speaker #1
Si tu peux prendre un exemple sur un cas d'usage classique machine learning IA, qui a le plus d'impact business, ce serait quoi le cas d'usage phare où tu te dis, un retailer qui ne fait pas ça ? ils passent à côté de gains évidents et encore aujourd'hui, il y a des gains à aller chercher là-dessus.
Speaker #2
Pour moi, je serais curieux aussi d'avoir ton avis à toi sur ce sujet. Je pense que le cas d'usage, ou en tout cas l'application de la data et de l'IA traditionnelle, et on reviendra ensuite, ce qu'on entend par traditionnelle, c'est tout ce qui est lié au pricing. Pourquoi le pricing ? C'est que quelques centimes de plus ou de moins sur un produit donné, par exemple la bouteille cristalline, On peut avoir d'immenses impacts en termes de chiffre d'affaires, en termes de marge et en termes d'expérience client que ces distributeurs offrent. Et donc c'est là, tous les projets que j'ai faits, on a eu un énorme impact simplement avec des recommandations des prix sur lesquelles on a réellement transformé la manière dont nos clients travaillent.
Speaker #1
Et si moi, je peux donner, tu m'as posé la question, je vais donner la réponse. De mon point de vue, ce serait le pendant du pricing, c'est-à-dire le pilotage de la promotion, où en fait, encore aujourd'hui, beaucoup de distributeurs investissent des pourcentages énormes de leur chiffre d'affaires en promotion. Et ça reste des décisions qui restent assez émotionnelles, qui restent beaucoup liées à l'historique. On va refaire la même chose qu'avant. Et d'injecter de l'IA, d'injecter un langage commun d'analyse de la performance, encore là-dessus, il y a beaucoup de valeur à aller chercher. Absolument.
Speaker #2
Il y a un deuxième levier sur lequel la grande distribution a vraiment été précurseur, c'est dans tous les sujets de monétisation de la donnée. Pourquoi en fait ? Parce que les distributeurs ont un positionnement unique par rapport à l'ensemble de leurs fournisseurs en étant en contact direct des clients. Donc les fournisseurs qui eux, de manière générale, ou moins d'informations auprès des clients. Pourquoi ? Parce qu'ils n'ont pas forcément des activités dites aussi. Et les distributeurs se sont rapidement emparés du sujet en monétisant l'ensemble de leurs données, que ce soit de la donnée brute ou des insights ou même des solutions d'optimisation de la promotion, par exemple, pour aider les fournisseurs à optimiser leurs opérations.
Speaker #1
Et là-dessus, j'irais même plus loin, c'est une expérience que l'on connaît bien tous les deux, c'est en Chine. le Alibaba a monétisé au maximum, en fait, toute cette connaissance client. Et c'est comme ça qu'ils ont réussi. Et ce qui est intéressant aujourd'hui, c'est que beaucoup de retailers vont essayer de, à la fois, monétiser leurs étagères, leurs shelfs, mais aussi la connaissance qu'ils ont des clients. Et on est encore au début de l'histoire quand on regarde ce que les Chinois ont pu faire sur les cinq dernières années.
Speaker #2
Absolument. Une autre anecdote qui, je trouve, est très parlante, c'est l'exemple d'Amazon. Donc Amazon, que tout le monde connaît, qui, évidemment... un très grand distributeur. Il y a quelques années, la masse de marge générée par AWS, donc les activités d'infrastructures d'Amazon, était supérieure à leurs activités de distributeurs. Et aujourd'hui, à peine quelques années, la masse de marge générée par Amazon dans leurs activités de monétisation de la donnée a à nouveau dépassé les activités d'AWS.
Speaker #1
Et l'anecdote, pour compléter la tienne, Vincent, Apparemment, Jeff Bezos a eu l'idée de AWS, de cette activité, en visitant un musée aux Pays-Bas, je crois, un musée de la bière. Dans le musée qu'il a visité, il s'est aperçu qu'il y avait un vieux générateur électrique. Et donc, il y avait l'explication qui était qu'à l'époque, au 19e siècle, les usines avaient leur propre générateur électrique pour alimenter en électricité. Parce qu'à l'époque, il n'y avait pas de backbone généralisé. Et de la même façon, il s'est dit Il y aura un business colossal à faire, parce qu'aujourd'hui, chaque petite entreprise s'équipe avec son propre cloud, ce qui coûte une fortune. Et donc, c'est en voyant ça et voyant cet exemple de générateur électrique qu'il s'est dit, je vais faire AWS pour tout le monde, de la même façon que les réseaux électriques se sont développés pour tout le monde. Bref, je ferme l'anecdote.
Speaker #2
Qui a plus profité de la ruée vers l'or ? Ce n'est pas forcément les chercheurs d'or, mais c'est les vendeurs de pelles. C'est ceux qui sont devenus les plus riches.
Speaker #1
Absolument. Absolument, et Amazon est un très bon exemple. On va fermer un peu le chapitre de la data IA classique dans le monde du retail. Si on se projette et on parle d'agents IA, on parle des nouvelles technologies plus avancées, des modèles de langage, les LLM, etc. Est-ce que de la même façon que le retail a été précurseur sur la data IA classique, est-ce que le retail est précurseur sur les agents IA ou en fait pas tellement ?
Speaker #2
Alors de manière paradoxale, je dirais que non. L'IA générative est arrivée comme un séisme à partir de novembre 2022 lors de la sortie de la GPT. Et ce qu'on a remarqué dans l'industrie, c'est que les avancées ont été un peu plus timides que chez d'autres acteurs. Et pourquoi ? C'est parce que la grande distribution, c'est une activité qui est quand même très ancrée. dans le monde physique. On va sur le magasin, les entrepôts, la livraison. Donc c'est des activités qui demandent beaucoup d'activités, qui sont très ancrées dans le monde physique, à la différence d'un acteur, par exemple, des services financiers, où il y a énormément d'opportunités de, par exemple, automatiser le back-office des banques. Ou un autre exemple. Tout le service client des opérateurs de télécom sur lequel l'IA générative est venu transformer radicalement toutes les activités du service client. Paradoxalement, le retail a été moins impacté ou en tout cas les avancées ont été moins rapides depuis 2022.
Speaker #1
Est-ce que pour autant tu penses que ce n'est pas un sujet ou à l'inverse, les agents IA au retail, il y a énormément de choses à faire ?
Speaker #2
Absolument. L'agentique qui émerge depuis il y a à peine quelques mois va permettre d'ouvrir toute une nouvelle vague d'opportunités qui vont permettre aux distributeurs de se transformer.
Speaker #1
Tu peux nous donner des exemples un peu concrets de l'agentique en retail ? Ça ressemble à quoi ?
Speaker #2
Absolument. On se peut imaginer, alors déjà, c'est quoi l'agentique ? Parce que c'est un concept qui est toujours un petit peu compliqué parfois à expliquer. En fait, un agent IA, c'est un agent qui est capable de faire trois choses. Il est capable d'analyser de l'information, il est capable de raisonner et il est capable d'agir sur un système. Je prends un exemple très concret. On peut imaginer un catégorie manager. qui doit analyser la performance de sa catégorie. Là, il a observé, son manager est venu le voir et a observé qu'il y avait une baisse de performance. Donc, le category manager doit analyser la performance de sa catégorie puis ensuite prendre des actions de remédiation. Ce que permet de faire un agent, c'est d'aller analyser l'ensemble des tableaux de bord qu'il a à sa disposition, que ce soit des tableaux de bord qui ont été construits pour lui, ou même d'aller fouiller dans des systèmes legacy, d'analyser la performance de la catégorie, de comprendre pourquoi il y a un problème. Par exemple, c'est parce qu'il y a un fournisseur qui a arrêté de livrer tel ou tel best-seller pour ensuite prendre des actions, typiquement rédiger un email, suggérer au category manager de contacter tel ou tel fournisseur pour prendre des actions.
Speaker #1
Et voire même aller chercher des données externes. là tu parles De données internes, mais ces agents IA peuvent aller chercher aussi des informations extérieures sur ce qui se passe.
Speaker #2
Absolument, absolument. En fait, c'est vraiment ce qu'on observe quand on utilise le chat GPT aujourd'hui. C'est selon certaines demandes qui vont être formulées par l'employé, on peut aller chercher des informations externes. C'est typiquement extrêmement utile pour faire de la veille concurrentielle ou pour comprendre quelles sont les nouvelles innovations qui vont arriver sur le marché.
Speaker #1
Et même, j'irai même plus loin sur les agents IA, tu m'en parlais avant notre échange, même dans le cœur de métier retail, notamment les négociations avec les fournisseurs, qui est vraiment le cœur du réacteur, là aussi, en fait, les agents IA peuvent jouer un rôle très important sur cette partie du métier.
Speaker #2
Absolument. Il y a un exemple très concret qui est déjà public aujourd'hui, c'est Walmart qui a en fait automatisé. Une partie de ces négociations fournisseurs, alors évidemment pas avec les plus grands fournisseurs type Nestlé, mais au moins sur les petits fournisseurs, ils ont complètement automatisé la négociation en laissant des agents négocier pour le compte des acheteurs, en formulant les arguments de négociation, en formulant les objectifs qu'ils veulent atteindre dans le cadre de la négociation.
Speaker #1
Et les enjeux derrière, c'est à la fois des enjeux évidemment de gains... En chiffre d'affaires en marge, parce qu'on travaille sur le cœur de métier, mais potentiellement aussi des gains en efficacité, ou en tout cas enlever toutes les difficultés administratives récurrentes dont les équipes peuvent souffrir. Il y a ces deux éléments-là.
Speaker #2
Absolument. Il y a des enjeux d'automatisation sur l'ensemble de la chaîne de la négociation, depuis le début de la négociation, lorsqu'on prépare la négo, jusqu'à la contractualisation à la fin de la période de négociation, qui peut être très largement optimisée. Et également, évidemment, des enjeux de performance parce qu'aujourd'hui, chez beaucoup des acteurs dans la grande distribution, les investisseurs n'ont pas le temps de vraiment préparer les négociations. En tout cas, ils ne préparent pas les négociations pour les petits fournisseurs.
Speaker #1
On pourrait parler des heures des agents IA appliqués au retail. Peut-être pour finir un peu notre échange et se projeter, quelles sont les dernières innovations liées à la data IA dans le retail que tu vois ? Ça peut être lié à l'agentique ou pas. les choses qui ont un peu attiré ton attention et qui valent le coup de mettre dans notre radar.
Speaker #2
Absolument. Pour l'anecdote, il y a toujours un sujet sur lequel, quand je travaillais avec un de mes clients, sur lequel j'émettais un no-go, car je considérais que c'était trop compliqué, c'était tous les sujets qui touchaient au magasin. Pourquoi ? Parce qu'on n'avait pas de données qui permettaient vraiment de comprendre le magasin ou les investissements en termes de capex, c'était beaucoup trop important pour aller capter de la donnée en magasin. C'était toujours des sujets qu'on préférait éviter. Aujourd'hui il y a beaucoup d'acteurs, beaucoup de start-up qui se positionnent sur ce segment-là en installant des caméras dans les magasins afin de créer un véritable digital twin de ce magasin-là et de permettre d'optimiser l'ensemble des opérations du magasin. Donc par exemple, quel est l'impact d'un certain type de merchandising dans les rayons ? Est-ce que ça attire plus ou moins les clients ? Comment est-ce qu'on peut optimiser ou détecter plutôt toutes les ruptures de stock en rayons pour permettre, pour rapidement notifier l'équipe de restocker les rayons. Donc énormément d'opportunités qui vont être apportées par la digitalisation du magasin.
Speaker #1
Et si on tire le fil, en plus, ça peut être quasiment fait à la volée. C'est-à-dire qu'en direct, si ces images et le flux est suffisamment rapide... on peut immédiatement avoir des alertes sur un produit qui est out of stock et avoir des actions correctrices et ne pas attendre la demi-journée ou la fin de journée.
Speaker #2
Absolument. Donc, toute l'idée, c'est vraiment de rentrer dans une logique en quasi temps réel et permettre d'optimiser l'ensemble des opérations du magasin qui, évidemment, aujourd'hui, reste le cœur de métier de tous les distributeurs.
Speaker #1
Super. Et peut-être, si je peux me permettre, une chose qui m'a frappé dans les derniers sujets, les dernières animations à garder en tête, c'est... côté client. Aujourd'hui, les clients, surtout en e-commerce, c'est eux qui font la transaction d'achat. Demain, ça pourrait être des agents qui travaillent ou opèrent au nom du client et qui vont faire les paniers, qui vont constituer des paniers, constituer les choix des produits, les choix des prix et potentiellement, en amont de ça, le choix de la plateforme et faire directement l'achat. Tu crois que ça va arriver, ça ?
Speaker #2
Absolument. Aujourd'hui, ce qu'on observe également sur le marché, c'est que OpenAI a récemment annoncé, voire lancé aux Etats-Unis, ce n'est pas encore arrivé en France, toute la capacité à référencer et rerouter vers des sites marchands. Donc ça va également transformer radicalement la manière dont les consommateurs vont vraiment engager avec les sites marchands. Ça va sûrement aussi transformer radicalement la manière dont les équipes marketing vont devoir monétiser et pousser leurs produits. Et à terme, les agents vont également commencer à pouvoir acheter pour le titre des clients. Donc je pense qu'on est à l'orée d'une véritable transformation du secteur qu'on a encore même pensé. Tout le monde a du mal à voir l'emploi de cette transformation.
Speaker #1
Je pense qu'on se revoit dans six mois, voire moins que ça, pour voir à quelle vitesse ces agents côté client ont joué un rôle. Merci encore, Vincent, pour cet échange.
Speaker #2
Merci à toi.
Speaker #1
C'était un plaisir de réfléchir avec toi. Toujours un plaisir de t'écouter. Et rendez-vous dans quelques mois pour la suite de la Data Iliad dans le retail, parce qu'on est au tout début de l'histoire.

Description

La grande distribution a toujours été un terrain d’innovation pour la data et l’IA : optimisation des prix, gestion des promotions, monétisation de la donnée et désormais agents IA.

Dans cet épisode de The Bridge Retail, Édouard de Mézerac (Group CEO, Artefact) et Vincent Blaclard (Managing Partner & France Lead Retail, Artefact) explorent :

Les leviers historiques : pricing, promotions, efficacité commerciale
Les nouvelles frontières : monétisation des données clients et retail media
Les cas concrets d’usage des agents IA dans la grande distribution
Les perspectives offertes par l’IA générative dans un secteur très ancré dans le physique

Un décryptage inspirant mené par deux experts qui connaissent le retail de l’intérieur.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Transcription

Speaker #0
The Bridge d'Artifacts, le média professionnel pour en savoir plus sur la data et l'intelligence artificielle. Aujourd'hui, un nouvel entretien avec un data leader en vidéo et podcast.
Speaker #1
Bonjour à tous, c'est un plaisir et un honneur aujourd'hui d'échanger et de partager avec vous des idées sur la data il y a dans le retail. La grande distribution spécialisée ou alimentaire, il y a beaucoup de choses à dire et c'est un honneur d'être aujourd'hui avec Vincent Blaclard. Je vais présenter Vincent et puis Vincent va me présenter derrière et on va commencer notre échange comme ça. Vincent Blaclard, je suis très heureux d'être avec toi parce que ça fait plus de dix ans qu'on se connaît. On a vécu beaucoup de choses dans le retail, d'abord en France, on a travaillé sur des modèles d'optimisation ensemble, après en Chine, on a passé du temps chez JD.com tous les deux à développer des modèles d'IA là-bas, et puis maintenant à nouveau en France. Et j'admire beaucoup de choses chez toi, mais j'admire en particulier Vincent. Et c'est très important dans le retail d'aller en profondeur, dans les détails, de s'assurer que les choses fonctionnent. Et c'est un facteur clé de succès majeur dans le retail. C'est pour ça que je suis très heureux de pouvoir avoir cet échange avec toi aujourd'hui. Bienvenue Vincent.
Speaker #2
Merci Edouard. L'honneur est réciproque aussi, vraiment ravi de pouvoir échanger avec toi aujourd'hui sur l'impact de l'IA dans la grande distribution. Effectivement, ça fait plus de dix ans qu'on se connaît. On a travaillé ensemble en France, on a travaillé ensemble en Chine. Je sais que tu as aussi beaucoup d'autres expériences internationales, notamment aux Et s'il y a une qualité sur laquelle j'aimerais insister de mon côté, c'est ta capacité à inspirer les équipes. En tout cas, on est ravis que tu sois présent avec nous et que tu prennes du coup la tête du groupe Artifacts.
Speaker #1
Merci Vincent. Alors, allons droit dans le sujet. Data, il y a dans le retail. Au fond... C'est un peu, c'est classique de faire de la data ILA dans le retail. Le retail a été une des premières industries à adresser le sujet. Et d'ailleurs, si je ne me trompe pas, tu avais choisi cette industrie parce que le retail commençait à utiliser la data ILA il y a bien longtemps. Est-ce que tu peux en dire un peu plus ? Pourquoi tu as choisi ça et quels étaient les types de cas que tu voyais ?
Speaker #2
Bien sûr, effectivement, c'est vrai. Je n'ai pas... J'ai toujours été passionné par la retail. Ma première passion a été la data et l'IA. Pour le contexte, j'ai commencé ma carrière en 2013 avec une formation d'informatique et de mathématiques. Et j'ai immédiatement voulu appliquer ce que j'ai appris dans le cadre de mes études autour de la data et de l'IA dans l'industrie. Et en rejoignant ma première entreprise dans laquelle on a travaillé ensemble. La seule industrie sur laquelle il y avait des projets data IA était le retail. Et donc je me suis immédiatement spécialisé dans la grande distribution.
Speaker #1
Et si je me souviens bien, même les premiers projets de machine learning qu'on avait fait ensemble datent de 2014. 2014,
Speaker #2
oui effectivement, 2014.
Speaker #1
C'était quoi le machine learning à l'époque ? C'était quoi les cas à l'époque ?
Speaker #2
À l'époque, le machine learning, c'était... Au final, on faisait déjà des choses qui étaient assez avancées. Les premiers projets sur lesquels j'ai travaillé à partir de 2014-2015, c'est des projets qui étaient liés à ce que j'appelle l'optimisation de l'efficacité commerciale ou de l'efficacité opérationnelle. Donc par exemple, comment optimiser les prix pour offrir le meilleur prix au consommateur tout en maximisant les marges côté distributeur. Ou un autre exemple, c'est comment optimiser les promotions pour pouvoir offrir la meilleure promotion. auprès du consommateur.
Speaker #1
Et là-dessus, est-ce que tu dirais que ces sujets prix, promo, assortiment, data IA, tous les retailers l'ont fait il y a 10 ans, il n'y a plus rien à faire ? Ou est-ce qu'à l'inverse, tu vois encore sur ces vieux leviers et ces vieux sujets, énormément de valeur à aller chercher encore aujourd'hui pour la plupart des retailers ?
Speaker #2
Alors de manière générale, tous ces sujets-là ont déjà été traités, mais je dirais que chaque acteur... a investi de manière un petit peu différente en fonction à la fois de leur capacité à investir, en fonction de leur capacité à innover. Et donc, il y a toujours une capacité à innover dans ce domaine-là. Mais effectivement, et si on prend un pas de recul, l'industrie a toujours été en pointe auprès de ces sujets-là. Beaucoup d'acteurs qu'on connaît, notamment je citerais par exemple Walmart, a énormément investi dans leur capacité à traiter énormément de données pour optimiser l'ensemble de leurs opérations et toutes leurs activités commerciales.
Speaker #1
Si tu peux prendre un exemple sur un cas d'usage classique machine learning IA, qui a le plus d'impact business, ce serait quoi le cas d'usage phare où tu te dis, un retailer qui ne fait pas ça ? ils passent à côté de gains évidents et encore aujourd'hui, il y a des gains à aller chercher là-dessus.
Speaker #2
Pour moi, je serais curieux aussi d'avoir ton avis à toi sur ce sujet. Je pense que le cas d'usage, ou en tout cas l'application de la data et de l'IA traditionnelle, et on reviendra ensuite, ce qu'on entend par traditionnelle, c'est tout ce qui est lié au pricing. Pourquoi le pricing ? C'est que quelques centimes de plus ou de moins sur un produit donné, par exemple la bouteille cristalline, On peut avoir d'immenses impacts en termes de chiffre d'affaires, en termes de marge et en termes d'expérience client que ces distributeurs offrent. Et donc c'est là, tous les projets que j'ai faits, on a eu un énorme impact simplement avec des recommandations des prix sur lesquelles on a réellement transformé la manière dont nos clients travaillent.
Speaker #1
Et si moi, je peux donner, tu m'as posé la question, je vais donner la réponse. De mon point de vue, ce serait le pendant du pricing, c'est-à-dire le pilotage de la promotion, où en fait, encore aujourd'hui, beaucoup de distributeurs investissent des pourcentages énormes de leur chiffre d'affaires en promotion. Et ça reste des décisions qui restent assez émotionnelles, qui restent beaucoup liées à l'historique. On va refaire la même chose qu'avant. Et d'injecter de l'IA, d'injecter un langage commun d'analyse de la performance, encore là-dessus, il y a beaucoup de valeur à aller chercher. Absolument.
Speaker #2
Il y a un deuxième levier sur lequel la grande distribution a vraiment été précurseur, c'est dans tous les sujets de monétisation de la donnée. Pourquoi en fait ? Parce que les distributeurs ont un positionnement unique par rapport à l'ensemble de leurs fournisseurs en étant en contact direct des clients. Donc les fournisseurs qui eux, de manière générale, ou moins d'informations auprès des clients. Pourquoi ? Parce qu'ils n'ont pas forcément des activités dites aussi. Et les distributeurs se sont rapidement emparés du sujet en monétisant l'ensemble de leurs données, que ce soit de la donnée brute ou des insights ou même des solutions d'optimisation de la promotion, par exemple, pour aider les fournisseurs à optimiser leurs opérations.
Speaker #1
Et là-dessus, j'irais même plus loin, c'est une expérience que l'on connaît bien tous les deux, c'est en Chine. le Alibaba a monétisé au maximum, en fait, toute cette connaissance client. Et c'est comme ça qu'ils ont réussi. Et ce qui est intéressant aujourd'hui, c'est que beaucoup de retailers vont essayer de, à la fois, monétiser leurs étagères, leurs shelfs, mais aussi la connaissance qu'ils ont des clients. Et on est encore au début de l'histoire quand on regarde ce que les Chinois ont pu faire sur les cinq dernières années.
Speaker #2
Absolument. Une autre anecdote qui, je trouve, est très parlante, c'est l'exemple d'Amazon. Donc Amazon, que tout le monde connaît, qui, évidemment... un très grand distributeur. Il y a quelques années, la masse de marge générée par AWS, donc les activités d'infrastructures d'Amazon, était supérieure à leurs activités de distributeurs. Et aujourd'hui, à peine quelques années, la masse de marge générée par Amazon dans leurs activités de monétisation de la donnée a à nouveau dépassé les activités d'AWS.
Speaker #1
Et l'anecdote, pour compléter la tienne, Vincent, Apparemment, Jeff Bezos a eu l'idée de AWS, de cette activité, en visitant un musée aux Pays-Bas, je crois, un musée de la bière. Dans le musée qu'il a visité, il s'est aperçu qu'il y avait un vieux générateur électrique. Et donc, il y avait l'explication qui était qu'à l'époque, au 19e siècle, les usines avaient leur propre générateur électrique pour alimenter en électricité. Parce qu'à l'époque, il n'y avait pas de backbone généralisé. Et de la même façon, il s'est dit Il y aura un business colossal à faire, parce qu'aujourd'hui, chaque petite entreprise s'équipe avec son propre cloud, ce qui coûte une fortune. Et donc, c'est en voyant ça et voyant cet exemple de générateur électrique qu'il s'est dit, je vais faire AWS pour tout le monde, de la même façon que les réseaux électriques se sont développés pour tout le monde. Bref, je ferme l'anecdote.
Speaker #2
Qui a plus profité de la ruée vers l'or ? Ce n'est pas forcément les chercheurs d'or, mais c'est les vendeurs de pelles. C'est ceux qui sont devenus les plus riches.
Speaker #1
Absolument. Absolument, et Amazon est un très bon exemple. On va fermer un peu le chapitre de la data IA classique dans le monde du retail. Si on se projette et on parle d'agents IA, on parle des nouvelles technologies plus avancées, des modèles de langage, les LLM, etc. Est-ce que de la même façon que le retail a été précurseur sur la data IA classique, est-ce que le retail est précurseur sur les agents IA ou en fait pas tellement ?
Speaker #2
Alors de manière paradoxale, je dirais que non. L'IA générative est arrivée comme un séisme à partir de novembre 2022 lors de la sortie de la GPT. Et ce qu'on a remarqué dans l'industrie, c'est que les avancées ont été un peu plus timides que chez d'autres acteurs. Et pourquoi ? C'est parce que la grande distribution, c'est une activité qui est quand même très ancrée. dans le monde physique. On va sur le magasin, les entrepôts, la livraison. Donc c'est des activités qui demandent beaucoup d'activités, qui sont très ancrées dans le monde physique, à la différence d'un acteur, par exemple, des services financiers, où il y a énormément d'opportunités de, par exemple, automatiser le back-office des banques. Ou un autre exemple. Tout le service client des opérateurs de télécom sur lequel l'IA générative est venu transformer radicalement toutes les activités du service client. Paradoxalement, le retail a été moins impacté ou en tout cas les avancées ont été moins rapides depuis 2022.
Speaker #1
Est-ce que pour autant tu penses que ce n'est pas un sujet ou à l'inverse, les agents IA au retail, il y a énormément de choses à faire ?
Speaker #2
Absolument. L'agentique qui émerge depuis il y a à peine quelques mois va permettre d'ouvrir toute une nouvelle vague d'opportunités qui vont permettre aux distributeurs de se transformer.
Speaker #1
Tu peux nous donner des exemples un peu concrets de l'agentique en retail ? Ça ressemble à quoi ?
Speaker #2
Absolument. On se peut imaginer, alors déjà, c'est quoi l'agentique ? Parce que c'est un concept qui est toujours un petit peu compliqué parfois à expliquer. En fait, un agent IA, c'est un agent qui est capable de faire trois choses. Il est capable d'analyser de l'information, il est capable de raisonner et il est capable d'agir sur un système. Je prends un exemple très concret. On peut imaginer un catégorie manager. qui doit analyser la performance de sa catégorie. Là, il a observé, son manager est venu le voir et a observé qu'il y avait une baisse de performance. Donc, le category manager doit analyser la performance de sa catégorie puis ensuite prendre des actions de remédiation. Ce que permet de faire un agent, c'est d'aller analyser l'ensemble des tableaux de bord qu'il a à sa disposition, que ce soit des tableaux de bord qui ont été construits pour lui, ou même d'aller fouiller dans des systèmes legacy, d'analyser la performance de la catégorie, de comprendre pourquoi il y a un problème. Par exemple, c'est parce qu'il y a un fournisseur qui a arrêté de livrer tel ou tel best-seller pour ensuite prendre des actions, typiquement rédiger un email, suggérer au category manager de contacter tel ou tel fournisseur pour prendre des actions.
Speaker #1
Et voire même aller chercher des données externes. là tu parles De données internes, mais ces agents IA peuvent aller chercher aussi des informations extérieures sur ce qui se passe.
Speaker #2
Absolument, absolument. En fait, c'est vraiment ce qu'on observe quand on utilise le chat GPT aujourd'hui. C'est selon certaines demandes qui vont être formulées par l'employé, on peut aller chercher des informations externes. C'est typiquement extrêmement utile pour faire de la veille concurrentielle ou pour comprendre quelles sont les nouvelles innovations qui vont arriver sur le marché.
Speaker #1
Et même, j'irai même plus loin sur les agents IA, tu m'en parlais avant notre échange, même dans le cœur de métier retail, notamment les négociations avec les fournisseurs, qui est vraiment le cœur du réacteur, là aussi, en fait, les agents IA peuvent jouer un rôle très important sur cette partie du métier.
Speaker #2
Absolument. Il y a un exemple très concret qui est déjà public aujourd'hui, c'est Walmart qui a en fait automatisé. Une partie de ces négociations fournisseurs, alors évidemment pas avec les plus grands fournisseurs type Nestlé, mais au moins sur les petits fournisseurs, ils ont complètement automatisé la négociation en laissant des agents négocier pour le compte des acheteurs, en formulant les arguments de négociation, en formulant les objectifs qu'ils veulent atteindre dans le cadre de la négociation.
Speaker #1
Et les enjeux derrière, c'est à la fois des enjeux évidemment de gains... En chiffre d'affaires en marge, parce qu'on travaille sur le cœur de métier, mais potentiellement aussi des gains en efficacité, ou en tout cas enlever toutes les difficultés administratives récurrentes dont les équipes peuvent souffrir. Il y a ces deux éléments-là.
Speaker #2
Absolument. Il y a des enjeux d'automatisation sur l'ensemble de la chaîne de la négociation, depuis le début de la négociation, lorsqu'on prépare la négo, jusqu'à la contractualisation à la fin de la période de négociation, qui peut être très largement optimisée. Et également, évidemment, des enjeux de performance parce qu'aujourd'hui, chez beaucoup des acteurs dans la grande distribution, les investisseurs n'ont pas le temps de vraiment préparer les négociations. En tout cas, ils ne préparent pas les négociations pour les petits fournisseurs.
Speaker #1
On pourrait parler des heures des agents IA appliqués au retail. Peut-être pour finir un peu notre échange et se projeter, quelles sont les dernières innovations liées à la data IA dans le retail que tu vois ? Ça peut être lié à l'agentique ou pas. les choses qui ont un peu attiré ton attention et qui valent le coup de mettre dans notre radar.
Speaker #2
Absolument. Pour l'anecdote, il y a toujours un sujet sur lequel, quand je travaillais avec un de mes clients, sur lequel j'émettais un no-go, car je considérais que c'était trop compliqué, c'était tous les sujets qui touchaient au magasin. Pourquoi ? Parce qu'on n'avait pas de données qui permettaient vraiment de comprendre le magasin ou les investissements en termes de capex, c'était beaucoup trop important pour aller capter de la donnée en magasin. C'était toujours des sujets qu'on préférait éviter. Aujourd'hui il y a beaucoup d'acteurs, beaucoup de start-up qui se positionnent sur ce segment-là en installant des caméras dans les magasins afin de créer un véritable digital twin de ce magasin-là et de permettre d'optimiser l'ensemble des opérations du magasin. Donc par exemple, quel est l'impact d'un certain type de merchandising dans les rayons ? Est-ce que ça attire plus ou moins les clients ? Comment est-ce qu'on peut optimiser ou détecter plutôt toutes les ruptures de stock en rayons pour permettre, pour rapidement notifier l'équipe de restocker les rayons. Donc énormément d'opportunités qui vont être apportées par la digitalisation du magasin.
Speaker #1
Et si on tire le fil, en plus, ça peut être quasiment fait à la volée. C'est-à-dire qu'en direct, si ces images et le flux est suffisamment rapide... on peut immédiatement avoir des alertes sur un produit qui est out of stock et avoir des actions correctrices et ne pas attendre la demi-journée ou la fin de journée.
Speaker #2
Absolument. Donc, toute l'idée, c'est vraiment de rentrer dans une logique en quasi temps réel et permettre d'optimiser l'ensemble des opérations du magasin qui, évidemment, aujourd'hui, reste le cœur de métier de tous les distributeurs.
Speaker #1
Super. Et peut-être, si je peux me permettre, une chose qui m'a frappé dans les derniers sujets, les dernières animations à garder en tête, c'est... côté client. Aujourd'hui, les clients, surtout en e-commerce, c'est eux qui font la transaction d'achat. Demain, ça pourrait être des agents qui travaillent ou opèrent au nom du client et qui vont faire les paniers, qui vont constituer des paniers, constituer les choix des produits, les choix des prix et potentiellement, en amont de ça, le choix de la plateforme et faire directement l'achat. Tu crois que ça va arriver, ça ?
Speaker #2
Absolument. Aujourd'hui, ce qu'on observe également sur le marché, c'est que OpenAI a récemment annoncé, voire lancé aux Etats-Unis, ce n'est pas encore arrivé en France, toute la capacité à référencer et rerouter vers des sites marchands. Donc ça va également transformer radicalement la manière dont les consommateurs vont vraiment engager avec les sites marchands. Ça va sûrement aussi transformer radicalement la manière dont les équipes marketing vont devoir monétiser et pousser leurs produits. Et à terme, les agents vont également commencer à pouvoir acheter pour le titre des clients. Donc je pense qu'on est à l'orée d'une véritable transformation du secteur qu'on a encore même pensé. Tout le monde a du mal à voir l'emploi de cette transformation.
Speaker #1
Je pense qu'on se revoit dans six mois, voire moins que ça, pour voir à quelle vitesse ces agents côté client ont joué un rôle. Merci encore, Vincent, pour cet échange.
Speaker #2
Merci à toi.
Speaker #1
C'était un plaisir de réfléchir avec toi. Toujours un plaisir de t'écouter. Et rendez-vous dans quelques mois pour la suite de la Data Iliad dans le retail, parce qu'on est au tout début de l'histoire.

Embed