3 erreurs commises par les hauts dirigeants et les conseils d’administration du commerce de détail en matière d’IA

Plus tôt cette année, mon entreprise a interrogé des DSI et des directeurs techniques d’entreprises réalisant plus de 500 M$ de chiffre d’affaires annuel sur la manière dont leurs marques abordaient l’IA. Parmi ces dirigeants, 84 % estimaient que seuls les projets d’IA générant un retour sur investissement survivraient à l’année, et 82 % convenaient que leurs conseils d’administration remettaient de plus en plus en question les sommes consacrées à l’IA.

À mon avis, cette pression à double tranchant explique en grande partie pourquoi les entreprises — et tout particulièrement les détaillants — retombent dans une vieille habitude lorsqu’il s’agit d’adopter la dernière vague technologique : ce que j’aime appeler les « initiatives décousues en matière de [fill in latest technology here] ». Au fil de ma carrière, j’ai été témoin d’initiatives décousues dans le domaine du mobile, puis de l’Internet des objets, et nous en sommes maintenant aux initiatives décousues en matière d’IA.

Plus que pour toute autre vague technologique précédente, considérer l’adoption de l’IA comme un « problème technologique » relevant exclusivement du DSI ou du directeur technique, c’est ne pas voir la forêt derrière les arbres. Les dirigeants du commerce de détail qui souhaitent sérieusement prendre l’avantage concurrentiel dans la vague actuelle de l’IA doivent éviter trois erreurs majeures.

Erreur 1 : laisser l’inertie de l’entreprise l’emporter

Comme l’IA peut profondément transformer une entreprise, l’un des principaux obstacles à l’exploitation de tout son potentiel est une perception figée de ce qu’est une entreprise ou de ce qu’elle peut devenir. Dans le commerce de détail, cela se traduit souvent par une mentalité où le produit prime : « Nous vendons des chemises, nous ne sommes pas une entreprise technologique. »

Cette rigidité agit comme un anticorps de l’entreprise : elle empêche toute véritable innovation afin de préserver le statu quo. Par conséquent, les budgets consacrés à l’IA sont confiés aux directeurs techniques, à qui l’on ordonne de réduire les coûts. Sans impératif stratégique ni vision à long terme pour les guider, ils se tournent, sans surprise, vers des solutions familières : des investissements précipités dans des outils ponctuels ajoutés à l’existant, comme des moteurs de recommandation, des agents conversationnels ou des modules de recherche visuelle.

Au mieux, cette approche apporte un gain modeste, mais immédiat. Au pire, cependant, ces outils d’IA disparates ne disposent pas de l’organisation nécessaire en arrière-plan pour fonctionner à l’échelle de l’entreprise dans son ensemble. Ils produisent donc plus souvent des expériences « incontrôlées » qui frustrent les clients. J’ai finalement vu cette approche déboucher sur des projets pilotes abandonnés et des budgets gaspillés. Tout le monde y perd.

Erreur 2 : une thèse d’investissement inflexible

À l’inflexibilité de la vision d’entreprise s’ajoute celle de la thèse d’investissement. Lorsqu’ils investissent dans l’IA, les hauts dirigeants et les membres des conseils d’administration doivent se demander franchement s’ils souhaitent réellement transformer l’entreprise grâce à l’IA — et assumer tout ce que cela implique — ou s’ils feraient mieux d’économiser du temps et de l’argent en renonçant tout simplement à cette démarche. Pour alimenter la discussion, il peut être utile de prendre un exemple concret et bien connu, comme Amazon.

Ce n’est un secret pour personne : si Amazon est aujourd’hui une telle puissance, c’est parce que l’entreprise a passé plus d’une décennie sans réaliser de rendements significatifs. Durant cette période, la technologie et la vision à long terme étaient jugées suffisamment précieuses pour justifier les investissements et l’absence de retour sur investissement immédiat. Remanier une entreprise autour de l’IA exige de s’y engager tout aussi résolument.

Lors d’un récent événement du secteur, le détaillant en ligne Stitch Fix a indiqué qu’il menait environ 40 projets pilotes d’IA en parallèle, dans sa quête acharnée d’expériences d’achat personnalisées. Voilà à quoi ressemble une « vision inébranlable » lorsqu’on prend au sérieux la transformation par l’IA. Et si cette idée vous a fait écarquiller les yeux parce que vous pensez ne pas avoir le budget nécessaire, sachez que vous n’êtes pas seul.

Je recommande d’aborder l’IA comme un portefeuille de placements diversifié en trois catégories : les gains rapides (des leviers à faible risque et à effet immédiat, comme les agents conversationnels), les paris progressifs (des initiatives à moyen terme fondées sur le principe « investir et apprendre », comme la personnalisation des messages adressés aux clients) et les paris susceptibles de tout changer (des projets à haut risque et à fort potentiel, comme des assistants d’achat intégrant pleinement l’IA et capables de redéfinir une entreprise). Mener ces trois types d’initiatives de front permet d’obtenir des résultats à court terme tout en créant la résilience et l’élan nécessaires à des changements plus vastes et transformateurs.

Erreur 3 : l’IA en guise de bonbons au petit-déjeuner

Aborder l’IA comme un simple outil de réduction des coûts ou un gadget marketing, c’est un peu comme manger des bonbons au petit-déjeuner : l’effet de nouveauté ne dure guère plus longtemps que la trace du Red 40 sur la langue, et vous devrez vite vous nourrir de quelque chose de plus substantiel. Le signe le plus évident qu’un outil relève de l’« IA-bonbon », c’est qu’il empêche votre entreprise d’effectuer des transactions, d’exécuter ses commandes ou de tirer des enseignements de manière intelligible en arrière-plan.

Ne commencez donc pas votre parcours vers l’IA dans le commerce de détail avec un agent conversationnel prêt à l’emploi : investissez plutôt dans l’infrastructure qui permettra de créer un agent conversationnel propriétaire, capable d’apprendre à partir de votre propre clientèle et de vous procurer un véritable avantage concurrentiel. Pour commencer, il faut préparer vos données à l’utilisation par des agents.

Vous réfléchissez probablement déjà à la manière d’enrichir vos données produit pour qu’elles soient mieux prises en compte par les LLM, compte tenu du fait que ces plateformes deviennent de plus en plus souvent le point de départ par défaut des recherches. Vous voudrez également investir dans une couche d’intelligence qui comprend le contexte client (comportement, fidélité, historique des commandes, intention déclarée), le contexte de la session (ce que la personne a comparé, demandé, sur quoi elle a hésité et ce qu’elle a laissé dans son panier) et le contexte commercial (stocks, marges, promotions et règles de mise en marché). Structurer et organiser les données de cette manière crée un cercle vertueux qui apprend et s’améliore en continu.

Plus important encore, les premières étapes de votre parcours vers l’IA devraient aussi être consacrées à la mise en place de l’architecture de gouvernance et de tolérance au risque qui permettra aux agents d’agir véritablement de manière autonome. On parle beaucoup ces derniers temps de garder un « humain dans la boucle », mais cette approche n’est ni évolutive ni rentable.

Pour les détaillants de grande envergure, ces étapes sont assurément plus faciles à dire qu’à faire. Mais prendre l’IA au sérieux en tant que technologie exige un important travail en amont, susceptible de déboucher dans un avenir proche sur des innovations capables de bouleverser le secteur. Bien sûr, il est toujours possible de poursuivre les activités comme à l’accoutumée, mais à mesure que l’IA devient la norme, la possibilité de rattraper son retard se réduit. Je ne recommande pas de se laisser distancer.