Crisp lance Halo pour intégrer l’IA appliquée au commerce de détail aux environnements cloud des entreprises

Crisp a lancé Halo, une plateforme d’IA appliquée au commerce de détail qui peut fonctionner dans l’environnement cloud propre à une entreprise, rapprochant ainsi l’analyse des ventes et de la chaîne d’approvisionnement des données et des systèmes de gouvernance déjà en place. Annoncée le 29 octobre, la plateforme s’adresse aux fabricants de biens de consommation courante (CPG), aux détaillants, aux distributeurs et aux courtiers.

Ce lancement répond à un problème bien connu dans le commerce de détail : les équipes peuvent constater une évolution des ventes ou des stocks, mais passer encore des heures à rassembler les éléments nécessaires pour l’expliquer. L’annonce de Halo par Crisp présente un système qui combine des données du commerce de détail, une logique propre au secteur et des outils reposant sur des agents IA pour aider les utilisateurs à analyser les performances et à décider de la suite à donner.

Une base de données du commerce de détail au cœur de l’IA

L’architecture de Halo s’appuie sur les informations transmises par les détaillants et les distributeurs. La présentation de la plateforme par Crisp distingue trois composantes à la base du système : l’intégration, la gestion et la modélisation des données. Des outils reposant sur des agents IA et des applications conçues pour chaque rôle viennent s’y ajouter.

Cette structure est importante, car un produit, un magasin ou une période de reporting peut être représenté différemment selon les partenaires commerciaux. Une question sur une rupture de stock devient plus pertinente lorsque les systèmes sous-jacents s’accordent sur l’article, le lieu et la période concernés.

Crisp décrit son approche comme une IA verticale : les données sont nettoyées et enrichies de sémantique propre au commerce de détail avant d’être utilisées pour l’analyse. Les documents de référence de l’entreprise citent les calendriers des détaillants, les hiérarchies de produits, les taux de service et l’analyse des ruptures de stock comme exemples du contexte commercial pris en compte. Crisp indique que plus de 7 000 clients, dont 90 des 100 plus grandes entreprises de biens de consommation courante, utilisent ses services ; ces chiffres d’adoption sont communiqués par l’entreprise.

Exécuter la plateforme dans le cloud du client

Halo est disponible sous forme de plateforme hébergée ou peut être déployé dans les environnements des clients sur Databricks, Snowflake et Google Cloud. Cette deuxième option permet aux entreprises d’éviter de transférer leurs outils d’analyse du commerce de détail vers une autre application hébergée à l’extérieur.

La documentation sur l’architecture Databricks de Crisp en donne un exemple concret. Les données du commerce de détail sont stockées dans des tables Delta régies par Unity Catalog ; les applications et les agents sont hébergés dans Databricks Apps ; et une base de données Lakebase sert à gérer l’état des applications, les conversations et la mémoire des agents. Les appels aux modèles passent par Model Serving et AI Gateway, tandis que les requêtes sémantiques utilisent un entrepôt SQL sélectionné.

Selon Crisp, les données propriétaires restent dans l’environnement du client, tandis que les journaux opérationnels et les données de télémétrie non propriétaires sont partagés avec ses systèmes centraux. Cette distinction est plus précise que d’affirmer que le déploiement ne communique pas avec l’extérieur. Crisp indique également que l’intégration de MLflow et la publication de ses modèles sémantiques sous forme de Unity Catalog Metric Views figurent sur sa feuille de route.

Pour les équipes informatiques, l’intérêt est d’ordre opérationnel : les contrôles d’accès, les choix d’inférence et le suivi de l’utilisation peuvent s’aligner sur l’infrastructure déjà en place. Toutefois, le seul lieu de déploiement ne garantit ni l’exactitude d’une réponse ni la pertinence d’une action automatisée.

Des questions sur l’ensemble du portefeuille aux décisions propres à chaque détaillant

Le lancement présente Central Desk et Customer Desk. Central Desk donne aux équipes du siège une vue d’ensemble de leur portefeuille de détaillants pour des activités couvrant la stratégie commerciale, la gestion des catégories et la planification de la chaîne d’approvisionnement. Customer Desk s’adresse aux équipes de gestion des comptes qui ont besoin des indicateurs, de la terminologie et des règles de fonctionnement propres à un détaillant donné.

Prenons l’exemple d’une marque qui cherche à comprendre le recul des ventes d’un produit donné. La question pertinente consiste à déterminer si cette évolution est liée à la demande, à la disponibilité, à la distribution ou à un autre facteur opérationnel. Le rapprochement de l’analyse avec les données détaillées par magasin et par article peut aider les équipes à cerner le problème, plutôt qu’à considérer une baisse touchant l’ensemble du portefeuille comme un seul et même problème.

C’est là que réside la différence concrète entre une interface conversationnelle et une application pour le commerce de détail : cette dernière doit comprendre les entités commerciales et les relations qui sous-tendent la question. La plateforme Halo organise également ses fonctionnalités autour de domaines tels que le réapprovisionnement, la planification des catégories et la collaboration avec les fournisseurs.

Des réponses traçables et des flux de travail reproductibles

Les documents de Crisp sur les agents IA présentent des outils qui s’appuient sur des informations quotidiennes à l’échelle des magasins et des produits pour étayer l’analyse et le passage à l’action. Pour Halo, l’entreprise cite les questions en langage conversationnel, les rapports récurrents, l’automatisation des flux de travail et les applications personnalisées parmi les principales façons d’utiliser ces outils.

Les documents de lancement insistent sur la traçabilité des recommandations jusqu’aux données sources et à la logique qui a servi à les produire. Cette traçabilité peut faciliter l’examen d’une réponse : un analyste peut consulter les données et le raisonnement qui sous-tendent une recommandation, plutôt que d’accepter sans vérification une explication convaincante en apparence.

Pour les entreprises qui évaluent la plateforme, les questions importantes vont au-delà de cette explication et portent sur la mise en œuvre : quelles actions sont autorisées, lesquelles doivent être vérifiées et comment mesurer les changements après leur mise en œuvre. Les documents publiés décrivent des fonctionnalités et une architecture de déploiement, et non une évaluation indépendante de la précision des prévisions ou des rendements financiers.

Le principal atout de Halo réside dans le lien entre ces différentes couches. Le contexte du commerce de détail fournit à un système d’IA des informations plus utiles, le déploiement dans le cloud du client peut s’intégrer aux pratiques de gouvernance existantes, et des flux de travail adaptés à chaque rôle présentent les analyses qui en résultent aux personnes chargées des stocks et des décisions commerciales.