David Woollard, CTO chez Standard AI – Série d’entretiens

David Woollard est le directeur technique (CTO) de Standard AI. Il est un vétéran de l’industrie technologique avec plus de 20 ans d’expérience, ayant travaillé pour des entreprises comme Samsung et la NASA, ainsi qu’en tant qu’entrepreneur dans des startups en démarrage et en croissance. Il détient un doctorat en informatique, spécialisé dans les architectures logicielles pour le calcul haute performance.

Standard AI offre des insights sans précédent sur le comportement des acheteurs, la performance des produits et les opérations des magasins.

Pouvez-vous partager votre parcours depuis votre travail au Jet Propulsion Laboratory de la NASA jusqu’à devenir le CTO de Standard AI ?

Lorsque j’étais au Jet Propulsion Laboratory, mon travail se concentrait principalement sur la gestion des données à grande échelle pour les missions de la NASA. J’ai eu l’occasion de travailler avec des scientifiques et des ingénieurs incroyables, en apprenant comment mener des recherches depuis l’espace. Non seulement j’ai appris beaucoup sur la science des données, mais également sur la gestion de projets d’ingénierie à grande échelle, l’équilibre des risques et des budgets d’erreurs, ainsi que la conception de systèmes logiciels à grande échelle. Mon travail de doctorat à l’Université de Californie du Sud portait sur les architectures logicielles pour le calcul haute performance, et j’ai pu voir l’application de ces recherches de première main.

Alors que j’ai appris énormément de choses pendant mon séjour là-bas, j’ai également vraiment voulu travailler sur des choses plus tangibles pour les gens du quotidien. Lorsque j’ai quitté le JPL, j’ai rejoint un ami qui fondait une startup dans le domaine de la vidéo en streaming en tant que l’un des premiers employés. J’étais accroché dès le début à la construction d’expériences de consommation et de startups en général, les deux choses qui me semblaient être une rupture avec mon monde précédent. Lorsque j’ai eu l’occasion de rejoindre Standard, j’ai été attiré par la combinaison de problèmes scientifiques difficiles en IA et en vision par ordinateur que j’aimais dans ma carrière précédente avec des expériences de consommation tangibles que j’ai trouvées les plus gratifiantes.

Qu’est-ce qui a motivé le changement de focus de Standard AI des solutions de caisse automatique aux applications d’IA plus larges dans le commerce de détail ?

Standard AI a été fondée il y a sept ans avec la mission de mettre en œuvre la caisse automatique. Alors que nous avons réussi à livrer la meilleure solution de vision par ordinateur pour la caisse automatique et que nous avons lancé des magasins autonomes, nous avons finalement constaté que l’adoption par les utilisateurs était plus lente que prévu et, par conséquent, le retour sur investissement n’était pas là pour les détaillants.

En même temps, nous avons réalisé qu’il y avait un certain nombre de problèmes que les détaillants rencontraient que nous pouvions résoudre grâce à la même technologie sous-jacente. Cette nouvelle orientation vers les insights opérationnels et les améliorations a permis à Standard de livrer un retour sur investissement plus direct aux détaillants qui cherchent à améliorer leur efficacité pour compenser les effets de l’inflation et des coûts de main-d’œuvre accrus.

Comment la technologie de vision par ordinateur de Standard AI suit-elle les interactions des clients avec une telle précision sans utiliser la reconnaissance faciale ?

La plate-forme VISION de Standard est conçue pour suivre les acheteurs dans l’espace réel en analysant les vidéos provenant de caméras suspendues dans le magasin, en distinguant les humains et les autres éléments dans chaque vidéo, et en estimant la pose, ou la structure squelettique, de chaque humain. En regardant à travers plusieurs caméras en même temps, nous pouvons reconstruire une compréhension 3D de l’espace, comme nous le faisons avec nos deux yeux. Puisque nous avons des mesures très précises de la position de chaque caméra, nous pouvons reconstruire la position, l’orientation et même la position de la main d’un acheteur, avec une grande précision. Combiné avec des algorithmes de cartographie avancés, nous pouvons déterminer le mouvement et l’interaction avec les produits d’un acheteur avec une précision de 99 %.

Comment Standard AI assure-t-elle la confidentialité des acheteurs tout en collectant et en analysant des données ?

Contrairement à d’autres systèmes de suivi qui utilisent la reconnaissance faciale pour identifier les acheteurs entre deux flux vidéo différents, lorsque Standard détermine la pose d’un acheteur, nous utilisons uniquement des informations structurelles et de géométrie spatiale. À aucun moment le système de suivi de Standard ne repose sur des biotypes d’acheteurs qui peuvent être utilisés pour l’identification, comme le visage de l’acheteur. En d’autres termes, nous ne savons pas qui est l’acheteur, nous savons juste comment les acheteurs se déplacent dans le magasin.

Quels sont les insights les plus significatifs que les détaillants peuvent obtenir en utilisant la plate-forme VISION de Standard AI ?

Les détaillants peuvent obtenir un certain nombre d’insights en utilisant la plate-forme VISION de Standard. Les plus significatifs sont que les détaillants peuvent obtenir une meilleure compréhension de la façon dont les acheteurs se déplacent dans leur espace et interagissent avec les produits. Alors que d’autres solutions donnent une compréhension de base du volume de trafic dans une partie spécifique d’un magasin, Standard enregistre le chemin individuel de chaque acheteur et peut distinguer les acheteurs des employés du magasin pour donner une meilleure comptabilité non seulement du trafic et du temps de séjour, mais également des comportements spécifiques des acheteurs qui achètent des produits.

En outre, Standard peut comprendre quand les produits sont en rupture de stock sur les étagères et, plus largement, les conditions des étagères comme les emballages manquants qui impactent non seulement la capacité de l’acheteur à acheter des produits, mais également à former des impressions sur les différentes offres de marques. Ce type de données de conversion et d’impression est précieux à la fois pour les détaillants et les fabricants de produits de consommation. Ces données n’ont simplement pas été disponibles auparavant et ont de grandes implications pour améliorer les opérations, allant de la merchandising et du marketing à la chaîne d’approvisionnement et à la réduction des pertes.

Comment les insights prédictifs de VISION peuvent-ils transformer les stratégies de marketing et de merchandising pour les détaillants ?

Puisque Standard crée une réplique numérique complète d’un magasin, y compris l’espace physique (comme les emplacements des étagères) et les mouvements des acheteurs, nous avons un ensemble de données riche à partir duquel construire des modèles prédictifs pour simuler les mouvements dans le magasin étant donné les changements physiques (comme les mises à jour de la merchandising et les réinitialisations) ainsi que prédire les interactions des acheteurs en fonction de leur mouvement dans le magasin. Ces modèles prédictifs permettent aux détaillants d’expérimenter et de valider les changements de merchandising dans le magasin sans avoir à investir dans des mises à jour physiques coûteuses et des périodes d’expérimentation en magasin longues. De plus, les impressions de la performance et de l’interaction des produits peuvent éclairer le placement sur les étagères ou les endcaps. Dans l’ensemble, cela peut aider à prioriser les dépenses et à générer des rendements plus élevés.

Pouvez-vous fournir des exemples de la façon dont les offres en temps réel basées sur les chemins prévus des clients ont impacté les ventes lors des tests pilotes ?

Alors que Standard ne construit pas les systèmes promotionnels réels utilisés par les détaillants, nous pouvons utiliser notre compréhension du mouvement des acheteurs et de nos prédictions d’interaction avec les produits pour aider les détaillants à comprendre l’intention d’un acheteur, permettant ainsi au détaillant de fournir des promotions profondément significatives et opportunes plutôt que des offres générales ou des recommandations basées uniquement sur les achats passés. Les recommandations basées sur les comportements en magasin permettent de prendre en compte la saisonnalité, la disponibilité et l’intention, autant de facteurs qui se traduisent par une augmentation plus efficace des ventes.

Quels ont été les résultats du pilote de suivi du tabac, et comment a-t-il influencé les marques impliquées ?

Au sein d’une journée de fonctionnement d’un pilote de détaillant, nous avons pu détecter le vol de produits du tabac et le signaler au détaillant pour des actions correctives. À long terme, nous avons pu travailler avec les détaillants pour détecter non seulement le vol physique mais également les abus de promotion et les problèmes de conformité, les deux étant très impactants non seulement pour le détaillant mais également pour les marques de tabac qui financent ces promotions et consacrent des ressources importantes pour assurer la conformité manuelle. Par exemple, nous avons également pu observer ce qui se passe lorsque le premier choix d’un client est en rupture de stock ; la moitié des acheteurs ont choisi un autre produit de la même famille, mais près d’un quart n’ont rien acheté. C’est potentiellement beaucoup de revenus perdus qui pourraient être résolus si détectés plus tôt. Puisque notre plate-forme VISION est toujours active, elle est devenue une extension de l’équipe de vente des marques de tabac, capable de voir (et d’alerter sur) l’état actuel de n’importe quel magasin dans l’ensemble ou la flotte d’un détaillant à tout moment.

Quels sont les plus grands défis que vous avez rencontrés lors de la mise en œuvre de solutions d’IA dans le commerce de détail physique, et comment les avez-vous surmontés ?

Travailler dans des environnements de détail a été accompagné d’un certain nombre de défis. Non seulement avons-nous dû développer des systèmes robustes aux problèmes courants dans le monde physique (comme la dérive des caméras, les changements de magasin et les défaillances matérielles), mais nous avons également développé des processus compatibles avec les opérations de détail. Par exemple, avec les récentes Jeux olympiques d’été, de nombreux fabricants de produits de consommation ont changé leur emballage pour promouvoir Paris 2024. Puisque nous identifions visuellement les SKU en fonction de leur emballage, cela a signifié que nous devions développer des systèmes capables de signaler et de gérer ces changements d’emballage.

Depuis le début, Standard a choisi des mises en œuvre techniques qui fonctionneraient avec les processus existants des détaillants plutôt que de changer les processus existants pour répondre à nos exigences. Les magasins utilisant notre plate-forme VISION fonctionnent exactement comme ils le faisaient avant sans aucun changement dans la merchandising physique ou des rétrofits physiques complexes et coûteux (comme l’introduction de capteurs d’étagères).

Comment voyez-vous l’évolution du rôle de l’IA dans le secteur de la vente au détail au cours de la prochaine décennie ?

Je pense que nous ne touchons que la surface de la transformation numérique que l’IA va alimenter au sein des détaillants dans les années à venir. Alors que l’IA est aujourd’hui largement synonyme de grands modèles de langage et que les détaillants réfléchissent à leur stratégie d’IA, nous croyons que l’IA sera, dans un avenir proche, une technologie d’activation fondamentale plutôt qu’une stratégie en soi. Des systèmes comme la plate-forme VISION de Standard débloquent des insights sans précédent pour les détaillants et leur permettent de débloquer les informations riches contenues dans les vidéos qu’ils capturent déjà. Les types d’améliorations opérationnelles que nous pouvons livrer formeront la colonne vertébrale des stratégies des détaillants pour améliorer leur efficacité opérationnelle et améliorer leur marge sans avoir à passer les coûts aux consommateurs.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Standard AI.