Pour Matt Redwood, Vice President, Global Solutions & Consulting Group – Banking & Retail chez Diebold Nixdorf, l’intelligence artificielle devient une couche opérationnelle du commerce, comme le point de vente en a été la couche transactionnelle. Dans une tribune publiée par Journal du Net, il estime que les distributeurs risquent de reproduire avec l’IA les erreurs des vagues technologiques précédentes. Selon lui, l’avantage concurrentiel se jouera surtout sur la capacité à faire travailler ensemble les différentes intelligences d’une enseigne.
- L’IA devient une couche opérationnelle du commerce, comme le point de vente en a été la couche transactionnelle.
- L’avantage concurrentiel dépendra de la capacité des enseignes à faire travailler ensemble leurs différentes intelligences.
- Les distributeurs doivent passer de l’expérimentation à des actions mesurables.
- Ils doivent bâtir une plateforme commune pour généraliser leurs usages à grande échelle.
Les distributeurs pourraient multiplier les outils sans les faire communiquer, cloisonner leurs données et empiler des intégrations coûteuses. Or l’IA s’intègre désormais au cœur des décisions et des opérations, ce qui rend ces défauts d’intégration encore plus critiques. Dans cinq ans, les enseignes ne se distingueront probablement plus par telle ou telle application d’IA, mais par leur aptitude à connecter leurs données, leurs systèmes et leurs processus, puis à transformer cette intelligence en décisions et en actions à l’échelle du réseau.
Passer de l’IA à l’action
Les bénéfices potentiels sont déjà concrets : automatisation des tâches répétitives, temps libéré pour les collaborateurs, optimisation des stocks et du merchandising, réduction de la démarque et des coûts opérationnels, expérience client plus fluide et personnalisée. La valeur, insiste l’auteur, ne viendra toutefois pas de l’IA seule, mais de sa capacité à agir.
Le marché évolue dans ce sens, les distributeurs passant de l’expérimentation à la recherche de résultats mesurables. Il ne s’agit plus seulement d’identifier une file d’attente trop longue, mais de recommander, voire de déclencher, l’action qui la réduira. De même, détecter une future rupture ne suffit plus : il faut anticiper le besoin et engager le réapprovisionnement.
Le défi principal tient à un décalage : les usages se développent plus vite que les infrastructures capables de les faire fonctionner ensemble. Beaucoup d’enseignes disposent déjà de plusieurs solutions, reposant sur des données, des fournisseurs et des processus différents. Déployer un premier cas d’usage reste relativement simple, mais le généraliser à plusieurs centaines ou milliers de magasins l’est beaucoup moins.
Un socle technologique commun
La réponse ne consiste pas à ajouter une application, mais à construire le socle qui permettra à ces intelligences de communiquer. Une plateforme de commerce unifié, qui centralise les données, les règles métier et les composants communs, permettrait de déployer progressivement de nouveaux usages sans reconstruire une architecture à chaque fois. Une enseigne pourrait par exemple commencer par la reconnaissance des articles en caisse, puis relier cette technologie à une solution de prévention des pertes.
Cette logique conditionne, d’après la tribune, le magasin intelligent. Un client qui prépare son dîner depuis l’application de son enseigne consulte plusieurs produits sans finaliser son achat. Une plateforme unifiée peut croiser cette intention avec les stocks, les données de fidélité et les prévisions de demande. À son arrivée en magasin, les produits pertinents peuvent être mis en avant, les stocks ajustés et les équipes mobilisées en conséquence.
À terme, cette intelligence collective pourra combiner vision par ordinateur, IoT (objets connectés), RFID (étiquettes d’identification par radiofréquence), données digitales et gestion des équipes. Elle permettra de prendre des milliers de microdécisions chaque heure : réaffecter un collaborateur, déclencher un réapprovisionnement, ajuster un prix ou modifier un parcours client.
Une question de passage à l’échelle
Pour y parvenir, les distributeurs doivent d’abord définir des objectifs business précis, puis bâtir un socle capable de les soutenir. Ils peuvent ensuite déployer quelques cas d’usage à forte valeur, avant d’étendre leurs capacités grâce à un écosystème de partenaires et au partage des données entre magasins et canaux. La question à poser avant chaque nouveau projet est donc simple : comment cette solution pourra-t-elle passer à grande échelle et fonctionner avec les autres ?
L’enjeu des prochaines années ne sera pas de savoir quelle enseigne possède le plus d’IA, mais laquelle saura le mieux les faire travailler ensemble. Les distributeurs qui auront posé dès aujourd’hui les fondations permettant à cette intelligence de circuler, de décider et d’agir à grande échelle disposeront, selon Matt Redwood, du véritable avantage concurrentiel de demain.
