{"id":82369,"date":"2024-12-18T13:10:47","date_gmt":"2024-12-18T12:10:47","guid":{"rendered":"https:\/\/visionarymarketing.com\/?p=82369"},"modified":"2025-01-20T11:08:15","modified_gmt":"2025-01-20T10:08:15","slug":"ia-et-retail","status":"publish","type":"post","link":"https:\/\/visionarymarketing.com\/fr\/2024\/12\/18\/ia-et-retail\/","title":{"rendered":"IA et commerce : les files d\u2019attente aujourd\u2019hui, les emplois demain"},"content":{"rendered":"

L’IA est en train de red\u00e9finir le commerce de d\u00e9tail (\u00ab retail \u00bb) en profondeur, en transposant le type d’automatisation et de professionnalisme autrefois mis en \u0153uvre dans l’industrie manufacturi\u00e8re. Dans le cas pr\u00e9sent, il s’agit principalement de d\u00e9cisions marketing fond\u00e9es sur des donn\u00e9es et de capacit\u00e9s m\u00e9diatiques en magasin. Axians<\/a>, une entreprise du groupe VINCI, d\u00e9montre que l’IA n’est pas un simple jouet pour les \u00e9tudiants de premier cycle qui \u00e9chouent \u00e0 leurs examens et sont en recherche d\u2019inspiration. C\u2019est au contraire un outil high-tech industriel de pointe, qui \u0153uvre \u00e0 la croissance et \u00e0 l\u2019am\u00e9lioration de la gestion des magasins. Cependant, comme souvent en mati\u00e8re de technologie, il y a un c\u00f4t\u00e9 sombre. Une autre face qui est plus inqui\u00e9tante et d\u00e9peint un avenir du \u00ab retail \u00bb o\u00f9 les licenciements continueront de pleuvoir, principalement pour les enseignes qui ont rat\u00e9 le coche de la personnalisation pilot\u00e9e par l’IA. Voici le compte-rendu de mon interview avec Hugo Rocha Gon\u00e7alves<\/a>, directeur Smart RetAIl d\u2019Axians, lors de Tech for Retail 2024<\/a>. <\/i><\/p>\n

IA et retail : les files d\u2019attente aujourd\u2019hui, les emplois demain<\/h2>\n
\"AI
Zoom sur l’IA dans le commerce de d\u00e9tail avec Hugo Gon\u00e7alves d’Axians \u00e0 Tech for Retail 2024<\/figcaption><\/figure>\n

Vous \u00eates responsable de la solution Smart RetAIl chez Axians. De quoi s’agit-il ?<\/h3>\n

Hugo Gon\u00e7alves<\/b>. Nous avons d\u00e9velopp\u00e9 le concept Smart retAIl pour r\u00e9pondre aux principaux d\u00e9fis auxquels le secteur de la vente de d\u00e9tail est confront\u00e9 aujourd’hui. Il est indispensable de mieux comprendre le comportement, le profil et les habitudes d’achat des consommateurs en magasin. Nous fournissons ces \u00ab\u00a0insights\u00a0\u00bb afin d’am\u00e9liorer l’efficacit\u00e9 des magasins et de permettre une prise de d\u00e9cision fond\u00e9e sur les donn\u00e9es.<\/p>\n

Pouvez-vous d\u00e9crire le processus de Smart RetAIl ?<\/h3>\n

H.G<\/b>. Nous utilisons l’IA et le \u00ab computer vision \u00bb pour le mettre en \u0153uvre.\u00a0<\/span><\/p>\n

    \n
  1. La premi\u00e8re \u00e9tape consiste \u00e0 comprendre comment les points de vente sont organis\u00e9s<\/b>, \u00e0 quoi ressemble le plan du magasin, et aussi comment nous pouvons capturer ces donn\u00e9es de mani\u00e8re anonyme – pour des raisons \u00e9videntes de conformit\u00e9 au RGPD<\/a> – afin d’alimenter un processus de d\u00e9cision bas\u00e9 sur les donn\u00e9es.\u00a0<\/span><\/li>\n
  2. Apr\u00e8s avoir captur\u00e9 ces donn\u00e9es anonymes gr\u00e2ce au \u00ab\u00a0computer vision\u00a0\u00bb, nous pouvons mesurer un certain nombre de facteurs. Il s’agit notamment de savoir quelle est la fr\u00e9quentation, qui sont les acheteurs, quand ils ach\u00e8tent et quel est leur parcours dans le magasin ?<\/b> Nous pouvons ensuite cartographier, avec l’aide de l’IA, les zones chaudes et froides du magasin. Dans ces zones, nous pouvons ainsi savoir si les visiteurs du magasin sont de v\u00e9ritables acheteurs ou de simples badauds et combien de temps ils passent dans le magasin.<\/li>\n<\/ol>\n

    Il s’agit en quelque sorte d’une \u00ab\u00a0heat map\u00bb\u00a0de la circulation en magasin<\/h3>\n

    H.G<\/b>. C’est exactement cela. Gr\u00e2ce \u00e0 cette cartographie, nous pouvons \u00e9galement comprendre les produits qui attirent les consommateurs et combien de temps ils mettent \u00e0 les \u00e9valuer. Avec l’IA, nous montons d\u2019un cran dans la connaissance client. Cela comprend le test et la d\u00e9gustation des produits. L\u2019IA nous aide beaucoup dans la vente de chocolat ou de parfums par exemple, deux secteurs o\u00f9 le test du produit joue un r\u00f4le essentiel. Gr\u00e2ce \u00e0 ces technologies, nous pouvons d\u00e9tecter si un client qui teste un parfum d\u00e9cidera ou non de l\u2019acheter par la suite.<\/p>\n

    \"AI
    IA et commerce : Pour d\u00e9montrer la puissance de l’IA, Axians avait mis en place une carte thermique montrant comment son syst\u00e8me surveillait la fr\u00e9quentation devant son stand Tech for Retail.<\/figcaption><\/figure>\n

    Vous automatisez donc le travail des professionnels de l\u2019\u00e9tude des comportements des consommateurs en magasin<\/h3>\n

    H.G<\/b>. En effet. Autrefois, ce travail fastidieux consistait \u00e0 analyser des vid\u00e9os pendant des heures afin de comprendre le comportement des clients, les habitudes d\u2019achat et les possibilit\u00e9s de personnalisation. Dor\u00e9navant, nous disposons d’IA capables de traiter les vid\u00e9os de t\u00e9l\u00e9surveillance d\u2019un magasin enregistr\u00e9es en 24\/24. Nous pouvons traiter toutes ces donn\u00e9es et en tirer des informations pr\u00e9cieuses ainsi que des donn\u00e9es enrichies par l’IA et le \u00ab\u00a0computer vision\u00a0\u00bb.<\/p>\n

    Vous capturez donc un flux d’images \u00e0 l’aide de cam\u00e9ras install\u00e9es dans les magasins, comment cela fonctionne-t-il ?<\/h3>\n

    H.G<\/b>. Ce processus est l\u2019exemple parfait de l\u2019application de l’apprentissage automatique et de l’IA. Il n’est pas n\u00e9cessaire de recourir \u00e0 des dispositifs intrusifs suppl\u00e9mentaires. Nous utilisons les cam\u00e9ras de vid\u00e9osurveillance existantes dans les points de vente. Nous appliquons ensuite le traitement d’image de l’IA, image par image, sur les enregistrements existants. Les donn\u00e9es recueillies sont ensuite reconnues et class\u00e9es automatiquement par l\u2019intelligence artificielle. En r\u00e9sultante, nous obtenons de nombreux indicateurs cl\u00e9s de performance comme la qualification des passants\/acheteurs, l’identification des zones chaudes et froides, comme je l’ai indiqu\u00e9 pr\u00e9c\u00e9demment. Nous nous connectons \u00e9galement \u00e0 d’autres syst\u00e8mes d’information tels que les syst\u00e8mes de gestion de la relation client (CRM), les ERP ou les terminaux en sortie de caisse. De cette mani\u00e8re, nous sommes en mesure de faire correspondre nos donn\u00e9es avec les chiffres issus des ventes.<\/p>\n

    \"IA
    IA et retails: visuel de la plateforme SMART RETaiL d’Axians \u2014 image Axians<\/figcaption><\/figure>\n

    De quel type d’IA parlons-nous ici, certainement pas de ChatGPT !<\/h3>\n

    H.G<\/b>. Ce syst\u00e8me est le r\u00e9sultat d\u2019un travail important et d\u2019une forte exp\u00e9rience du terrain. Nous disposons d\u2019un grand nombre de data scientists chez Axians. Il est \u00e9galement important de mentionner que cette solution est issue d’un programme d’IA lanc\u00e9 par le groupe VINCI, le programme Leonard (NDLR du nom de L\u00e9onard de Vinci). Ce programme se concentre sur la r\u00e9solution de d\u00e9fis quotidiens par l\u2019innovation technologique. Il s’agit d’utiliser l’IA pour r\u00e9soudre des d\u00e9fis concrets. Pour cela, nous combinons expertise et connaissances humaines avec les technologies d\u2019intelligence artificielle. Il s’agit d’un autre type d’IA coupl\u00e9e \u00e0 la \u00ab computer vision \u00bb et non d’une IA g\u00e9n\u00e9rative.\u00a0<\/span><\/p>\n

    Il s’agit donc soit de ML ou de Deep Learning. En quoi consiste le processus d\u2019entra\u00eenement ?<\/h3>\n

    H.G. <\/b>Il existe une courbe d’apprentissage pour ces types de syst\u00e8mes. Nous entra\u00eenons le mod\u00e8le en utilisant ce que nous appelons l’\u00e9tiquetage manuel<\/b>. Celui-ci aide le mod\u00e8le \u00e0 identifier les personnes humaines. Pour ce faire, nous recourons aux mod\u00e8les existants, nous ne partons pas de z\u00e9ro. Ces mod\u00e8les sont des mod\u00e8les ouverts qui identifient un \u00eatre humain dans un magasin et ses interactions. En plus de cela, nous faisons appel aux enseignes qui nous aident \u00e0 entra\u00eener les mod\u00e8les. Cela nous permet \u00e9galement d\u2019\u00e9tiqueter correctement les donn\u00e9es. Il est important de noter qu’il ne s’agit pas d’un processus non supervis\u00e9. Nous parlons ici de traitement d’images d’IA supervis\u00e9. L’apprentissage supervis\u00e9 garantit l’\u00e9tiquetage correct des donn\u00e9es et l’exploitation efficace des capacit\u00e9s de l’IA.<\/p>\n

    Quel type de travail a-t-il \u00e9t\u00e9 n\u00e9cessaire avant le lancement ?\u00a0<\/span><\/h3>\n

    H.G<\/b>. Un important travail de pr\u00e9paration a \u00e9t\u00e9 n\u00e9cessaire au pr\u00e9alable. Nous avons beaucoup d\u2019exp\u00e9rience dans le d\u00e9veloppement de solutions d’IA, en particulier dans les domaines de la \u00ab\u00a0computer vision \u00bb,\u00a0du traitement des donn\u00e9es, du traitement de l’IA et de la qualit\u00e9 des donn\u00e9es. Cela repr\u00e9sente au moins deux ou trois ans de travail intensif, de collaborations, de tests et d’efforts pour progresser. Lorsque la solution \u00ab\u00a0packag\u00e9e\u00a0\u00bb ne suffit pas, nous proposons des POC \u00e0 nos clients. Ces POC nous aident \u00e0 faire baisser les co\u00fbts li\u00e9s aux tests. Par exemple, nous testons actuellement la gestion des files d\u2019attente assist\u00e9e par l\u2019IA. Par exp\u00e9rience, nous avons constat\u00e9 que les clients n’attendent normalement pas plus de 10 minutes lorsqu’ils ont pr\u00e9vu de r\u00e9aliser un achat. Si le d\u00e9lai d\u2019attente d\u00e9passe 10 minutes, ils quittent la file d’attente et renoncent \u00e0 leur achat. Nous nous attaquons \u00e0 ces probl\u00e8mes en fournissant des informations fond\u00e9es sur des donn\u00e9es.<\/p>\n

    Pouvez-vous partager avec nos lecteurs un cas concret ?<\/h3>\n

    H.G<\/b>. Nous avons lanc\u00e9 un POC en Italie avec un grand client du secteur de la distribution. Ce d\u00e9taillant s’est rendu compte qu’il perdait des ventes et que son taux de conversion diminuait parce que son personnel n\u2019aidait pas ses clients, m\u00eame si cela faisait partie de sa formation initiale (\u00ab onboarding\u00a0\u00bb).\u00a0<\/span><\/p>\n

    Le gain final a \u00e9t\u00e9 significatif. Le temps d’attente a \u00e9t\u00e9 r\u00e9duit de 50\u00a0% et les ventes ont augment\u00e9 de 12 \u00e0 15\u00a0% dans certains magasins gr\u00e2ce \u00e0 cette mise en \u0153uvre.<\/p><\/blockquote>\n

    Cela a suffi pour atteindre le point mort et ils nous ont soumis de nouveaux cas d\u2019usage, avec des questions fort complexes li\u00e9es \u00e0 l\u2019usage de l\u2019intelligence artificielle.<\/p>\n

    Combien de temps faut-il pour atteindre le seuil de rentabilit\u00e9 avec ce type de solution ?<\/h3>\n

    H.G. <\/b>Cela d\u00e9pend beaucoup de la taille des magasins. Ce n\u2019est pas une solution standard qui s\u2019appliquerait \u00e0 tous de la m\u00eame mani\u00e8re. Mais dans l\u2019ensemble, le point mort sur ce type de plateforme est atteint entre 6 et 12 mois.\u00a0<\/span><\/p>\n

    Un autre cas d\u2019usage IA et retail, au Portugal, par exemple ?<\/h3>\n

    H.G<\/b>. Sur ce probl\u00e8me de files d\u2019attente dans le commerce de d\u00e9tail, nous avons en effet un autre cas d\u2019usage au Portugal. Le probl\u00e8me principal \u00e9tait l’identification des zones les plus rentables du magasin. Pour les points de vente d\u00e9di\u00e9s \u00e0 la high-tech, pour des produits comme les smartphones par exemple, ces zones sont celles o\u00f9 les consommateurs passent le plus de temps.<\/p>\n

    Ce temps de passage plus long permet aux commer\u00e7ants de vendre de l’espace m\u00e9dia aux industriels. C’est ce que l’on appelle le \u00ab retail media<\/b>\u00a0\u00bb. Dans ce cas particulier au Portugal, nous avons obtenu d’excellents r\u00e9sultats avec une enseigne qui a commenc\u00e9 \u00e0 mon\u00e9tiser les zones chaudes de ses magasins.<\/p>\n

    Il sait d\u00e9sormais quelles sont les zones qui offrent le meilleur retour sur investissement et peut facturer plus cher le placement de produits dans ces zones. Nous en sommes encore aux pr\u00e9mices avec ce client, une grande enseigne portugaise. D’ores et d\u00e9j\u00e0, le retour sur investissement en euros se situe entre quatre et cinq chiffres par magasin.<\/p>\n

    Votre solution peut-elle aider les d\u00e9taillants en difficult\u00e9 dans le contexte \u00e9conomique actuel ?<\/h3>\n

    H.\u00a0G. <\/b>Absolument. Nous vivons dans un monde o\u00f9 les donn\u00e9es jouent un r\u00f4le central. Toutes les d\u00e9cisions de management devraient \u00eatre prises sur la base de donn\u00e9es. C\u2019est justement ce que permet notre plateforme.\u00a0<\/span><\/p>\n

    Dans un avenir proche, les enseignes qui ne se seront pas pass\u00e9es au marketing ax\u00e9 sur les donn\u00e9es et l’IA n\u2019auront d\u2019autre choix que de r\u00e9duire leur masse salariale et de prendre des d\u00e9cisions hasardeuses de derni\u00e8re minute.\u00a0<\/span><\/p>\n

    Notre solution permet de mettre \u00e0 nu des indicateurs cl\u00e9s de performance et des m\u00e9triques qui auparavant \u00e9taient cach\u00e9s. Gr\u00e2ce \u00e0 l\u2019approche fond\u00e9e sur les donn\u00e9es, nous sommes capables de r\u00e9duire les redondances et de faciliter la prise de meilleures d\u00e9cisions manag\u00e9riales.<\/p>\n

    IA et retail dans cinq ou dix ans : le commerce de d\u00e9tail restera-t-il une activit\u00e9 fortement consommatrice de main-d’\u0153uvre ?<\/h3>\n

    H.\u00a0G. <\/b>Avec ces solutions IA, le commerce de d\u00e9tail ne sera plus aussi d\u00e9pendant de la main-d\u2019\u0153uvre. Nous allons assister \u00e0 une reconfiguration majeure des enseignes. Dans les magasins de luxe, le personnel continuera \u00e0 nous assister dans nos achats. Pour les achats quotidiens par contre, il faut s\u2019attendre \u00e0 une r\u00e9duction significative du personnel.\u00a0<\/span><\/p>\n

    \u00c0 l’avenir, le commerce de d\u00e9tail ne sera plus aussi d\u00e9pendant de la main-d’\u0153uvre<\/p><\/blockquote>\n

    L’avenir du commerce de d\u00e9tail passera \u00e9galement par une acc\u00e9l\u00e9ration de la personnalisation des offres. Nous connaissons d\u00e9j\u00e0 un tel niveau de personnalisation dans les services de streaming qui suivent tr\u00e8s bien nos donn\u00e9es personnelles et comportementales. Transpos\u00e9 au commerce, cela signifiera que chaque consommateur disposera d’un catalogue sur mesure, adapt\u00e9 \u00e0 ses besoins.\u00a0<\/span><\/p>\n

    Pour rester dans le jeu, les d\u00e9taillants devront poss\u00e9der une connaissance approfondie de leurs clients.\u00a0<\/span>\u00c0 l’avenir, au-del\u00e0 de ce niveau \u00e9lev\u00e9 de personnalisation, chaque client exigera une exp\u00e9rience de service apr\u00e8s vente adapt\u00e9e \u00e0 ses propres besoins.\u00a0<\/span><\/p>\n