Eric Vincent et Xavier Cassin sont respectivement Associé et Consultant chez Axionable, spécialistes sur les sujets Retail.
L’IA fut LE buzz word du Paris Retail Week 2018 … avec la Chine et le Phygital.
Au cours de cette édition, nous avons beaucoup entendu parler du changement radical de curseur qui s’opère actuellement en matière d’idéal de magasin physique...nous passons du Far West au Far East. Difficile de ne pas le comprendre quand les images tristes et sombres des Dead Malls américains font place aux éblouissantes photos des magasins chinois érigeant Hema Fresh en figure de proue.
L’omnicanal n’était pas en reste avec la myriade d’éditeurs venus expliquer combien leurs méthodes et solutions permettent de démolir efficacement les cloisons séparant encore trop souvent le digital de nos chers magasins physiques.
Mais c’est l’Intelligence Artificielle qui a retenu tout particulièrement notre attention. Véritable fil rouge du salon, l’IA était la réponse incontournable aux problématiques des distributeurs. Que ce soit sur des sujets aussi variés que l’optimisation de la stratégie de recrutement client, la personnalisation, le service après-vente, la logistique, la fraude, la commande par la voix … l’IA était dans toutes les bouches !
Derrière le buzz word, l’IA est-elle vraiment LA réponse à la révolution que connaît la distribution ?
Après avoir « disrupté » le marché dans les années 60, les distributeurs traditionnels sont désormais les victimes de la révolution en cours. Dans ce contexte de remise en cause, il s’agit pour survivre de se réinventer. Or les leviers de différenciation historiques (prix, proximité et qualité) ne sont pas suffisants.
L’IA est-elle, alors, LA réponse pour permettre aux distributeurs de se réinventer ? De se différencier ? De répondre aux attentes nouvelles des consommateurs ? La réponse est NON ! Mais ...
L’IA n’est pas une réponse en soi mais seulement un moyen de répondre aux enjeux des acteurs. Utilisée avec pertinence et dans de bonnes conditions, l’IA peut proposer des solutions innovantes et différenciantes. Il ne faut toutefois pas oublier que l’IA ne doit avoir d’artificielle que l’intelligence et non pas la valeur ajoutée. Attention donc à l’IA Washing !
Car si certaines solutions semblent exploiter l’IA de façon raisonnée et pertinente, d’autres laissent perplexes... Nous avons notamment en mémoire une solution de détection d’e-transactions frauduleuses vantant les mérites de son IA ; mais dont la réponse à notre question « Combien de temps faut-il pour que la solution devienne performante ? » a été « Elle l’est dès l’intégration, il suffit de paramétrer les règles métier. » ...
Comment réussir son projet d’Intelligence Artificielle ?
La première étape est de valider la quantité et la qualité (trop souvent négligée) des données dont vous disposez. Si vous ne disposez pas de quantité suffisante pour entrainer vos algorithmes, ceux-ci ne présenteront aucun intérêt...et votre projet d’IA sera un échec.
Partant ensuite du postulat que le business case est identifié et la stratégie établie, il devient important de bien s’entourer pour être en mesure d’identifier les solutions adaptées et créatrices de valeurs. Ces solutions permettront de prouver l’intérêt de l’IA et de justifier un investissement interne ultérieur pour construire votre propre solution.
Car sur confidence d’un distributeur, lors de ce salon les visites de stand en stand, de conférence en conférence, se transforment trop souvent en injonction sur injonction et il devient alors difficile de séparer le bon grain de l’ivraie et de faire son choix.
Pour commencer, nous pouvons distinguer deux grandes familles d’acteurs bien distinctes avec :
- D’un côté les éditeurs de solutions SaaS
- Et de l’autre les fournisseurs de services (algorithmie, socle technologique, …) open source (avec les GAFA en tête de d’affiche)
Ces deux typologies de solutions présentent des avantages et inconvénients différents. Nous pouvons notamment noter que les solutions SaaS des éditeurs ont la fâcheuse tendance à :
- Ne pas être suffisamment adaptées aux spécificités du distributeur
- Vite être dépassées et demander des investissements supplémentaires pour suivre la course infernale à l’innovation et à la performance
- Nécessiter beaucoup de temps d’appropriation de la part des équipes ou pire à être in fine sous utilisées
Courbe d’apprentissage et de création de valeur. Exemple d’un outil de gestion de campagne
Source : Gartner, Paris Retail Week 18
Les solutions open sources quant à elles présentent le principal inconvénient de n’être « pas suffisamment » adaptées aux enjeux et particularités du Retail.
Ces deux types de solutions permettent de valider le business case et de mettre le pied à l’étrier en initiant un cadre favorable à l’innovation, en se sensibilisant aux problématiques liées à l’Intelligence Artificielle (gouvernance, cas d’usages, contraintes techniques, éthique, ...) et en constituant des assets réutilisables (gestion de projet, bases de données, socle technique, méthodologies ...) en vue d’un éventuel Build interne.
Pour l’IA comme pour le reste, les distributeurs n’ont pas intérêt à faire dans le « Me-Too » mais à s’armer de courage et OSER !
L’IA est certes « l’une des technologies les plus prometteuses des années à venir », comme le présente Forrester à travers la voix de Brendan Witcher. Il n’en demeure pas moins stratégique et primordial de prendre le temps de se l’approprier et d’assurer son interprétabilité : Pourquoi un consommateur n’a pas reçu telle promotion ? Pourquoi il ne s’est pas vu recommandé tel service / produit ?
Pour éviter cela et tirer la quintessence du potentiel de l’IA, il est stratégique de construire votre propre solution qui affirmera votre différenciation. En plus d’être stimulante pour les équipes, une solution propriétaire présentera le triple avantage :
- D’être adaptée à vos enjeux by design
- De mettre en œuvre des algorithmes et technologies différenciants
- D’être maitrisée, explicable et adaptable par vos équipes
Franprix est un exemple intéressant, qui applique ce cheminement dans le cadre de son projet de Big Data Plateform. Comme tout distributeur, Franprix est confronté à la nécessité de repenser le mode de gestion et de valorisation de ses données. Pour cela, les équipes se sont faites accompagner par un prestataire. Cet accompagnement a permis de constituer un cadre favorable à l’innovation (montée en compétence des équipes, contraintes réglementaires, ...), de valider l’architecture pertinente et le modèle économique associé, et de confirmer l’importance d’un pôle interne Data Science chargé de développer des algorithmes, ou de challenger ceux du marché, pour répondre aux cas d’usages métier spécifiques à Franprix.
Franprix se donne ainsi les moyens d’affirmer sa différenciation à travers une solution propriétaire performante, adaptée et en cohérence totale avec sa vision
Nous conclurons donc en invitant les éditeurs à ne pas tomber dans l’IA-Washing et les distributeurs à oser pour se réinventer. Loin d’être une fin en soi, l’IA peut être un véritable levier de différenciation dans un contexte marché difficile. Il s’agit toutefois d’être vigilant quant aux conditions d’utilisation et d’être bien accompagné dans sa stratégie et ses choix. Si l’utilisation de solutions externes représente de vrais intérêts, seule une solution interne permet d’allier performance et différenciation donc comme le souligne Etienne Gautheron ” Start now and remember that done is better than perfect ! ”
