Skip to content
Menu

L’IA au service du Retail et du e-commerce – les trois enjeux et trois obstacles majeurs

L’IA au service du Retail et du e-commerce – les trois enjeux et trois obstacles majeurs

Temps de lecture : 4 minutes

L’IA au service du Retail et du e-commerce – les trois enjeux et trois obstacles majeurs

Temps de lecture : 4 minutes

Ider Oudad a animé la table ronde : “l’IA au service du Retail et du e-commerce – enjeux, opportunités et applications” dont vous pouvez voir le post LinkedIn en cliquant sur le bouton plus bas.

Merci aux experts qui ont partagé leur vision :

Ider Oudad, Jérémie Jakubowicz, Mohamed Amine Zghal, Frederic Abitan

De ces riches échanges, nous retenons trois enjeux et trois obstacles majeurs pour que les acteurs du retail et du e-commerce génèrent le ROI attendu par ces projets.

Le dilemme fondamental

 

Comment gérer l’assortiment quasi infini ?

Dans un site e-commerce, il existe a minima plusieurs milliers de références articles (différents produits) . Cependant, les clients sont demandeurs d’une offre hyperpersonnalisée : ils recherchent la bonne référence au bon moment.  Cette confrontation crée donc un paradoxe.

Ces deux notions sont en contradiction mais l’IA est là pour aider à répondre à la question : quel produit doit être présenté à quel client pour vendre plus et mieux ?

 

3 enjeux : automatisation, aide à la décision et monitoring

 

AUTOMATISATION POUR PASSER À L’ÉCHELLE

Le large choix de référence et le volume de visite rendent absolument nécessaire d’automatiser un certain nombre de décisions opérationnelles : quel produit montrer à quel client ? Faut-il ajouter de nouveaux produits ? Quelles sont les promotions à appliquer ? Quand ?

Ainsi, l’IA est un outil qui permet de capitaliser sur les expériences passées pour construire par exemple des moteurs de recommandation pertinents.

 

AIDE À LA DÉCISION POUR ÉCLAIRER LES DÉCISIONS OPÉRATIONNELLES

Au-delà des cas “classiques” d’automatisation de décision opérationnelle vu précédemment, l’IA peut également servir à modéliser des phénomènes complexes pour éclairer les décisions des équipes opérationnelles. Par exemple, quel est l’impact du retard de livraison sur la fréquence d’achat ? Plus j’achète, plus j’ai de chance d’avoir un retard de livraison. Si on ne fait pas attention au biais de sélection, on risque de tirer des conclusions erronées.

L’IA est un outil qui permet de modéliser des phénomènes complexes :

Comme une carte ou un GPS, c’est une représentation du monde qui aide à choisir la bonne direction sous réserve qu’on ait choisi sa destination

 

MONITORING POUR GARANTIR LA FIABILITÉ

Les systèmes d’IA ont des spécificités qui font qu’on ne peut pas appliquer les approches de monitoring classique des systèmes informatiques et logiciels existant. Par exemple, un logiciel (software) a un comportement attendu, il est facile de voir quand il n’est plus fonctionnel. Tandis qu’un système IA est entraîné par des données c’est-à-dire un contexte spécifique. Si le contexte (donc les données) dans lequel le système est utilisé, change, il continuera de donner des rendus un modèle obsolète. 

Par conséquent, il faut être en capacité de mesurer la performance en continue pour détecter au plus vite les dérives ou des changements dans les comportements par exemple.

 

3 obstacles : gouvernances données, compétences, priorisation

 

GOUVERNANCE DES DONNÉES POUR GARANTIR LA DISPONIBILITÉ ET LA FIABILITÉ

La gouvernance des données doit permettre de garantir l’accès à des données fiables pour toute l’entreprise néanmoins elle doit sensibiliser, embarquer et responsabiliser l’ensemble des collaborateurs sur ce sujet. 

Ici, le piège à éviter est d’avoir une approche centralisatrice au lieu d’embarquer toute l’entreprise en commençant par les zones à plus forte valeur ajoutée. “Tout seul on va plus vite, ensemble on va plus loin”.

 

COMPÉTENCES POUR MAÎTRISER TOUTE LA CHAÎNE DE VALEUR DE LA DATA

Pour construire des moteurs de recommandation ou optimiser les stocks il faut évidemment les fameux Data Scientist. Pourtant la chaîne de valeur de la data nécessite bien plus que les compétences de Data Scientists. Data Engineer, SRE (Site Reliability Engineer), Data Analyste ou encore Data Architect sont des profils tout aussi essentiel pour maîtriser la chaîne de valeur complète.

Sans compétence de développement et de maintenance de pipeline de traitement de données, ou encore architecture optimisée pour un temps de réponse adéquat, un moteur de recommandation ne sert strictement à rien.

Pour vous donner un exemple, imaginez un moteur de recommandation (dont nous vous avons présenté l’utilité plus haut) qui marche très bien off line sur les données passées, mais une fois en ligne met plus d’une minute pour les internautes à fonctionner. Résultat : les utilisateurs auront quitté le site bien avant d’avoir lancé une recherche.

 

PRIORISATION POUR MAXIMISER LA CRÉATION DE VALEUR

Moteur de recommandation, optimisation des stocks, optimisation des promotions, chatbot, les cas d’usage de l’IA ne manquent pas.

Ici aussi, le piège à éviter réside ici dans le fait d’avoir recours à l’IA au lieu de concentrer ses efforts sur une tâche ou un processus précis avant d’ouvrir d’autres chantiers.

En automatisant ou en aidant la prise de décision opérationnelle, l’IA est un outil qui permet de changer en profondeur tous les processus d’une entreprise du retail et du e-commerce. Cependant sans priorisation, vous risquez d’effleurer les sujets et passer à côté des gisements de valeur les plus importants.

Vous souhaitez avoir plus de détails sur ce sujet et savoir comment l’adapter à votre entreprise ? N’hésitez pas à nous contacter pour recevoir notre benchmark et un audit sur-mesure !