Adopt AI Grand Palais 2025 : L'IA au service des consommateurs dans le secteur de la distribution – Compte rendu des interventions et des tables rondes Artefact

Le sommet Adopt AI 2025 en bref

• 20 000 participants
• Plus de 650 intervenants
• Plus de 250 exposants
• 7 étapes
• Plus de 35 délégations nationales
• Plus de 70 pays représentés
• 14 stands nationaux
• Plus de 1 000 PDG
• Plus de 3 000 cadres dirigeants

Regardez l'intégralité de la session « IA pour le commerce de détail et les consommateurs » (replays)

Points forts

L'IA générative n'est pas seulement la prochaine vague technologique ; elle représente un changement stratégique fondamental pour les industries du commerce de détail et des biens de consommation. Pour les dirigeants, le défi consiste à aller au-delà de l'expérimentation et à intégrer l'IA dans le tissu opérationnel de l'entreprise afin de dégager un impact mesurable sur le résultat opérationnel. Ce rapport distille les leçons stratégiques les plus importantes tirées de notre récent sommet, offrant aux cadres dirigeants des éclaircissements sur la manière de naviguer dans cette transformation et de créer un véritable avantage concurrentiel.

Notre analyse des parcours des dirigeants révèle que le succès n'est pas accidentel. Il est le résultat d'une concentration délibérée, souvent radicale, sur six impératifs stratégiques spécifiques. Ce sont ces domaines qui distinguent les leaders du marché des autres, transformant l'IA d'un centre de coûts en un moteur essentiel de la valeur de l'entreprise.

• Réinvention opérationnelle L'IA crée des cadres opérationnels prédictifs et autonomes qui permettent aux entreprises de passer d'une résolution réactive des problèmes à une création de valeur proactive, en atténuant les risques avant qu'ils ne se produisent et en étendant la prise de décision experte à l'ensemble de l'entreprise.
• L'amélioration des capacités humaines comme principal retour sur investissement La valeur la plus importante et la plus immédiate de l'IA réside dans l'autonomisation de la main-d'œuvre, en transformant les experts en constructeurs d'IA autonomes, en augmentant les équipes de vente et de service avec des recommandations data-driven, et en libérant les talents humains pour qu'ils se concentrent sur le travail stratégique à haute valeur ajoutée.
• Les nouvelles perspectives en matière d'expérience client L'IA remodèle fondamentalement les interactions avec les clients en permettant une personnalisation à une échelle sans précédent, en créant des expériences en magasin plus curatives et plus élevées, et en faisant évoluer le paradigme des actifs numériques statiques vers un commerce dynamique et conversationnel.
• L'impératif fondamental Les leaders construisent leur avantage en matière d'IA sur un modèle organisationnel hybride “d'activation centrale et d'exécution décentralisée”, garantissant la rigueur de l'ingénierie au cœur de l'entreprise tout en utilisant des agents d'IA pour nettoyer et enrichir dynamiquement les data foundation nécessaires aux unités commerciales pour innover à la périphérie.
• Réalisation pragmatique de la valeur L'approche gagnante en matière d'investissement dans l'IA permet d'obtenir des résultats transformateurs en accumulant sans relâche des “ gains marginaux ” grâce à un portefeuille ciblé de cas d'utilisation, chacun étant sélectionné pour son impact clair et mesurable sur le compte de résultat plutôt que pour son potentiel spéculatif.
• Le défi de l'adoption et de la culture La technologie est l'élément qui peut être résolu ; le principal défi et la véritable source de différenciation concurrentielle consistent à maîtriser l'adoption à l'échelle de l'entreprise et le changement culturel par le biais d'une double stratégie de parrainage exécutif fort et d'une culture décentralisée de l'expérimentation.

Pour mener votre organisation à travers cette ère de changement, il est essentiel d'internaliser ces principes stratégiques. Nous vous encourageons à approfondir ces thèmes en visionnant l'intégralité de la session replays, une ressource essentielle pour votre planification et votre exécution stratégiques.

La scène des PDG

Entretien informel avec Alexandre Bompard, de Carrefour

Intervenants : Alexandre Bompard, président-directeur général

Depuis 2017, Alexandre Bompard dirige Carrefour, l'un des plus grands groupes de distribution au monde, présent en Europe, en Amérique latine et en Asie.

Sous sa direction, Carrefour accélère sa transformation numérique en intégrant la solution artificial intelligence afin d'optimiser les chaînes d'approvisionnement, d'améliorer l'expérience client et de réduire le gaspillage alimentaire…

En repensant à votre parcours dans les médias et le commerce de détail, comment abordez-vous la technologie et l'innovation, tant sur le plan personnel que professionnel ?

• Alexandre Bompard : La qualité essentielle requise pour exercer un rôle de dirigeant aujourd'hui est la curiosité ; il n'est pas nécessaire d'être ingénieur pour stimuler l'innovation, mais il faut susciter la curiosité au sein de l'organisation.
• Issus de secteurs dits “ traditionnels ” (télévision et radio linéaires, commerce de détail physique) menacés par les bouleversements technologiques, notre objectif a toujours été de concilier les structures existantes et l'innovation.
• Ce processus passe par des essais et des erreurs ; par exemple, à la Fnac, il a lancé avec succès une plateforme de liseuses électroniques (Kobo) et un service de streaming musical qui s'est soldé par un échec, mais il soutient que les dirigeants doivent “ recommencer ”, quels que soient les échecs, pour aller jusqu'au bout de leur parcours.

Comment avez-vous réussi à mener à bien l'innovation et le changement culturel au sein d'une structure aussi gigantesque que Carrefour (100 milliards de chiffre d'affaires, 500 000 collaborateurs) ?

• Alexandre Bompard : À leur arrivée, les dirigeants pensaient à tort que le secteur de la grande distribution alimentaire était à l'abri des bouleversements liés au numérique ; la première étape a consisté à les convaincre que l'innovation était indispensable à la survie de l'entreprise.
• L'innovation ne peut pas être confinée dans un coin ; elle doit être démocratisée au sein de l'ensemble du tissu social de l'entreprise afin de permettre la transition d'une entreprise traditionnelle vers une organisation agile et tournée vers le numérique.
• Même si Carrefour ne peut peut-être pas encore rivaliser avec les géants issus du secteur technologique en termes de compétitivité technologique pure, l'entreprise a réussi à asseoir sa légitimité et son leadership dans la transformation numérique du commerce de détail traditionnel.

Quel rôle précis joue l'IA chez Carrefour, et quels sont les cas d'utilisation concrets ?

• Alexandre Bompard : L'objectif n'est pas de se livrer à un “ spectacle d'innovation ”, mais d'utiliser l'IA comme un outil de transformation pragmatique.
• Cas d'utilisation n° 1 (Opérations) : L'exploitation d'un lac de données data contenant 10 milliards de transactions permet d'optimiser les gammes de produits locales et d'ajuster les prix en temps réel, ce qui améliore considérablement le service client.
• Cas d'utilisation n° 2 (expansion stratégique) : réduisant considérablement le temps nécessaire à l'analyse des emplacements potentiels pour l'implantation de magasins ; ce qui nécessitait auparavant 9 mois d'études, avec un taux d'échec de 80%, est désormais réalisé en 2 minutes, avec une précision prédictive supérieure grâce à l'IA.
• Cas d'utilisation n° 3 (CX) : Développer des “ agents IA ” pour sélectionner des produits et créer un lien privilégié avec les clients, transformant ainsi en profondeur l'expérience d'achat.

Avons-nous une chance de devenir le continent où l'utilisation de l'IA, son ampleur et ses applications pourraient être les plus avancées ? Je le pense.

Regardez la session replay

Scène principale Sud

L'IA pour tous : le projet de LVMH visant à développer l'IA dans le secteur du luxe, en s'appuyant sur ses valeurs

Intervenants : Maud Alvarez-Pereyre, directrice des ressources humaines et de la transformation
Gonzague de Pirey, directeur de l'omnicanal et de Data

À propos de Maud Alvarez-Pereyre : En tant que directrice des ressources humaines et de la transformation, elle dirige la stratégie du Groupe en matière de ressources humaines, en mettant l’accent sur le développement des talents, la culture d’entreprise et la transformation organisationnelle de l’important effectif de LVMH.

À propos de Gonzague de Pirey : En tant que directeur omnicanal et Data, il coordonne l'accélération numérique du Groupe, data governance, ainsi que l'intégration des technologies d'intelligence artificielle dans l'ensemble des Maisons.

À propos de LVMH : Basé à Paris, LVMH est le premier groupe mondial du luxe (chiffre d'affaires 2023 : 86,2 milliards d'euros, environ 213 000 collaborateurs), qui crée des produits haut de gamme dans les domaines du vin, de la mode, de la maroquinerie, des parfums et des cosmétiques.

Nous avons développé ce principe de ‘ technologie discrète ’ pour affirmer que la technologie doit être omniprésente tout en restant invisible, et que c’est là la meilleure façon de l’utiliser afin de servir ces… valeurs humaines.

Quelle est la portée et l'ambition du plan “ AI for All ” ?

Maud Alvarez-Pereyre : Cette initiative se définit comme un plan d’engagement, de perfectionnement et d’orientation destiné aux 215 000 collaborateurs du Groupe. L’ambition est la démocratisation : mettre l’IA à la portée de tous, des hôtels aux magasins en passant par les entrepôts et les ateliers, afin d’encourager l’expérimentation. Il s’agit moins d’un débat technique que d’un débat culturel, visant à déterminer dans quels domaines l’entreprise choisit d’utiliser l’IA et dans quels autres elle s’en abstient. Par exemple, bien que le service des ressources humaines puisse enregistrer les entretiens de carrière pour data, il a choisi de ne pas le faire dans l’immédiat afin de préserver la qualité de l’interaction humaine.

Pourquoi accélérer cette transformation dès maintenant, et quels en sont les piliers ?

Gonzague de Pirey : Si LVMH collabore depuis des années avec data et l’IA, l’accent n’est plus mis sur “ l’innovation ”, mais sur “ la transformation ”. Ce plan repose sur trois piliers : 1) la mobilisation de toutes les Maisons au plus haut niveau de direction ; 2) l’élaboration et la mise en œuvre à grande échelle de cas d’utilisation dans les domaines du commerce, du marketing et des opérations ; et 3) l’évaluation de l’adoption et de l’impact de ces initiatives. Il est essentiel de noter que l’objectif est le développement de l’activité et le renforcement des valeurs, plutôt qu’une simple réduction des coûts ou une restructuration.

Comment les valeurs fondamentales de LVMH orientent-elles la mise en œuvre concrète de l'IA ?

Maud Alvarez-Pereyre : Les valeurs du Groupe – Innovation/Créativité, Excellence, Esprit d’entreprise et Engagement – dictent la stratégie. Les “ fondateurs ” des Maisons étant eux-mêmes des entrepreneurs, il incombe au Groupe de préserver une culture centrée sur l’humain. Tout comme LVMH personnalise l’expérience client, le Groupe utilise l’intelligence artificielle pour personnaliser le parcours professionnel de ses meilleurs talents, en veillant à ce que la technologie soit au service du capital humain. Cette transformation doit être bénéfique pour les équipes, en transformant les perturbations potentielles en un levier de croissance.

Comment conciliez-vous la technologie et la dimension centrée sur l'humain propre au luxe ?

Gonzague de Pirey : Pour que cette adoption soit couronnée de succès, il est indispensable qu’elle s’aligne sur la stratégie de l’entreprise ; le luxe est avant tout un parcours humain fondé sur la création artistique, l’artisanat et la vente en personne. Utiliser l’IA pour remplacer ces éléments serait “ orthogonal ” (contradictoire) par rapport aux facteurs de réussite du secteur. Au contraire, LVMH adopte le principe de la “ Quiet Tech ” : la technologie doit être omniprésente mais invisible, servant de catalyseur aux valeurs humaines plutôt que de les remplacer.

Il s'agit en réalité de prendre du recul… Notre devise, c'est que les humains resteront les maîtres d'œuvre du groupe… mais nous devons leur offrir le meilleur environnement créatif possible, un environnement qui s'appuiera sur l'IA.

Regardez la session replay

Le commerce de détail au rythme de l'IA

Intervenants : Gabriel Hubert, PDG et fondateur

Gabriel Hubert: Entrepreneur en série et responsable produit, il a précédemment occupé le poste de responsable produit chez Alan et a exercé des fonctions de direction chez Stripe après le rachat de sa première start-up, Mashape. Il a cofondé Dust en 2023.

Poussière : Dust est une plateforme d'IA horizontale (fondée en 2022, siège social : Paris) comptant environ 15 à 25 collaborateurs et dont le chiffre d'affaires est estimé à un stade de croissance précoce ; elle se consacre au déploiement d'agents IA spécialisés.

• Les quatre étapes de l'adoption : Hubert trace une trajectoire allant du “ Shadow IT ” (utilisation d’outils non sécurisés) aux chatbots connectés (“ CompanyGPT ”), puis aux assistants intégrés (boutons « sparkle » SaaS), pour aboutir enfin à l’Agent OS. Il soutient qu’une véritable transformation passe par cette dernière étape : un environnement dans lequel les agents et les humains collaborent sur des projets de bout en bout.
• Le système d'exploitation de l'agent et l“” indice de compteur »: L“” indice Meter “, qui correspond à la durée pendant laquelle un agent peut travailler de manière autonome, s’élève actuellement à 2 heures et double tous les 7 mois. D’ici fin 2026, les agents seront en mesure d’assurer des journées de travail de 8 heures. Dust développe actuellement le système d’exploitation permettant de gérer ces charges de travail ” agentiques » à grande échelle.
• Le parallèle avec le CRM: Gabriel Hubert compare l’IA à l’ère du CRM ; l’avantage concurrentiel ne réside pas dans le modèle lui-même, mais dans la manière dont il est intégré aux processus propres à l’entreprise, transformant ainsi les “ listes ” de data en pipelines automatisés.
• Les clés culturelles de la réussite: Les PDG les plus performants réussissent en imposant l'IA au plus haut niveau tout en laissant s'exprimer une dynamique ascendante, dans laquelle les équipes (comme l'équipe chargée de la lutte contre la fraude chez Back Market ou les collaborateurs de Mirakl) développent leurs propres agents locaux.
• Conclusion stratégique: Pour dépasser les échecs des projets pilotes, les entreprises doivent cesser de considérer l'IA comme un “ outil ” et commencer à la considérer comme une nouvelle façon de travailler, dans laquelle la création d'un agent constitue une voie vers une promotion, et non une menace pour la sécurité de l'emploi.

Les logiciels doivent évoluer pour lutter contre le chaos informationnel qui s'installe à mesure que les équipes se développent rapidement. Nous croyons en la création de logiciels opérationnels qui permettent aux équipes performantes d'améliorer la qualité de leur travail.

Regardez la session replay

L'avenir du commerce de détail de luxe : comment Loewe accélère la mise sur le marché de ses produits

Intervenants : Adriana Mirón, responsable du PMO et de la gouvernance
Lucy Barclay, directrice principale du marketing international sur le terrain et auprès des partenaires

Utiliser un outil simplement pour le plaisir de l’utiliser revient au même que lorsque l’on parle d’IA : il faut d’abord mettre en place le processus et la gouvernance nécessaires.

Adriana Mirón: Responsable du PMO et de la gouvernance chez Loewe, chargé de la transformation numérique et de l'excellence opérationnelle dans le secteur de la mode de luxe.

Loewe: Maison de luxe espagnole appartenant au groupe LVMH, comptant environ 1 200 employés et réalisant un chiffre d'affaires de plus de 600 millions d'euros, dont le siège social est situé à Madrid, et spécialisée dans la maroquinerie haut de gamme.

Lucy Barclay: Responsable du marketing terrain et des partenariats chez Asana, spécialisé dans le déploiement à grande échelle de solutions de gestion du travail pour les grands comptes internationaux du secteur de la distribution.

Asana: Une plateforme de gestion des tâches dont le chiffre d'affaires annuel s'élève à environ 1 TP 46 T 650 M et qui compte plus de 1 700 collaborateurs, dont le siège social est situé à San Francisco, et qui met l'accent sur la clarté organisationnelle.

Lou Dana: Un expert en stratégie numérique et en commerce de détail qui anime des débats de haut niveau entre les fournisseurs de technologies et les marques de luxe.

Comment les compétences humaines évoluent-elles à mesure que l'IA prend le relais des processus manuels dans les secteurs traditionnels ?

Lucy Barclay: Dans le secteur du luxe traditionnel, les compétences techniques ont longtemps été privilégiées, mais les compétences relationnelles, telles que le raisonnement et la transparence, prennent de plus en plus d’importance. Les entreprises doivent renforcer les compétences de leurs collaborateurs afin de gérer les conclusions de l’IA et de garantir la qualité data, car une IA dépourvue de “ contrôles ” peut produire des résultats inexacts.

Comment Loewe a-t-il géré l'important travail de gestion du changement que cette transition a nécessité ?

Adriana Mirón: Il ne faut pas sous-estimer l'importance de la gestion du changement. Loewe a mis en place cet outil service par service (Marketing, Finance, etc.), car chacun d'entre eux a des besoins spécifiques. L'objectif était de veiller à ce que les personnes “ non initiées à la technologie ” trouvent cet outil simple d'utilisation, afin d'optimiser la visibilité et de centraliser la communication en s'affranchissant du courrier électronique.

Comment l'IA est-elle concrètement intégrée à la gestion des tâches dans le secteur du commerce de détail ?

Lucy Barclay: Les détaillants sont confrontés à un “ travail autour du travail ”, où la croissance accroît la complexité liée aux différents fuseaux horaires et aux divers outils. L’IA est utilisée comme un levier permettant de supprimer les réunions de suivi et les chaînes d’e-mails. Cependant, pour que l’IA soit efficace, elle doit s’appuyer sur une base claire, où l’on sait qui fait quoi et pourquoi, ce qu’Asana permet d’assurer.

L'IA a le pouvoir de véritablement renforcer le jugement humain, mais elle ne le remplace en aucun cas… Vous devez tirer parti de l'IA en la considérant comme un collaborateur au sein de votre organisation.

Regardez la session replay

L'IA au service des opérations : une exécution optimisée et l'excellence opérationnelle

Intervenants : Pierre Kroning, directeur des systèmes d'information et responsable du service informatique Managing Director de Beiersdorf Shared Services
François-Xavier Pierrel, directeur général du groupe chargé des activités Data et directeur des technologies publicitaires
Qihua Wang, vice-président exécutif chargé de la stratégie et de l'IA

Virginie Brard: Vice-président régional pour la France et le Benelux chez Fivetran, où il joue le rôle de facilitateur stratégique entre l'infrastructure data et son impact sur l'activité. Fivetran: Plateforme automatisée de transport data ; Chiffre d'affaires : environ $250M ; Effectifs : plus de 1 200 personnes ; Siège social : Oakland, Californie ; Mission : rendre l'accès à data aussi simple et fiable que l'électricité.

Pierre Kröning: Directeur des systèmes d'information chez Beiersdorf depuis septembre 2025 ; il dirigeait auparavant le département Data & Analytics et possède plus de 20 ans d'expérience dans les domaines de l'informatique et de la finance. Beiersdorf: Géant des biens de consommation (Nivea, Eucerin) ; Chiffre d'affaires : 10 milliards d'euros ; Effectifs : plus de 20 000 personnes ; Siège social : Hambourg, en Allemagne ; Mission : Être leader sur le marché des soins de la peau grâce à l'excellence opérationnelle.

Qihua Wang: Vice-président exécutif mondial chargé de la stratégie et de l'IA chez Lagardère Travel Retail, ancien consultant en stratégie spécialisé dans la refonte des processus métier à l'échelle mondiale. Lagardère Travel Retail : Enseigne internationale de vente au détail dans le secteur du voyage, présente dans 51 pays ; Chiffre d'affaires : plus de 7 milliards d'euros ; Effectifs : plus de 20 000 personnes ; Siège social : Paris, France ; Mission : réinventer la vente au détail dans le secteur du voyage grâce à des technologies intelligentes.

François-Xavier Pierrel: Responsable Data et directeur des technologies publicitaires chez TF1, expert reconnu en stratégie data ayant occupé des postes de direction chez Meta, Microsoft et JCDecaux. Groupe TF1: Premier diffuseur européen ; Chiffre d'affaires : 2,3 milliards d'euros ; Effectifs : plus de 2 800 personnes ; Siège social : Boulogne-Billancourt, France ; Mission : Passer d'un modèle de diffusion traditionnel à une plateforme de streaming de premier plan.

Pourriez-vous définir votre projet phare actuel en matière d'IA et sa justification commerciale ?

• Pierre Kröning: Chez Beiersdorf, l’accent est mis sur l“” excellence opérationnelle “ en matière de segmentation du marché. Comme il s’agit d’une entreprise B2B2C n’ayant pas d’interaction directe avec les consommateurs, elle utilise des agents d’IA pour analyser Internet et enrichir le panel data (Nielsen) avec des attributs visuels des produits, par exemple si le produit d’un concurrent a un aspect ” moderne “ ou ” traditionnel », ainsi que des spécifications techniques telles que les indices SPF, afin de compléter son écosystème.
• Qihua Wang: Lagardère exploite l'IA générative pour accélérer le processus de “ gestion des appels d'offres ”. Dans l'univers complexe des appels d'offres liés au commerce de détail dans les aéroports, répondre à ces appels implique la rédaction de documents de 400 pages ; l'IA générative interroge sa base de connaissances mondiale pour automatiser la rédaction des passages techniques, ce qui permet aux collaborateurs de se concentrer sur la proposition de valeur fondamentale et la conception du projet.
• François-Xavier Pierrel: Suite au lancement de TF1+, le groupe utilise l'intelligence artificielle pour révolutionner la “ création vidéo ”. Au-delà du montage de contenu, il déploie une “ IA agentique ” afin de créer une “ démocratie data ”, permettant ainsi aux collaborateurs d'interroger des écosystèmes techniques complexes sans avoir besoin de formation en SQL, automatisant ainsi la version opérationnelle d'eux-mêmes.

Si le data est nul, bien sûr qu’il n’y a pas de résultats… Tout le monde pense qu’il suffit d’appliquer l’IA à un processus pour résoudre tous les problèmes.

Quelles étaient les principales idées fausses ou les “ mythes ” concernant l'IA au début de vos projets, notamment en ce qui concerne data ?

• Pierre Kröning (Beiersdorf) : Le principal obstacle réside dans l’idée selon laquelle il suffirait d’appliquer l’IA à un processus pour le corriger instantanément. Si le data est de mauvaise qualité, le résultat est inutile. Le véritable défi consiste à faire comprendre aux gens qu’ils doivent repenser leurs processus en privilégiant le numérique. Même avec l’IA, le jugement humain reste indispensable pour valider les résultats.
• Qihua Wang (Lagardère Travel Retail) : L'IA n'est pas un projet technologique ; il s'agit d'un projet de transformation de l'entreprise. Le mythe veut qu'elle soit “ cool et séduisante ”, mais la réalité, c'est le “ travail de fond ” : nettoyer les données data, transformer les processus et convaincre le personnel que l'IA crée de la valeur plutôt que de supprimer des emplois. Une mise en œuvre réussie nécessite à la fois une gestion du changement, des compétences techniques et un soutien solide de la direction.
• François-Xavier Pierrel (TF1) : L’idée fausse de départ était la suivante : “ J’ai un problème, l’IA est la solution. ” Il a fallu entre 6 et 12 mois pour passer d’une mentalité consistant à “ utiliser l’IA pour l’IA ” à celle consistant à identifier les véritables problèmes métier. Ils ont compris qu’il n’y avait pas de baguette magique : cela implique des enjeux politiques, de gouvernance et budgétaires. Ils ont dû passer d’une simple automatisation à la création d’une véritable valeur ajoutée grâce à la démocratie data.

Ce n’est pas d’un simple claquement de doigts que la magie opère… En résumé, il ne s’agit pas d’un projet technologique, mais bien d’une transformation de l’entreprise.

L'IA n'est pas une baguette magique. C'est sans cesse un travail de longue haleine. C'est un peu de politique, un peu d'argent, un peu de gouvernance.

Comment gérez-vous la dimension humaine et la crainte de voir son poste remplacé ?

• Qihua Wang (Lagardère Travel Retail) : La réalité se situe entre “ l’IA, c’est nul ” et “ l’IA résout tous les problèmes ”. Il s’agit d’un processus d’essais et d’apprentissage visant à instaurer la confiance. L’objectif est de supprimer les tâches fastidieuses et répétitives, telles que répondre aux questions types des appels d’offres, afin que les employés puissent se concentrer sur des stratégies à forte valeur ajoutée. Il s’agit de déterminer ce qu’il vaut mieux confier à un robot plutôt qu’à un humain.
• Pierre Kröning (Beiersdorf) : Vous devez repenser les processus avant de les automatiser. Si vous automatisez un processus mal conçu, vous ne faites que mal fonctionner efficacement. Cela modifie le rôle des collaborateurs : une personne qui avait pour habitude de créer des diapositives PowerPoint pourrait désormais devoir endosser le rôle de Product Owner, ce qui l'obligera à prendre des décisions difficiles plutôt que de se contenter de mettre en forme des informations.

Quel est votre dernier conseil ou la principale leçon à retenir concernant le audience ?

• François-Xavier Pierrel (TF1) : Évitez le FOMO (la peur de passer à côté de quelque chose). Cette technologie est là pour durer. “ Dépêchez-vous, mais pas trop vite. ”
• Qihua Wang (Lagardère Travel Retail) : Adoptez l'état d'esprit suivant : “ Laissez tout tomber, apprenez, et apprenez encore. ” Soyez prêt à échouer, car les enseignements tirés de l'échec ont plus de valeur que le succès immédiat.
• Pierre Kröning (Beiersdorf) : Concentrez-vous sur ce que vous n'allez pas faire. Lorsque les ressources sont limitées, il est essentiel de définir des priorités afin de consacrer vos efforts à ce qui compte vraiment.

Regardez la session replay

Réinventer le magasin physique grâce à l'IA : mise en œuvre, expérience, performance

Intervenants : Dominique Tran, responsable de l'IA
Stéphane Sinopoli, président de la direction de la monétisation de la Data
Giancarlo Miluccio, directeur de la division Data et responsable du numérique
Aurélien Escartin, vice-président chargé de la transformation et des technologies de l'information

À propos de Dominique Tran : Responsable du pôle Data et de l'IA chez Leroy Merlin, chargé de piloter l'intégration de l'IA générative et opérationnelle dans les parcours clients et les processus internes.

À propos de Leroy Merlin : Un grand distributeur français spécialisé dans le bricolage (groupe Adeo), qui réalise un chiffre d'affaires annuel d'environ 9,8 milliards d'euros (en France), emploie plus de 30 000 personnes et dont le siège social est situé à Lezennes.

À propos de Stéphane Sinopoli : Franchisé Intermarché (adhérent) et président de Data, division Monétisation et Innovation du groupe Les Mousquetaires.

À propos de Les Mousquetaires : Un grand groupe français de distribution (Intermarché, Bricomarché) réalisant un chiffre d'affaires d'environ 39,9 milliards d'euros, employant environ 150 000 personnes et dont le siège social est situé à Bondoufle.

À propos de Giancarlo Miluccio : Responsable Data et directeur du numérique chez Unibail-Rodamco-Westfield (URW), où il pilote la transformation numérique des actifs immobiliers commerciaux.

À propos d'URW : Acteur mondial spécialisé dans le développement et l'exploitation de centres commerciaux phares, affichant un chiffre d'affaires proportionnel de 3,5 milliards d'euros, dont le siège social est situé à Paris.

À propos d'Aurélien Escartin : Vice-président chargé de la transformation et des technologies de l'information chez VusionGroup (anciennement SES-imagotag), spécialisé dans la numérisation liée à l'Internet des objets (IoT) et les infrastructures du commerce de détail.

À propos de VusionGroup : Leader mondial des étiquettes électroniques et des solutions IoT pour le commerce de détail, générant un chiffre d'affaires d'environ 800 millions d'euros, dont le siège social est situé à Nanterre, en France.

Comment l'IA est-elle actuellement mise en œuvre pour améliorer le parcours et l'expérience client ?

• Dominique Tran (Leroy Merlin) : Le client est désormais “ augmenté ” et très bien informé (il consulte souvent ChatGPT avant de se rendre en magasin). Leroy Merlin utilise l’IA pour déterminer dans quels cas l’interaction humaine apporte une valeur ajoutée et dans quels cas les outils numériques doivent prendre le relais. L’un de leurs principaux atouts est leur simulateur de performance énergétique (DPE), qui effectue chaque mois des milliers de simulations basées sur l’IA afin d’aider les clients à planifier leurs travaux de rénovation.
• Stéphane Sinopoli (Les Mousquetaires) : Cette stratégie s’appuie sur le “ Carrelage Truth ” (pragmatisme). L’IA gère les interactions à fort volume et à faible valeur ajoutée. Par exemple, 65% des appels reçus par leurs 3 500 magasins concernent de simples demandes de renseignements (comme les horaires d’ouverture) ; L’IA conversationnelle automatise désormais ces tâches, permettant ainsi d’économiser des milliers d’heures de travail. De plus, la vision par ordinateur utilisée aux caisses en libre-service détecte les “ gestes suspects ” afin de lutter contre la démarque inconnue, qui est quatre fois plus élevée dans les files automatisées.
• Giancarlo Miluccio (URW) : Contrairement à la règle stricte de retour sur investissement à court terme appliquée chez Intermarché, URW a investi très tôt dans data afin de cartographier le “ parcours client ”. L’entreprise utilise l’intelligence artificielle pour visualiser précisément ce que font les visiteurs à l’intérieur du centre commercial, allant au-delà du simple comptage de fréquentation pour réaliser une analyse comportementale détaillée, ce qui lui permet d’optimiser l’environnement afin d’offrir de meilleures expériences d’achat.
• Aurélien Escartin (VusionGroup) : L’entreprise se concentre sur la “ Shelf Intelligence ” et la “ Spatial Intelligence ”. À l’aide de mini-caméras et de l’IoT pour collecter toutes les heures des données data sur les rayons, ils identifient les problèmes (ruptures de stock, erreurs de prix). Ces données data alimentent l’IA en périphérie, permettant ainsi aux clients et au personnel de “ dialoguer ” avec le magasin en langage naturel, une fonctionnalité validée par leur récent partenariat avec Walmart.

Comment l'IA permet-elle de renforcer les capacités des équipes de première ligne et des employés en magasin (le “ collaborateur augmenté ”) ?

• Dominique Tran (Leroy Merlin) : Afin d’atténuer les risques liés à l’informatique parallèle, ils ont déployé une solution GenAI sécurisée et de niveau entreprise auprès de 100% collaborateurs. Sur le plan opérationnel, l’IA pilote désormais les processus clés : définition de l’assortiment, stratégies de tarification et détection des “ ruptures cachées ” (erreurs d’inventaire), renforçant ainsi systématiquement les capacités du personnel à tous les niveaux.
• Stéphane Sinopoli (Les Mousquetaires) : L'IA est mise en œuvre pour résoudre des problèmes concrets rencontrés par le personnel des magasins (directeurs, comptables, responsables des produits frais). Il s'agit notamment d'examiner des centaines de CV afin de présélectionner instantanément des candidats et de générer des affiches humoristiques et sans fautes pour les produits en rupture de stock, afin de préserver la relation avec la clientèle. L'objectif est d'optimiser la productivité afin de préserver leur stratégie agressive de prix bas.
• Giancarlo Miluccio (URW) : L'IA comble le fossé entre les équipes informatiques et celles chargées de la location. Les responsables de la location ne se contentent plus de vendre des mètres carrés ; ils vendent désormais des audience et de la productivité en s'appuyant sur des profils d'acheteurs très détaillés. De même, leur agence de Retail Media (Rise) utilise l'IA pour traiter les supports publicitaires physiques comme s'il s'agissait d'un inventaire numérique, en qualifiant et en classant les targeting et les audience en temps réel.
• Aurélien Escartin (VusionGroup) : L'IA réduit la charge cognitive en “ révélant l'invisible ”. Au lieu de scanner chaque produit, le personnel est guidé uniquement vers des anomalies spécifiques (par exemple, un produit dont le stock est à zéro mais qui est physiquement présent). Il souligne que les détaillants qui utilisent des parcours guidés par l'IA et des lunettes intelligentes pour la préparation des commandes et l'exécution des livraisons constatent une multiplication par trois de leur productivité par rapport aux méthodes traditionnelles.

Auparavant, nous cherchions surtout à savoir combien de personnes étaient présentes… Désormais, nous savons ce qu’elles font. Nous créons des jumeaux numériques de nos centres commerciaux.

Lorsque vous investissez 1 € dans la technologie, eh bien, investissez le double dans l'aspect humain. C'est la phase la plus complexe.

Comment l'IA contribue-t-elle à la stratégie du siège, et quels sont les indicateurs clés de performance (KPI) permettant de mesurer son succès ?

• Dominique Tran (Leroy Merlin) : Le principal défi réside dans l’adoption, et non dans la technologie. Leur règle d’or est la suivante : “ Investissez 1 € dans la technologie, investissez 2 € dans les ressources humaines. ” La réussite stratégique se mesure au taux d’adoption par les équipes. Ils adoptent une approche “ développer, tester, réorienter ”, en impliquant très tôt les équipes en magasin afin de garantir la réussite de la gestion du changement.
• Stéphane Sinopoli (Les Mousquetaires) : L'IA au siège social vise à réduire considérablement les frais administratifs. L’analyse de milliers de contrats fournisseurs de 100 pages chacun n’est plus gérable par des êtres humains ; l’IA vient désormais en aide aux équipes juridiques. Les coûts marketing sont également réduits de manière significative : la production d’un spot télévisé via l’IA coûte environ 100 000 €, contre environ 1 million d’euros par la méthode traditionnelle. L’indicateur de performance clé (KPI) reste strict : le retour sur investissement doit être atteint en moins de 12 mois sans augmenter les dépenses d’exploitation (OPEX).
• Giancarlo Miluccio (URW) : L'IA est passée du statut d'expérience visant à générer de “ nouvelles sources de revenus ” à celui de moteur de transformation transversal (finance, crédit-bail, opérations). Elle permet de créer des “ jumeaux numériques ” des centres commerciaux afin de simuler et d'optimiser les opérations. Les indicateurs clés de performance (KPI) ultimes sont simples et binaires : le chiffre d'affaires (des commerçants) et la fréquentation.
• Aurélien Escartin (VusionGroup) : L'accent est mis sur la rapidité et la co-construction. L'IA permet au siège social de mesurer instantanément l'impact des changements apportés au merchandising. Il insiste sur la nécessité d'une optimisation “ geek ” afin de réduire les coûts de calcul (GPU/récupération de données), garantissant ainsi que les solutions d'IA restent abordables (faibles coûts d'exploitation) pour les franchisés et les détaillants indépendants.

Les lunettes connectées que nous avons choisies coûtent 300 €… Un [scanner] Zebra coûte bien plus cher. Nous avons besoin de solutions abordables pour les franchisés.

Le “ Silo Breaker ” : comment l'IA transforme-t-elle les structures internes (location, service juridique, service financier) ?

• Stéphane Sinopoli (Les Mousquetaires) : L'impact sur le “ siège ” ( Upstream ) est tout aussi crucial que celui sur le magasin.
• Indicateur juridique : Dans les années 90, les contrats comptaient 4 pages. Aujourd'hui, ils en comptent plus de 100. Avec 1 000 fournisseurs, il est impossible pour des êtres humains d'examiner chaque année 100 000 pages de documents juridiques sans faire appel à une armée de juristes. L'IA résume ces contrats et en évalue les risques en un clin d'œil.
• Indicateur marketing : La production d’un spot publicitaire télévisé coûte généralement 1 million d’euros. Grâce aux outils vidéo basés sur l’IA générative, ils ont réalisé un spot comparable pour 100 000 euros, soit une réduction des coûts multipliée par 10 qui se répercute directement sur le résultat net.
• Giancarlo Miluccio (URW) : L'IA a entraîné un changement culturel. Auparavant, l'équipe “ Leasing ” (chargée de la location d'espaces) et l'équipe “ Data ” ne se parlaient jamais. Désormais, les responsables de la location présentent aux commerçants non seulement la superficie en pieds carrés, mais aussi les “ profils d’audience ” et les “ zones de productivité ” générés par l’analyse, via l’IA, des déplacements des clients. Cela a transformé une discussion immobilière en une discussion axée sur les médias et la performance.

Médias de proximité : les magasins physiques peuvent-ils réellement rivaliser avec les plateformes publicitaires numériques ?

• Stéphane Sinopoli (Les Mousquetaires) : Oui, et les chiffres sont stupéfiants. L’enseigne installe des écrans numériques et suit les “ performances médiatiques ” sur l’ensemble de son réseau. Point clé : l’audience cumulée (audience) des écrans en magasin d’Intermarché un dimanche matin est supérieure à celle du journal télévisé de 20 h (20h) diffusé sur les principales chaînes de télévision françaises. Ils prennent conscience qu’ils constituent un géant de la diffusion médiatique.
• Giancarlo Miluccio (URW) : L'agence d'URW, Rise, traite désormais les supports publicitaires physiques (panneaux d'affichage dans les centres commerciaux) exactement comme un inventaire numérique. L'intelligence artificielle évalue en temps réel le profil des personnes (audience) se trouvant devant un écran (données démographiques, temps d'exposition), ce qui lui permet de vendre des “ vues qualifiées ” plutôt que de simples espaces d'affichage statiques.
• Aurélien Escartin (VusionGroup) : Le Retail Media est le moteur de la “ marge pure ”. En utilisant des caméras installées au niveau des rayons pour identifier les produits que les clients touchent sans les acheter, il est possible de proposer des promotions ciblées directement au niveau des rayons. Cette nouvelle source de revenus contribue à financer l'investissement en matériel, créant ainsi un écosystème technologique autosuffisant.

Le audience de nos écrans chez Les Mousquetaires est supérieur à celui du journal télévisé de 20 h… Nous avons un concurrent qui a réalisé un film à l'aide de l'IA ; cela ne lui a pas coûté plus de 100 000 €, contre 1 million d'euros habituellement.

Regardez la session replay

L'IA à l'échelle de l'entreprise : les enseignements tirés de la transformation de Pernod Ricard

Intervenants : Pierre-Yves Calloc’h, directeur numérique mondial

À propos de Pierre-Yves Calloc’h : Actuellement directeur numérique chez Pernod Ricard, Pierre-Yves dirige la transformation numérique mondiale du groupe, en s'attachant à tirer parti du data et de l'IA pour améliorer l'efficacité commerciale et marketing.

À propos de Pernod Ricard : Acteur mondial de premier plan dans le secteur des vins et spiritueux, détenteur de marques prestigieuses telles qu’Absolut, Jameson et Havana Club. L’entreprise réalise un chiffre d’affaires annuel d’environ 12 milliards d’euros, emploie plus de 19 000 personnes, a son siège social à Paris, en France, et poursuit sa mission sous la devise “ Créateurs de convivialité ”.”

Quels sont les principaux cas d'utilisation de l'IA actuellement en production chez Pernod Ricard ?

Pierre-Yves Calloc’h : Pernod Ricard a déployé un moteur de recommandation destiné à ses 5 000 commerciaux répartis dans 60 pays. Lancé en 2020, cet outil fournit des listes de visites hebdomadaires et des suggestions spécifiques de promotion de produits basées sur des analyses data localisées, telles que l’identification des marques sous-performantes ou des promotions inefficaces. Ce système a généré une croissance des ventes de 2 à 3% sur deux ans dans les pays où il a été déployé. De plus, l’entreprise utilise la modélisation du mix marketing (MMM) dans plus de 20 pays afin d’optimiser les dépenses médias (télévision vs réseaux sociaux) en s’appuyant sur trois ans de données historiques data.

Comment gérez-vous le processus de déploiement et sélectionnez-vous les projets appropriés pour garantir la réussite ?

Pierre-Yves Calloc’h : Cette stratégie repose sur une concentration extrême, le nombre de projets d’IA en cours étant limité à huit au maximum simultanément. L’équipe a réduit un portefeuille initial de 72 projets numériques potentiels à seulement six afin de garantir une qualité élevée et une évolutivité. Point crucial : Pernod Ricard rejette les “ preuves de concept ” (POC) au profit de “ produits minimums viables ” (MVP) déployés immédiatement dans deux pays afin de démontrer leur reproductibilité. Depuis l’arrivée de ChatGPT, l’entreprise est confrontée à des milliers de cas d’utilisation potentiels, mais applique des critères financiers stricts, rejetant les projets n’apportant que des gains d’efficacité marginaux (par exemple, une économie de 0,51 TP47T d’un ETP) au profit de ceux ayant un impact mesurable sur le compte de résultat.

Comment la pile technologique évolue-t-elle du prototype à la production, et quel rôle joue le « low-code » ?

Pierre-Yves Calloc’h : L’adoption par les utilisateurs constitue le principal goulot d’étranglement, ce qui exige de la rapidité. Attendre 18 mois pour intégrer une solution dans Salesforce signifierait la fin du projet ; c’est pourquoi ils utilisent Retool pour développer des interfaces d’applications web en quelques jours ou semaines. Cela permet des itérations rapides ; les retours d’expérience recueillis lors des sessions de formation du matin peuvent être mis en œuvre dès l’après-midi, ce qui renforce considérablement la confiance des utilisateurs. Bien que Retool offre une valeur ajoutée immédiate (90%) avec une sécurité de niveau production, l’objectif à long terme (dans un à deux ans) reste d’intégrer des solutions stabilisées dans l’outil d’automatisation central de Salesforce.

Quelle est votre position concernant le “ Vibe Coding ” (interfaces utilisateur générées par l'IA) par rapport aux plateformes « low-code » ?

Pierre-Yves Calloc’h : Si les plateformes d’interface utilisateur générées par l’IA, telles que Lovable, sont impressionnantes lors des démonstrations, elles ne disposent pas encore des fonctionnalités de sécurité, d’authentification et de gestion des data requises pour les environnements de production. Comme Pernod Ricard ne réalise pas de POC et ne développe que des MVP déployables, l’entreprise ne peut pas encore s’appuyer sur le « vibe coding » pour ses outils métier en production, et préfère recourir à des solutions « low-code » éprouvées et prêtes à l’emploi.

Nous ne réalisons pas de POC [Proof of Concept], mais passons directement aux MVP… Nous ne sélectionnons que les projets qui présentent un potentiel de développement suffisant pour être rentables et offrir un retour sur investissement supérieur à leur coût.

Regardez la session replay

L'IA, moteur de l'évolutivité : comment Pepkor met en place des capacités à l'échelle du groupe pour l'ensemble de ses 30 marques

Intervenants : Jason Peisl, directeur des systèmes d'information

À propos de Jason Peisl : Actuellement directeur informatique du groupe Pepkor, il est chargé de faire évoluer la fonction informatique d'un simple prestataire de services vers un catalyseur stratégique au sein d'un ensemble complexe de marques de distribution.

À propos du groupe Pepkor : Un géant sud-africain de la grande distribution, avec un chiffre d'affaires annuel de $6B, plus de 6 500 magasins et environ 50 000 employés ; dont le siège social est situé au Cap, en Afrique du Sud, et qui est présent sur le marché des magasins discount et des produits à prix abordables.

Comment parvenez-vous à déployer à grande échelle data et l'IA au sein d'un groupe de marques de distribution concurrentes ?

• Jason Peisl : Lorsqu’il a pris ses fonctions, l’approche en vigueur consistait en des projets pilotes coûteux dont le taux d’adoption était faible, car les chercheurs de data étaient déconnectés des besoins de la marque. M. Peisl a mis en place une séparation radicale : un accompagnement centralisé face à une exécution décentralisée.
• Centralisé : Les ingénieurs et les MLOps restent essentiels pour établir des bases solides et démocratiser l'accès à data.
• Décentralisé : Les chercheurs du programme Data et les experts en intelligence artificielle ont été affectés aux différentes marques. Cela leur a permis de comprendre les mécanismes spécifiques du commerce de détail et les enjeux propres à chaque marque, ce qui a contribué à créer une réelle valeur commerciale plutôt que de se limiter à des modèles théoriques.

Quelles décisions audacieuses a-t-il fallu prendre pour instaurer la confiance et la collaboration dans un environnement auparavant fédéré ?

• Jason Peisl : La fonction informatique a longtemps manqué d’influence stratégique, ce qui a conduit à un environnement fragmenté où régnait un manque de confiance entre les marques. Peisl a lancé le programme “ Vision 2030 ” afin de remédier à la dette technique accumulée au fil des années de fédération.
• Le “ désordre ” : Le groupe exploite actuellement 5 progiciels de gestion intégrée (ERP), 12 systèmes de gestion des entrepôts et 9 systèmes de gestion des ressources humaines, ce qui entraîne une complexité considérable en matière d'ingestion et d'exactitude des données data.
• L'objectif : Une feuille de route sur 5 à 10 ans visant à regrouper les systèmes en un seul par fonction (un seul ERP, un seul WMS). Cette simplification est la condition préalable à la mise en œuvre d'un modèle data précis et d'une IA évolutive.
• Renforcement de la communauté : Afin de favoriser la collaboration, il a mis en place des communautés inter-marques (par exemple, “ Analyse avancée ” ou « Sécurité ») pour échanger sur l'innovation et des projets communs tels que « Customer 360 », qui regroupe pour la première fois les données clients data à l'échelle du groupe.

Quels sont les principaux cas d'utilisation de l'IA que tout commerçant devrait adopter ?

• Jason Peisl : Il n'existe pas de cas d'utilisation miracle permettant de générer instantanément des centaines de millions. Pepkor poursuit plutôt une stratégie de “ gains marginaux ” (à l'instar du cyclisme professionnel).
• La stratégie : En regroupant de nombreux cas d'utilisation de moindre envergure qui apportent chacun un gain d'efficacité compris entre 0,11 TP47T et 0,51 TP47T, on aboutit finalement à une amélioration globale du résultat net de l'ordre de 5 à 61 TP47T.
• Exemple concret : Optimisation de la chaîne logistique. Avec plus d'un milliard d'articles acheminés chaque année, l'intelligence artificielle est utilisée pour optimiser les itinéraires et la logistique, ce qui contribue à ces gains marginaux.

Nous ne réalisons pas de POC [Proof of Concept], mais passons directement aux MVP… Nous ne sélectionnons que les projets qui présentent un potentiel de développement suffisant pour être rentables et offrir un retour sur investissement supérieur à leur coût.

Regardez la session replay

Réussir grâce à l'IA : ce que les dirigeants d'aujourd'hui nous ont appris sur la manière de construire dès maintenant l'avenir

Intervenants : Ghadi Hobeika, Managing Partner et PDG pour l'Amérique du Nord

À propos de Ghadi Hobeika : Ghadi Hobeika est le Managing Partner et PDG de la division Amérique du Nord chez Artefact. Cadre expérimenté, fort d’une expérience dans la transformation des secteurs de la distribution et de l’immobilier, il a précédemment occupé le poste de directeur commercial chez Unibail-Rodamco-Westfield, où il a apporté une expertise approfondie dans l’articulation de la stratégie numérique et du retour sur investissement commercial.

À propos de Artefact : Une société internationale de conseil en data et en IA dont le siège social est situé à Paris, en France. Artefact emploie plus de 1 000 personnes à travers le monde et génère un chiffre d'affaires annuel estimé à plus de 100 millions d'euros. Sa mission est de faire le lien entre la data et l'impact commercial.

• M. Hobeika souligne que, pour réussir la transformation vers l'IA, il faut une “ situation d'urgence ”.”, une raison stratégique clairement définie (“ Pourquoi ? ”) pour mobiliser des ressources, des fonds et des effectifs. Des entreprises comme Les Mousquetaires (Intermarché) l’utilisent pour améliorer leur productivité et leur politique tarifaire, tandis que LVMH se concentre sur des expériences de luxe soigneusement sélectionnées, et qu’Unibail-Rodamco-Westfield (URW) recherche de nouvelles sources de revenus sur un marché en difficulté.
• Révolutionner l'expérience client (CX) : L’essor du “ Gen-tic commerce ” (GenAI Commerce) et de la recherche basée sur l’IA nécessite d’optimiser les ressources pour permettre une interaction entre robots. L’Oréal utilise l’IA pour offrir des expériences hyper-personnalisées à 2 milliards de clients, une envergure impossible à atteindre par les seuls moyens humains ou par l’automatisation traditionnelle.
• Réinventer les activités clés : L'IA supprime les tâches manuelles et rationalise les passerelles entre les services au siège, dans les entrepôts et dans les magasins. Lagardère Travel Retail utilise l'IA pour accélérer les appels d'offres ; Leroy Merlin automatise les changements de prix ; et Pernod Ricard fournit à 5 000 commerciaux répartis dans 60 pays des recommandations sur la “ meilleure action à entreprendre ”.
• Renforcement des effectifs : L'objectif est de rendre le travail plus agréable. Les Mousquetaires utilise l'IA pour trier des centaines de CV, tandis que Leroy Merlin donne à ses collaborateurs les moyens de répondre à des questions techniques complexes. La réussite repose sur un cadre clair de hiérarchisation des valeurs (“ Où se trouve la rentabilité ? ”), un data bien défini et l’anticipation des défis liés à l’adoption grâce à la co-création avec les équipes (comme le recommande TF1).
• L'impact de l'IA est passé d'un niveau symbolique à un niveau considérable. Le retour sur investissement est indéniable : le directeur informatique de L’Oréal a souligné que chaque euro investi dans le service client permettait d’économiser entre 60 et 70 euros. Cependant, si l’IA renforce les capacités, ce sont les personnes, leur personnalité et leurs compétences qui constituent en fin de compte le facteur de différenciation.

Auparavant, l'impact de l'IA était quasi négligeable. Il prend désormais une ampleur considérable… Chaque euro qu'il [le DSI de L'Oréal] investit dans le service client lui en fait économiser environ 60 à 70. C'est l'un des meilleurs retours sur investissement que l'on puisse trouver.

Regardez la session replay

Masterclass Nord et Sud

Construire l’avenir du commerce de détail grâce à l’IA

Intervenants : Yann Le Rhun, directeur technique pour la France
Edouard Renoux, responsable du secteur de la distribution et des transports pour la France
Alan Ferbach, cofondateur et PDG

Édouard Renoux : Responsable du secteur de la distribution et des transports chez NVIDIA, spécialisé dans l'accélération des charges de travail liées à l'IA pour de grands groupes tels que L'Oréal et Carrefour. NVIDIA: Leader mondial dans le domaine des processeurs graphiques (GPU) et du calcul par IA, avec un chiffre d'affaires d'environ $60B et plus de 29 000 collaborateurs, dont le siège social est situé à Santa Clara.

Yann Le Rhun: Directeur technique (CTO) de Lenovo France, chargé de superviser les architectures techniques stratégiques et l'écosystème “ AI Innovators ” destiné aux entreprises. Lenovo: Une entreprise technologique multinationale dont le chiffre d'affaires s'élève à $62B et qui compte 77 000 employés, dont les sièges sociaux sont situés à Pékin et à Morrisville, et dont la mission est de proposer “ une technologie plus intelligente pour tous ”.”

Alan Ferbach: PDG et cofondateur de Vidéotix, spécialiste de l'analyse vidéo basée sur l'IA et de l'intégration logicielle pour la sécurité physique et la mesure de la fréquentation dans le commerce de détail. Vidéotix: Un éditeur de logiciels français spécialisé dans la vision par ordinateur ; récemment racheté par un groupe suisse afin de développer ses activités dans le domaine du comptage en magasin à 360° et de l'analyse du parcours client.

Comment NVIDIA s'intègre-t-elle dans le secteur de la vente au détail et quels cas d'utilisation spécifiques traitez-vous ?

Édouard Renoux: NVIDIA propose une pile technologique complète qui va au-delà des simples GPU, comprenant notamment du matériel CPU/DPU et le framework “ Metropolis ” dédié à la vision par ordinateur. Cela permet aux détaillants d’exploiter les flux vidéo existants pour des cas d’utilisation à fort retour sur investissement, tels que la lutte contre la fraude. Pour un détaillant dont le chiffre d’affaires s’élève à 10 milliards d’euros, un taux de perte de 2% représente une perte de 200 millions d’euros ; les solutions de NVIDIA peuvent réduire ce chiffre de moitié, offrant un retour sur investissement de l’infrastructure en seulement 3 à 4 mois.

Que propose Lenovo Hybrid Advantage aux commerçants qui souhaitent développer l'utilisation de l'IA ?

Yann Le Rhun: Le “ Lenovo Hybrid Advantage ” permet aux détaillants de “ commencer modestement ” avec des cas d’utilisation spécifiques, puis d’étendre leur déploiement à des milliers de magasins. Il comble le fossé entre le laboratoire et la production. Kroger, aux États-Unis, constitue une référence majeure : cette solution y a permis d’atteindre un retour sur investissement en trois mois dans plusieurs milliers de magasins. La plateforme comprend également une “ bibliothèque d’IA ” regroupant des start-ups validées afin de garantir la conformité réglementaire et technique.

Comment Vidéotix transforme-t-il l'infrastructure existante des magasins en capteurs data ?

Alan Ferbach: Vidéotix utilise l'intelligence artificielle pour analyser les 99% d'enregistrements de caméras de sécurité qui, en général, ne sont pas visionnés. En considérant les caméras comme des capteurs, l’entreprise élabore des scénarios de comptage et d’analyse des flux sans avoir besoin de matériel supplémentaire. Cette approche “ sur site ” garantit que les données vidéo sensibles data ne quittent jamais le site ; seules les statistiques traitées sont transmises au siège pour la prise de décision.

Notre solution intègre la ‘ Lenovo AI Library ’, qui regroupe des start-ups spécialisées… garantissant ainsi leur validation technique et leur conformité réglementaire avant leur déploiement.

Regardez la session replay

Les agents IA dans le secteur de la vente au détail : l'agent de détection des fraudes de Back Market en pratique

Intervenants : Aurélien Gervasi, responsable senior de l'ingénierie, IA
Alban Dumouilla, Développement produit

Aurélien Gervasi : Responsable d'ingénierie senior spécialisé dans l'IA chez Back Market, chargé de diriger la transformation de l'entreprise en matière d'IA et sa stratégie d'agentique. Back Market : La première place de marché mondiale dédiée aux produits électroniques d'occasion, dont le siège social est situé à Paris, qui compte plus de 700 collaborateurs et affiche un GMV d'environ 2 milliards d'euros.

Bertrand Stephann : Responsable de la croissance des produits chez Dust, spécialisé dans le développement à grande échelle de “ systèmes d'exploitation ” d'IA qui font le lien entre les modèles de langage à grande échelle (LLM) et le système data interne à l'entreprise. Poussière : Une plateforme d'IA spécialisée qui permet aux entreprises de créer des agents personnalisés et orientés vers l'action, connectés à des outils internes tels que Slack, Notion et Jira.

Quel est le défi spécifique lié à la “ fraude logistique ” auquel sont confrontés Back Market et le secteur de la vente au détail ?

Aurélien Gervasi : La fraude logistique représente 0,31 TP47T des articles expédiés, ce qui entraîne une perte importante en termes de GMV et de chiffre d'affaires. Cela inclut la “ fraude à la livraison ” (fausses déclarations de non-réception) et la “ fraude aux retours ” (altération des étiquettes). Une tentative antérieure visant à endiguer ce phénomène par le biais d’une vérification manuelle rigoureuse a suscité une vive réaction de la part du public, soulignant la nécessité d’une solution qui concilie une détection hautement sécurisée et une expérience client fluide.

Comment le nouvel agent “ Fraud Orchestrator ” tire-t-il parti d'une architecture multi-agents ?

Aurélien Gervasi: Back Market a mis en place un système multi-agents dans lequel un “ Orchestrator ” central coordonne des sous-agents spécialisés : « Historique client », « Suivi des incidents », « Incidents de paiement » et « Modèles de conversation ». En utilisant des modèles de langage de grande envergure (LLM) pour analyser du texte non structuré, ils sont désormais en mesure de détecter les modèles de « premier message » utilisés par les fraudeurs professionnels, une tâche auparavant impossible à réaliser avec du SQL standard ou des expressions régulières.

En quoi la plateforme Dust fait-elle la distinction entre les “ assistants ” IA et les “ agents ” IA ?

Alban Dumouilla: Le paradigme est passé des “ assistants ” (chatbots passifs) aux “ agents ” (collaborateurs actifs). Les agents sont connectés aux bases de connaissances internes (Google Drive, Notion) et aux outils (Zendesk, Front), ce qui leur permet d’effectuer de manière autonome des actions telles que la rédaction de réponses, la modification du statut des tickets ou le déclenchement d’alertes.

Pouvez-vous nous montrer à quelle vitesse il est possible de mettre en place un agent spécialisé dans l'assistance au commerce de détail ?

Alban Dumouilla: Grâce à un agent “ Prompt Coach ”, un agent d’assistance fonctionnelle a été créé en trois minutes. En le connectant aux tickets antérieurs et au système de gestion des tickets “ Front ”, l’agent a analysé de manière autonome une demande de remboursement, a appliqué la politique de l’entreprise et a envoyé un e-mail de résolution, le tout dans les minutes qui ont suivi le message initial du client.

C'est un exemple clair de la manière dont Dust permet à ces experts métier de devenir des créateurs d'IA ; ils sont en mesure de résoudre leurs propres problèmes grâce à genai sans avoir à faire appel à des ressources d'ingénierie.

Regardez la session replay

Atteindre des performances optimales grâce au programme de préparation au Black Friday et au Cyber Monday de SAP

Intervenants : Manoj Gupta, responsable du service d'assistance pour les secteurs du commerce et de la consommation
Rohan Patel, vice-président mondial et responsable du service d'assistance, Gestion des dépenses

Manoj Gupta : En tant que responsable du support pour les secteurs du commerce et de la consommation chez SAP, il veille à la stabilité et aux performances de l'écosystème de vente au détail de SAP, et est spécialisé dans la préparation aux événements de grande envergure.

Rohan Patel : En tant que vice-président senior et responsable du support des services cloud mondiaux chez SAP, il dirige la transformation numérique du service client à travers une feuille de route stratégique quinquennale axée sur des solutions “ agentiques ” basées sur l'IA.

SAP : Une plateforme d'IA spécialisée qui permet aux entreprises de créer des agents personnalisés et orientés vers l'action, connectés à des outils internes tels que Slack, Notion et Jira.

Pourriez-vous décrire l'évolution et le parcours de la mise en œuvre de l'IA au sein du cadre d'accompagnement de SAP ?

Rohan Patel : SAP s'est lancé dans cette aventure il y a cinq ans, passant d'une approche axée sur le data de base à des scénarios “ agentiques ” sophistiqués. La stratégie a évolué, passant d’un simple “ raisonnement sans apprentissage préalable ” à des agents intelligents qui nécessitent un apprentissage plus approfondi et le modèle data, mais offrent une plus grande autonomie. L’objectif est d’aller au-delà d’une efficacité progressive pour tendre vers une “ IA invisible ”, où la technologie exécute les processus métier de manière transparente en arrière-plan, sans aucune gêne pour l’utilisateur.

Quel est le rôle précis de l'IA dans la sécurisation des périodes de forte affluence dans le commerce de détail, telles que le Black Friday et le Cyber Monday ?

Manoj Gupta: Pour les commerçants, ce sont les six jours les plus critiques de l’année. Nous fournissons un “ soutien invisible ” visant à garantir une disponibilité de 100% et une qualité de service irréprochable. Nos agents autonomes interviennent 6 à 8 semaines à l’avance pour analyser l’état du système, l’historique des événements et le support data, afin d’élaborer un rapport préventif d’atténuation des risques. Cela permet d’identifier les goulots d’étranglement techniques et opérationnels avant qu’ils ne puissent avoir un impact sur l’événement en direct.

Comment l“” IA agentique » et les agents autonomes fonctionnent-ils techniquement au sein du programme BFCM ?

Manoj Gupta: Nous utilisons plusieurs agents travaillant en tandem. Ces agents surveillent les locataires clients, génèrent des alertes spécifiques et déterminent si un problème peut être résolu de manière autonome ou s'il nécessite une intervention humaine. Si l'agent trouve une solution en s'appuyant sur l'historique data, il peut répondre directement au client sans intervention humaine. Nous opérons à très grande échelle, ayant pris en charge plus de $12B de GMV l’année dernière sans aucun temps d’arrêt.

Comment SAP distingue-t-il les différents niveaux d'assistance basée sur l'IA actuellement proposés aux clients ?

Rohan Patel: Nous classons l'assistance en trois piliers distincts : l'« assistance invisible », qui agit de manière autonome pour prévenir les problèmes ; l'« assistance autonomisée », qui utilise l'IA pour fournir des recommandations et une offre d'auto-assistance data complète à l'utilisateur ; et l'« assistance guidée/accélérée », qui vise à rendre l'interaction avec les experts SAP aussi simple que possible lorsqu'une intervention humaine est nécessaire.

Une IA « invisible », voilà ce à quoi nous aspirons tous… car c’est là, en fin de compte, la véritable valeur que nous voyons dans notre secteur.

Regardez la session replay

Phase de démarrage

Des agents IA qui posent la bonne question au bon moment

Intervenants : Cyril Reinhard, cofondateur et PDG

Cyril Reinhard : En tant que cofondateur de Zelinqa, Cyril Reinhard présente la première intervention publique de l'entreprise en France, en mettant l'accent sur une nouvelle approche de l'IA conversationnelle qui privilégie les questions pertinentes plutôt que les réponses immédiates, en s'appuyant sur son expertise en matière d'entrepreneuriat technologique.

Zelinqa : Zelinqa est une nouvelle start-up qui se consacre au développement d’agents d’IA spécialisés dans l“” intelligence de l’interrogation humaine » afin de remédier à la « crise de confiance » qui touche l’IA conversationnelle. Bien qu’aucun chiffre précis ne soit rendu public concernant cette nouvelle start-up, sa mission consiste à permettre à l’IA de mener des conversations grâce à un questionnement stratégique, ce qui se traduit par une réduction du nombre d’interactions, des solutions de meilleure qualité et une consommation d’énergie moindre, grâce à l’utilisation de petits modèles spécialisés.

• La “ crise de confiance ” : Le marché est confronté à une “ crise de confiance ” due à la dépendance vis-à-vis des modèles de langage de grande envergure (LLM), ces derniers générant un nombre considérable d’hallucinations, pouvant atteindre 20% pour les sujets généraux et 70 à 80% pour des domaines spécialisés tels que la santé et l’éducation. Cette faille fondamentale découle du paradigme actuel de l'IA “ qui répond d'abord ”, qui ne parvient pas à s'adapter ni à écouter efficacement, contrairement à une conversation humaine.
• Une approche fondée sur trois principes : des modèles de petite taille et spécialisés : Faisant écho à la vision formulée il y a 40 ans par Marvin Minsky dans “ The Society of Mind ”, la plateforme s'appuie sur de multiples petits agents, experts dans leur domaine, qui communiquent entre eux de manière collaborative.
• Le pouvoir de la question : L'innovation principale réside dans le “ moteur de la meilleure question ”, développé à l'issue de deux années de recherche et développement au sein d'un laboratoire universitaire de Grenoble, qui confère à l'IA la capacité de poser la bonne question au bon moment dans un domaine spécifique.
• Conversation axée sur les objectifs : Le système est conçu pour orienter la conversation en fonction d'un objectif spécifique et prédéfini (par exemple, l'objectif d'un médecin est de trouver le meilleur traitement), ce qui permet au moteur d'intégrer une expertise en matière de questions-réponses et d'identifier la question optimale au sein d'un ensemble de questions en fonction du contexte en temps réel.
• L'illusion des cas d'utilisation et des indicateurs : Un client pilote, school.fair, utilise “ Zelia ”, l’agent de Zelinqa spécialisé dans l’orientation professionnelle, formé à l’ensemble des filières françaises post-baccalauréat. Zelia commence par poser des questions afin de cerner les contraintes de l’utilisateur, et ne commence à répondre qu’après avoir suffisamment cerné la situation. Cette stratégie axée sur les questions réduit le nombre d’interactions nécessaires pour trouver une solution simple et de grande qualité, ce qui, implicitement, consomme moins d’énergie.
• Question First AI : La philosophie de l'entreprise consiste à passer directement d'une “ IA axée sur la réponse ” à une “ IA axée sur la question ”. Cette évolution se traduit par une meilleure qualité, un gain de temps, une réduction du nombre d'interactions et une diminution implicite de la consommation d'énergie, grâce à une priorisation des modèles de petite et moyenne taille plutôt que des modèles trop volumineux.
• L'intelligence humaine en question : Mettre l’accent sur l“” intelligence de questionnement humaine » offre un cas d’utilisation convaincant pour des interactions à enjeux élevés et de grande qualité, telles que la qualification dans le domaine de la santé ou l’orientation professionnelle spécialisée, où la précision et la confiance sont primordiales.

Si vous n’avez jamais lu l’ouvrage de Marim Minsky, “ The Society of Mind ”, je vous invite à le lire, car aujourd’hui, on en parle beaucoup : MCP, agentique, multi-agent… Il y a 40 ans déjà, il en parlait. C’est donc un principe que nous utilisons.

Au-delà du RAG : des réponses fiables aux actions concrètes pour l'entreprise

Intervenants : Cédric Carbone, cofondateur

Cédric Carbone : Cédric Carbone est le cofondateur d'Hymalaia, une entreprise spécialisée dans la création d“” usines d'agents » destinées à relier diverses sources d'entreprise data afin de créer des agents IA avancés et orientés vers l'action.

Hymalaia : Hymalaia est une entreprise spécialisée dans l'intelligence artificielle qui développe des agents d'entreprise et s'attache à relier les données data au sein de ces agents. Bien que le transcrit ne mentionne pas de chiffres précis concernant le chiffre d’affaires et les effectifs, la mission de l’entreprise consiste à fournir une vue d’ensemble fiable et à 360 degrés des clients ou des sujets à partir de sources data massives et disparates (CRM, ERP, Notion, Mailbox), afin de pallier le manque de fiabilité des modèles de langage de grande envergure (LLM) autonomes et de stimuler l’action commerciale. Le siège social n’est pas mentionné dans la transcription.

• “ L'explosion de data ” : Les entreprises sont confrontées à une explosion du volume de données data, avec des “ millions de documents ” à indexer, tandis que les grands modèles linguistiques (LLM) ne suffisent pas à eux seuls à répondre aux exigences de fiabilité, de confiance et de pertinence des entreprises, d’où la nécessité d’un système de génération augmentée par la recherche (RAG). La mise en œuvre de base et simple du RAG, qui est “ très facile ” à développer mais qui “ ne fonctionne pas ” en production, souffre d’un manque de précision, ce qui nécessite des architectures avancées
• Indexation en plusieurs étapes : Afin d'améliorer la précision des recherches et de gérer des volumes considérables de données data, Imalaya utilise un processus d'indexation en plusieurs étapes qui indexe plusieurs fois un même document en utilisant à la fois des segments de grande taille et des mini-segments, ce qui permet de saisir simultanément le contexte général et les détails précis, surmontant ainsi le dilemme traditionnel lié à la taille des segments.
• Recherche hybride et reclassement : Une recherche de similarité vectorielle standard s’avère souvent insuffisante lorsque la requête de l’utilisateur utilise une terminologie (glossaire métier, langage) différente de celle des documents sources. Ce problème est résolu en ajoutant une recherche par mots-clés BM25 (recherche lexicale) à la recherche vectorielle sémantique, ce qui génère plusieurs résultats qui sont ensuite soumis à une normalisation, à un ajustement des scores et à un nouveau classement afin de garantir la sélection des documents internes de l’entreprise les plus pertinents.
• Requêtes en plusieurs étapes basées sur des agents : Pour les questions complexes et de grande envergure portant sur plusieurs entités (par exemple, “ toutes les informations concernant la BBC ”), une requête unique s'avère insuffisante. La solution consiste à utiliser un mode “ agent ” s’appuyant sur une architecture “ Long Graph ” qui divise la question principale en plusieurs sous-questions (par exemple, “ difficultés ”, “ équipement déployé ”, « besoins ») et les traite en parallèle, en posant de manière itérative des sous-questions jusqu’à ce que suffisamment d’informations soient récupérées. Cette approche est « plus précise », mais son temps de réponse est long (jusqu’à 3 à 4 minutes), ce que l’intervenant juge acceptable pour obtenir une bonne réponse.
• La couche MCP : La proposition de valeur fondamentale va au-delà du modèle RAG (compréhension, précision, traçabilité) en y ajoutant la couche MCP (Action). Le RAG fait office de cerveau fournissant les connaissances, tandis que le MCP agit comme la main qui exécute des actions métier concrètes, telles que la mise à jour d’une opportunité dans Salesforce, l’envoi d’un e-mail ou la mise à jour du système ERP, créant ainsi un agent d’entreprise complet, complexe et orienté vers l’action. .

Il vaut mieux attendre pour obtenir une bonne réponse que d'avoir une mauvaise réponse en 10 secondes.

Le service client haut de gamme à l'ère de l'IA : l'exemple du Bon Marché

Intervenants : David Martin, responsable informatique client
Bertrand Stephann, cofondateur et PDG

David Martin : David Martin fait partie du département LVMH Tech, où il supervise les solutions clients, notamment les campagnes marketing, la gestion des relations clients et le service client pour le groupe LVMH. LVMH : LVMH est le premier groupe mondial du luxe ; il gère 75 Maisons, dont Le Bon Marché, et accorde la priorité à l'innovation axée sur le client.

Bertrand Stephann : Il est le fondateur et PDG d'Alcmeon, une plateforme de relation client conversationnelle créée en 2011. Alcmeon : Alcmeon est une plateforme conversationnelle d'entreprise connectée à plus de 15 canaux numériques et aux principaux CRM tels que Salesforce, à laquelle font confiance LVMH et d'autres grands détaillants en Europe et au-delà.

Pourriez-vous nous présenter l'histoire et l'esprit d'innovation du Bon Marché ?

David Martin : Le Bon Marché a été fondé en 1852 par Aristide et Marguerite Boucicaut et a toujours été un pionnier en matière d’innovation dans le commerce de détail. Ils ont été parmi les premiers à mettre en place la participation aux bénéfices et les congés payés pour leurs employés, bien avant que ces mesures ne deviennent obligatoires en France. Pour leurs clients, ils ont introduit des concepts révolutionnaires tels que les prix fixes et les retours de produits, instaurant ainsi une culture d'entreprise axée sur un service avant-gardiste qui perdure encore aujourd'hui.

Quels ont été les principaux défis auxquels vous avez été confrontés en matière de service client sur les réseaux sociaux ?

David Martin : Le premier défi concernait l’ampleur de la tâche : nous devions nous assurer que chaque client soit écouté malgré le volume élevé de demandes sur Instagram et Google Avis. Contrairement à d’autres secteurs, nous ne souhaitons pas “ détourner ” les demandes de contact ; nous voulons dialoguer avec nos clients afin de créer un lien. Le deuxième défi consistait à préserver notre “ ADN ”, ce langage de marque et ce ton de voix uniques et haut de gamme qui distinguent une maison de luxe d’un détaillant classique. Nous devons éviter tout ton robotique et standardisé.

Comment la solution d'assistant IA fonctionne-t-elle concrètement pour les conseillers ?

Bertrand Stephann : Nous avons intégré un assistant IA à la page de traitement d’Alcmeon. Lorsqu’un conseiller reçoit un commentaire – par exemple, une publication Instagram indiquant “ Magnifique ” –, il peut cliquer sur un bouton noir intitulé “ Assistant IA ”. L’IA génère alors une suggestion élégante et personnalisée qui va au-delà d’un simple “ merci ”. Le conseiller relit, valide ou modifie le texte avant de l’envoyer. Il s’agit d’un système “ human-in-the-loop ” conçu pour compléter, et non remplacer, le conseiller.

Quels sont les principaux résultats en termes d'adoption et de performance ?

• David Martin : Nous avons constaté un taux d'adoption très élevé, avec un nombre limité de messages modifiés par les conseillers, ce qui prouve que l'IA trouve le ton juste.
• Bertrand Stephann: L'un des effets secondaires notables est que chaque client reçoit désormais une réponse. Auparavant, l'équipe devait hiérarchiser les problèmes et négligeait souvent les avis positifs. Désormais, le temps ainsi gagné lui permet de répondre à tout le monde, ce qui a un impact positif sur le référencement naturel (SEO) et la visibilité de la marque.

Contrairement à de nombreux services client que vous pouvez rencontrer dans divers secteurs, nous ne cherchons pas à éviter tout contact. Nous souhaitons dialoguer avec nos clients afin de créer ce lien.