IA en détail : retirer une friction, pas ajouter un écran

La plupart des projets d’IA en commerce de détail ajoutent un nouvel écran que les commis ignorent. Ceux qui rapportent retirent une friction précise dans les systèmes que les magasins utilisent déjà. Cet article s’adresse aux responsables des opérations, du commerce en ligne et des TI qui choisissent un premier projet d’IA. Il montre comment trouver la friction, l’évaluer et la ramener à un jalon de production qu’on peut livrer en tenant compte de la haute saison.

Entrez dans l’arrière-boutique de presque n’importe quel détaillant multimagasin et comptez les écrans. Il y a le point de vente (PDV). Un terminal portatif pour la réception et la préparation des commandes. Une application pour les horaires. Un portail du siège social avec les changements de prix de la semaine et les mises à jour de planogrammes. Peut-être une tablette pour la cueillette des commandes en ligne. Souvent un cartable, aussi.

Imaginez maintenant le pitch typique d’IA en commerce de détail : un assistant posé par-dessus tout ça. Posez-lui n’importe quelle question. Il résumera la performance du magasin, répondra aux questions sur les politiques et suggérera des actions.

Les commis n’ont pas un problème de questions. Ils ont un problème de transferts. Une commande en ligne arrive dans un magasin qui ne peut pas la remplir. Un retour arrive pour un article que le PDV ne trouve pas. Un fichier de démarques arrive du siège social, et l’étiquette en tablette, le prix au PDV et le prix en ligne divergent pendant trois jours. Chaque fois, quelqu’un ressaisit des données, appelle une autre équipe ou attend.

Notre position est simple. Le premier projet d’IA d’un détaillant devrait retirer une de ces frictions dans un système que les gens utilisent déjà. Pas de nouvelle interface. Pas de nouvel identifiant. Un processus qui demandait quatre interventions n’en demande plus qu’une, et on peut mesurer la différence.

Pourquoi les couches d’IA survivent-elles rarement au plancher du magasin?

Parce que le commerce de détail a des contraintes qui tuent les outils d’IA génériques. Les commis sont là pour servir les clients, le personnel roule vite, les données utiles sont dans les systèmes transactionnels et la haute saison punit les expériences. Un assistant qui ne peut pas écrire dans le PDV ou l’OMS peut décrire un problème, mais pas le régler.

Les commis sont payés pour servir les clients, pas pour opérer des logiciels. Toute tâche qui retire quelqu’un du plancher pour taper dans une nouvelle application est en concurrence avec le client devant lui. Le client gagne, et l’application reste inutilisée.

Le roulement est élevé et le temps de formation est court. Chaque nouvelle interface demande de former du personnel qui sera peut-être parti dans quelques mois. Un changement dans le parcours du PDV qu’ils ont appris le premier jour ne coûte presque rien à déployer.

Les données qui comptent sont dans les systèmes transactionnels. Les niveaux de stock sont dans l’OMS (système de gestion des commandes) et le WMS (système de gestion d’entrepôt). Les ventes et les retours sont dans le PDV. Les attributs des articles sont dans le PIM (système de gestion de l’information produit). Les commandes et l’historique client vivent dans les plateformes de commerce et le CRM. Une couche d’IA qui ne peut pas écrire dans ces systèmes peut seulement décrire le problème.

La haute saison punit les expériences. La plupart des détaillants gèlent les changements de systèmes du début novembre jusqu’à la fin des Fêtes. Ce qui n’est pas stable au moment du gel attend la nouvelle année, et ce qui brise pendant la haute saison est désactivé pour de bon.

Ça ne veut pas dire que l’IA n’a pas sa place en commerce de détail. Ça veut dire qu’elle doit se présenter comme une meilleure étape dans un processus existant, pas comme une destination à part.

Où se trouve vraiment la friction dans les opérations de détail?

Aux jonctions entre les systèmes et les équipes. Le schéma est toujours le même : un déclencheur dans un système, un relais humain entre des équipes et une résolution dans un autre système. Voici où on le voit le plus souvent, selon qui le subit.

Côté client

• Ruptures en cueillette (BOPIS, achat en ligne et cueillette en magasin). L’OMS envoie une commande à un magasin qui affiche trois unités en stock. Le commis en trouve zéro. Une chaîne manuelle suit : prévenir le gérant, écrire au service à la clientèle, annuler ou réacheminer dans l’OMS, envoyer un courriel au client, traiter le remboursement.
• Retours multicanaux. Un client rapporte en magasin un achat fait en ligne. Le PDV ne voit pas la commande Web, alors le commis cherche par courriel, saisit l’article à la main ou appelle le siège social pour une dérogation.
• Demandes « Où est ma commande? » (WISMO). Les agents vérifient l’OMS, puis le portail du transporteur, puis le magasin, puis rédigent une réponse à la main. La réponse existe habituellement dans un système que l’agent n’a pas ouvert.

Côté employé

• Application des changements de prix. Le siège social publie des démarques. Les magasins impriment les étiquettes, les changent et confirment. Le PDV, le site Web et la tablette ne concordent pas jusqu’à ce que quelqu’un s’en rende compte, souvent un client à la caisse.
• Écarts à la réception. L’avis d’expédition (ASN) indique 48 unités. La boîte en contient 36. Quelqu’un compte, le note, l’entre dans le WMS ou le système du magasin et envoie un courriel à l’acheteur ou au fournisseur. La discussion sur la rétrofacturation commence des semaines plus tard, avec une preuve incomplète.
• Passation de quart sur les dossiers ouverts. Une commande spéciale, un présentoir endommagé, un transfert en attente. Les détails sont dans un cahier ou un clavardage de groupe, et le quart suivant repart de zéro.

C’est dans ce relais que se trouve le coût. C’est aussi là qu’un processus d’IA bien circonscrit fait son meilleur travail.

Comment choisir la friction à régler en premier?

Placez les frictions sur une carte des occasions, puis choisissez celle qui combine un volume hebdomadaire élevé, quatre transferts ou plus, et des données qui existent déjà dans un système que vous contrôlez. Les lignes sont des moments du parcours client ou employé. Les colonnes sont les questions qui déterminent si une friction vaut la peine d’être réglée en premier.

Moment du parcours	Systèmes touchés	Transferts par cas	Volume hebdomadaire	Sensibilité à la haute saison	Données disponibles pour agir
Rupture en cueillette	OMS, terminal portatif, service à la clientèle, paiements	4 à 5	Élevé	Très élevée	Stock du magasin, stock à proximité, historique de commande
Retour multicanal	PDV, OMS, plateforme de commerce	2 à 3	Moyen	Élevée (janvier)	Dossier de commande, fichier maître des articles
Demande WISMO	OMS, suivi du transporteur, centre d’assistance	3	Élevé	Très élevée	Événements d’expédition, statut de commande
Application des démarques	Système de prix, PDV, imprimante d’étiquettes, Web	3	Lot hebdomadaire	Moyenne	Fichier de prix, prix PDV, prix Web
Écart à la réception	ASN/EDI, WMS ou système du magasin, courriel	3 à 4	Moyen	Élevée	ASN, décompte de réception, bon de commande

Remplissez-la avec vos propres chiffres. La sensibilité à la haute saison vous dit quand la correction rapporte le plus vite, ce qui influence le moment plus que la priorité.

Deux règles gardent la carte honnête. D’abord, comptez les transferts en observant le travail, pas en lisant la procédure. La procédure officielle pour une rupture en cueillette compte habituellement deux étapes. La vraie en compte souvent cinq. Ensuite, nommez les systèmes. « Système d’inventaire », ce n’est pas assez précis. « Le flux de disponibilité en magasin de l’OMS, mis à jour aux 15 minutes », oui, parce que maintenant vous savez pourquoi le magasin affichait trois unités.

À quoi ressemble un jalon de production bien circonscrit?

Il est livré en production dans une région ou un groupe de magasins et il fait bouger un chiffre mesurable. Un bon jalon a cinq parties.

1. Déclencheur. L’événement système qui lance le processus. « Le commis indique qu’un article est manquant sur le terminal portatif. »
2. Décision. Ce que l’étape d’IA fait avec le contexte disponible. « Vérifier la disponibilité le jour même dans les magasins à moins de 20 km et au centre de distribution (CD). Classer les options selon le délai de cueillette et la marge. »
3. Action. Ce qui est écrit, et où. « Proposer le réacheminement dans l’OMS. Rédiger le message au client. Le mettre en file pour une approbation en un clic au service à la clientèle. »
4. Point de contrôle humain. Qui approuve, et pendant combien de temps. Commencez par faire approuver chaque action. Relâchez quand le taux d’approbation se maintient.
5. Mesure. Un indicateur opérationnel et un indicateur commercial, tous deux mesurés avant le lancement. Pour les ruptures en cueillette : les minutes de travail par incident, et la part des commandes sauvées plutôt qu’annulées.

Remarquez ce qui manque : un robot conversationnel, un nouveau tableau de bord, une nouvelle application pour les commis. Le commis appuie sur le même bouton « manquant » qu’avant. Tout ce qui suit va plus vite.

C’est aussi là que la plupart des projets pilotes d’IA en commerce de détail déraillent. Ils bâtissent un modèle compétent et repoussent l’écriture dans les systèmes à la « phase deux ». Sans cette écriture, rien ne change en magasin, et le pilote ne mérite jamais sa phase deux. On aborde ce piège dans développement d’IA générative : ce que les entreprises font mal, à la section sur le robot conversationnel bâti là où il fallait un flux de travail.

Combien vaut une rupture en cueillette réglée?

Chez un détaillant de 60 magasins, environ 80 heures de travail et 13 200 $ de ventes perdues chaque semaine. Les chiffres ci-dessous sont fictifs. La structure s’applique à la plupart des détaillants qui font de l’expédition depuis le magasin ou de la cueillette en magasin.

L’entreprise. Un détaillant de vêtements spécialisé avec 60 magasins et un site de commerce en ligne. Le stock des magasins alimente l’OMS aux 15 minutes. Environ 4 000 commandes en cueillette par semaine.

La friction. Environ 6 % de ces commandes tombent sur une rupture : le système disait que l’article était là, et il ne l’était pas. Ça fait environ 240 incidents par semaine. Chacun prend une vingtaine de minutes, cumulées entre le commis, le gérant et l’agent du service à la clientèle, et à peu près la moitié se terminent par une annulation.

Le coût actuel. 240 incidents à 20 minutes chacun, c’est 80 heures de travail par semaine. Avec une commande moyenne de 110 $, 120 annulations par semaine représentent environ 13 200 $ de ventes perdues chaque semaine, souvent au profit d’un concurrent. Et ce sont des clients qui avaient prévu de se déplacer en magasin.

Le jalon. Quand un commis signale un article manquant, le processus vérifie les magasins à proximité et le CD, propose l’option la plus rapide, rédige le message au client avec la nouvelle heure de cueillette et soumet le tout à un agent pour approbation. Si le client refuse, l’annulation et le remboursement se font dans le même flux.

La cible. Faire passer le temps de traitement de 20 minutes à moins de 5, et sauver la moitié des commandes qui s’annulent aujourd’hui. Si ça tient, le détaillant récupère environ 60 heures de travail par semaine et conserve environ 6 600 $ de ventes hebdomadaires, sans compter l’effet sur les achats répétés.

Ce qui est difficile. Pas le modèle. Les parties difficiles sont l’intégration à l’OMS, les règles sur les substitutions acceptables et un flux de disponibilité en magasin assez fiable pour que les réacheminements ne créent pas une deuxième rupture. C’est là que passe le temps de développement.

Il y a aussi un bénéfice de second ordre. Chaque rupture consignée est une donnée sur l’exactitude des stocks par magasin et par catégorie. Après un trimestre, vous savez quels magasins ont besoin de dénombrements cycliques, une conversation de marchandisage que le détaillant ne pouvait pas avoir avant.

Quand un détaillant devrait-il livrer de l’IA, compte tenu de la haute saison?

Mesurez pendant la haute saison, circonscrivez en janvier et livrez avant la prochaine pointe qui compte pour vous. La plupart des détaillants gèlent les changements au PDV, à l’OMS et au commerce en ligne dès le début novembre. Le Black Friday tombe le 27 novembre cette année, et la vague de retours se poursuit jusque tard en janvier. Un changement en production à un parcours client d’ici là n’est pas réaliste pour la plupart des équipes.

Ça ne veut pas dire que les dix prochaines semaines sont perdues. Utilisez-les autrement :

• Mesurez pendant la haute saison. Le volume des Fêtes vous donne la base de référence la plus claire de l’année. Consignez chaque rupture en cueillette, chaque dérogation pour retour multicanal, chaque demande WISMO. Comptez les transferts.
• Circonscrivez en janvier. Une fois la vague de retours passée, remplissez la carte des occasions avec les vrais chiffres de la haute saison et choisissez une friction.
• Livrez avant la prochaine pointe qui compte pour vous. Pour beaucoup de détaillants, c’est le printemps, la rentrée scolaire ou une grosse promotion. Un jalon ciblé dans un groupe de magasins est réaliste dans ce délai.

L’exception, c’est un processus administratif qui ne touche ni le PDV ni les parcours clients, comme les écarts à la réception ou le rapprochement des démarques. Certains peuvent être livrés avant le gel si la portée est étroite et que les systèmes visés ne sont pas gelés. Vérifiez auprès de vos TI avant de présumer quoi que ce soit.

Qui devrait bâtir un processus d’IA en commerce de détail?

Quelqu’un qui a de la capacité d’ingénierie pendant vos mois les plus occupés, ce qui est rarement votre équipe interne. Les détaillants savent habituellement très bien quelle friction fait mal. Leurs développeurs sont généralement pris par des chantiers de plateforme : la mise à niveau de l’OMS, la relance du programme de fidélité, la migration du PDV.

C’est ce vide qu’on comble. On bâtit le processus pour vous : des agents d’IA supervisés par des experts font le développement, des ingénieurs seniors répondent de la qualité en production, et un jalon fixe avec une tarification axée sur les résultats fait que vous payez pour ce qui est livré, pas pour les heures passées. Votre part, c’est le temps du responsable de la décision et l’accès par API aux systèmes de la carte. Pour en savoir plus, lisez notre article sur la tarification au résultat en développement logiciel.

Si vous êtes un grand détaillant et que vous voulez que vos propres développeurs gardent la capacité à long terme, la même approche fonctionne avec nos ingénieurs intégrés à votre équipe. Voyez comment on travaille avec les équipes du commerce de détail, et pour la démarche générale, lisez stratégie IA pour les scale-ups : du pilote à la production.

Questions fréquentes

Quel est le meilleur premier cas d’usage de l’IA pour un détaillant?

Celui qui retire un transfert à fort volume dans un système que vous utilisez déjà. Les ruptures en cueillette, les retours multicanaux et les demandes « Où est ma commande? » sont des choix fréquents parce qu’ils reviennent chaque semaine, comptent quatre transferts ou plus et que les données pour agir sont déjà dans l’OMS ou le PDV.

Peut-on livrer un projet d’IA en commerce de détail avant le gel des Fêtes?

Habituellement pas pour les parcours clients. La plupart des détaillants gèlent les changements au PDV, à l’OMS et au commerce en ligne dès le début novembre. Un processus administratif ciblé, comme les écarts à la réception, peut parfois être livré avant le gel si ces systèmes ne sont pas verrouillés.

Les commis ont-ils besoin d’une nouvelle application pour profiter de l’IA?

Non, et ils ne devraient pas en avoir une. La meilleure IA en commerce de détail part d’un bouton sur lequel les commis appuient déjà, comme signaler un article manquant sur le terminal, et gère les étapes suivantes en arrière-plan.

Quelle friction retireriez-vous avant votre prochaine haute saison?

Apportez cette question à votre prochaine réunion de planification. Si vous voulez de l’aide pour y répondre, on remplira une carte des occasions avec vous. Vous apportez le parcours qui, selon vous, coûte le plus cher. On cartographie les systèmes et les transferts, on évalue la friction et on définit un jalon de production ciblé avec un déclencheur, une action et un indicateur. Vous gardez la carte, peu importe la suite. Réservez une séance de cartographie.