L'IA dans le commerce de détail : progrès et potentiel

Le commerce de détail est depuis longtemps sous pression en raison de la sensibilité accrue des clients aux prix et de la pression générale sur les marges. Pour y remédier, les initiatives de numérisation doivent permettre d'optimiser les processus tels que la planification des achats et du réapprovisionnement, de stimuler les ventes supplémentaires grâce à des recommandations de vente personnalisées et d'organiser les prix et les assortiments de manière plus efficace. Le plus grand défi est l'immense quantité de données sur les articles et les clients. Le Big Data ouvre certes des scénarios d'utilisation intéressants pour l'intelligence artificielle, comme par exemple les magasins sans caisse, mais la qualité élevée des données nécessaire à cet effet est surtout décisive pour les processus invisibles qui se déroulent en arrière-plan.

Le défi de la qualité des données

L'une des principales difficultés pour les détaillants est d'harmoniser les ventes entre les différents canaux de vente, tels que les magasins fixes, les places de marché et les boutiques en ligne ou les ventes par catalogue. La quantité d'informations sur les produits ne cesse de croître, tandis que l'assortiment est soumis à des changements constants. C'est pourquoi les détaillants doivent saisir et faire évoluer chaque jour de grandes quantités de nouveaux enregistrements de produits contenant chacun jusqu'à des centaines d'attributs. De plus, l'intégration de données structurées et non structurées provenant d'images de produits et de vidéos gagne en importance en raison de l'essor du commerce électronique. Cette gestion des données est coûteuse et sujette aux erreurs, car elle se base sur les informations produit entrantes et les nombreuses règles qui en découlent. Une mauvaise qualité des données peut avoir des conséquences désastreuses, comme des erreurs de livraison ou des prix différents pour des produits identiques. De plus, la satisfaction des clients risque de baisser, ce qui se propage rapidement à l'époque des médias sociaux.

Les règles de gestion des données de base peuvent toutefois poser des problèmes aux systèmes ERP déjà établis comme SAP for Retail. Il n'est donc pas rare que les détaillants aient recours à des développements internes pour étendre leur ERP. Cela entraîne des coûts de maintenance élevés, une baisse de la flexibilité des systèmes et des fonctionnalités insuffisantes. Des modules complémentaires standardisés, pouvant être intégrés sans modification dans l'ERP, peuvent y remédier.

Extensions standardisées de l'IA

Le Machine Learning, une sous-discipline de l'intelligence artificielle, permet de créer et d'adapter des règles de contrôle de manière flexible et sans l'intervention du service informatique. Les algorithmes identifient alors les règles de plausibilité, effectuent des corrections d'erreurs de manière autonome ou soumettent automatiquement des propositions de corrections à l'utilisateur. Les informations ainsi obtenues sont réinjectées dans le système sous forme de données d'entraînement, ce qui permet à ce dernier d'apprendre peu à peu à effectuer lui-même une classification correcte.

L'IA au début d'un développement

De telles automatisations partielles au moyen de l'intelligence artificielle réduisent les taux d'erreur et les coûts de processus et permettent finalement d'optimiser le réapprovisionnement ou la planification des actions ainsi que l'assortiment spécifique au magasin. Entre-temps, les détaillants peuvent également recourir, en collaboration avec leurs fournisseurs, à des données météorologiques, événementielles ou géographiques afin d'améliorer la planification et la disponibilité des produits et de poursuivre des projets "zéro déchet". La qualité des données des articles est donc particulièrement importante pour l'efficacité des processus de gestion des marchandises. Le développement continu et l'intégration de solutions d'intelligence artificielle promettent de surmonter efficacement à l'avenir les obstacles qui existent encore aujourd'hui et d'augmenter considérablement la performance des systèmes. Une gestion sophistiquée des données de base ouvre la voie à des applications IA d'avenir telles que les magasins "just walk out", les paniers d'achat intelligents, les miroirs numériques et autres applications intelligentes susceptibles de révolutionner le commerce de détail.

retailsolutions.ch