Le commerce de détail repose sur une combinaison de travail répétitif et de moments qui font la différence auprès du client. La gestion des stocks, la fixation des prix, la planification du personnel, le traitement des commandes et une partie du service client occupent une grande partie des heures travaillées. Il y a en outre un travail qui repose sur le jugement sur le terrain : comment un rayon est aménagé, comment une réclamation est résolue, comment un vendeur réagit à ce qu'un client n'a pas encore exprimé. Le résultat d'un moment de vente est déterminé par des circonstances qui varient selon le magasin et selon l'enseigne : la largeur de l'assortiment, la part de vente physique par rapport à la vente en ligne, la marge par article et la mesure dans laquelle les clients comparent les prix avant d'entrer dans un magasin.
Tant que la gestion des stocks et la fixation des prix reposaient surtout sur l'expérience et le contrôle manuel, leur qualité résultait des effectifs et de l'expérience des collaborateurs. Qui disposait de plus de personnes pour la planification commettait généralement moins d'erreurs. Au moment où les systèmes calculent en grande partie eux-mêmes les stocks et les prix et ne soumettent que les exceptions à un collaborateur, ce qui fait gagner change. Il ne s'agit alors plus du nombre de personnes qui planifient, mais de la qualité des données sur lesquelles repose le système et de la rapidité avec laquelle les écarts sont repérés et corrigés.
Cela se produit déjà aujourd'hui chez une partie des détaillants, et pas chez tous. La différence réside dans la mesure où une entreprise a mis de l'ordre dans ses données de stocks et de ventes, dans la volonté de laisser des décisions à un système dans des marges définies, et dans l'étendue de l'assortiment : avec un assortiment restreint, l'automatisation est plus facile à valider qu'avec une offre large et à rotation rapide. Les enseignes comptant de nombreux points de vente et un assortiment standardisé prennent souvent de l'avance sur ce point, tandis que les magasins spécialisés ou fortement saisonniers continuent de s'appuyer davantage sur le jugement humain.
Au sein d'un même service, les trois catégories se mélangent. Le traitement des commandes et le réapprovisionnement de base des stocks sont des tâches qu'un système peut de plus en plus traiter de manière autonome. Les ajustements de prix et la composition des plannings du personnel relèvent plus souvent de la catégorie intermédiaire : le système fait une proposition, un responsable l'approuve ou la refuse, avec justification. La construction d'une relation client sur le lieu de vente, le traitement d'une réclamation inhabituelle et l'appréciation des préférences locales restent pour l'instant du travail humain. La limite exacte entre ces trois catégories varie selon la formule de magasin et selon la fonction, et c'est aussi la raison pour laquelle des affirmations génériques sur « l'IA dans le commerce de détail » offrent peu de prise pour une comparaison concrète avec les concurrents.
Si deux détaillants revendiquent le même délai de livraison, le même niveau de service ou la même politique de prix, la question n'est plus seulement de savoir qui l'exécute le mieux, mais aussi qui a organisé ce processus de manière à ce que le système puisse le piloter de façon autonome. Une enseigne qui laisse largement automatiser les décisions de stocks peut réagir plus rapidement aux fluctuations de la demande qu'une enseigne qui prend encore les mêmes décisions lors d'une réunion hebdomadaire. Cette différence est mesurable en délais d'exécution et en marges d'erreur, pas en intentions ou en ambitions.
C'est précisément là qu'un peer group est utile : ce n'est qu'en comparant votre formule de magasin à des détaillants comparables en taille, en assortiment et en canal de vente qu'il devient visible si une différence de délai de livraison ou de politique de prix découle d'une approche différente de l'IA ou d'autre chose. Une analyse white space montre ensuite sur quelle dimension aucun des acteurs comparables ne se démarque, et où se situe donc un espace encore inoccupé.
La question sous-jacente de savoir quel travail, dans votre propre entreprise, peut effectivement être repris par l'IA, reçoit une réponse par tâche grâce au scan de travail de FTE TO AI. Si cette question touche à des décisions relatives au personnel, des exigences légales propres s'appliquent alors ; le scan de travail décrit le travail, pas les conséquences pour les personnes.
La manière dont l'IA modifie la comparaison entre concurrents diffère fortement selon le secteur. Dans l'horeca, le glissement concerne surtout la planification et les effectifs, dans le secteur informatique, la rapidité de livraison et la qualité du code, et dans les services financiers, l'évaluation des risques et la rapidité d'acceptation. Le secteur agricole montre également comment le travail saisonnier et l'automatisation se rencontrent, ce qui présente des parallèles avec les assortiments saisonniers du commerce de détail.
Vous pouvez commencer par identifier les points sur lesquels vous pensez l'emporter sur vos concurrents, et confronter ces affirmations à ce qui peut réellement être étayé par des preuves. Le contrôle de dimension gratuit de FTE TO AI constitue le point de départ pour cela : vous indiquez sur quoi vous pensez l'emporter, et vous voyez lesquelles de ces affirmations tiennent la route et lesquelles manquent encore d'étayage. Le benchmark complet, avec le peer group et la matrice de preuves pour le commerce de détail, est en cours de construction.