IA Retail : la compile de 5 succès

américains

Réservé aux membres+

Beaucoup d’entreprises américaines expérimentent le potentiel de la toute

jeune IA générative, qui fête ses 2 ans. Avec cette question : le ROI est-il là
? Pour Walmart, l'impact est tangible, l'entreprise faisant état d'une
augmentation de 4,8 % de ses ventes au 2ème trimestre 2024, alimentée
par une croissance de 21 % de ses activités eCommerce. L'un des facteurs
qui y a contribué est l'IA générative.

“ Les développeurs ” a expliqué Anshu Bhardwaj, SVP and COO de

Walmart Global Technology et Walmart Commerce Technologies “
cherchent à atteindre l'un des cinq objectifs suivants : améliorer
l'expérience des clients, la productivité des employés, la productivité des
développeurs, l'amélioration des opérations ou la création de contenu ”.

Qu’en est-il des autres retailers ? Découvrez des exemples concrets de

Target, J.Crew, Ulta Beauty et Coach.

Découvrez les stratégies AI et Gen AI de Walmart, J.Crew, Coach, Ulta Beauty et

Target :

● Cas réels d'utilisation de l'IA et son potentiel à générer réellement des ventes
● Quels problèmes résoudre grâce à l'IA ?
● Comment transposer ces succès à notre avantage ?
Parcourez le document ou cliquez sur l’un des liens pour vous rendre directement
sur l’enseigne de votre choix :

5 cas réels

● Walmart
● J.Crew
● Coach ( Groupe Tapestry )
● Ulta Beauty
● Target
 L’IA EN ACTION #1 ⏐ Comment
Walmart utilise l’IA ?

Crédit: Walmart
 Au CES en janvier à Las Vegas, Doug McMillon, le CEO de Walmart,
et certains de ses collaborateurs, ont présenté des cas réels
d’utilisation de l’intelligence artificielle dans le parcours d’achat :
merchandising, achat (magasins et en ligne), récupération / livraison
des achats.

Objectif de l’IA ? Faire gagner encore plus de temps aux clients

Walmart et leur proposer des options pratiques supplémentaires.
Décryptage.

3 DOMAINES PRINCIPAUX
L’IA est particulièrement utilisée par Walmart dans 3 moments du parcours d’achat :

● Recherche et Découverte en ligne

● Achat
● Réception (Livraison, pick up in store/Drive et livraison à domicile).
Doug McMillan, CEO Walmart

Une des missions de Walmart : faire gagner du temps et de l'argent aux personnes.

Doug McMillan, CEO Walmart

« Nous sommes une enseigne omnicanal dirigée par des personnes et alimentée par la technologie,
dont la mission est d'aider les personnes à améliorer leur vie ».

Mission : « Donner au monde la possibilité d’économiser de l’argent et d'avoir un meilleur style de vie
et une meilleure vie pour tous ».

Walmart vis-à-vis de la technologie

Avec l’accélération de la technologie, deux voies sont possible, selon Doug McMillan :

​ « Donner la priorité absolue à la technologie [….] sans se préoccuper beaucoup, voire pas du
tout, des personnes concernées ».

Ou

​ « Rechercher les avantages de la technologie, tout en tenant compte des personnes »

​ « Utiliser la technologie pour servir les personnes et non l’inverse ».
Walmart adopte cette 2ème voie.

« La technologie est à l'origine de nouvelles expériences. Mais il ne faut pas oublier qu'il s'agit d'une
histoire de personnes et de leur volonté d'apprendre et de changer. Une volonté d’adaptation ».

Certaines tâches disparaîtront (soulever des poids lourds, effectuer des tâches répétitives, …).
Certaines fonctions évolueront.

« Nous créons de nouvelles fonctions qui, selon nos collaborateurs, sont plus agréables et plus
satisfaisantes et qui se traduisent souvent par un salaire plus élevé ».

Voyons ensemble comment l’IA est utilisée dans les principaux départements du groupe.

Megan Crozier⏐Executive Vice President and Chief Merchant, Sam’s Club. Linkedin

SAM’S CLUB

Sam's Club est le club-entrepôt de Walmart. Enseigne « obsédée par les bons produits ».

Mission : Proposer des articles de qualité et faire gagner du temps aux clients et aux membres.
 Comment ?

○ Services de curbside, de pickup ou de livraison à domicile

○ Une application (créée en interne) qui est « bien plus qu'un endroit où stocker vos
cartes de membre digitales. Nous pensons qu'il s'agit de l'application la plus utilisée
dans un magasin ou un restaurant aux États-Unis » .

Parmi les fonctionnalités

● Une AI pense-bête « Auriez-vous oublié ? » qui aide les membres à ne pas oublier
leurs articles préférés
● Sam's Cash. Cash back à dépenser chez Sam’s Club (online et magasin) ou pour
régler son adhésion.
● Scan & Go™ :

Objectif : éviter la file d'attente

Fonctionnement : le client scanne ses articles lorsqu’il les met dans son
chariot, paye et présente son reçu digital à la sortie.
Quels produits ? Tous (y compris le carburant ou un hot-dog à 1,38 dollar
dans la cafétéria).
Résultat : Le service Scan and Go de Sam's Club a atteint un niveau
d'utilisation record au dernier trimestre 2023.

Technologie liée à Scan & Go en test (à Dallas):

​ Pain point: une file d'attente pour la vérification du reçu à la sortie du club
​ Solution : une solution inédite mixant IA et technologie de vision par ordinateur :
reconnaissance visuelle des achats dans le chariot pour ne plus avoir à scanner un reçu à la
sortie du Sam Club
​ Futur: déploiement dans tous les Etats-Unis d'ici fin 2024.

Communiqué de presse
Latriece Watkins. Executive Vice President and Chief Merchandising Officer, Walmart U.S. Linkedin

MERCHANDISING

Préférence nationale : les deux tiers des dépenses annuelles de Walmart en matière de produits sont
consacrés à des articles fabriqués, cultivés ou assemblés aux États-Unis.

Nouvelles fonctionnalités pour améliorer la recherche et la découverte, avec pour objectifs :

○ Augmenter l’interaction des clients avec l’assortiment Produits et les Services ( y

compris entretien automobile, pharmacie et produits financiers).
○ Donner confiance aux clients
○ Gain de temps, supprimer les tracas.

Exemples :

Essayage virtuel
 ​ Janvier 2024:
​ Virtual Try-On: Visualisation des lunettes à domicile
​ Essayer virtuellement des montures et acheter des lunettes de vue en ligne via l'application
Walmart ou directement sur Walmart.com.

Le concept d'essayage virtuel n'est pas nouveau (2022), mais contrairement à d'autres
plateformes, Walmart utilise des données 3D et des algorithmes avancés pour créer un
jumeau numérique des montures de lunettes, ce qui donne une expérience d'essayage
virtuel plus réaliste.

Shop with Friends

Partager ses trouvailles en ligne avec ses amis.

Livraisons
Se faire livrer ses courses à domicile, et même à l’intérieur de son réfrigérateur.
Objectif : gain de temps et suppression de tracas de la vie quotidienne.

Jan 2024 : nouvelle fonction de réapprovisionnement (créée en interne)

Constat énoncé par les clients dans une enquête client :

● La planification hebdomadaire des tâches ménagères et le fait de se souvenir de ce qu'il
faut acheter est l'une des responsabilités qui prend le plus de temps aux clients
● Frustration lorsqu’on oublie quelque chose.

Solution (pour les membres de Walmart Plus)

In-Home Replenishment : Service de réapprovisionnement. Fonctionnalité développée en

utilisant l’IA, qui va depuis la constitution du panier jusqu'à la livraison dans le réfrigérateur
du client, que cet équipement se trouve dans la cuisine du client ou dans son garage.

Quel fonctionnement ?

Le système apprend les habitudes d'achat d'un client pour déterminer la cadence parfaite
de réapprovisionnement de ses produits essentiels. Le client reste au contrôle (
changement d’avis, absences,…). Système automatisé mais modifiable.

Service différent d'un abonnement, qui a son utilité pour quelque chose de prévisible,
comme de la nourriture pour chien : un besoin de tant de sacs tous les mois. Là, il s’agit de
déterminer comment réapprovisionner tous les produits de première nécessité, une longue
liste avec différents articles, chacun ayant des taux de consommation variables.
Recherche et Découverte

​ Objectifs :
○ Améliorer les capacités de recherche
○ Devenir un partenaire du client dans la réalisation d'un objectif plus large.
​
​
​ L'IA générative a été intégrée dans l'application et le site web de Walmart pour offrir une
expérience de recherche et de navigation utile et intuitive.
​
​ Solution : Le client fait ses courses chez Walmart pour accomplir des choses et a des
intentions. La technologie est en mesure de comprendre cette intention et la façon dont le
client peut l’accomplir.

Exemple : Organiser une fête chez soi pour le Super Bowl

Avant : de nombreuses recherches pour trouver des chips, des ailes de poulet, des boissons et un
nouveau téléviseur de 90 pouces.

Dans la nouvelle expérience, le client fait une seule recherche intuitive et l'application lui montre
tout ce dont il pourrait avoir besoin.

Les catégories de produits pertinents sont placés en haut de l’écran, avec une liste des
meilleurs articles.

Walmart utilise de grands modèles de langage, notamment ceux d'Azure Open AI, ainsi que ses
propres modèles spécifiques: “ Ce sont nos modèles et nos données qui apportent la touche finale
à cette expérience améliorée”.
Suresh Kumar, Executive Vice President, Global Chief Technology Officer and Chief
Development Officer, Walmart Inc. Linkedin

CHAÎNE D’APPROVISIONNEMENT CONNECTÉE

Historique de la chaîne d'approvisionnement.

​ A la création (1962) : Walmart est un general merchandise discount stores (vêtements,

articles de sport, …) et se développe avec la mise en place d’un réseau de centres de
distribution
​ Années 90 : mise en place un réseau de distribution de denrées périssables à température
contrôlée
​ Fin des années 90 : lancement du e-commerce -> Centres de distribution pour le e-commerce
​ Ces dernières années : construction d’un réseau de distribution intelligent, connecté et
automatisé. Transporte déjà plus de 100 milliards d'articles individuels chaque année.

Objectif principal : placer le produit là où nos clients en ont le plus besoin.

Ce système d'intelligence artificielle est capable de deux choses :

● Prévision de la demande intelligente et automatisée : prévoir ce que les clients veulent et

quand ils le veulent
 ● Orchestrer le transport optimal des produits de manière très précise, pour des produits qui
doivent être stockés de manières très différentes.

Comment ?

Utilisation d’un modèle d'apprentissage automatique en instance de brevet qui prédit le

comportement des clients et aide à prévoir avec précision la quantité d'un produit dont Walmart a
besoin et l'endroit où il est nécessaire.

Quelles données ? Les modèles intègrent des dizaines de types de données différents : données
historiques sur les ventes, prévisions météorologiques, popularité globale d'un article par rapport à
l'année dernière, tendance d'un article sur les médias sociaux, etc.

Les stocks sont disposés de manière autonome. Si la demande d'un article augmente dans une
région du pays, le système automatisé redistribue la marchandise au sein du réseau afin que les
clients puissent l'obtenir quand ils le souhaitent.

Livraison

Une fois que le client a passé sa commande, le système d'intelligence artificielle prédit le temps
nécessaire en fonction de plusieurs facteurs, notamment le nombre d’employés présents dans les
entrepôts, le nombre de chauffeurs, la distance à parcourir jusqu'au domicile et les conditions de
circulation en temps réel.
Prathibha Rajasekar ⏐ Senior Vice President at Walmart Linkedin

Automatisation et innovation pour les magasins et la chaîne

d'approvisionnement

“ Notre chaîne d'approvisionnement est de plus en plus automatisée grâce à des robots
autonomes et à des systèmes de stockage et de pickup”.

Objectif : acheminer plus rapidement davantage de marchandises dans les bâtiments Walmart et
chez les clients.

4 types de systèmes de stockage et de récupération automatisés, pour:

​ Denrées périssables
​ Produits ambiants (vêtements, jouets,…)
​ Commandes e-commerce électronique
​ Commandes Pickup in-store et Curbside
​

Rôles des employés : Gérer la technologie et laisser le gros du travail à l'automatisation.

 ​
​ Le dernier kilomètre de livraison

Objectif : offrir aux clients des solutions de livraison pratiques et abordables qui s'intègrent dans leur
vie active:

​ Livraison programmée (telle heure, tel jour)

​ Livraison dans le réfrigérateur, par le biais de la livraison à domicile.
​ Achat dépannage : livraison express.
​
​ Aux États-Unis, 250 000 employés « de première ligne » font fonctionner l’activité de pickup
et de livraison en ligne. 4X plus qu’en 2019.

Vishal Kapadia ⏐ Senior Vice President, Energy Transformation at Walmart Linkedin

Trois grands objectifs environnementaux:

● Ne produire aucun déchet (détourne 78 % des déchets des décharges).

● Être alimenté par des énergies renouvelables. En 2023: alimenté à 47 % par des énergies
renouvelables. Objectif : alimenter à 100 % en énergie propre bien avant l'objectif de 2035.
● Vendre des produits qui préservent les ressources et l’environnement.
● Éliminer ou améliorer les emballages : 63 % des emballages des marques privées sont
désormais recyclables, réutilisables ou compostables. Walmart veut atteindre 100 % d'ici à
la fin de l'année 2025.

Donna Morris ⏐ Executive Vice President, Chief People Officer at Walmart Linkedin

“ Walmart est dirigé par des personnes et nous sommes alimentés par la technologie. Mais ce sont
toujours nos collaborateurs qui font la différence ” .

Parcours digital de ses propres collaborateurs.

La technologie est utilisée pour aider les employés à améliorer leur travail, à enrichir leur expérience
de travail aujourd'hui et à les doter des compétences nécessaires pour l'avenir, créant ainsi la
possibilité de transformer un emploi en une carrière

Les rôles, les responsabilités et les compétences des 2,1 millions salariés à travers le monde
continueront d'évoluer.

Me @ Walmart : appli des salariés, qui combine près de 300 systèmes disparates

Gestion de l’employé : gérer son emploi du temps, acquérir de nouvelles compétences, apporter
des modifications à ses avantages personnels, tels que leur plan 401 k ou l’achat d'actions.

Fonctionnalités liées au travail

​ Exemple : VisPick, qui permet aux employés dans les magasins de cartographier et de
suivre instantanément les stocks de l'arrière-boutique. Cette technologie de réalité
augmentée aide les employés à trouver, déplacer et gérer les stocks du magasin en
temps réel. Elle permet également de capturer d'importantes données sur les produits
et de fournir des tendances prédictives pour informer les livraisons.

Sur le campus (bureaux) : My assistant

Alimentées par l'IA générative, les fonctionnalités contribuent à la productivité, notamment en
facilitant la création de documents, de calculs et de spécifications de produits.
 L’IA EN ACTION #2 ⏐ Comment
J.CREW utilise l’IA?

J. Crew a été très en avance sur l’IA, en mettant en œuvre un grand

nombre de choses différentes. Aujourd’hui, l’enseigne utilise l'IA
principalement pour faciliter la recherche sur son site et hors site, et ainsi
augmenter ses ventes. Décryptage.
Crédit :J.Crew
3 DOMAINES PRINCIPAUX
L’IA est particulièrement utilisée par J.Crew ( enseigne de J.Crew Group avec
Madewell, et J.Crew Factory) dans 3 moments du parcours d’achat :

● Recherche et Découverte en ligne

● Recommandations personnalisées
● SEO, SEM.

Danielle Schmalken, Chief Information Officer (CIO) chez J.Crew Group. (Crédit: J.Crew)

Question que se pose J.Crew avant tout projet

Danielle Schmalken : « Quels sont les scénarios qui représentent des opportunités pour
notre groupe, et si ce scénario est un problème que nous essayons de résoudre, y-a-t-il un
domaine de l’intelligence artificielle qui peut nous aider à réaliser ce projet ? »
Le défi

J.Crew savait que l’entreprise ne pensait pas de la même manière que ses clients lorsque
ceux-ci effectuent des recherches en ligne. Et également que la façon dont un client
souhaite obtenir un produit (par exemple, la robe parfaite pour une soirée) est probablement
très différente de celle d'un autre client.

Pourquoi ?

Lorsqu'il recherche un produit, un client parle de tendances, de styles, d'occasions, de

micro-occasions, de qualité de tissu. Également, cette personne utilise des termes très
précis et souvent subjectifs pour décrire chaque attribut, ceux qui comptent pour elle, celle-ci
ayant des préférences uniques et ayant sa façon à elle de décrire ce qu'elle veut.

Or aujourd’hui dans le commerce, la plupart des produits sont décrits avec les termes
traditionnels du marchand, c'est-à-dire de manière restrictive : tissu, couleur, confection, …

La question posée par J.Crew : comment élargir les possibilités pour un client de trouver ce
qu'il veut et de faire en sorte que ce qui est souvent un vaste catalogue lui paraisse
beaucoup plus accessible et beaucoup plus personnalisé ?

Solution

L'IA aide J.Crew à élargir la taxonomie restreinte des attributs de produits qui ne font
qu'effleurer la façon dont un client découvre et achète de nouveaux articles.

J.CREW a travaillé avec son partenaire, une plateforme IA d'attributs de produits, pour
combler le fossé entre le discours du fabricant et celui du consommateur.

Comment ? En utilisant la reconnaissance d'images et le traitement du langage naturel

(NLP) pour analyser les images et le texte des produits et générer des attributs de base. Ces
attributs sont personnalisés en fonction de leur application, qu'il s'agisse de filtres, de
requêtes, de référencement ou de prévisions de la demande. Le Search et le Search on-site,
par exemple, nécessitent un grand nombre de synonymes, car les consommateurs peuvent
rechercher un produit de nombreuses façons différentes.

Le flux de données enrichi peut être intégré dans les systèmes existants sans traitement
supplémentaire, ce qui améliore les capacités du système.
En général, 99 % des marques et des enseignes font cela manuellement aujourd'hui, à partir
de ce que les fabricants attribuent aux produits, en examinant les termes de requête et en
essayant de déterminer manuellement ce qu'il faut ajouter.

Passons en revue 3 cas réels :

CAS RÉEL #1

Avant : Une requête pour « une blouse » pouvait obtenir trois résultats, en se basant sur les
attributs attribués par le fournisseur sur chacun de ses produits.

Après : La requête renvoie 120 résultats, avec les attributs supplémentaires qui ont été
ajoutés aux produits pour l'enrichir (ces attributs étant mis en arrière-plan).

Affichage

Ces attributs sont utilisés dans le catalogue de produits, la recherche sur site, les
recommandations, les filtres, et même pour le référencement SEO, et SEM jusqu’à la
prévision de la demande.

Ainsi, un ‘ haut ” peut se décrire comme “ un haut multicolore à manches décontractées ”.

C’est peut-être ainsi que la cliente pensera dans sa tête à ce haut qu’elle essaye de trouver.
Avant : une requête pour « une blouse » pouvait obtenir trois résultats.
Après : 120 résultats, avec les attributs supplémentaires qui ont été ajoutés à ce produit,
pour l’enrichir. Crédit: J.Crew

CAS RÉEL #2

Recherche : une robe à pois

Quoi de plus vague qu’une robe à pois ? Ce travail d'attribut est important car une cliente
peut parcourir 15 pages présentant des robes et abandonner après la première ou la
deuxième page si elle ne trouve pas ce qu'elle veut.
Recherche pour « robe à pois ».

👇 Ci-dessous, les attributs donnés par J.Crew à cette robe 👇

CAS RÉEL #3

Dans les recommandations

Avec ce travail d’attributs, J.Crew a pu faire remonter à la surface des recommandations de

d'autres produits, sur la page de description d’un vêtement, potentiellement plus pertinentes
en sachant ce que le client a recherché ou ce qu'il a filtré et en utilisant la richesse des
données.

Résultats

En offrant une expérience plus encadrée et en amenant le client vers potentiellement ce qu'il
veut, J.Crew a constaté :

● un taux de visualisation des produits plus élevé et, par conséquent, un taux d'ajout
au panier plus élevé, et un taux de conversion plus élevé
● un plus grand nombre de produits vus par le client au cours d'une session, ce qui
élève le taux de considération du client et le rend enclin à revenir.

Des défis surprenants ? Danielle Schmalken : “ Ce ne fut pas sur un plan technique. Pour
moi, le défi consistait à gagner en interne “ les cœurs et les esprits ”. L’idée a été de bien
dire en interne que nous n’allions rien mettre en ligne si cela ne vous convient pas, mais que
nous devions le tester.”

Quelques suggestions pour les personnes qui envisagent ce type de solutions ?

“ Nous avons commencé modestement et nous nous sommes dit que nous n'allions pas
essayé de révolutionner le monde avec ça. Il suffit de choisir une chose précise que l'on veut
tester. Et si cela fonctionne et que l'on a l'impression que c'est extensible, on peut en faire un
peu plus.

Dans le cas présent, cela s'est avéré très efficace. Nous avons adopté la même approche
avec quelques autres fournisseurs et cela a été une réussite ”.

L'avenir

“ Écouter les clients, de manière à comprendre le langage du consommateur appliqué aux

produits, puis l'intégrer dans toutes les différentes parties des systèmes d'information”.
 L’IA EN ACTION #3⎜Comment Tapestry
utilise l’IA ?

Crédit : Tapestry

Tapestry (la maison mère de Coach) a lancé en début d’année une IA

Générative qui l’aide à s’appuyer sur l’immense savoir de ses vendeurs
magasin pour mieux servir ses clients. Décryptage.
Le défi

Dans le secteur du Luxe, où la réflexion et l'émotionnel sont élevés, le rôle du vendeur est
central. Tapestry est conscient de l'étendue des connaissances de ses collaborateurs en
magasin et souhaitait exploiter ces connaissances précieuses sur un large éventail de
sujets.

Noam Paransky : « Lorsque nous écoutons, lorsque nous exploitons les données et l'IA,
quelles sont les personnes les plus expertes sur nos produits, nos marques, sur le
consommateur, et qui est notre meilleur moteur de personnalisation ?

Ce sont nos vendeurs ! Nous essayons de nous entretenir avec eux, de manière à la fois
plus structurée, et non structurée, pour obtenir leurs commentaires et leurs connaissances,
parce qu'en fin de compte, nous voulons que le digital soit plus humain ».

Coach a toujours eu des mécanismes basiques permettant à ses vendeurs de donner un

retour d'information, mais ces formulaires ne pouvaient pas être très riches.

Solution

Tapestry a lancé fin 2023 Tell Rexy, une application intégrant de la GenAI, dédiée aux
vendeurs magasin (Rexy est la mascotte de Coach).

C’est un processus basé sur le “push” et le “pull”.

Sur l’aspect ”push” :

Il existe sept ou huit sujets fondamentaux très généraux sur lesquels les vendeurs sont
encouragés à donner leurs avis.

C'est un outil très simple à utiliser pour eux, un mix de "push-to-talk” et de “push-to-text”. Le
discours “talk’ est traduit en texte. Il entre dans un grand modèle de langage et Tapestry le
synthétise pour en tirer des connaissances et des idées, en temps réel, réduisant ainsi le
temps de latence.

Il serait difficile pour le management de prendre en compte toutes les remontées des
équipes et de les synthétiser, aussi rapidement que le fait la technologie.
Une question se pose : y a t il suffisamment de feedbacks sur un sujet particulier?

Tapestry utilise un modèle statistique qui permet de dire aux équipes quels sujets sont
remontés, le volume de ces remontés et déterminer le poids, afin de savoir si le sujet est
significatif pour en tirer des enseignements et agir.

Pour ce qui est de l'aspect “push” :

Noam Paransky : “ Je parle régulièrement avec Rexy. Je peux lui poser toutes les questions
que je veux. De la même manière que vous posez une question à ChatGPT et qu'il est formé
sur Internet, Rexy est formé sur la base des commentaires que nous recevons des
vendeurs. Souvent, il s'agit de quelque chose que j'ai vu dans le rapport hebdomadaire, puis
je commence à avoir une conversation avec Rexy afin d'obtenir une compréhension
beaucoup plus large du sujet. Je suis en mesure d'approfondir les données et d'obtenir une
réponse qui me donne le contexte dont j'ai besoin”.
 L’IA EN ACTION #4 ⎜Comment Ulta
Beauty utilise l’IA ?

Crédit: Ulta Beauty

Ulta Beauty est un early adopter de l'IA, depuis 2016, avec ses premières
expériences d'essayage virtuel, où les personnes pouvaient expérimenter
le maquillage. Aujourd’hui, l’enseigne de beauté réinvente le classique
«Questions & Answers». Décryptage.
Comment Ulta Beauty utilise l’IA pour mieux répondre aux questions que
ses clients ayant une intention d’achat se posent ?

Michelle Pacynski, VP, Digital Innovation chez Ulta Beauty a expliqué la démarche lors d’une
conférence.

Fondée en 1990, Ulta Beauty est la plus grande chaîne de magasins spécialisés dans les
produits de beauté aux États-Unis et la première destination beauté pour les cosmétiques,
les parfums, les produits de soin de la peau, les produits de soin des cheveux et les services
de beauté. 25 000 produits de plus de 600 marques de beauté établies et émergentes, y
compris la marque en propre d'Ulta Beauty.
Source: Ulta

Le contexte

Google, Amazon (avec Rufus) et de plus en plus Walmart sont aujourd'hui excellents pour
répondre aux questions des clients sur ce qu'ils recherchent. C'est une menace pour toute
marque, même si, dans le cas d'Ulta, Ulta fait déjà ceci depuis des années, sous la forme de
questions-réponses sur son site web.

Mais ce que font les 3 géants cités ne portent pas seulement sur le Search. Avec l’IA et les
montagnes de data à leur disposition, ils agencent également différemment les Pages
Catégories ainsi que les Pages Produit.

Les consommateurs le savent. En moyenne aux Etats-Unis, les premières recherches faites
par un consommateur se répartissent entre 50% sur Amazon, 30% sur Google et le solde
sur un site de marque.

Source : Ownit ai
Défi
Auparavant, les questions-réponses sur le site d’Ulta étaient assez statiques, utilisant des
plates-formes de Q&A modérées. Ces Q&A font toujours partie de l'expérience des clients
chez Ulta, développées en interne par les ressources créatives du marketing, enrichies par
les experts en merchandising.

L'expérience est très utile, mais elle est statique. Les recommandations de produits sur cette
expérience proviennent d'un curateur, donc si les produits changent ou si Ulta veut proposer
de nouvelles recommandations, elles doivent être mises à jour manuellement.

Il en va de même pour les quiz.

De plus, sur le site web, tous ces éléments d'information sont séparés. Ils sont en quelque
sorte des lieux d'atterrissage. L'invité est allé répondre à un quiz, il est allé répondre à des
questions-réponses. Il s’en rendu sur un point de destination particulier.

Solution
Ulta Beauty veut battre Google Search ou Amazon (Rufus) à leurs propres jeux, en étant
capable de répondre à toutes les questions des clients. Et en faisant savoir à ses clients
qu'ils peuvent poser une question et obtenir une réponse approfondie à pratiquement toutes
les questions relatives à la beauté.

Google indique déjà aux marques ce que les consommateurs demandent.

Ulta a donc formé l'IA pour qu'elle réponde à ces questions, mais sur son site web, avec des
articles détaillés et shoppable, et des pages Produit très spécifiques, totalement
individualisées pour l'acheteur.

Avant : Dans la version précédente, Ulta devait ajuster les modèles d'intention d’achat par
catégorie et devait comprendre le type de questions qui allaient être posées par catégorie. Il
aurait fallu beaucoup de temps et de travail pour répondre à tout le volume de questions qui
auraient pu leur être posées.

Et pour certaines questions, il n'est pas facile de répondre sous cette forme de chat.

Aujourd’hui : La Gen AI permet d’utiliser le langage naturel propre à Ulta et de répondre à

toutes les questions qu'un client pourrait poser.

NOUVELLE APPROCHE POUR RÉPONDRE À CES QUESTIONS

Avec son partenaire, Ulta introduit un Beauty Guide très documenté et de longs articles
contenant des informations pertinentes par catégorie de produits.

Exemple : un client cherche le meilleur tonique pour peau sensible.

Ulta peut fournir du contenu aidant ce client à trouver le bon produit pour cette personne. Et
en répondant à une question comme celle-ci, dont les réponses sont déjà disponibles, Ulta
peut aller plus loins en citant, par exemple, quels sont les best-sellers, expliquer le rôle d’un
tonique, de quelle manière ils sont sains, ce que c’est exactement que d'avoir une peau
sensible, etc.

Tout ceci est basé sur des données disponibles sur le site web d'Ulta ou sur le site web des
marques vendues par Ulta Beauty. Ces informations sont à la fois utiles et exclusives à Ulta.

L’AVENIR D’UN SITE DE MARQUE

Ulta veut aller plus loin en guidant ses clients tout au long de leur parcours de découverte,
d'éducation et de shopping, y compris sur la Page Produit, jusqu'à l'après-achat.

Exemple #1

Le client souhaite acheter une crème hydratante. Il existe 606 très bons produits sur le
marché et présents dans les rayons Ulta.
Ulta possède les connaissances et les données nécessaires pour guider le client en temps
réel dans sa recherche de produits, en comprenant la catégorie, les questions les plus
fréquemment posées et en ajoutant des attributs intéressants liés au Gproduit (meilleur
anti-âge, ....).

Ulta sait aussi résumer les raisons pour lesquelles le prospect devrait acheter ce produit en
particulier.

Et est en capacité de proposer aux clients de poser d'autres questions lorsqu'ils envisagent
d'acheter un produit. Ulta y répond dans le cadre de cette même expérience d'achat ( c’est
l’une des caractéristiques de la Gen IA, qui se souvient de la question posée et de son
contexte).

En conséquence, la page de détail du produit est totalement différente d’une page

traditionnelle actuelle. Par exemple, cette nouvelle page comportera l'ajout d'articles
comparables et l'explication des raisons pour lesquelles ils sont comparables et ce qui les
rend différents.

Exemple #2

Un autre exemple encore plus spécifique : une crème hydratante anti-âge pour peau
sensible, qui ne contient pas d'huile.

Ulta peut proposer les quatre produits exacts qui répondent à ces besoins précis en
pré-filtrant le résultat spécifiquement sur ce que ce client recherche.

Le client peut également continuer à poser des questions pour approfondir ce qu’il recherche
vraiment.

.
 L’IA EN ACTION #5 Comment TARGET
utilise l’IA?

L’IA n’est pas nouvelle pour Target, mais deux déploiements récents
attirent notre attention. Ils ont trois objectifs :
 ● faciliter le travail des membres de l'équipe magasin
● améliorer l'expérience d'achat
● corriger les ruptures de stock inconnues.

Comme beaucoup de grands distributeurs, l'IA et le machine learning ne sont pas étrangers
à Target, qui a passé plusieurs années à tirer parti de cette technologie pour résoudre des
problèmes à grande échelle telles que la prévision de la demande et la planification des
stocks, décider du montant et de la fréquence des réductions de prix lors des soldes, ou
encore personnaliser l'expérience d'achat digital en faisant des recommandations à ses
clients en ligne.

2 DÉPLOIEMENTS RÉCENTS

● une nouvelle technologie d'intelligence artificielle générative pour les employés de

ses magasins
● une avancée majeure pour détecter et corriger les ruptures de stock inconnues.

Voyons comment.

Pour les employés des magasins

Le nouveau chatbot, appelé Store Companion, est conçu pour faciliter le travail des
membres de l'équipe et améliorer l'expérience d'achat.
L'outil est déployé auprès de centaines de milliers d'équipiers dans les quelque 2 000
magasins de Target depuis le mois d’août.

Target sera la première grande enseigne américaine à intégrer l'intelligence artificielle

générative à l'ensemble de ses équipes en magasin.

Credit: Target et Star Tribune

En bref

● Un outil chatbot dédié aux employés en magasin

● Sous forme d'une application présente sur les appareils portables des employés du
magasin
● Où ? Dans l'ensemble des quelque 2 000 magasins de l'entreprise à l'échelle
nationale d'ici août 2024 (après l'avoir testé dans 400 magasins)
● Durée du projet : en six mois, de la phase de tests initiale au déploiement
● Par qui ? L'équipe technique en interne.
● Objectifs :
 ○ faciliter le travail du personnel “en première ligne” en leur permettant de
travailler plus rapidement et plus efficacement
○ accroître l'engagement des clients en améliorant leurs expériences d'achat.

Pour quels usages ?

Ce petit acolyte alimenté par l'IA répond rapidement aux questions sur les processus de
travail et la gestion des opérations du magasin. Par exemple : Quand cet article sera-t-il en
stock ? Comment inscrire un client à la carte de fidélité Target Circle™ ? Comment
redémarrer les caisses en cas de coupure de courant ? ».

Le chatbot comporte aussi des ressources de formation pour les nouveaux employés ou les
employés saisonniers.Ceux-ci peuvent poser des questions informelles et
conversationnelles au lieu de chercher des réponses dans des manuels physiques ou dans
les guides intranet en ligne de Target.

Exemple

Cité par le Minnesota Star Tribune :

« Un matin en début de semaine, des orages ont coupé l'électricité qui alimentait certaines
des sections de produits alimentaires réfrigérés et de fruits et légumes du magasin.
L'employé Steve Noon a demandé à Store Companion la marche à suivre en ce qui
concerne les produits alimentaires et a reçu un guide étape par étape sur la façon de
protéger les produits sensibles à la température, en utilisant un matériau semblable à une
bâche, et sur la façon de déterminer quels produits devaient être jetés ».

Pour corriger les ruptures de stocks inconnues

DÉFI

Grâce à des audits physiques de ses stocks, Target a découvert que la moitié des ruptures
de stock étaient inconnues de ses systèmes (le système croit qu'il y a des stocks, alors qu'il
n'y en a pas).
Comment cela se produit-il ?

Comme toutes les enseignes le savent, il est impossible de maintenir une précision de 100
% pour chaque unité de plus de 100 000 UGS. Les erreurs d'expédition et de réception, les
vols, les articles mal placés et les défaillances du système sont autant de facteurs qui
contribuent à ce que l'on appelle la « démarque inconnue.
Lorsque le système pense qu'il y a encore 10 articles en rayon, il ne déclenche pas de
réapprovisionnement et les ventes finissent par tomber à zéro dans le magasin → Target
perd des ventes potentielles.

Solution

L'approche de l'IA

Testé sans succès

Target a testé la vision par ordinateur, avec l'utilisation de caméras en bordure de rayon.
Cependant, les coûts du matériel, la maintenance et l'intrusion potentielle dans l'expérience
du client ont posé des problèmes.

Réalisé avec succès

Target a donc développé une nouvelle capacité à déduire et à corriger les anomalies
d'inventaire dans son assortiment complexe en utilisant l’IA.

Tout a démarré en bâtissant un Inventory Ledger. En d'autres termes, un grand livre des
stocks conçu pour signaler toute modification de la position ou de la disposition des stocks
pour chaque article dans chaque magasin Target. L’équipe suit également les stocks qui se
trouvent à plusieurs endroits dans un même magasin, comme les piles par exemple.
Credit: Target

Target dispose d'un cadre de modélisation pour détecter et corriger les ruptures de stock
inconnues, en utilisant toutes sortes de modèles pour trouver ceux productifs en se fondant
sur les exemples historiques de ruptures de stock inconnues. Les différents algorithmes ont
des spécialités différentes car il n'existe pas de modèle unique ( les modèles sont
spécifiques à chaque catégorie de produits).

Carla Daza, Data Scientist responsable de l’activation des cas réels de GenAI chez Target,
explique :

« Lorsqu'un modèle identifie qu'un article est probablement une rupture de stock inconnue,
nous envoyons cette recommandation à une équipe alliée qui mettra la quantité disponible à
zéro, déclenchant ainsi le réapprovisionnement.

Nous disposons d'un moteur qui rationalise ces corrections et convertit les recommandations
multiples à une granularité article-emplacement. Ces corrections d'inventaire sont effectuées
automatiquement sans l'intervention d'un membre de l'équipe.

Une autre équipe avec laquelle nous travaillons en partenariat mesure la précision de notre
modèle pour chaque modèle. Nous améliorons constamment nos modèles pour optimiser la
précision et la mémorisation »
Les détails de la démarche sont donnés par Meredith Jordan, Vice President, Engineering -
Stores Portfolio dans un blog post.

LE SAVEZ-VOUS ? Mon métier, Retail Tech Strategist, est d'identifier aux U.S. des Best Practices et

innovations Retail Tech et j'aide les groupes français à les mettre en œuvre avec succès.

Curieux de voir comment cela pourrait bénéficier à votre entreprise ? Prenons 15 minutes pour

discuter. Choisissez une date qui vous convient sur mon calendrier et explorons ensemble les possibilités

qui s'offrent à vous.