Skip to Main Content
Article

Comment les retailers peuvent tirer parti de l'IA générative

Nos experts partagent les principaux cas d'usages de l'intelligence artificielle générative dans le commerce de détail, notamment l'expérience client, la supply chain et le développement de l'e-commerce (back-end). 

Dans cet article :

Qu'est-ce que l'IA générative ?

L'IA générative est un modèle d'intelligence artificielle qui peut être entraîné à créer de nouveaux contenus à partir d'un ensemble de données d'exemple. Les modèles de chat les plus avancés, comme GPT-4 de ChatGPT, peuvent imiter les conversations humaines de manière très réaliste.

Comment en tirer parti ?

Les détaillants peuvent intégrer l'IA générative pour réduire les coûts dans trois principaux domaines : l'expérience client, la Supply Chain (chaîne d'approvisionnement) et l'e-commerce back-end.

Quels sont les inconvénients ?

Pour éviter toute désillusion et répercussion négative de la part des consommateurs, les adopteurs précoces doivent explorer les faiblesses, les menaces et les contraintes de la technologie en menant des essais ciblés.

L'intelligence artificielle (IA) générative a le pouvoir de transformer complètement les expériences du retail, de la création automatisée de vitrines en ligne aux parcours d'achat personnalisés pour les clients. Mais est-ce le moment pour les détaillants d'adopter cette technologie naissante ?

C'est la question à laquelle l'industrie du commerce de détail doit faire face après les récents progrès dans le domaine de l'IA générative. L'intelligence artificielle peut désormais générer de nouveaux contenus tels que des images, des vidéos, de l'audio, du texte et du code. 

Cependant, l'intégration de l'IA conversationnelle dans les flux de travail et les parcours client implique un apprentissage complexe pour les collaborateurs, les clients et les marques. Les défauts et les risques de la technologie émergente, y compris les biais inhérents, le manque de confiance des consommateurs et les inexactitudes factuelles, nécessiteront du temps et des efforts de la part des détaillants pour les surmonter.

« Comment cette technologie peut-elle aider les entreprises à atteindre de nouveaux niveaux de croissance tout en réduisant les coûts et les inefficacités ? » dit Sudip Mazumder, Vice-Président et responsable de l'industrie du retail chez Publicis Sapient. « Et comment pouvons-nous le faire de manière éthique ? » 

Nous avons sollicité l'avis des experts en retail et en IA de Publicis Sapient pour savoir comment les détaillants peuvent intégrer la technologie et ce que les dirigeants doivent comprendre de ses capacités et de ses limites.

Ce qu'est l'IA générative - et ce qu'elle n'est pas

L'IA générative est un terme général utilisé pour décrire les modèles d'intelligence artificielle capables de générer de nouveaux échantillons de données similaires aux données d'entraînement. ChatGPT, rendu public par OpenAI fin 2022, peut écrire de la poésie ou des articles d’information, générer des itinéraires de voyage, donner des conseils, réussir des tests et de répondre à toutes les questions ou les prompt qui lui sont posées, en utilisant l'ensemble d'Internet (avant 2021) comme base de données d'apprentissage.

Malgré la percée initiale du grand modèle de langage (LLM) de ChatGPT, la puissance de l'IA générative va bien au-delà des chatbots. Les modèles d'IA générative avancés ont la capacité de créer un contenu infini et contextualisé de n'importe quel format. Des études montrent que les humains ne peuvent déjà plus distinguer le texte, le code et les images créés par l'intelligence artificielle du contenu créé par des individus.


L'IA générative utilise la probabilité, pas le raisonnement humain. 

Cependant, les systèmes d'IA générative comme GPT-3, le modèle utilisé pour créer l'application ChatGPT, ne génèrent pas de texte basé sur un raisonnement logique ou une intelligence humaine. Ils produisent simplement les réponses les plus probables en fonction du contexte établi par l'ensemble de données disponible, c'est-à-dire la prochaine étape logique dans la séquence.

Par exemple, si un détaillant utilisait l'IA pour créer une série de publicités personnalisées pour différentes typologies de clients, le modèle de langage génératif utiliserait simplement une distribution de probabilité pour anticiper la suite logique en fonction du prompt et produire une publicité crédible.

Comment les détaillants peuvent tirer parti de l'IA générative

Commerce conversationnel : l'IA générative et l'expérience client

L'IA générative pourrait rapidement changer la façon dont les clients interagissent avec les détaillants en ligne si les marques parviennent à intégrer la technologie dans leurs expériences digitales.

« La modalité des interactions d'acha t en ligne, et les interfaces de commerce électronique elles-mêmes, pourraient bientôt changer », déclare Sara Alloy, responsable de l'expérience retail chez Publicis Sapient. « Vous allez constater une amélioration significative de la qualité de recherche, avec davantage de personnalisation, de sur-mesure et d'efficacité. »

1. Recherche de produits conversationnelle

Bien que la plupart des acheteurs puissent utiliser des barres de recherche pour trouver les produits qu'ils recherchent, le commerce conversationnel (alimenté par l'IA générative) accélérerait le processus de recherche et pourrait entraîner des taux de conversion et un panier moyen plus élevés pour les retailers.

Les marques peuvent intégrer des A/B testing dans leurs barres de recherche de produits « similaires à ChatGPT » pour aider les clients à trouver des produits spécifiques plus efficacement, comme la recherche de tous les ingrédients d'une recette ou de tous les vêtements d'une tenue complète.

2. Assistance par Chatbot

Les conseillers du service clientèle peuvent être assistés et les coûts en personnel réduits grâce à l'utilisation de chatbots de service client alimentés par l'IA générative, capables de fournir des réponses complexes et engageantes. Contrairement aux chatbots traditionnels qui ont seulement 15 ou 20 arbres de décision, les modèles génératifs avancés offrent des possibilités de conversation illimitées.

Les détaillants peuvent également adapter les styles de conversation pour refléter l'image de leur marque et personnaliser les interactions avec les clients, modifiant ainsi l'opinion négative des chatbot automatisés.

3. Vente additionnelle et vente incitative 

L'IA générative peut fournir des recommandations d'achat beaucoup plus intelligentes en fonction de l'historique de recherche sur les magasins en ligne et des marques associées. Bien que les détaillants emploient actuellement des outils d'analyse et de balisage pour améliorer et suivre les expériences des consommateurs, l'IA générative peut suggérer de manière plus efficace l'achat suivant ou la prochaine étape dans le parcours du client.

Prise de décision secondaire : l'IA générative et l'optimisation de la Supply Chain

Qu'en est-il des cas d’usages en dehors de l'interface utilisateur ? Il existe de nombreuses interactions entre les individus et entre les individus et les machines qui pourraient être optimisées et simplifiées grâce aux capacités conversationnelles des grands modèles de langage.

L'IA générative comme moyen de communication peut réduire les coûts et créer des expériences plus fluides pour les responsables de la chaîne d'approvisionnement, en particulier en accélérant la prise de décision secondaire.

« Nous avons mis en place des tours de contrôle pour la chaîne d'approvisionnement pour assurer la visibilité et le suivi. Nous avons également des algorithmes de prévision et de prédiction performants qui tirent parti de l'IA », déclare Rakesh Ravuri, CTO chez Publicis Sapient. « L'IA générative pourrait améliorer la prise de décision en ajoutant une couche de support aux technologies actuelles pour une variété de contextes uniques. »

Plusieurs situations pourraient bénéficier de l'ajout de l'IA générative aux technologies actuelles de la chaîne d'approvisionnement :

1. Suivre son colis

La question la plus récurrente dans la chaîne d'approvisionnement est toujours : « où se trouve mon colis  ? ». Les parties prenantes doivent actuellement utiliser des méthodes manuelles ou des informations de suivi limitées pour accéder aux points de contact des colis dans différentes bases de données.

L'IA générative dotée de capacités conversationnelles pourrait fournir une réponse à cette question de manière beaucoup plus rapide, sans risque d'erreur ou d'ambiguïté. Par exemple, un client ou un collaborateur pourrait poser des questions spécifiques à un chatbot telles que « à quelle date arrivera mon colis » ou « est-il possible de réacheminer mon colis », et l'IA générative pourrait répondre à ces demandes simples de manière interactive.

2. Configurations de conditionnement dans le transport

Les responsables de la Supply Chain optimisent déjà les conditionnements d'emballage à l'aide d'algorithmes alimentés par l'IA, mais l'IA générative pourrait fournir une couche supplémentaire de résolution de problèmes pour des contextes particuliers. Par exemple, il peut y avoir une fuite de liquide sur le sol, ou les gestionnaires peuvent choisir une configuration avec un mètre d'espace pour faciliter la circulation des personnes. En utilisant un langage simple, un gestionnaire peut solliciter l'IA générative pour trouver une solution à un scénario d'emballage spécifique.

3. Génération d'étiquettes d'expédition

L'IA générative a également la capacité de créer rapidement de nouvelles configurations pour les étiquettes d'expédition. L'introduction de nouveaux éléments implique souvent un processus décisionnel complexe, basé sur des variables spécifiques, avec un risque élevé d'erreur et d'inefficacité.

Un grand modèle de langage (LLM) pourrait générer de nouvelles combinaisons d'impression d'étiquettes tout en respectant les contraintes pour aider les décideurs à trouver la meilleure utilisation possible de l'espace.

Génération de contenu automatisée : IA générative et e-commerce back-end

L'IA générative peut non seulement améliorer l'expérience client en front-end, mais également automatiser les flux de travail en back-end. Bien que le travail créatif des modèles d'IA générative manque de complexité et de nuance, les nouveaux systèmes permettent une automatisation facile des tâches de création de contenu simples et cohérentes, de manière similaire à un être humain.

« L'IA générative peut accélérer la création de contenu pour le commerce », déclare Ravuri. « Les prochaines itérations de ces modèles offriront une plus grande transparence et réduiront les erreurs, cependant, les données doivent toujours être vérifiées et validées. »

Plusieurs scénarios existent dans les transactions back-end de l’e-commerce où l'IA générative peut aider à la création de contenu :

1. Descriptions de produits cohérentes

De nombreux détaillants investissent déjà dans l'IA pour réaliser des A/B testing automatisés des descriptions de produits afin de trouver la proposition la plus engageante. Les avancées récentes dans la capacité contextuelle de l'IA permettent désormais aux retailers de normaliser automatiquement les descriptions pour de nombreux vendeurs.

Souvent, les vendeurs Au lieu de réécrire manuellement les descriptions de produits, les rédacteurs peuvent utiliser l'IA générative en lui fournissant des directives et des limites spécifiques pour générer des descriptions de produits normalisées et conformes au ton de la marque.

2. Visuels produits personnalisés

Lorsque les clients parcourent les sites de commerce en ligne, chaque photo de produit requiert l'intervention de photographes, de designers, de mannequins et d'une équipe créative pour la réalisation. L'IA générative permettrait aux détaillants de générer des visuels produits personnalisés pour chaque client en se basant sur les descriptions textuelles et les données d'images précédentes.

Par exemple, un détaillant de mode pourrait générer automatiquement une image d'un étudiant portant un maillot de sport pour un client de 19 ans. Si les clients sont prêts à fournir plus de données personnelles ou même leurs propres prompt, l'IA générative pourrait présenter chaque produit au client dans une gamme de situations diverses selon leurs préférences.

3. Flux de transaction avec saisie automatique

Le même cas d’usage pourrait également s'appliquer de manière plus générale aux pages Web, permettant aux détaillants de guider leurs vendeurs et leurs clients encore plus rapidement dans le parcours de commerce en ligne. Actuellement, la plupart des parcours sur les sites de commerce en ligne sont standardisés et statiques, ou reposent sur des informations basiques telles que le fuseau horaire ou la source de trafic des visiteurs.

L'IA générative permettrait aux retailers d'offrir des expériences de navigation abrégées pour chaque client et vendeur, en complétant automatiquement les informations sur les produits, les magasins ou les clients en back-end.

Les inconvénients de l'IA générative pour les détaillants

Néanmoins, tester cette technologie émergente avant son déploiement massif présente plusieurs risques et défis.

Le créateur de ChatGPT a récemment déclaré qu'il était « difficile de s'appuyer sur cette technologie pour des sujets importants à l'heure actuelle » en raison de sa propension à fournir des réponses très crédibles mais non factuelles, sans la capacité de les vérifier ou de les valider.

Le créateur de ChatGPT a également affirmé que « la réglementation sera cruciale et prendra du temps à se mettre en place ». Les détaillants cherchant à développer leurs propres modèles d'IA générative avant la réglementation de l'industrie devront encourager la montée en compétence en IA et créer des garde-fous pour leurs collaborateurs, afin d'éviter les réactions négatives des consommateurs.

« Les marques doivent être très transparentes avec leurs clients sur les moments où elles communiquent avec de l'IA et faire ces choix judicieusement » explique Alloy. « Nous avons déjà vu l'indignation du public face à l'utilisation inappropriée de la technologie dans des situations sensibles. » 

Pour commencer avec l'IA générative

Le commerce conversationnel est le point de départ idéal. « C'est la première voie pour tester cette technologie, avant de l'étendre à d'autres domaines de votre écosystème », déclare Mazumder.

En outre, les détaillants peuvent établir l'ordre de priorité pour les nouveaux cas d'usages en se posant les questions suivantes :

  1. Sur quelles taches les équipes de vente consacrent-ils la plupart de leur temps ?
  2. Quels sont les moments où des ventes incitatives ou additionnelles auraient pu être générées ?
  3. Comment optimiser l'accès des membres de l'équipe aux connaissances internes essentielles ?
  4. Quels sont les points de frustration les plus courants pour les clients et les équipes commerciales ?
  5. Quelles sont les questions les plus fréquemment posées par les clients ?

« Les détaillants doivent commencer à expérimenter dès maintenant car cette technologie offre des opportunités considérables pour améliorer l'interaction avec les clients et augmenter les profits. » - Sudip Mazumder

Contactez nos experts