IA : la majorité des détaillants prévoient d’investir pour rester concurrentiels
Les détaillants canadiens adoptent la technologie de l’intelligence artificielle (IA) générative, et bon nombre d’entre eux l’intègrent à leur organisation ou prévoient de l’intégrer à court terme pour stimuler la productivité, prédire la demande et offrir des expériences personnalisées aux clients, selon une nouvelle étude de KPMG au Canada.
Capable de générer du texte à la manière de Chat GPT, ou encore des images ou des données, les modèles d’IA génératives permettent de composer avec une multitude de dimensions, de produits et de source de données.
Dans un sondage récent mené auprès de dirigeants de 135 détaillants canadiens, plus de huit répondants sur dix (81%) ont déclaré qu’ils doivent investir dans l’IA générative pour demeurer concurrentiels, et 81% ont convenu qu’ils doivent passer à un modèle d’exploitation d’IA générative au cours des 12 prochains mois pour demeurer concurrentiels.
Près de quatre répondants sur dix (38%) ont déclaré avoir déjà mis en place une solution d’IA générative quelconque au sein de leur organisation, quatre répondants sur dix (39%) prévoient mettre en œuvre leur première solution d’IA générative au cours des six prochains mois, et 17% au cours des 12 prochains mois.
90% des répondants conviennent que l’IA générative contribue ou contribuera à accroître les revenus de leur entreprise ou l’accroissement de leur part de marché. 39% s’attendent à ce qu’elle fasse augmenter les revenus de 6 à 10%, 26% prévoient une augmentation des revenus de 10 à 15%, et 23% tablent sur un gain de 3 à 5%. 42% des répondant s’attendent en outre à ce que l’IA générative améliore le rendement du capital investi (RCI) de 10 à 20% ; 41% supposent une augmentation de 6 à 10%.
« L’IA générative n’est pas dans l’avenir, c’est déjà un enjeu principal »
« Il est évident que les détaillants canadiens considèrent l’IA générative comme essentielle à leur avenir, a déclaré Kostya Polyakov, partenaire chez KPMG, secteur consommation et commerce de détail au Canada. Le défi consiste à déterminer les cas d’utilisation qui ajoutent de la valeur pour les organisations, puisqu’il existe une myriade de façons dont les détaillants peuvent utiliser la technologie pour devenir plus efficaces, productifs et rentables. »
Voici les utilisations les plus courantes de l’IA générative mentionnées par les répondants :
- détecter la fraude en signalant les transactions suspectes (69%)
- prédire la demande de produits, optimiser les niveaux d’inventaire (68%)
- offrir des recommandations de produits personnalisées dans des styles de conversation adaptés aux clients (67%)
- stimuler les moteurs de recherche de produits en facilitant la compréhension des demandes de recherche de clients (67%)
- optimiser la planification et le transport de lots complets entrants et sortants (67%).
« L’IA générative convient parfaitement au commerce de détail : elle peut personnaliser l’expérience client, permettre des prévisions plus précises et améliorer la chaîne d’approvisionnement. Plus de 80% des détaillants canadiens interrogés utiliseront la technologie cette année. Quant aux 20% qui ne sont pas encore rendus là, ils font face à un énorme désavantage concurrentiel qui ne fera que croître, car ceux qui l’utilisent trouveront de plus en plus de façons de tirer parti de ses pouvoirs. L’IA générative n’est pas dans l’avenir - elle est déjà un enjeu principal pour les détaillants canadiens », a ajouté Kostya Polyakov.
Des risques à prendre en compte
Près de neuf répondants sur dix (86%) ont déclaré que l’IA générative peut aider à mieux orienter leurs campagnes de marketing et à personnaliser les expériences de magasinage pour les clients, et 88% ont convenu que la technologie peut créer des éléments visuels époustouflants pour le lancement de produits et réduire les coûts de photographie.
Cependant, près de huit répondants sur dix (78%) se sont dits préoccupés par la façon dont les consommateurs réagiraient aux images générées par l’IA, ce dont les détaillants doivent tenir compte, selon M. Polyakov, en plus de la constante évolution des règles liées à la propriété intellectuelle à la lumière de l’IA générative.
« Les consommateurs utilisent eux-mêmes de plus en plus des outils d’IA générative, et bon nombre d’entre eux sont assez avisés pour être en mesure de repérer le contenu généré par l’IA, déclare Peter Hughes, directeur national Expérience client de KPMG au Canada. Les détaillants doivent réfléchir attentivement à la façon dont ils utilisent la technologie, car si elle n’est pas utilisée de façon appropriée et responsable, cela pourrait créer des risques pour leur réputation, tant juridiques que financiers. »
L’IA générative dans la chaîne d’approvisionnement
Bien que les répondants aient déclaré qu’ils utilisaient déjà l’IA générative de nombreuses façons au sein de leurs organisations, moins de la moitié (46%) ont appliqué la technologie à leurs chaînes d’approvisionnement, et 34% des répondants prévoient la mettre en œuvre à l’avenir.
Parmi ceux qui utilisent ou prévoient d’utiliser l’IA générative dans leur chaîne d’approvisionnement, quatre sur dix (43%) ont déclaré que la raison principale raison était de libérer des capacités d’analyse prescriptives pour le traitement des commandes des clients ou des commandes de vente, comme l’exploitation de données internes et externes pour formuler des recommandations aux gestionnaires de catégories sur l’ajustement des prix, les promotions, l’assortiment et la livraison et fournir des options d’atténuation.
Les autres principaux facteurs comprennent la capacité d’analyser l’information dans des systèmes disparates (35%), la production de prévisions de ventes exactes fondées sur les données historiques, les tendances, le caractère saisonnier (34%) et l’optimisation des stocks (34%).
Gérer ses données
« L’IA générative a la capacité de révolutionner la gestion de la chaîne d’approvisionnement, la logistique et l’approvisionnement, mais seulement si elle est soutenue par des données fiables et de qualité - c’est là que de nombreuses organisations font face à des défis. Leurs données ne sont pas gérées et organisées de façon optimale », explique Kostya Poliakov.
En effet, les deux tiers des répondants ont déclaré que l’un des principaux défis qu’ils doivent relever en lien avec la mise en œuvre de l’IA est l’entrée de données non validées et inexactes, lesquelles, si elles étaient utilisées pour former les grands modèles de langage qui sous-tendent les plateformes d’IA générative, pourraient causer des hallucinations d’IA ou se traduire par des résultats inexacts ou trompeurs.
Sept répondants sur dix (71%) ont déclaré que leur incapacité à accéder aux données ou à en tirer parti constitue également un défi dans la mise en œuvre de l’IA générative.
« Les détaillants ont accès à d’énormes quantités de données, y compris des données sur les clients, des données sur les ventes et des données sur les fournisseurs, et ces données peuvent être exploitées pour l’utilisation de l’IA générative, note l’analyste de KPMG. Mais pour que ces données soient utiles à un système d’IA générative, les détaillants doivent s’assurer qu’elles soient épurées, organisées et structurées. C’est un élément essentiel de toute mise en œuvre réussie de l’IA générative. »
