Les leaders du commerce de détail révèlent que l'adoption de l'IA est un problème humain, pas technologique

Huit leaders du commerce de détail se sont récemment réunis à Londres pour un conseil consultatif de UiPath, et leur conclusion la plus constante a été que l'échec de l'IA est rarement un problème technologique. Selon le blog de UiPath, le thème dominant de chaque session était l'adoption et la gestion du changement, et non les capacités des modèles ou les fonctionnalités des plateformes. L'idée centrale pour les équipes opérationnelles est que la technologie est prête, mais que l'infrastructure humaine et de données ne l'est souvent pas.

Ce qui s'est passé

La discussion s'est déroulée selon la règle de Chatham House, ce qui signifie qu'aucune citation spécifique n'est attribuée à des individus. Cependant, le blog de UiPath rapporte que chaque détaillant présent a identifié l'adoption comme un défi majeur. Beaucoup traitent des processus vieux de 20 à 30 ans, façonnés par des équipes isolées, certains employant désormais du personnel dédié à la gestion du changement juste pour faire avancer les initiatives. Un obstacle plus discret décrit a été la tendance des équipes à se concentrer sur ce que l'IA ne peut pas faire plutôt que sur ce qu'elle peut faire, créant un fossé où des outils de planification modernes existent, mais où le travail réel se fait encore dans des feuilles de calcul.

L'intégrité des données est apparue comme un bloqueur critique. L'enquête « Reaction Gap » de UiPath auprès de 500 leaders du commerce de détail au Royaume-Uni, citée dans le blog, a révélé que si 98 % des leaders décrivent leurs systèmes comme connectés pendant les pics d'activité, seuls 25 % disposent d'une visibilité en temps réel pour agir sur les problèmes au fur et à mesure qu'ils surviennent. Le blog note que le problème le plus difficile n'est pas le manque de données, mais la difficulté à faire correspondre les chiffres entre les systèmes back-end où les départements manipulent les mêmes données différemment. Des données médiocres ou cloisonnées bloquent les cas d'utilisation d'agents avant même qu'ils ne commencent.

Concernant la conception des flux de travail, les leaders ont décrit un modèle où les agents gèrent les 90 % de décisions routinières, laissant aux humains le soin d'approuver les 10 % nécessitant du jugement. Cependant, cela exige que le système explique son raisonnement et ses risques. Une tension significative a été soulevée concernant la formation : si les agents suppriment le travail préparatoire manuel (comme la création de packs commerciaux), comment les nouveaux diplômés développeront-ils le jugement nécessaire pour les décisions de haut niveau ? De plus, bien que 97 % des détaillants britanniques aient mis en œuvre l'IA sous une forme ou une autre, 47 % attendent toujours de voir un impact commercial, en partie à cause des longs délais nécessaires pour prouver le retour sur investissement.

Pourquoi c'est important pour les petites équipes opérationnelles

Pour les petites et moyennes entreprises, cela valide un point d'entrée pratique et à faible risque dans l'automatisation par l'IA. Le conseil des leaders du commerce de détail de « commencer petit » et de cibler la « bande médiane » du travail — des tâches trop fastidieuses pour les humains mais trop complexes pour de simples macros — est directement applicable à vos opérations. Vous n'avez pas besoin de refondre l'ensemble de votre ERP ou de votre chaîne d'approvisionnement pour constater une valeur ajoutée. Concentrez-vous plutôt sur des gains contenus et mesurables, comme les processus « procure-to-pay » hors stock. Le blog souligne que l'intégration des fournisseurs peut prendre jusqu'à huit semaines, créant des exceptions et des suivis manuels. Automatiser ce goulot d'étranglement spécifique offre un gain rapide et visible qui renforce la confiance interne. La mesure la plus importante n'est pas le retour sur investissement immédiat, mais la demande interne : lorsque votre équipe dit : « J'ai besoin que cela fonctionne », vous avez prouvé la valeur. Cette approche atténue le risque de fatigue liée à la gestion du changement en rendant le bénéfice tangible pour les employés qui effectuent le travail.

Ce qu'il faut faire cette semaine

1. Identifiez un processus de « bande médiane » dans vos opérations qui implique des tâches à haut volume et à faible jugement, comme l'intégration des fournisseurs ou le rapprochement des factures, et cartographiez les points où les transferts manuels se produisent.
2. Sélectionnez un ensemble de données unique et contenu pour ce processus et nettoyez-le pour garantir une source de vérité unique, en résolvant le problème des silos de données avant d'introduire tout outil d'IA.
3. Pilotez un agent IA sur ce flux de travail spécifique pendant un mois, en mesurant le succès non seulement par le temps gagné, mais aussi par le fait que les membres de l'équipe demandent explicitement à conserver l'outil après la fin du projet pilote.

Sources

• We asked eight retailers to be honest about AI — UiPath Blog