Les détaillants expérimentent l’IA générative (genAI) dans divers cas d’usage, allant du marketing personnalisé à la recherche conversationnelle. Cependant, les risques stratégiques d’être un précurseur dans l’adoption de la genAI par rapport à ceux qui préfèrent attendre que des acteurs établis définissent des normes restent flous.
« Nous n’avons pas vraiment une bonne idée de son efficacité à ce stade, en ce qui concerne l’utilisation par les consommateurs », a déclaré notre analyste Blake Droesch dans le podcast « Behind the Numbers: Reimagining Retail« . Cette incertitude met en lumière le dilemme auquel font face de nombreuses entreprises dans le secteur de la vente au détail : investir dès maintenant dans cette technologie émergente ou attendre que d’autres en établissent les règles et les meilleures pratiques. Bien que l’IA générative promette d’améliorer les interactions client et d’accroître la personnalisation, l’absence de données tangibles sur son efficacité concrète et ses résultats pose des questions importantes sur son adoption à grande échelle.
Voici quatre éléments que les marques et les détaillants devraient prendre en compte lors de la mise en œuvre de stratégies d’IA générative (genAI) :
1. L’adoption peut être progressive. Il y a souvent un décalage entre le déploiement de nouvelles technologies par les détaillants et leur adoption par les consommateurs. En prenant comme exemple la technologie de réalité augmentée et virtuelle, les taux d’adoption réels restent encore relativement faibles, notamment parmi les consommateurs qui ne font pas partie de la génération Z, a expliqué notre analyste Carina Perkin.
Ce premier point souligne l’importance de ne pas attendre des résultats immédiats et de prévoir une phase d’adaptation des utilisateurs. Cela peut également signifier qu’il faut s’assurer que les solutions de genAI sont suffisamment simples et accessibles pour encourager une adoption plus large au fil du temps.
2. Les mauvaises expériences risquent de provoquer des réactions négatives. L’implémentation d’outils IA majeurs, comme la recherche conversationnelle, comporte un risque de réputation si l’expérience utilisateur est frustrante. « Si vous trébuchez dès le départ, non seulement les gens seront mécontents de votre marque, mais ils seront aussi réticents à revenir vers vous à l’avenir », a déclaré Blake Droesch. Cela montre l’importance de soigner l’expérience utilisateur lors du déploiement de ces outils.
3. Envisager des cas d’usage à faible risque. Pour ceux qui n’ont pas encore expérimenté l’IA générative, des premiers cas d’utilisation comme des chatbots d’assistance pour employés internes ou des fonctionnalités supplémentaires, comme le « recommandateur » de tenues de Zalando, présentent moins de risques que de remplacer des fonctionnalités centrales. « Il existe des cas d’usage plus sûrs où les détaillants peuvent tester la technologie », a ajouté Carina Perkins. Cela permet de minimiser les risques tout en apprenant à maîtriser l’outil.
4. Être conscient des limites. L’IA générative a encore des problèmes d’exactitude et de biais, ce qui la rend moins adaptée pour la prise de décisions de haut niveau. « Il existe d’autres formes d’IA mieux adaptées à cela. Par exemple, l’IA prédictive, qui utilise des algorithmes et des modèles statistiques pour prévoir les tendances futures, est bien meilleure pour la prévision de la demande », a expliqué Perkins. « Ce qui est intéressant, c’est que nous voyons des fournisseurs de solutions logicielles proposer des produits qui combinent les deux technologies. » Cela montre qu’une compréhension claire des forces et des faiblesses de chaque technologie est essentielle pour une mise en œuvre réussie.