Copilote IA pour les opérations retail : des réponses tirées de vos données, des décisions vérifiables

Demandez à un chatbot généraliste pourquoi la marge de votre cinquième magasin a baissé la semaine dernière, et il vous dira ce qui fait habituellement baisser la marge dans le commerce : les prix fournisseurs, les promotions, la démarque. Tout cela est vrai, et rien ne concerne votre cinquième magasin. Un copilote IA pour les opérations retail ne vaut la peine que s’il répond à partir des chiffres de vos propres magasins, dit quand il ne sait pas, et transforme ce qu’il trouve en une suggestion que quelqu’un peut vérifier, mettre en œuvre et mesurer.

Ce guide reprend ces exigences une par une, en commençant par les données.

Pourquoi un modèle généraliste ne peut pas répondre pour vos magasins

Un modèle de langage en sait beaucoup sur le commerce et rien sur votre chaîne. Il n’a vu ni les tickets d’hier, ni les livraisons de la semaine, ni le prix de revient de quoi que ce soit que vous vendez : sa réponse à une question sur vos magasins décrit donc des magasins en général.

Brancher le modèle sur votre base de données ne suffit pas à lui seul. Spider 2.0, un banc d’essai construit à partir de vraies données d’entreprise et des questions que les analystes leur posent, a confié à l’un des modèles les plus performants un agent capable d’explorer la base et d’écrire des requêtes ; il a résolu 21,3 % des tâches¹. Parmi les principaux obstacles, les auteurs citent la difficulté à trouver les bonnes tables et les bonnes colonnes dans de très grandes bases. Un modèle qui ne sait pas quelle colonne contient le chiffre d’affaires net renverra avec assurance un chiffre tiré de la mauvaise.

Donnez à l’IA un modèle de données, pas seulement une base

Ce qui règle l’essentiel du problème, c’est le sens, écrit avant l’arrivée de l’IA. Lors d’un test sur la base de données d’un assureur, GPT-4 a répondu correctement à 16,7 % des questions métier en travaillant sur les tables brutes, et à 54,2 % quand la même base lui était décrite à travers un modèle de ce que signifient chaque table et chaque relation². Les auteurs construisent ce type de modèle pour en vivre : lisez-le comme un test soigneux plutôt que comme une loi ; le sens du résultat correspond à ce qu’attendrait quiconque a déjà nettoyé des données de commerce.

Pour une chaîne de magasins, le modèle de données, c’est le travail ingrat : une définition de la vente, une journée commerciale, une liste de magasins et une arborescence de catégories, pour que chaque question reçoive une réponse selon les mêmes règles. Le guide pour consolider les données de caisse de tous les magasins le détaille étape par étape. Un copilote qui s’appuie sur ce travail peut répondre à « pourquoi la marge a-t-elle baissé » en lisant la marge telle que la chaîne la définit, pour le magasin et la semaine demandés.

Un copilote qui dit « je ne sais pas » vaut davantage

Les modèles de langage sont entraînés et évalués d’une façon qui fait payer la devinette. Des chercheurs d’OpenAI soutiennent que les modèles hallucinent parce que l’entraînement et l’évaluation récompensent la devinette plutôt que l’aveu d’incertitude : à un examen qui ne donne aucun point pour une réponse laissée en blanc, deviner rapporte toujours plus³. Dans un outil de gestion, le barème s’inverse. Une réponse qui signale que les données de mardi dernier d’un magasin ne sont pas arrivées coûte une minute ; un chiffre inventé pour ce magasin peut coûter une mauvaise décision.

Les règles qui encadrent les réponses du copilote doivent donc être explicites, et vérifiées à chaque réponse :

D’un constat à une suggestion qu’une personne peut vérifier

Un constat, c’est « la marge du magasin 5 a baissé ». Une suggestion, c’est « transférez ces unités d’une référence qui tourne lentement du magasin 5 vers le magasin 2, où elle se vend », avec les preuves à côté : ce que le copilote a observé, par rapport à quelle référence, et ce que le transfert devrait changer. Les preuves permettent au responsable de décider vite, et elles changent la qualité de sa décision. Dans deux expériences préenregistrées, l’une en contrôle qualité industriel, l’autre en radiologie, les personnes qui travaillaient avec une IA montrant pourquoi elle arrivait à une prédiction ont repéré 96,9 % de ses prédictions fausses, et celles qui travaillaient avec une IA sans explication étaient 3,6 fois plus susceptibles d’écarter une prédiction juste⁴.

Les preuves n’aident que si quelqu’un les lit. Une revue de 35 études sur le biais d’automatisation, l’habitude d’accepter ce qu’un système recommande, a constaté que les explications rendent souvent un système plus acceptable sans rendre les décisions plus justes, et que demander aux gens de vérifier réduit la complaisance⁵. La vérification doit donc faire partie du processus, pas dépendre de la bonne volonté : la personne qui accepte une suggestion confirme les preuves avant qu’elle soit mise en œuvre.

Laissez décider le responsable, et consignez les dérogations

Les directeurs de magasin savent des choses qu’aucun jeu de données ne contient : un chantier qui ouvre à côté, un fournisseur sur le point d’être en retard. Dans une chaîne de magasins de proximité qui a introduit des recommandations de réassort dans certains magasins et laissé les autres inchangés, les magasins équipés du système ont atteint un taux de service supérieur de 2,9 % sans détenir plus de stock, et les directeurs ont passé 36,5 % de temps en moins sur les commandes quotidiennes. Quand les directeurs passaient outre le système, les entretiens ont montré qu’ils anticipaient le plus souvent une demande que celui-ci n’avait pas encore vue⁶.

Les dérogations n’ont pas toujours raison pour autant. Une étude du réassort automatisé d’une chaîne de supermarchés a montré qu’après une rupture, les directeurs avaient tendance à commander moins que ce que proposait le système, ce qui provoquait des ruptures de leur propre fait⁷. Consignez chaque dérogation avec sa raison, et examinez-les ensemble une fois par mois. La tendance vous dit s’il faut corriger le système ou l’habitude.

Mesurez l’effet par rapport aux magasins qui n’ont rien fait

Quand une suggestion est acceptée et mise en œuvre, les ventes avant et après seront différentes, mais elles l’auraient été aussi sans elle : un jour férié, la météo, une promotion d’un concurrent. La méthode habituelle compare les magasins qui ont agi à des magasins semblables qui n’ont pas agi, sur les mêmes semaines. Elle repose sur une hypothèse, à savoir que les deux groupes auraient évolué en parallèle sans l’action⁸ : vérifiez donc qu’ils évoluaient bien ensemble auparavant.

Il en va de même pour le copilote lui-même. S’il vaut ce qu’il coûte, les magasins qui suivent ses suggestions doivent prendre l’avantage sur des magasins comparables, et vous devez pouvoir voir de combien. Le guide sur le stock dormant montre un type de suggestion, un transfert entre magasins, du début à la fin.

Comment fonctionne marql AI

marql AI répond à partir des données de ventes, de stock et de coûts de la chaîne. Les données dont une question a besoin sont récupérées par des requêtes fixes avant que le modèle n’écrive quoi que ce soit, et le modèle peut appeler d’autres outils qui lisent les mêmes tables. Depuis le chat, il ne peut rien modifier dans les systèmes de la chaîne ; la seule chose qu’il peut y créer est une tâche. Ses instructions lui interdisent d’inventer des chiffres et l’obligent à dire quand une période n’a pas de données, et après chaque réponse, les chiffres qu’elle contient sont comparés à ce que les outils ont renvoyé. Les noms des magasins sont remplacés par des codes avant qu’une question n’atteigne le fournisseur du modèle, un directeur de magasin ne voit que ses propres magasins, et l’assistant répond en six langues.

Chaque matin à six heures, heure locale, il envoie un court point : le chiffre d’affaires, la marge et le nombre de tickets de la veille, le magasin le plus fort et le plus faible, la météo du jour et les anomalies de la semaine écoulée, chacune mesurée par rapport au profil normal du magasin. Pour chaque magasin, il calcule aussi comment les ventes ont évolué avec la météo sur les 90 derniers jours et s’en sert dans le point et dans ses réponses, pour qu’une baisse un jour de pluie ne passe pas pour un problème du magasin. Quand une personne accepte une action proposée, l’Impact Ledger fige la référence et, à la fin de la période, compare les magasins qui ont agi à au moins quatre magasins semblables qui ne l’ont pas fait, ou à l’historique du magasin lui-même quand ils ne sont pas assez nombreux. La page marql AI montre les questions auxquelles il répond.