IA Agentique : comment les retailers peuvent s'en emparer
En annonçant l’Universal Commerce Protocol début janvier, Google a peut-être définitivement lancé la course à l’IA Agentique. Standard universel, il doit permettre aux IA et aux retailers de parler le même langage - et par la même, d’automatiser les processus d’achat, de la recherche à la livraison.
Face au développement de cette technologie, les retailers ont commencé à s’adapter : l’IA agentique ouvre notamment des perspectives côté consommateur. "Là où il interagissait avec des sites web, il interagit désormais en langage naturel avec des machines intelligentes", explique Tom Gauthier, leader IA chez Valiuz, l’entité data de l’AFM (Groupement les Mousquetaires)."
Il faut donc s’adapter aux contenus analysés en priorité par les LLM - le GEO, pour Generative Engine Optimization : "Avoir des données explicites, mettre des infos techniques et claires sur les besoins qui pourront être comblés", conseille Zouhir Oumedjkane, responsable du centre d'innovation commerce de Capgemini France. "On a souvent lu que les LLM avaient été entraînés sur des forums comme Reddit : s'il y a eu du bashing, le modèle aura été entraîné dessus. Les avis clients sont donc très importants" complète Tom Gauthier.
Les retailers peuvent aussi développer leurs propres agents pour discuter avec leurs clients sur leurs sites, remplaçant ainsi les moteurs de recherche en interne. Mais mieux vaut être prudent. "On ne sait pas encore si cela se traduit par un retour sur investissement : il y a beaucoup à perdre si l’expérience est ratée", observe Zouhir Oumedjkane.
Parmi les briques technologiques déjà fonctionnelles, le SAV se démarque. "L’IA peut aussi apporter des précisions techniques à un client qui hésite, en fouillant dans les fiches-produits. Cela réduit le nombre de paniers abandonnés", prédit Jérôme Reminiac, fondateur de Gensai, fournisseur d’outils d’IA agentiques. Il proscrit, à l’inverse, l’automatisation complète des paiements, faute de sécurité suffisante.
Des outils puissants dans l’approvisionnement
L’IA agentique est aussi puissante dans les coulisses, en s'emparant de sujets liés au back-office. Djust, fournisseur de solutions dans le domaine, promet que les marketplaces B2B autonomes permettront de réduire les coûts de sourcing et de gestion de commande de 20 à 30%. Son dirigeant, Arnaud Rihiant, estime que le marché est vaste. "Actuellement, une entreprise qui a automatisé 5% de ses commandes, c’est déjà le haut du panier", calcule-t-il.
Ses modèles permettent la prise automatique de commande et de réduire les ruptures de stocks. "L’IA peut fonctionner en temps réel, les clients sont plus souvent satisfaits", poursuit-il. Elle peut transformer une commande vocale ou mail en ticket auprès d’un fournisseur, anticiper les manques dans les rayons, voire prédire les approvisionnements nécessaires. "Des supermarchés peuvent croiser beaucoup de données, et commander en fonction du cours des matières premières, de la météo, de l’affluence, de la performance historique ou de celles d’autres magasins", décrit Jérôme Reminiac.
Des données propres et des contrôles humains
Bonne nouvelle : il n’est pas non plus nécessaire de développer un outil propriétaire dans chaque entreprise. Gensai s’appuie ainsi sur des architectures n8n pour bâtir vite des outils légers. Et "l’important n’est pas la puissance du modèle. Mieux vaut des modèles petits, efficaces et spécialisés", souligne Jérôme Reminiac. Seul prérequis, une data exploitable en interne, pour éviter que l’IA n’hallucine : il préconise ainsi une approche RAG (pour retrieval augmented generation), qui connecte l’agent avec une base de connaissances.
"Beaucoup de gens travaillent avec un progiciel de gestion intégré (ERP), qui ne peut pas communiquer ses données avec l’IA. Il faut introduire une surcouche qui regroupe toute la data, et ensuite apposer des agents", complète Arnaud Rihiant, qui alerte aussi sur le fait de garantir la sécurité de ces données.
"Si les agents sont déconnectés du monde extérieur et tournent en circuit fermé dans l’entreprise, cela abaisse les risques. Il est primordial de cartographier les données par sensibilité, et on ne doit pas s’interdire de se passer de certaines, comme les données de transaction - même si cela doit baisser le niveau de performance des agents", confirme Zouhir Oumedjkane. Quant au contrôle humain, il demeure essentiel. "Le binôme IA-humain peut exceller. Le taux de turnover est très élevé dans le retail, et combler les différences de formation par des outils peut être très intéressant", poursuit Zouhir Oumedjkane. Selon le cabinet Gartner, 40% des applications d’entreprise intègreront des agents fin 2026, contre 5% l’été dernier.