Principaux points à retenir

• La contrainte évolue. Dans l’ensemble de l’échantillon étudié, 87 % des organisations utilisent GenAI ou l’AI Agentique dans les opérations TI. Parallèlement, les répondants s’attendent à un taux d’échec moyen de 43 % pour les principaux projets d’AI lancés au cours des 24 prochains mois. Pour les leaders du commerce de détail et des biens de consommation, cela souligne l’importance de la préparation organisationnelle en plus de la capacité technologique.
• Des barrières organisationnelles sont présentes dans l’ensemble de l’échantillon. La coordination interfonctionnelle (40 %) et la gestion du changement organisationnel et de la résistance (30 %) figurent parmi les défis identifiés par les répondants dans la poursuite de leurs ambitions en matière d’AI. Ces enjeux sont particulièrement importants dans les environnements du commerce de détail et des biens de consommation, où les décisions touchent souvent des fonctions comme le marchandisage, la chaîne d’approvisionnement, le marketing et les opérations.
• La recherche met aussi en lumière le rôle de la gouvernance, de la préparation de la main-d’œuvre et de l’expertise externe. Parmi les organisations ayant des pratiques très matures en matière d’AI Responsable, 24 % signalent des difficultés à équilibrer l’innovation en AI et les considérations éthiques, contre 41 % pour celles dont les approches sont moins matures. Parmi les répondants ayant eu recours à l’expertise externe, 89 % affirment que les partenaires ont aidé à combler les lacunes en compétences et à progresser.

Imaginez un planificateur d’inventaire, un lundi matin, qui gère des agents d’AI analysant en continu la demande, rééquilibrant les stocks, testant des scénarios et identifiant les décisions nécessitant un jugement humain.

Durant la nuit, l’inventaire a été déplacé entre différents centres de distribution et une promotion a été ajustée selon l’activité des ventes, les tendances météo, le sentiment social, les contraintes des fournisseurs et l’évolution de l’élasticité des prix. Le planificateur commence sa journée en examinant les décisions déjà en cours, en questionnant les hypothèses sous-jacentes et en déterminant à quel moment le jugement humain doit primer sur la confiance du système.

Pour le commerce de détail et les biens de consommation, cela illustre comment l’AI peut transformer le travail des employés ainsi que les décisions dont ils sont responsables.

Traditionnellement, la planification commence souvent par la collecte de données, la réconciliation des intrants et l’établissement d’une prévision. Avec des systèmes intelligents capables de sentir, de prédire et d’agir, les employés peuvent passer plus de temps à orchestrer ces systèmes, à interroger leur raisonnement, à gérer les exceptions et à améliorer les résultats.

Ces capacités sont déjà déployées dans les organisations représentées dans notre échantillon. Les résultats indiquent que l’AI dépasse le simple soutien au travail pour réaliser une gamme plus large de tâches.

Kristina Rogers, directrice principale de la croissance, Commerce de détail, biens de consommation et produits de luxe chez HCLTech, met ce changement en perspective :

« Les entreprises du commerce de détail et des biens de consommation se sont longtemps distinguées par l’écart entre leur ambition d’affaires et leur capacité technologique. Maintenant que l’AI peut sentir, prédire et agir, l’avantage concurrentiel dépendra de la rapidité avec laquelle les organisations adapteront leur modèle d’exploitation, leur main-d’œuvre et leur prise de décision pour l’exploiter. »

La plus vieille plainte du commerce de détail à propos de la technologie n’est plus d’actualité

Les organisations du commerce de détail et des biens de consommation ont connu plusieurs vagues de technologies d’entreprise. Les plateformes de planification des ressources de l’entreprise (ERP), de détection de la demande, de promotion commerciale et autres ont souvent nécessité de longues étapes de mise en œuvre, d’intégration et de préparation des données.

L’AI introduit un nouvel ensemble de possibilités et de questions organisationnelles.

Dans l’ensemble de l’échantillon étudié, AI Agentique, soit des systèmes capables de planifier, de décider et d’agir sans attendre une requête, est utilisée par 78 % des organisations TI et 59 % des opérations de production. L’adoption au sein de l’échantillon comprend :

• 87 % des organisations utilisent GenAI ou AI Agentique dans les opérations TI
• 86 % en développement de logiciels
• 79 % dans les opérations de production

Pour le commerce de détail et les biens de consommation, ces taux d’adoption indiquent que les capacités d’AI deviennent de plus en plus pertinentes pour les systèmes et processus qui soutiennent les opérations courantes.

Cependant, les répondants de l’ensemble de l’échantillon prévoient un taux d’échec moyen de 43 % pour les principaux projets d’AI lancés au cours des 24 prochains mois.

La recherche suggère que la capacité technologique ne représente qu’une partie du défi. Les facteurs organisationnels comme la coordination, la gestion du changement et les compétences influencent également l’avancement de l’AI.

Dans l’ensemble de l’échantillon, les répondants identifient plusieurs barrières à l’ambition en AI :

• Coordination interfonctionnelle : 40 %
• Gestion du changement organisationnel et résistance : 30 %
• Pénurie d’expertise en AI : 22 %

Pour les dirigeants du commerce de détail et des biens de consommation, ces résultats renforcent la nécessité d’agir sur l’environnement organisationnel autour des talents et technologies en AI.

« L’AI n’est plus une initiative technologique, mais bien une réalité d’exploitation d’entreprise. Ce que les dirigeants doivent gérer maintenant, ce n’est pas si l’AI peut générer de la valeur, mais comment les organisations adaptent leurs structures, droits de décision et tolérance au risque pour la suivre. »

— Vijay Guntur, chef de la technologie et responsable de l’écosystème, HCLTech

L’implication pour le commerce de détail et les biens de consommation est que la préparation à l’AI dépasse la seule technologie pour toucher les structures, les droits de décision, la tolérance au risque et la préparation de la main-d’œuvre.

L’AI peut nécessiter des adaptations du modèle d’exploitation et de l’architecture technologique.

Les organisations de commerce de détail et de biens de consommation ont généralement absorbé les nouvelles technologies en mettant en place des systèmes, en formant les utilisateurs et en intégrant des outils dans des processus établis.

Les plateformes de point de vente (POS), de planification des ressources de l’entreprise (ERP) et de commerce électronique ont toutes suivi des versions de cette approche.

L’AI peut créer des questions additionnelles puisque les systèmes peuvent recommander, décider ou agir dans les processus d’affaires, ce qui oblige les organisations à revoir la responsabilité, la supervision et les droits de décision.

Quand un agent réaffecte l’inventaire durant la nuit, les dirigeants doivent savoir à qui revient la décision. Quand une recommandation d’assortiment manque de contexte, par exemple les dynamiques régionales, les engagements de coopérative ou un report de réajustement, les employés doivent avoir la littératie et l’autorité nécessaires pour remettre en question l’output et améliorer le système.

« Toute initiative d’AI est, en son essence, une initiative de gestion du changement. La technologie n’est que rarement ce qui échoue. Ce qui échoue, c’est l’architecture humaine autour : les comportements, la confiance, la volonté de travailler différemment. »

— Jill Kouri, directrice principale du marketing mondial, HCLTech

Ces considérations offrent un cadre utile pour réfléchir aux différentes approches d’adoption de l’AI dans le commerce de détail et les biens de consommation.

Deux approches pour adopter l’AI en commerce de détail et biens de consommation

Les modèles « complémentaire » et « transformationnel » suivants sont des cadres éditoriaux pour appliquer les constats de la recherche intersectorielle au commerce de détail et aux biens de consommation; il ne s’agit pas de segments identifiés par l’étude.

D’après l’ensemble de l’échantillon, la part du budget TI consacrée à l’AI devrait augmenter d’environ 32 % au cours des 12 prochains mois, tandis que la proportion d’organisations consacrant plus d’un cinquième de leurs dépenses technologiques à l’AI passerait de 32 % à 48 %. La question, pour le commerce de détail et les biens de consommation, est de savoir comment cet investissement se traduit en changements opérationnels et en valeur d’affaires.

Dans une approche complémentaire, une organisation peut déployer une nouvelle capacité d’AI tout en maintenant ses processus établis inchangés. Une prévision AI peut alimenter la même réunion mensuelle de planification des ventes et opérations, tandis que les recommandations transitent toujours par des processus conçus pour le rythme humain. La gestion du changement et la préparation de la main-d’œuvre risquent de recevoir moins d’attention que le déploiement technique lui-même.

L’échantillon global met aussi en lumière une tension entre l’entreprise et les TI à mesure que l’adoption de l’AI s’intensifie :

• 68 % des répondants indiquent que les dirigeants d’affaires sont frustrés par la lenteur de livraison des projets majeurs d’AI par les TI
• 62 % des dirigeants TI craignent que les équipes d’affaires fassent avancer l’AI sans supervision

Ensemble, ces résultats expliquent pourquoi la gouvernance, la coordination et la conception du modèle d’exploitation sont essentielles à mesure que l’AI prend de l’ampleur.

Dans une approche axée sur la transformation, les organisations envisagent comment les droits de décision, les cycles de planification et la préparation de la main-d’œuvre doivent évoluer parallèlement à l’AI. Pour le commerce de détail et les biens de consommation, cela peut signifier aligner la responsabilité sur une plus grande autonomie des systèmes, réagir de façon plus continue aux signaux et considérer la préparation de la main-d’œuvre comme un élément clé de l’implantation.

Pour cette audience, la barre pour cet investissement est celle que Corrado Azzarita, directeur mondial de l’information chez The Kraft Heinz Company, fixe en toute circonstance :

« À la fin de la journée, seulement trois indicateurs comptent en affaires : le chiffre d’affaires, le coût et le risque. Si un fournisseur n’est pas clairement en mesure d’expliquer comment sa solution a une incidence sur au moins l’un d’eux, tout le reste n’est que bruit. » 

Pour les leaders du commerce de détail et des biens de consommation, cela offre un prisme pratique pour évaluer la transformation :

• Des décisions mieux informées peuvent favoriser de meilleurs résultats en matière de revenus
• Des déploiements bloqués ou mal adoptés peuvent engendrer des coûts sans générer la valeur attendue
• Un faible niveau de confiance du personnel peut accroître les risques opérationnels et de gouvernance

Trois pistes pour appliquer la recherche à la transformation dans le commerce de détail et les biens de consommation

Les trois mesures suivantes sont une interprétation éditoriale des constats intersectoriels pour le commerce de détail et les biens de consommation. Il ne s’agit pas de segments ou pratiques attribués à un groupe particulier d’« entreprises de transformation ».

1. Utiliser la gouvernance pour établir des permissions claires et la reddition de comptes

   Dans l’ensemble de l’échantillon, 76 % des organisations rapportent avoir retardé des déploiements d’AI à cause de préoccupations liées à l’AI Responsable. Pour le commerce de détail et les biens de consommation, une gouvernance claire peut aider les employés à comprendre ce que l’AI peut décider, quand une révision humaine est requise et comment traiter les exceptions.

   Le constat sur l’AI Responsable est précis : 24 % des organisations ayant des pratiques très matures signalent une difficulté à équilibrer l’innovation AI et les considérations éthiques, comparativement à 41 % pour les organisations aux pratiques moins matures.

   Bien appliquée, la gouvernance peut offrir aux gestionnaires de catégories et à d’autres employés des balises plus claires pour l’utilisation de l’AI, les interventions et l’escalade.

2. Développer la littératie en AI en complément de la formation

   La littératie en AI va au-delà de la formation technique pour inclure le jugement : quand faire confiance à un résultat, quand le remettre en question, ce qu’un modèle peut ne pas voir, et comment le contexte humain peut améliorer le système.

   Le modèle de promotion commerciale n’a jamais connu de choc d’approvisionnement. Le modèle de la demande ignore que le réajustement a été reporté. La personne qui détient cette information est la composante la plus précieuse du processus, mais seulement si l’organisation la traite ainsi.

   À mesure que les capacités AI évoluent, les organisations du commerce de détail et des biens de consommation pourraient devoir intégrer l’apprentissage continu dans les rôles et les cycles d’exploitation, plutôt que d’en faire un simple cours ponctuel.

3. Connecter les décisions à travers les fonctions

   Dans le commerce de détail et les biens de consommation, les agents AI peuvent connecter les signaux à travers le marchandisage, la chaîne d’approvisionnement, le marketing et les opérations en magasin, permettant par exemple à un changement de la demande d’influencer plus rapidement l’inventaire, l’investissement média et les plansogrammes.

   Cette coordination nécessite des signaux partagés, des rôles clairs et de la confiance dans les processus décisionnels. 

Comment les trois impératifs d’impact AI peuvent s’appliquer au commerce de détail et aux biens de consommation

Le rapport AI Impact Imperatives 2026 identifie trois impératifs dans l’ensemble de son étude auprès du secteur privé : la bonne fondation, la bonne gouvernance et le bon partenariat. Pour le commerce de détail et les biens de consommation, ils constituent un cadre utile pour considérer la préparation de la main-d’œuvre et du modèle d’exploitation.

L’urgence est mise en évidence par le taux d’échec moyen attendu de 43 % pour les grands projets AI lancés dans les 24 prochains mois. Appliqués au commerce de détail et aux biens de consommation, ces trois impératifs aident les dirigeants à réfléchir aux fondations de données, à la gouvernance et à l’expertise externe nécessaires pour soutenir l’adoption de l’AI.  

1. La bonne fondation : bâtir la confiance

   Les employés du commerce de détail et des biens de consommation ont besoin de données fiables et de contexte pour évaluer les résultats de l’AI. Lorsqu’un modèle de demande intègre les signaux tels que les données POS, les données des détaillants et la météo, les planificateurs disposent d’une base plus solide pour évaluer et utiliser ses recommandations.

2. La bonne gouvernance : créer de la clarté

   L’AI Responsable peut établir des balises plus claires pour l’utilisation de l’AI et la supervision humaine. Dans l’ensemble de l’échantillon, 24 % des organisations aux pratiques très matures signalent des difficultés à équilibrer l’innovation AI et les considérations éthiques, contre 41 % pour les approches moins matures.

3. Les bons partenaires : soutenir la capacité

   Parmi les répondants utilisant l’expertise externe, 89 % affirment que les partenaires ont aidé à combler les écarts de compétences et à progresser, et 90 % disent que les partenaires accélèrent la création de valeur. Pour les organisations du commerce de détail et des biens de consommation, l’expertise externe peut compléter les capacités internes à mesure que les programmes AI prennent de l’ampleur.

Pour le commerce de détail et les biens de consommation, la question est de savoir comment les modèles d’exploitation, la gouvernance et les compétences de la main-d’œuvre évoluent parallèlement à une AI de plus en plus performante.

Revenons au planificateur d’inventaire présenté au début de l’article. À mesure que les systèmes AI s’occupent de plus en plus de détection, d’analyse et d’action, une question de leadership se pose : si un agent prend ou recommande une décision et qu’un employé demeure responsable, comment le rôle de cet employé doit-il évoluer ?

Une approche complémentaire peut laisser la question sans réponse, car les rôles et droits de décision restent largement inchangés.

Une approche axée sur la transformation peut redéfinir le rôle autour de la gouvernance des résultats, la remise en question des recommandations, l’application du contexte d’affaires et l’amélioration continue du système.

Les organisations du commerce de détail et des biens de consommation ont passé des décennies à élargir la portée de ce que la technologie peut soutenir. À mesure que les capacités d’AI progressent, la prochaine phase dépendra probablement de la façon dont elles aligneront les gens, la gouvernance et les modèles d’exploitation sur ces capacités.

Le rapport complet fournit la recherche intersectorielle à la base de ces constats, notamment :

• Le classement des barrières organisationnelles à l’ambition AI dans l’ensemble de l’échantillon
• Les taux d’échec attendus pour les principaux projets AI lancés au cours des 24 prochains mois selon les répondants
• Les tendances de dépenses technologiques et d’investissement AI prévues dans l’échantillon
• Les critères utilisés par les organisations au moment de choisir des partenaires externes
• Des données sur l’adoption de l’AI physique pour la chaîne d’approvisionnement et la fabrication

Le taux d’échec moyen de 43 % attendu reflète l’opinion des répondants à propos des grands projets AI lancés dans les 24 prochains mois. Il ne s’agit pas d’un taux observé ni d’une mesure directe de l’efficacité du modèle d’exploitation. Pour les leaders du commerce de détail et des biens de consommation, cela renforce l’importance de préparer l’organisation et de déployer la technologie.

Chaque impératif comporte une dimension liée à la main-d’œuvre. De solides fondations peuvent améliorer l’information dont disposent les employés; la gouvernance peut clarifier les droits de décision et l’utilisation acceptable de l’AI; et l’expertise externe peut soutenir l’acquisition de compétences et le progrès. Dans l’ensemble de l’échantillon, 24 % des organisations aux pratiques très matures en AI Responsable signalent une difficulté à équilibrer innovation AI et considérations éthiques, contre 41 % pour les organisations moins matures. Parmi les répondants ayant utilisé une expertise externe, 89 % considèrent que les partenaires ont contribué à combler les écarts de compétences et permettre les avancées.