Loin des effets d’annonce et des démonstrations technologiques parfois spectaculaires, Frédéric Etienne-Bled livre une vision pragmatique, concrète et terrain de ce que peut réellement apporter l’intelligence artificielle au category management.
Fondateur d’Hyper Trade, basé en Thaïlande et actif en Asie, au Moyen-Orient et en Afrique, il accompagne fabricants et distributeurs dans l’optimisation de leurs décisions stratégiques.
De la promesse théorique à l’application réelle
« L’IA ressemble à un couteau suisse moderne pour un category manager : elle promet d’accélérer, de structurer, d’anticiper, et même de prédire. » Mais comme souvent dans les projets digitaux, la réussite ne tient pas à la technologie seule. L’IA a besoin de données propres, de méthode et de structure pour délivrer ses promesses.
Frédéric structure son propos autour de trois piliers :
- La qualité et l’enrichissement des données
- L’optimisation dynamique des assortiments
- Les diagnostics automatiques pour la prise de décision
Sur chacun de ces points, il propose des retours d’expérience opérationnels, et montre comment, avec les bons outils et processus, le gain de temps, de précision et d’agilité est réel.
« L’intelligence artificielle, c’est un couteau suisse ultra-moderne pour le category manager. Elle fait gagner du temps, elle anticipe, elle corrige, elle apprend. »
Nettoyage et enrichissement de données : un enjeu invisible mais central
« 85 % des projets IA échouent à cause de problèmes de qualité de données », rappelle-t-il, citant une étude Gartner. Mais dans un univers comme la distribution, où les données sont récurrentes et structurées, l’IA peut justement aider à résoudre ces problèmes.
« 85 % des projets IA échouent à cause de la mauvaise qualité des données. Pourtant, l’IA est aussi une solution à ce problème, si on sait l’intégrer intelligemment. »
Hyper Trade utilise une méthode en quatre étapes :
- Collecte et pré-structuration : harmoniser les données internes et externes, souvent issues de multiples distributeurs, dans des formats hétérogènes.
- Ingestion et sécurisation : via des API et des processus ETL, garantir la confidentialité tout en uniformisant les jeux de données.
- Correction et enrichissement via IA : grâce à des algorithmes d’apprentissage, l’IA repère les incohérences, corrige, complète, enrichit.
- Validation mixte : l’humain conserve un rôle de contrôle qualité, mais 90 % du travail est automatisé.
Dans un cas pratique à Dubaï, un fabricant opérant sur 415 points de vente est passé d’un traitement de données en 10 jours… à moins de 2 heures. « C’est invisible, ce n’est pas glamour. Mais pour les équipes, ne plus avoir à stresser sur la propreté des datas, c’est déjà une révolution. »
« Avec l’IA, ce qui prenait 10 jours de traitement de données peut se faire en moins de 2 heures. Ce n’est pas spectaculaire, mais c’est extrêmement efficace. »
