Le retail mondial a franchi un seuil. L’IA restructure désormais la chaîne de valeur de bout en bout — de la prévision de demande à l’automatisation du service client — et les organisations qui atteignent la maturité opérationnelle construisent une asymétrie concurrentielle que les retardataires auront du mal à combler, parce que l’avantage s’accumule avec les données et le temps de déploiement.
Le rapport KPMG « AI in retail : Global lessons from strategy to storefront » aborde ce basculement à partir de cas concrets issus d’une dizaine d’organisations mondiales — de la chaîne discount kenyane JAZA aux grands groupes asiatiques AS Watson et DFI Retail Group, en passant par Nordstrom, Aditya Birla Fashion & Retail et Mercado Libre. Il croise ces retours d’expérience avec les données du KPMG Consumer & Retail CEO Outlook 2025 et de l’étude KPMG-Université de Melbourne sur la confiance dans l’IA. Le périmètre géographique — Asie, Europe, Amérique latine, Amérique du Nord, Afrique — permet d’identifier les constantes qui transcendent les contextes locaux.
Les chiffres d’adoption masquent une réalité plus nuancée. Selon le KPMG Consumer & Retail CEO Outlook 2025, 64 % des PDG classent l’IA générative comme leur priorité d’investissement, et 73 % prévoient d’y consacrer entre 10 et 20 % de leur budget dans les douze prochains mois. Pourtant, seuls 29 % des organisations avaient atteint en 2024 un stade de déploiement à l’échelle — un chiffre projeté à 42 % en 2025 et 74 % en 2026 selon la KPMG Consumer & Retail Technology Survey. Cet écart signale que le passage à l’échelle bute sur des prérequis organisationnels, comme la qualité des données, la gouvernance, l’acculturation, que les investissements technologiques seuls ne résolvent pas.
La chaîne d’approvisionnement, 1er terrain d’impact mesurable
Le déploiement de l’IA dans la chaîne logistique concentre les cas d’usage les plus documentés en termes de ROI mesurable. Chez Aditya Birla Fashion & Retail (ABFRL), groupe indien de mode exploitant plus de 4 600 points de vente et 50 000 références produit, l’IA générative automatise la totalité du processus de catalogage e-commerce — extraction d’attributs visuels, génération de descriptions produit — en remplaçant un processus manuel qui ne pouvait plus absorber la complexité du catalogue. Praveen Shrikhande, CDIO d’ABFRL, formule le diagnostic sans détour : « Il n’est humainement pas possible de faire cela, compte tenu de la complexité et du nombre de variables qui impactent potentiellement la demande. »
Chez Lidl & Kaufland Asia, la cartographie multiniveau de la chaîne fournisseurs par IA vise à identifier les tensions d’approvisionnement avant qu’elles ne deviennent des ruptures. L’IA synthétise des données géopolitiques et environnementales pour signaler les fournisseurs de rang inférieur exposés à un risque spécifique — ce qui permet une action préventive plutôt que corrective. Bastian Grafe, vice-président de Lidl & Kaufland Asia, conditionne explicitement ce déploiement à la qualité des données sous-jacentes : « Nous comprenons que l’IA est fondamentalement dépendante d’une entrée de haute qualité ; le travail de fondation doit donc être réalisé pour établir une base solide d’intégrité des données. »
JAZA, chaîne de supermarchés discount kenyane à forte croissance, illustre la même logique dans un contexte de ressources contraintes. L’IA pilote en temps réel les comparaisons de prix marché, les décisions de réassort automatisé et l’optimisation des tournées logistiques. Willy Kimani, fondateur de JAZA, relie directement ces capacités analytiques au modèle économique discount : « Ce sont nos gains d’efficacité qui nous permettent de maintenir nos prix bas. » La leçon structurelle est claire : les distributeurs construits nativement sur une infrastructure IA intégrée partent avec une avance opérationnelle que les organisations en cours de transformation peinent à rattraper.
L’automatisation du service client : des résultats en six mois
Un distributeur d’électronique grand public présent dans le rapport a déployé un assistant IA conversationnel intégré aux systèmes d’inventaire et de logistique, capable de traiter en temps réel les demandes de disponibilité produit, de suivi de commande et de garantie, ainsi que le diagnostic technique à distance. L’assistant intègre une analyse de sentiment qui détecte la frustration client et priorise les escalades vers les agents humains avec transfert complet de l’historique de conversation. Les résultats mesurés six mois après déploiement atteignent une hausse de 20 % des scores de satisfaction client, une réduction de 40 % des délais de réponse et une baisse de 25 % des coûts opérationnels liés au service.
AS Watson Group, l’un des plus grands distributeurs de santé-beauté au monde, déploie des moteurs de recommandation qui augmentent le panier moyen et les taux de conversion, tout en automatisant les prévisions de demande et le réassort pour réduire les surstocks et les démarques. La mesure du ROI est intégrée au pilotage opérationnel : suivi de l’engagement des membres, du taux d’activité, de la croissance des ventes et de la réduction du coût de service. Dr Malina Ngai, PDG d’AS Watson Group, formule la condition de succès sans ambiguïté : « Le succès de l’IA dépend de la qualité des données, de l’intégration et, très important, de l’adoption culturelle. Ce n’est pas de la magie — c’est un processus rigoureux d’alignement de l’IA avec les objectifs et les flux de travail métier. »
La qualité des données comme variable limitante
DFI Retail Group, opérateur asiatique multi-enseignes couvrant santé-beauté, alimentation et restauration, a conduit une révision complète de sa politique de données avant d’accélérer ses déploiements IA. Stijn Casneuf, directeur Data et IA Automation de DFI, formule le diagnostic avec précision : « Typiquement, l’IA ne performe pas mal parce que c’est une mauvaise IA ; c’est parce que la qualité des données n’est pas au rendez-vous. » DFI a formalisé cette exigence en instaurant un forum de gouvernance IA qui valide chaque cas d’usage selon un critère de « preuve de valeur » — distinct de la simple preuve de concept — avant tout engagement budgétaire.
Mercado Libre, leader du e-commerce et de la fintech en Amérique latine, documente la même contrainte à une autre échelle. Face à la réforme fiscale brésilienne en cours, l’entreprise a cartographié et analysé plus de 100 processus métier à l’aide de l’IA, en consolidant préalablement des volumes massifs d’information dans une source de connaissance unifiée. Fernanda Nakamura, Tax Transformation Senior Manager chez Mercado Libre, identifie dans la démocratisation de l’accès à l’IA — au-delà des seules équipes IT et dirigeantes, jusqu’aux analystes métier — le levier de différenciation durable. Pour les DSI qui pilotent des programmes de transformation à grande échelle, cette expérience confirme que la gouvernance des données précède et conditionne tout déploiement IA soutenable.
Le basculement attendu vers les agents autonomes
56 % des PDG interrogés dans le KPMG Consumer & Retail CEO Outlook 2025 identifient les défis éthiques comme une préoccupation majeure de leurs déploiements IA. Cette proportion reflète une tension opérationnelle réelle : 46 % des consommateurs restent méfiants vis-à-vis de l’IA, et 61 % n’ont reçu aucune formation sur le sujet, selon la recherche KPMG-Université de Melbourne 2025. Dans ce contexte, la gouvernance cesse d’être un exercice de conformité pour devenir un actif stratégique mesurable en termes de confiance client et de réduction du risque réputationnel.
Walmart a formalisé cette logique dans un Responsible AI Pledge articulé autour de six engagements — transparence, sécurité, protection de la vie privée, évaluation des biais, responsabilité humaine et pratiques centrées sur le client. H&M Group a déployé un cadre d’IA responsable en neuf principes, complété par un Ethical AI Debate Club destiné à préparer les équipes aux dilemmes éthiques à venir. Ces dispositifs anticipent la prochaine rupture documentée par le rapport : 52 % des PDG retail qualifient l’IA agentique de « transformationnelle », mais la majorité l’envisagent encore dans un rôle d’assistant. Les organisations qui auront construit une gouvernance IA robuste avant ce basculement seront structurellement mieux positionnées pour gagner la confiance algorithmique des agents IA de leurs clients — un enjeu que Martin Sokalski, US AI Leader Consumer & Retail chez KPMG, résume ainsi : « La question centrale n’est plus seulement “que veulent nos clients humains ?” mais aussi “de quoi leur agent a-t-il besoin pour faire affaire ?” »
