Les enseignes de la distribution vivent une mutation, portée par l’intégration progressive de l’IA agentique dans les fonctions de merchandising. Derrière les promesses d’autonomie et de décision augmentée, ce bouleversement impose une refonte complète des rôles, des processus et des compétences. Si l’automatisation des tâches manuelles libère du temps pour la stratégie, elle soulève des défis organisationnels majeurs..
Depuis toujours, la fonction de marchand ,ou responsable catégorie ,occupe une place névralgique dans le commerce de détail, orchestrant l’assortiment, la fixation des prix, les promotions et la négociation fournisseurs. Pourtant, la numérisation rapide et la multiplication des outils analytiques ont progressivement fragmenté le métier, le cantonnant à des tâches répétitives, de consolidation de données et de reporting, au détriment de la stratégie et de la relation client.
L’étude mondiale menée par McKinsey auprès de 114 responsables merchandising révèle que près de 40 % de leur temps reste absorbé par des activités à faible valeur ajoutée, en dépit de l’adoption massive d’outils d’automatisation et de modèles prédictifs. Plus frappant encore, 71 % des répondants estiment que les outils d’IA déployés à ce jour n’ont eu qu’un impact limité, voire nul, sur la performance métier, faute d’intégration et de maturité organisationnelle suffisante.
Ce paradoxe s’explique par la nature même des technologies déployées jusqu’ici. Les solutions d’automatisation et d’IA analytique traitent certes des volumes croissants de données, mais leur efficacité reste bridée par la fragmentation des systèmes, l’hétérogénéité des fichiers produits et l’incohérence des historiques de prix. Résultat : les préconisations issues de ces systèmes sont jugées « suffisamment bonnes pour orienter, mais rarement assez fiables pour décider au quotidien ». La nécessité d’une supervision humaine et de multiples validations freine l’adoption, tandis que la charge de configuration et d’interprétation détourne les équipes de leur cœur de métier. « Même lorsque les outils d’IA sont disponibles, moins de 10 % des responsables interrogés déclarent les utiliser sur plus de la moitié de leurs décisions merchandising » précise l’étude, rappelant ainsi l’ampleur du chemin à parcourir.
L’IA agentique : vers une orchestration continue du merchandising
L’arrivée de l’IA agentique change radicalement la donne. Ces systèmes, conçus comme des agents autonomes capables de planifier, d’agir et d’apprendre, s’appuient sur des mécanismes de nettoyage automatique des données, de génération d’hypothèses et de tests à grande échelle, tout en facilitant la collaboration transversale. L’exemple détaillé par McKinsey met en scène une responsable catégorie qui, chaque matin, découvre un tableau de bord synthétique généré par l’IA signalant immédiatement les points d’attention : promotions à la traîne, écarts de prix ou opportunités de démarque. En quelques clics, elle valide ou ajuste les recommandations agentiques, lesquelles sont aussitôt déclinées dans l’ensemble du réseau, depuis l’ajustement des stocks jusqu’aux nouvelles campagnes de promotion. Ce flux ininterrompu de décisions, autrefois fragmenté et séquentiel, devient ainsi piloté en temps réel, intégrant la veille concurrentielle, la gouvernance tarifaire et le suivi de l’exécution en magasin.
La bascule vers ce modèle transforme en profondeur les rythmes de travail : les réunions hebdomadaires cèdent la place à des concertations quotidiennes, où la donnée actionnable prévaut sur la compilation de rapports. Selon McKinsey, jusqu’à 60 % des tâches manuelles associées au pilotage commercial pourraient être automatisées ou standardisées. Le temps libéré est alors réalloué à la planification stratégique, à la gestion de portefeuille ou à l’analyse comportementale, domaines dans lesquels « les marchands eux-mêmes affirment vouloir investir leur nouvelle capacité ».
Refonte des rôles et des compétences dans l’ère agentique
Mais cette automatisation ne se limite pas à un gain d’efficacité. Elle appelle une redéfinition des missions, des responsabilités et des structures hiérarchiques. Le schéma d’organisation proposé par McKinsey rompt avec la division traditionnelle entre assistants, analystes et fonctions supports. Désormais, des « escouades » d’agents IA assistent chaque responsable catégorie, tandis que de nouveaux profils émergent : « partenaires data catégorie », garants de la fiabilité des modèles et de la gouvernance, ou « responsables activation », chargés de traduire les décisions agentiques en actions opérationnelles transverses. Selon l’étude, « seuls 24 % des professionnels interrogés bénéficient aujourd’hui d’une formation avancée à l’IA », signe d’un retard préoccupant dans l’acculturation et la maîtrise des outils.
La montée en puissance de ces nouveaux métiers impose des compétences en orchestration d’agents, en discipline de prompt et en gestion des biais algorithmiques. McKinsey insiste sur la nécessité de former les managers à la supervision des politiques d’équité, de conformité et de traçabilité des décisions, pour éviter les effets de bord : incohérences tarifaires, mirages d’engagement court-termiste ou exposition à des risques de sécurité, en particulier lors de l’utilisation d’IA non maîtrisées en dehors du système d’information de l’entreprise.
Conditions de réussite et pièges à éviter dans l’adoption de l’IA agentique
L’analyse met en garde contre plusieurs écueils identifiés lors des premiers déploiements : activation d’agents sans garde-fous, retour à des pratiques manuelles par inertie, focalisation sur des gains de court terme au détriment de la santé globale de la catégorie, ou fatigue du changement en l’absence de clarification des rôles. La sécurité apparaît aussi comme un enjeu critique : « L’adoption d’outils d’IA hors du pare-feu de l’entreprise ou en dépit des règles de gouvernance fragilise la confiance et expose à des fuites de données sensibles. » Pour y répondre, McKinsey recommande un déploiement progressif, débutant par des pilotes contrôlés, avant une généralisation progressive aux unités d’affaires prêtes à transformer leur organisation en profondeur.
Au final, le merchandising s’apparente désormais à un système d’apprentissage continu, où le jugement humain fixe les priorités, les agents IA réalisent les analyses et l’exécution, et où la boucle de retour nourrit en permanence la stratégie. Selon les auteurs, « le rôle du marchand reste un subtil équilibre entre l’art et la science », mais l’IA agentique permet de réinstaller les équipes au centre du jeu, « moins occupées à justifier le passé qu’à façonner l’avenir ».
Retour d’expérience et bénéfices métiers mesurables
Les premiers retours d’expérience des distributeurs pionniers illustrent des gains de productivité et de performance notables, à condition d’opérer la transformation organisationnelle qui l’accompagne. Les hausses de chiffre d’affaires et de marges s’appuient sur des décisions d’assortiment plus fines, des négociations fournisseurs renforcées par des analyses instantanées, et une plus grande capacité à anticiper les attentes clients. L’adoption de l’IA agentique repositionne ainsi la fonction merchandising comme moteur de la compétitivité, du pilotage stratégique et de la relation fournisseur. Elle requiert, en contrepartie, une véritable politique de formation et de gouvernance des outils, pour garantir la confiance, l’éthique et la sécurité des opérations.
La généralisation de l’IA agentique dans la distribution ne se limite donc pas à une évolution technologique, mais traduit une bifurcation organisationnelle. Seules les enseignes capables d’allier transformation des pratiques, montée en compétence et gouvernance exigeante parviendront à convertir ce potentiel en avantage durable sur le marché.
