(this article is written in French)

Interview by the Business Times (read here)

Neuralk-IA : la deeptech à l’usage du retail

Créée il y a un an par Antoine Moissenot et Alexandre Pasquiou, Neuralk-AI développe un modèle d’IA qui permet aux équipes de data science d’améliorer leurs prédictions dans une série de cas d’usage concrets. Interview croisée.

Quels leviers majeurs les données tabulaires offrent-elles aujourd’hui pour piloter les ventes, les stocks ou l’expérience client ?

A.M : « Les données tabulaires comme les données produits, clients ou transactionnelles sont la colonne vertébrale du retail dans le sens où toutes les opérations reposent sur ces données. Comprendre et analyser finement ces données représente le levier numéro 1 d’amélioration de la performance : optimisation de l’offre, des stocks, du marketing, du référencement SEO et GEO ou encore personnalisation de l’expérience client. C’est pour pallier aux limites des outils Data Science existants que Neuralk a développé un modèle d’IA spécialisé pour ce type de données. Il est capable d’adresser l’ensemble de ces cas d’usage prédictifs, que ce soit pour le commerce en ligne ou physique. »

En quoi l’exploitation avancée de ces données a généré un véritable avantage business pour vos clients ?

A.P : « La plupart de nos clients sont des gros retailers, confrontés à des enjeux de qualité de donnée comme la catégorisation de leurs produits. Aujourd’hui, les fournisseurs livrent leurs données brutes, parfois mal catégorisées. Résultat : le retailer se retrouve avec un catalogue hétérogène et désordonné qu’il labellise en général à la main, pouvant générer des délais de mise en vente et des coûts associés importants. C’est là que l’IA a un rôle à jouer, en permettant une catégorisation automatique et précise des produits. Et il en est de même pour les autres sujets que nous adressons autour de la fidélisation client, la prédiction d’achats, ou encore l’affluence en magasin de ventes. »

Quels sont les principaux défis auxquels doivent faire face les entreprises pour intégrer des solutions fondées sur l’IA prédictive ?

A.P : « Je vois 4 axes. D’abord, la qualité de la data. Les entreprises doivent disposer d’un espace centralisé pour agréger et structurer l’ensemble de leurs données. Encore aujourd’hui, beaucoup d’entreprises travaillent avec des données cloisonnées en silos. Ensuite, la scalabilité. Le défi consiste à s’appuyer sur des solutions d’IA capables de traiter de gros volumes de données. Avec, en plus, un excellent niveau de précision. Les LLM sont coûteux et pas du tout adaptés pour des cas d’usages prédictifs à partir de données structurées. Enfin, deux derniers défis : la fiabilité du déploiement et la sécurisation des données. »

Quels freins observez-vous à l’adoption par les équipes retail ?

A.M : « Certains clients ont parfois du mal à comprendre le fonctionnement d’un modèle de fondation spécialisé pour la Data Science. Charge à nous d’identifier au sein de l’organisation un interlocuteur technique sur qui s’appuyer, souvent le Directeur Data, capable d’identifier les cas d’usage les plus pertinents pour notre technologie et de les pousser en interne. Le second frein que je vois, c’est le fameux dilemme du « make or buy ». Les équipes peuvent se montrer réticentes à l’idée de sous-traiter l’expertise sur certains sujets cœur de métier, quand bien même cela impliquerait de gros gains de performance pour l’entreprise. Enfin, dernier frein : la gouvernance : l’IA prédictive doit être un enjeu fort de gouvernance pour les entreprises ».

Quelles évolutions technologiques pourraient transformer le retail dans les années à venir ?

A.P : « Les données tabulaires représentent probablement le plus gros potentiel de l’IA. Il est vital que les entreprises de retail en France s’outillent rapidement si elles ne veulent pas se faire cannibaliser par des acteurs comme Amazon ou Walmart ».