Commerce

Glopal booste l’e-commerce international et transfrontalier de ses clients avec Google Cloud

Thu, 07 Mar 2024 07:00:00 +0000

À propos de Glopal

Start-up parisienne fondée en 2020 par les créateurs du célèbre service de localisation de places de marché WebInterpret, Patrick Smarzynski et Benjamin Cohen, Glopal emploie une centaine de personnes. Sa solution unique pour le e-commerce transfrontalier et omnicanal a déjà séduit plus de 300 clients, dont de grandes marques dans le domaine du luxe.

Fondée en 2020, la start-up parisienne Glopal propose une solution SaaS pour l’e-commerce à l’international. Automatisation des processus de traduction, conversion des prix dans les devises locales, calcul des droits de taxe, options d’expédition et de paiement… boostée à l’IA, la plateforme traduit et localise les boutiques en ligne sur plus de 100 marchés afin de permettre aux marques d’étendre leur zone de chalandise à l’international. Omnicanale, elle prend également en charge la gestion des campagnes marketing ainsi que le référencement naturel dans la langue ciblée. Solution unique sur le marché du e-commerce transfrontalier, Glopal a déjà favorisé en moyenne une multiplication par trois des ventes mondiales de ses clients.

Accélérer les développements et sécuriser les clients

Ses fondateurs, Patrick Smarzynski et Benjamin Cohen, n’en sont pas à leur premier essai : en 2007, ils avaient déjà lancé WebInterpret, une solution également dédiée aux e-commerçants pour se développer à l'international sur les grandes marketplace dans le monde entier. « Face à la demande de certains clients, nous avons réalisé que tous ne vendaient pas forcément via les marketplaces et que certaines grandes marques cherchaient des solutions pour localiser leur propre site d’e-commerce », explique Patrick Smarzynski, CEO de Glopal. « Plutôt que d’essayer de recréer une plateforme de vente e-commerce, nous avons préféré ajouter développer une plateforme innovante qui se connecte à l'écosystème de ces marques ». Une initiative plutôt bien accueillie : un an à peine après sa création, la start-up compte plus de 300 clients qu'elle accompagne dans plus de 100 pays, dont Babolat, Balmain, Chantelle, Dior, Loewe ou encore Printemps. Elle vient aussi de réaliser une levée de fonds en série A de 20 millions d’euros pour renforcer sa R&D et soutenir son expansion en Europe et aux États-Unis, régions du monde sur lesquelles la société est déjà en partie présente.

Pour développer et héberger sa plateforme, Glopal ne s’est pas dirigé tout de suite vers Google Cloud. Mais très vite, la société a migré sa solution, afin de profiter des fonctionnalités plus avancées de Google Cloud, notamment dans le domaine des services managés. « Nous cherchions une solution susceptible d’accélérer nos développements et aussi peu chronophage que possible en administration et exploitation », précise Patrick Smarzynski. « Parallèlement, notre plateforme est utilisée par des marques prestigieuses qui avaient besoin d’être rassurées sur la protection et la confidentialité des données qui transitent par notre plateforme. Là encore Google Cloud apportait de meilleures garanties ».

Capitaliser sur les services managés pensés pour la haute performance et auto-scalables

Les besoins de Glopal en termes d’infrastructure technique se situent surtout autour des traitements et donc des ressources de calcul. Les catalogues de certains clients comptent des dizaines de milliers de produits. De plus, les sites ne sont pas figés : certaines marques font évoluer leur contenu tous les jours en ajoutant et/ou retirant des produits. Or, Global opère ses localisations en temps réel : chaque transaction est unique et suppose un traitement adapté à la provenance de l’acheteur et de son panier. Outre la conversion des prix dans la bonne devise et le calcul des frais de douane et de livraison en temps réel, Glopal doit aussi générer quantité de contenus à la volée ainsi que l’explique Patrick Smarzynski : « Nous ne nous contentons pas de traduire le contenu d’une page, nous adaptons l’affichage aux habitudes culturelles du pays en modifiant la présentation, en écrivant de droite à gauche ou encore de haut en bas quand la langue l’impose. Même si une petite partie de la localisation est effectuée en amont, nous générons à la volée du contenu pour des millions de produits sur une centaine de marchés. La latence n’étant pas une option dans le e-commerce, nous avons besoin d’une infrastructure extrêmement performante ».

Répondant à ses besoins de haute performance, d’accélération des développements et d’exploitation automatisée, l’infrastructure retenue par Glopal repose largement sur les services managés serverless de Google Cloud : Cloud Functions, environnement FaaS (Functions as a Service) pour concevoir des applications complexes rapidement en interconnectant des services ; Cloud Run pour l’exécution des API internes et publiques ; le service pub/sub pour l’orchestration ; et Cloud Memorystore for Redis pour le stockage en mémoire des données.

Côté data, la société s’appuie sur la base NoSQL managée Firestore en mode Datastore, version conçue pour le scaling automatique et les hautes performances. La société utilise également BigQuery pour réaliser ses analyses et Cloud Storage pour le stockage intermédiaire. Pour l’heure, ses modèles IA n’utilisent pas encore les services Data Cloud de Google Cloud, mais la société n'exclut pas d’exploiter à l’avenir la richesse des modèles de Vertex AI pour enrichir sa plateforme.

Enfin, Glopal s’appuie aussi largement sur les contrôles et les outils de sécurité de Google Cloud pour protéger les contenus de ses clients, dont notamment Secret Manager, système de stockage sécurisé pour les clés, mots de passe, certificats et autres données sensibles, et KMS pour le chiffrement des données sensibles.

Google Cloud : un partenaire de confiance et de proximité

Après deux ans d’exploitation, Patrick Smarzynski se félicite de cette infrastructure hautement performante et sécurisée qui a déjà séduit plus de 300 clients. Toutefois, face au large éventail de services cloud et aux différentes alternatives d’architecture envisageables, il reconnaît volontiers que l’accompagnement de Google Cloud a joué un rôle important dans le design de la solution : « Google Cloud a pris le temps de nous écouter pour nous conseiller les outils et services les plus adaptés à nos besoins. Nous sommes également régulièrement informés sur les nouveautés avec la possibilité de les tester en avant-première. C’est d’autant plus important que dans le cloud, les choses évoluent très vite. De fait, plus qu’un fournisseur d’infrastructure, Google Cloud est un partenaire business qui nous aide à nous développer, notamment à travers des services qui permettent de proposer de nouvelles fonctionnalités plus rapidement et donc d’être plus compétitifs sur notre marché ».

Confiant sur la robustesse, la sécurité et la flexibilité de sa plateforme, Glopal est serein quant à son avenir et prépare activement les prochaines phases de son développement pour mieux accompagner les marques dans l’expansion de leur e-commerce à l’international. L’infrastructure mondiale de Google Cloud est particulièrement adaptée à sa conquête de nouveaux clients partout dans le monde.

API Restauration gagne en productivité avec Google Workspace

Wed, 14 Feb 2024 05:00:00 +0000

À propos d’API Restauration

Fondée en 1956, API restauration est spécialisée dans la restauration collective sous contrat. Implantée en France, au Luxembourg, en Belgique et en Allemagne, la société emploie plus de 10000 collaborateurs et a réalisé en 2022 un chiffre d’affaires de 817 M€.

À propos d’Inaubi

Partenaire Google Cloud, Inaubi accompagne les entreprises tout au long de leur transformation digitale avec les solutions Google Workspace, Google Cloud et Google Chrome.

_________________________________________________________________

Entreprise familiale fondée en 1956, API Restauration est spécialisée dans la restauration collective sous contrat. Implantée en France métropolitaine, la société n’a cessé de se développer au fil des décennies et elle est aujourd’hui aussi présente à l’étranger, notamment au Luxembourg, en Belgique ou encore en Allemagne. En 2022, elle a cuisiné 950 000 repas par jour, réalisés directement dans les locaux de ses clients ou livrés à des établissements, principalement dans les secteurs de l’éducation, de l’entreprise et de la santé. Fortement engagée dans le développement durable sous toutes ses formes, API restauration se distingue notamment par son implication dans la transition écologique et l’innovation culinaire.

Rationaliser et sécuriser

Plutôt en avance sur son époque, API Restauration s’est posé la question de la rationalisation des outils collaboratifs et métiers dès 2013, date à laquelle elle a opté pour Google WorkSpace. La société ouvrait ses premières filiales en Allemagne et, forte de son expérience en France, elle a souhaité adopter une nouvelle approche, ainsi que le souligne Sébastien Delcambre, DSI chez API Restauration : « Nos collaborateurs en France sont répartis sur tout le territoire et nous avions déjà à ce moment là de gros besoins en collaboration. Nous utilisions une importante collection d’outils émanant de différents éditeurs pour couvrir ces besoins. La gestion d’un parc d'applications hétérogène et d’un nombre croissant de postes de travail devenait difficile et très chronophage. Nous avons donc profité de notre implantation en Allemagne pour tester de nouvelles solutions et après comparaison des offres du marché, nous avons choisi Google Workspace ».

La problématique soulevée par les échanges au sein d’API Restauration est d’autant plus complexe que les collaborateurs de la société sont répartis sur une multitude de sites (3500 environ à date) donc une grande partie se situe chez les clients. Sécuriser les échanges dans ce contexte aurait nécessité la mise en place de solutions de type VPN, ce qui aurait engendré des coûts en connexion réseau exorbitants. En optant pour une suite collaborative hébergée dans le cloud, API Restauration s’affranchissait de cette problématique : la sécurité des échanges est directement prise en charge par les mécanismes de Google Cloud – et notamment le SSO associé à Workspace -. « Les collaborateurs peuvent donc utiliser des connexions classiques et se connecter de n’importe où et à n’importe quel moment en ayant toujours accès au même niveau de service. Dit autrement, Google Workspace nous a permis d’offrir un large panel d’outils de productivité à nos collaborateurs dans un environnement sécurisé et pour un coût nettement inférieur à ce que nous aurions dû dépenser en réseau et en gestion si nous étions resté sur le modèle hétérogène de la France », estime Thomas Gadenne, Direction Générale délégué aux stratégies digitales d’API Restauration.

Travailler plus efficacement et enrichir les échanges

Photos d’un plat ou d’un lieu, commentaires sur une recette mais aussi réunions en visioconférence… API Restauration a toujours eu des besoins avancés en termes de collaboration à distance. L’arrivée de Google Workspace a non seulement facilité ces échanges mais également créé une rupture salutaire dans les habitudes de travail des collaborateurs de la société. « Une montée de version suffit rarement pour remettre en cause les habitudes de travail », explique Thomas Gadenne. « Aussi intéressantes que soient les nouvelles fonctionnalités, elles sont souvent sous-exploitées - voire ignorées - par les collaborateurs qui continuent à travailler comme avant. Avec Google WorkSpace, nous avons créé une rupture et amené les collaborateurs à réinventer leur façon de travailler pour gagner en productivité ». Et de citer en exemple : « Avant Google Workspace, certains de nos collaborateurs passaient leur temps à envoyer des tableaux que d’autres devaient remplir. Une fois tous les tableaux renseignés et renvoyés par mail, ils perdaient un temps considérable à faire du copier-coller pour consolider les données. Avec la collaboration en ligne et les fonctionnalités de notifications, nous avons permis aux utilisateurs de gagner du temps dans la co-construction de documents et leur sécurité. L'utilisation de Google Forms a, par exemple, aidé à structurer les demandes des utilisateurs ainsi que la collecte d'informations. Nous avons ainsi optimisé un grand nombre de nos processus ».

Afin de favoriser les échanges entre des collaborateurs très répartis géographiquement et d’enrichir le lien social, API Restauration utilise aussi intensivement Google Meet. Dans ce cadre, la société a investi dans une soixantaine d’équipements Google Meet Hardware qui permettent aux utilisateurs de retrouver l’interface connue de Google Meet dans la salle de réunion et de gagner un temps précieux en supprimant tout branchement et paramétrage.

Résultat, « quand la pandémie a sonné le confinement, les services support d’API Restauration ont pu continuer à travailler normalement grâce aux bonnes pratiques adoptées bien en amont de la COVID avec Google Workspace », stipule Sébastien Delcambre.

Optimiser la gestion d’un parc de plus de 5000 postes de travail

Doté d’un parc de postes de travail qui ne cesse de s’enrichir avec l’expansion de la société, API Restauration se félicite d’avoir opté pour une suite de productivité qui ne monopolise plus ses ressources IT en gestion. Convaincue d’avoir opté pour une approche qui libère la DSI de tâches qui n’apportent pas de valeur ajoutée tout en fournissant aux utilisateurs des outils modernes et très accessibles qui leur permettent d’être plus efficaces dans leur travail, API Restauration a poussé son avantage un peu plus loin en remplaçant ses PC existants par des Chromebook.

L’évolution ne s’est pas faite du jour au lendemain et s’inscrit dans une démarche globale visant à fiabiliser le poste client tout réduisant les coûts de maintenance d’un parc qui comportait 5000 PC. Avec Google Workspace, la société franchissait déjà un premier pas en rendant ses outils accessibles via le navigateur. Elle a ensuite transformé ses outils métiers, de sorte à disposer d’un client également disponible dans un navigateur. API Restauration a déployé ses premiers Chromebook dés 2015. Toujours en cours, ce remplacement des PC existants devrait se concrétiser par une meilleure sécurité des postes de travail et d’énormes gains de temps pour la DSI, ainsi que le souligne Sébastien Delcambre : « Gérer et mettre à jour 5000 PC sous Windows est une tâche considérable. Nous n’avions simplement plus le temps et prendre un prestataire externe pour assurer le support aurait couté des centaines de milliers d’euros. Avec les Chromebook, nous offrons le meilleur du poste client à nos utilisateurs tout en réduisant la maintenance au strict minimum. C’est non seulement plus facile pour nous mais aussi beaucoup plus sécurisé pour notre système d’information : la maintenance des applications est réalisée en central et rien n’est téléchargé sur le poste client ce qui limite les risques de fuites d’informations ».

Exploiter le potentiel de Google Cloud

Fidèle à sa politique de transformation permanente pour tirer le meilleur parti des technologies, API Restauration envisage aujourd’hui d’abandonner son système de téléphonie sur IP au profit de Google Voice, là encore pour libérer sa DSI de tâches qui ne présentent pas de valeur ajoutée pour l’entreprise.

Accompagnée par le prestataire Inaubi, expert en solutions Google Cloud, la société a aussi commencé à exploiter le potentiel de Google Cloud, et notamment les services data autour de BigQuery, pour mieux tirer avantage de ses données. « Et plus globalement, nous avons décidé que toute nouvelle application développée pour nos convives (ndlr : autrement dit les clients de la société) irait systématiquement sur Google Cloud parce que l’environnement est plus fiable, plus sécurisé et bien plus scalable que tout ce dont nous disposons en interne dans nos datacenters », conclut Sébastien Delcambre.

Cinq cas d'usage de l'IA générative pour inspirer les entreprises manufacturières

Mon, 05 Feb 2024 07:00:00 +0000

Des premières chaînes de montage à la révolution robotique, l'industrie manufacturière ne cesse d’imaginer de nouveaux moyens pour accroître la productivité tout en réduisant les coûts. Aujourd'hui, des tendances majeures rendent nécessaire une transformation plus poussée, et l'IA générative contribue à ouvrir de nouveaux horizons.

Toute perturbation sur les chaînes d’approvisionnement engendre un impact négatif sur les bénéfices des entreprises. Ces perturbations sont aujourd’hui de plus en plus nombreuses : certaines études estiment que les entreprises pourraient perdre jusqu’à 45% de leurs revenus annuels au cours de la prochaine décennie. Typiquement, aux USA, la pénurie de main d’œuvre impacte 54% des entreprises manufacturières.

De tels défis imposent de nouvelles solutions. Et l’IA générative a le potentiel pour nous en fournir. Elle peut transformer les processus de maintenance et résoudre bien des problèmes en temps réel. Par ses recommandations, elle peut aider à rendre les lignes de production plus efficaces et à réduire le gaspillage. Elle peut même concevoir de nouvelles pièces ou de nouveaux produits pour faire passer une entreprise manufacturière au niveau supérieur.

En améliorant les processus de fabrication, l'IA générative peut réduire les temps d'arrêt, booster les rendements, réaliser des économies et accroître la satisfaction de l'utilisateur final. Il n'est pas étonnant que 82 % des organisations qui envisagent d'utiliser l'IA générique ou qui l'utilisent actuellement pensent que cette dernière va modifier ou transformer leur secteur de manière significative (étude comparative Google Cloud Gen AI Benchmarking Study, juillet 2023).

Comment appliquer l'IA générique dans l'industrie manufacturière

Grâce à sa capacité singulière à traiter et comprendre de grandes quantités de données, l'IA générative peut être utilement exploitée dans un large éventail d'applications, et pas seulement pour améliorer la productivité ou l'efficacité. Voici cinq cas d'usage qui mettent l'IA générative au service de la transformation de l'industrie manufacturière.

1 – Surveillance des évènements générés par les machines

La maintenance prédictive est une bonne pratique qui consiste à identifier et corriger les défaillances éventuelles des équipements avant qu'elles ne se produisent. Selon Deloitte, elle augmente la productivité de 25 %, réduit les pannes de 70 % et diminue les coûts de maintenance de 25 %.

L'IA générative peut jouer un rôle clé dans la transformation des workloads de maintenance et permettre de garder une longueur d'avance grâce à la maintenance prédictive. Elle aide les entreprises manufacturières à optimiser leurs opérations en interprétant la télémétrie des équipements et des machines afin de réduire les temps d'arrêt imprévus, de gagner en efficacité opérationnelle et de maximiser l'utilisation des machines. Si un problème est identifié, l’IA générative peut également recommander des solutions possibles et imaginer un plan de service pour aider les équipes de maintenance à résoudre le problème. Les ingénieurs peuvent interagir avec cette technologie en utilisant le langage naturel ce qui la rend accessible à la main-d'œuvre actuelle tout en se révélant attrayante pour de nouveaux employés.

Dans cette courte vidéo, vous allez découvrir comment l'IA générative aide une entreprise de transport à résoudre le problème d'une locomotive défectueuse.

2 – Automatisation du service client

Dans l'industrie manufacturière, comme ailleurs, les clients se montrent de plus en plus exigeants quant à la qualité du service client. Selon Salesforce, 80 % des acheteurs professionnels attendent des entreprises qu'elles leur répondent et interagissent avec eux en temps réel, et 82 % déclarent que des attentions personnalisées influencent leur fidélité.

Pour répondre à ces attentes, les entreprises se tournent de plus en plus vers l'IA générative parce qu’elle transforme l’expérience des services client, la rendant plus utile et lui offrant plus de valeur ajoutée. Elle permet d’automatiser et d’accélérer le temps de résolution des interactions courantes telles que le dépannage des produits, la commande de pièces de rechange, la programmation des services, les informations sur les produits et leur fonctionnement.

Dans cette courte vidéo, découvrez comment l'IA générative améliore le service client d'un constructeur automobile, en fournissant une assistance en temps réel au propriétaire du véhicule qui voit apparaître un voyant d'avertissement inattendu.

3. Recherche et synthèse de documents

Dans l’univers industriel, les guides d’emploi et manuels de maintenance des équipements peuvent être notoirement complexes, ce qui complique la tâche des techniciens chargés de leur entretien dès qu’ils ont besoin de trouver l'information clé pour réparer une pièce défectueuse.
De même, les commandes et les devis peuvent se révéler très complexes, les équipes de vente devant souvent déchiffrer une multitude d'informations avant de créer un devis pour un client.

L’IA générative peut rapidement passer au crible, filtrer et synthétiser les multiples générations de documents qui accompagnent un produit tout au long de son cycle de vie. Elle facilite ainsi le travail des équipes de vente et des techniciens en leur fournissant les informations nécessaires de manière concise et organisée. Par exemple, elle peut présenter les instructions d'entretien dans un format facile à lire, sous forme de guide étape par étape, afin que les techniciens puissent se mettre directement au travail. Elle peut également synthétiser des bons de commande et fournir rapidement un devis aux clients, évitant aux équipes de vente de croiser manuellement les courriels et la disponibilité des stocks.

4. Découverte de produits et contenus

Grâce à l'IA générative, les fabricants disposent d'un moyen simple et efficace pour faire correspondre leurs besoins aux spécifications des produits qu'ils achètent et fournir le même service à leurs clients.

Les applications de vente basées sur l'IA générative peuvent fournir des recommandations de vente personnalisée en s’appuyant sur les données historiques des ventes, les données en stock, les données maîtres, etc. Les recommandations de vente peuvent être générées à l'aide d'algorithmes d'apprentissage automatique spéciaux dotés de fonctions de feedback en continu ou en temps réel afin d'optimiser les résultats suggérés. Les résultats peuvent être combinés avec des statistiques plus descriptives sur les données de vente, associées à des méta-données téléchargées par les agents commerciaux. Il en résulte une meilleure vision sur les processus d'achat.

5. Conseils sur la chaîne d'approvisionnement

Comme indiqué plus haut, les perturbations de la chaîne d'approvisionnement ont un impact significatif sur les fabricants. Ils doivent non seulement faire face à ces perturbations à long terme, mais également s'assurer d’un approvisionnement en matériaux plus responsable, éthique et durable. Pour ce faire, la visibilité sur l'ensemble de la chaîne d'approvisionnement est la priorité absolue des responsables de la « supply chain ».

L’IA générative peut agir ici en véritable conseiller. Elle procure davantage de visibilité sur des réseaux d’approvisionnement souvent très complexes. Elle fournit des recommandations pour sélectionner les fournisseurs les mieux adaptés en fonction de multiples critères tels que les spécifications de la liste des matériaux, la disponibilité des matières premières et les calendriers de livraison, ou encore les indicateurs de durabilité. L’IA générative, par sa compréhension du langage naturel, se révèle aussi très douée pour extraire les informations clés et dispositions des documents juridiques et contractuels. Dès lors, elle peut contribuer activement à de meilleures prises de décisions en mettant par exemple en exergue les informations pertinentes sur les performances de la chaîne d'approvisionnement.

Perception de la valeur des IA Génératives dans 5 cas d’usage de l’industrie manufacturière

Prêt à démarrer ?

Dans les faits, l'IA générative s’impose déjà chez bien des leaders de l’industrie manufacturière.

Typiquement, GA Telesis, fournisseur mondial de compagnies aériennes, exploite l'IA générative de Google Cloud pour révolutionner ses processus de vente. Comme l’explique son CEO, Abdol Moabery, « dans le domaine de l'aérospatiale, GA Telesis va déployer l'IA générative de Google Cloud pour révolutionner les processus de vente et de service pour les pièces que l'entreprise fournit aux principaux transporteurs mondiaux de passagers et de fret ».

Autre exemple, US Steel crée des applications à l'aide de l’IA générative de Google Cloud afin de réaliser des gains d'efficacité et d'améliorer l'expérience des employés dans la plus grande mine de minerai de fer d'Amérique du Nord. « Nous avons considérablement accéléré la numérisation chez U. S. Steel grâce à notre travail avec Google Cloud. Des temps de réparation plus rapides, moins de temps d'arrêt et un travail plus satisfaisant pour nos techniciens ne sont que quelques-uns des nombreux avantages que nous attendons de l'IA générative » explique David Burritt, président-directeur général de U. S. Steel. « Je suis ravi que l'équipe de U. S. Steel soit un leader dans ce nouveau domaine. »

De son côté, GE Appliances aide les consommateurs à créer des recettes personnalisées à partir des aliments présents dans leur cuisine grâce à l'IA générative, afin d'améliorer et de personnaliser les expériences des consommateurs. L'application grand public SmartHQ de GE Appliances utilisera la plateforme Gen AI de Google Cloud, Vertex AI, pour offrir aux utilisateurs la possibilité de générer des recettes personnalisées à partir des aliments présents dans leur cuisine grâce à sa nouvelle fonctionnalité Flavorly™ AI. SmartHQ Assistant, une interface d'IA conversationnelle, utilisera également l'IA générative de Google Cloud pour répondre aux questions sur l'utilisation et l'entretien des appareils connectés dans la maison.

À votre tour maintenant de bénéficier des avantages transformateurs de l'IA générative : Téléchargez dès aujourd’hui notre nouvel eBook, « The executive's guide to Gen AI », pour plus de détails sur la façon de démarrer votre aventure « Gen AI ».

Optimiser la gestion des stocks dans le retail : entreposer le bon produit au bon endroit

Fri, 11 Aug 2023 08:00:00 +0000

Frais d’expéditions supplémentaires, augmentation des livraisons fractionnées, suivi du niveau des stocks… à l’occasion de la publication des résultats trimestriels, ces sujets sont régulièrement évoqués par les dirigeants du secteur du retail. Et pour cause ! Dans le secteur de l’habillement aux États-Unis, par exemple, le bénéfice avant intérêts et impôts a chuté de 30% en raison de l’accélération des commandes en ligne.

Focalisés sur l’amélioration de leurs marges bénéficiaires, les détaillants s’efforcent aujourd’hui de maintenir leurs stocks au plus bas, de proposer moins de démarques en fin de saison et d’optimiser l’utilisation des ressources dont elles disposent au sein de leur réseau en fonction des demandes des clients. Bien entendu, les frais d’expédition continueront toujours d’empiéter sur les marges mais de façon beaucoup moins conséquente si la gestion des stocks est mieux organisée géographiquement en fonction de la demande. Dit autrement, les détaillants doivent anticiper la demande, savoir d’où elle proviendra et placer leurs stocks au plus près des clients, de sorte à maximiser leur rentabilité.

Ne pas se laisser submerger par la gestion des stocks

Pour les détaillants, la gestion des stocks reste sans aucun doute l’un des plus grands défis, notamment depuis la pandémie et l’essor de l’achat en ligne au détriment de l’achat en physique.

Deux exemples illustrent la complexité des problématiques auxquelles ils sont confrontés :

Le Surstockage - Dans le domaine du retail, la rotation des stocks – ou fréquence de renouvellement des produits en fonction de la demande – constitue un des principaux indicateurs de performance. Une analyse approfondie des rapports annuels des détaillants met en évidence les problèmes de surstockage auxquels ils sont confrontés. Or, le surstockage entraîne des problèmes de trésorerie et impacte la capacité de stockage en magasin et dans les entrepôts, obligeant l’entreprise à brader ses stocks pour libérer de la place, ce qui affecte sa rentabilité.

Les frais d'expédition élevés - Selon les analystes, le développement des activités en ligne d'un détaillant peut entraîner une baisse proportionnellement équivalente des marges bénéficiaires. La pandémie COVID a même accentué le problème. Sur un marché où la souplesse et la rapidité de livraison constituent des critères différenciateurs pour le client, dispatcher ses stocks au plus près du client est d’autant plus essentiel que cela permet d’éviter des coûts de stockage exorbitants. Or, beaucoup de détaillants sont encore incapables d’anticiper la demande afin de mieux organiser leurs stocks géographiquement.

Comment cloud et analyse de données simplifient la donne

C’est pourquoi, aujourd’hui, les détaillants ne cherchent plus seulement à optimiser leurs stocks ; ils veulent aussi stocker leurs produits au meilleur endroit. Ils sont de plus en plus nombreux à abandonner la prévision ‘manuelle’ de la demande saisonnière en se basant sur leurs intuitions et les ventes réalisées les années précédentes.
Plutôt que de se baser sur des intuitions ou des estimations, ils préfèrent désormais s’appuyer sur leur patrimoine de données et des analyses avancées pour mieux comprendre les tendances ou besoins du marché et notamment avoir une meilleure estimation de la demande (en fonction des saisons par exemple).

Architecture fonctionnelle de référence

Ainsi que nous venons de le voir, les détaillants en quête de plus fortes marges sont confrontés à un double défi. D’une part, ils doivent mieux prédire la demande de façon à maintenir les stocks au plus bas niveau. D’autre part, ils doivent adapter l’entreposage géographique des produits en fonction de la demande afin d’optimiser l’occupation des espaces et des ressources dont ils disposent au sein de leur réseau logistique.

Dans cette perspective, l’équipe Google Cloud a développé une architecture fonctionnelle qui s’appuie sur les technologies Google Cloud, services AI/ML compris, afin d’aider les détaillants à prédire la demande et à entreposer le bon produit au bon endroit. Elle a été spécialement conçue pour les aider à améliorer leurs marges bénéficiaires, en maintenant les stocks au plus bas niveau et en planifiant mieux l’utilisation des ressources et espaces de stockage.

Explorons-la de plus près.

Prédire la demande

Notre architecture de référence comprend un service qui permet de prédire la demande pour une période donnée à venir. D’un détaillant à l’autre, les prédictions peuvent varier en fonction :

Du niveau de détail des produits (en fonction des familles de produits, en fonction du code-barre ou ‘SKU’, etc.) et du mode de livraison (livraison à domicile, retrait en magasin, achat en magasin, etc.).
La période de prédiction, qui peut s’étendre de 9 à 18 mois dans le futur.

Prédire la rentabilité

Le service de prévision de la rentabilité, intégré à notre architecture de référence, calcule la rentabilité par références de produits (SKU) et agrège les résultats au niveau supérieur de la hiérarchie des produits (par exemple la sous-catégorie).

La rentabilité peut être calculée de deux façons :

À partir du prix de vente moyen unitaire (AUR), du coût unitaire débarqué (coût d’achat du produit augmenté des frais de transport, de douane et de manutention), du coût de réalisation (coût des opérations nécessaires pour préparer et expédier le produit au client) et du coût d’expédition (coût du transport du produit du lieu de stockage au lieu de livraison).
En utilisant un calcul pondéré basé sur le nombre d’unités vendues (pour chaque SKU). La rentabilité est pondérée en fonction du poids de chaque référence dans le chiffre d’affaires. Les données calculées sont enregistrées pour chaque sous-catégorie, chaque mode de livraison (à domicile, au point relai, en magasin…) et chaque lieu de stockage (magasin physique, magasin satellite, site de distribution ou de préparation de la commande).

L’architecture fonctionnelle prend en compte les contraintes de capacité, qui sont liées au nombre de produits entrants et sortants qui peuvent être traités dans une semaine mais aussi à la capacité de stockage. Il est ainsi possible de déterminer la demande maximale pouvant être attribuée à un lieu de stockage pour une semaine donnée.

Elle intègre également un outil d’optimisation (un solveur) pour maximiser la rentabilité, en prenant en compte les prédictions hebdomadaires de la demande et les contraintes de capacité pour chaque lieu de stockage. Il livre des recommandations qui permettent ensuite de savoir combien de produits il faut avoir dans chaque lieu de stockage et comment les distribuer aux clients selon leur choix de livraison (retrait en magasin, point relai ou livraison à domicile). La planification est effectuée pour chaque catégorie ou référence de produits et pour la durée prédéterminée.

Cela étant, les détaillants peuvent ignorer les recommandations de cet outil en donnant la priorité à des contraintes business spécifiques.

Figure 1: Functional reference architecture for “Forecasting and placing, relevant inventory at relevant node”

Architecture technique

Partant des fonctionnalités décrites ci-dessus, voici un bref descriptif de l’architecture technique et des technologies Google Cloud embarquées dans la solution :

Une Couche d'intégration et d'ingestion des données qui rassemble tous les services Google Cloud d’ingestion et de traitement des données à commencer par :

Dataflow : Système serverless de traitement des données par flux et par lot. À la fois rapide et économique, Dataflow transfert dans BigQuery les données relatives aux ventes, aux stocks, au système d’identification des produits (SKU), aux promotions et calendrier des événements promotionnels planifiés.
Dataproc : Service managé permettant d'exécuter des traitements de données sur des clusters Apache Spark et Apache Hadoop. Dataproc peut gérer tout type de traitement en batch.
Cloud Composer : Service managé d'orchestration de workflows conçu à partir d'Apache Airflow. Cloud Composer est utilisé pour planifier les traitements par batch devant être exécutés à intervalles réguliers.
Apigee : Solution native de gestion des APIs de Google Cloud. Elle permet de simplifier l’accès aux services backend en les exposant à travers des proxies d’API. Tous les services de la plateforme, qu'il s'agisse du chargement de données, de l’agrégation des ventes, des calculs de rentabilité, de prédiction de la demande ou de l’outil d'optimisation, sont traités comme des services Web qui s'appuient sur Apigee pour construire, gérer et sécuriser leurs APIs.

Un Data cloud qui fournit une approche unifiée et ouverte pour stocker les données ingérées et les données traitées. Le Data Cloud inclut des services d’IA et permet de réussir sa transformation « data-driven » (pilotée par la donnée) grâce à une grande rapidité de traitement de données à grande échelle et en toute sécurité. Les services Google Cloud intégrés à cette couche sont notamment :

Cloud Storage : notre service managé pour le stockage de données non structurées. Vous pouvez stocker n'importe quelle quantité de données et les récupérez aussi souvent et quand vous en avez besoin. Les données relatives aux contraintes de capacité, à l’exécution, à l'expédition et aux coûts de main-d'œuvre provenant de systèmes externes sont stockées dans Cloud Storage avant d'être traitées et stockées dans BigQuery.
BigQuery : notre entrepôt de données serverless, hautement évolutif et économique. Il apporte de l’agilité et une meilleure visibilité sur les activités à l’entreprise. BigQuery est utilisé pour stocker les données ingérées et les données traitées (dont les données agrégées sur les ventes, la demande hebdomadaire et les données sur la rentabilité des produits).
D’autres services de base de données de données de Google Cloud sont également accessibles dont Cloud Spanner (une base relationnelle managée avec une montée en charge illimitée avec un haut niveau de cohérence et de disponibilité) pour stocker la classification des produits (SKU) ou les données relatives aux promotions par exemple ou encore Cloud SQL (un service de base de données managée pour MySQL, PostgreSQL et SQL Server) pour stocker les données transactionnelles liées aux ventes et à l'inventaire.

Des services ML et IA avancés : la couche IA/ML - intégrée au data cloud - pour mettre en œuvre des services avancés basés sur l’Intelligence Artificielle et le Machine Learning pour, par exemple, prédire la demande, anticiper la rentabilité ou encore trouver la meilleure façon de gérer les stocks et les livraisons afin de maximiser les marges.

Vertex AI : notre plateforme unifiée pour l’entraînement, l'hébergement et la gestion des modèles ML. Vertex AI est utilisé pour construire, déployer et mettre à l'échelle rapidement des modèles ML (y compris pour estimer la demande, effectuer des prévisions de rentabilité ou encore trouver la meilleure façon de gérer les stocks et les livraisons), avec des outils ML entièrement managés.
Une couche de restitution (front-end platform) permettant aux détaillants de construire des rapports et visualisations avec des solutions cloud native pour ensuite les déployer dans Google Cloud.

Figure 2 : Architecture technique de référence pour "Prévision et placement, le bon stock au bon endroit".

Compte tenu de l'accélération de la vente en ligne, des changements dans les comportements d’achat et des coûts associés à l'expédition et au traitement des retours, il est grand temps pour les détaillants d’envisager sérieusement l’exploitation de leurs données et l’utilisation d’outils et de services avancés, y compris les services IA/ML de Google Cloud, afin de mieux prédire la demande et entreposer le bon produit au bon endroit.

L’approche ici proposée leur permet d’améliorer leur rentabilité en maintenant des stocks bas, en limitant les démarques de fin de saison, et en adoptant un modèle à même d’anticiper la demande et d’optimiser les allocations au sein du réseau.

Pour en savoir plus sur la mise en œuvre de cette architecture de référence ou discuter des défis propres à votre entreprise, contactez votre représentant commercial Google Cloud.

L'Oréal favorise la productivité de ses développeurs avec des environnements de développement sécurisés dans le cloud

Tue, 24 Jan 2023 17:00:00 +0000

De l'explosion du commerce électronique à la pandémie de COVID, le secteur du retail a connu des bouleversements importants au cours des deux dernières décennies. Aujourd’hui, la digitalisation n’est plus un choix stratégique mais une question de survie pour de nombreuses entreprises du retail et des biens de consommation (CPG). Nous vous proposons de découvrir à travers ce billet de blog comment L’Oréal, leader mondial des cosmétiques, utilise les solutions Google Cloud, dont Cloud Workstations, pour accélérer sa transformation numérique grâce à des environnements plus sécurisés et favorisant une meilleure productivité de ses développeurs à l’échelle internationale.

La digitalisation du retail suppose des développeurs encore plus performants

Les développeurs sont un des facteurs clés de réussite d’une stratégie « digital first » et de réduction des délais de mise sur le marché (time-to-market). Ressource rare sur le marché du travail, les développeurs sont souvent confrontés à une lourde charge de travail et à une forte pression pour délivrer.

Selon une étude, il semblerait que 94% des développeurs exerçant dans le secteur du commerce électronique ont dû assumer une charge de travail supplémentaire pendant la pandémie. Il est fort probable que le niveau de mobilisation restera le même, voire augmentera, dans les années à venir.

L’augmentation de la productivité du développeur est devenue un sujet clé pour de nombreuses entreprises. Dès lors, plutôt que de laisser les développeurs perdre du temps sur des tâches annexes, autant leur fournir les bons outils pour qu’ils se concentrent sur la programmation de la logique métier au bénéfice des résultats de l’entreprise. Selon une étude de McKinsey, les entreprises du retail dont la productivité des développeurs est plus élevée peuvent espérer augmenter leurs revenus jusqu'à quatre fois plus vite que leurs concurrents.

Cependant, augmenter la productivité des développeurs n'est ni facile, ni simple. De nombreux facteurs peuvent freiner vos développeurs : un processus d’intégration des nouveaux collaborateurs trop long, des frictions inutiles pour accéder aux bons outils, des incohérences entre les environnements, des freins liés à la sécurité, etc.

Et ce problème s’est encore complexifié avec non seulement l'augmentation du nombre de collaborateurs travaillant à distance mais aussi l’accroissement des attaques de sécurité sur la chaîne d'approvisionnement logicielle, et ce dès le stade du développement.

Relever le défi de la productivité des développeurs

Première entreprise de cosmétiques au monde, L'Oréal fabrique et vend des produits de beauté ainsi que des produits capillaires dans 150 pays via à la fois du e-commerce, de la vente au détail par correspondance et des magasins physiques. L'entreprise gère 35 marques de beauté et emploie plus de 85 000 personnes à travers le monde.

En tant que leader mondial dans le secteur de la beauté, L'Oréal est très en pointe sur la transformation numérique et utilise des technologies informatiques avancées. En partenariat avec Google Cloud, la société a construit sa Beauty Tech Data Platform, une plateforme de données de nouvelle génération. Elle fournit des jeux de données "as a service" afin de favoriser la prise de décisions fondées sur des analyses complexes et réalisées en temps réel grâce aux technologies serverless et big data.

Des centaines de développeurs travaillent sur cette plateforme. Ils sont répartis entre de nombreux pays et équipes à travers le monde. Ils collaborent à différents projets tout en essayant de partager une même façon de travailler.

Très rapidement, l’équipe chargée des données a réalisé qu’elle avait besoin d’une meilleure solution si elle voulait optimiser le travail des développeurs. De nombreux problèmes sont en effet apparus avec la configuration de l'environnement de développement existant.

Typiquement, les développeurs codaient et stockaient leur travail sur leurs ordinateurs portables physiques locaux, ce qui rendait souvent la configuration d’un nouvel environnement très longue et sujette aux erreurs. Ils devaient installer de nombreux composants, tels que des éditeurs de code, des bibliothèques ou encore des utilitaires sur leur ordinateur portable avant de pouvoir commencer à coder. Ce fonctionnement soulevait non seulement la question du point de défaillance unique (single point of failure) mais entraînait également des risques de sécurité potentiels, tels que l'exfiltration de code ou le transfert non autorisé de code depuis le portable.

De plus, chaque équipe avait sa propre façon de travailler avec des rythmes différents et des niveaux de maturité hétérogènes. Ce qui, en fin de chaîne, rendait la rationalisation du code très chronophage.Parallèlement, ces équipes utilisant chacune leurs propres solutions de développement, avec des licences différentes, la gestion des coûts était aussi un véritable casse-tête.

Enfin, cette situation complexifiait également la mise en place d’une politique de sécurité cohérente à tous les niveaux. Les équipes utilisaient des outils disparates, dotés de fonctions de sécurité différentes : configurer le même niveau de sécurité partout s’avérait très difficile.

L’Oréal a donc cherché une solution qui pourrait l’aider à briser les silos et accroître la productivité des développeurs ainsi que la sécurité dans son ensemble.

La solution de Google Cloud

Ses objectifs étaient clairement identifiés : L’Oréal cherchait une solution qui permette à ses développeurs de travailler de n’importe où, à n’importe quel moment et avec n’importe quel appareil et ce, de manière cohérente, efficace et sécurisée. Avec une vision aussi audacieuse à l'esprit, L'Oréal a décidé de s'associer de nouveau à Google Cloud, cette fois en exploitant Cloud Workstations, solution qui fournit des environnements de développement intégrés et entièrement managés sur Google Cloud.

Composant clé de Software Delivery Shield de Google Cloud, Cloud Workstations est une solution axée sur l'accélération de l'intégration des développeurs et l'augmentation de leur productivité de manière sécurisée. Elle fournit des environnements de développement entièrement managés, hébergés dans le cloud, avec à la fois des fonctions de sécurité avancées, la prise en charge de plusieurs environnements de développement intégrés (IDE), des environnements de développement personnalisables et de nombreux outils de développement populaires, répondant ainsi à la diversité des besoins des équipes de développeurs d'entreprise comme l'équipe data de L'Oréal.

Les avantages de la solution de Google Cloud

Grâce à Cloud Workstations, l’intégration des développeurs se mesure désormais en jours, contre des semaines, voire des mois, auparavant. Le déploiement d'un nouvel environnement de développement est aussi très simple : il suffit de cliquer sur un bouton et en quelques minutes seulement, tout l’environnement est opérationnel dans le cloud. Avec une telle solution basée sur le cloud, le besoin de stocker du code en local sur les ordinateurs portables disparaît également. Par ailleurs, via un navigateur ou même à partir de l'IDE local de leur choix, les développeurs peuvent accéder à des environnements de développement performants à tout moment et où qu'ils se trouvent.

Autre avantage clé, ces environnements peuvent être préconfigurés de manière cohérente au sein des équipes internationales, avec tous les outils de développement communément employés et le même niveau de configuration de la sécurité. Dès lors, la conformité devient un objectif bien plus facile à atteindre. Les Cloud Workstations permettent d'appliquer les configurations de sécurité et le contrôle des politiques de manière cohérente au sein de diverses équipes grâce à des fonctionnalités telles que les contrôles de service VPC, l'IAM, les entrées/sorties privées, etc. La mise à jour et l'application de correctifs aux environnements de centaines de développeurs sont également simplifiées. L’équipe chargée de la plateforme peut mettre à jour de manière centralisée les images des postes de travail et Cloud Workstations se charge ensuite de toutes les mises à jour sur les postes de travail individuels de manière rapide.

Tout en offrant une solution unique permettant aux équipes de développement réparties à travers le monde de travailler de manière cohérente et efficace, Cloud Workstations offre également la flexibilité et le niveau de personnalisation nécessaires pour répondre aux différents besoins des développeurs. La solution permet de gérer des configurations répondant à des profils de développeurs spécifiques, de sorte que les développeurs frontend et backend, par exemple, peuvent demander des environnements avec des paramètres CPU, RAM ou de stockage différents, en fonction de leurs besoins spécifiques.

Cloud Workstations prend également en charge plusieurs IDE populaires tels qu'IntelliJ IDEA, PyCharm, Rider, Code-OSS et CLion, ainsi que des outils de développement populaires. Les développeurs peuvent ainsi choisir d'utiliser leurs outils habituels avec lesquels ils sont familiarisés pour coder plus rapidement.

“ Cloud Workstations supprime les obstacles techniques en proposant une solution puissante et évolutive pour tous nos développeurs à travers le monde." - Sebastien Morand, Head of Data Engineering de L’Oréal

Résumé

La productivité des développeurs est la clé d'une transformation numérique réussie. Le modèle traditionnel de développement sur des machines physiques impacte non seulement de façon négative la productivité des développeurs, mais pose également des problèmes de sécurité. Les solutions d'environnement de développement basées sur le cloud, comme Cloud Workstations, offrent un moyen de concrétiser la vision audacieuse de L’Oréal pour ses développeurs, laquelle prévoit de les laisser travailler de n’importe où, n’importe quand et à partir de n'importe quel appareil, et ce de manière cohérente, efficace et sécurisée.

Pour en savoir plus sur Cloud Workstations et l'essayer dès aujourd'hui, consultez cette page web.

Comment Schiever a basculé son environnement SAP sur Google Cloud Platform, simplement et rapidement

Fri, 18 Mar 2022 10:00:00 +0000

Schiever est un acteur de la grande distribution disposant de près de 190 magasins sous 12 enseignes différentes, en nom propre, comme Bi1, ou en partenariat avec d’autres groupes, comme Auchan, Bricoman, Weldom, Flunch ou Kiabi… Il alimente également 230 supérettes indépendantes.

Groupe familial et autonome depuis 150 ans, Schiever emploie 6800 collaborateurs répartis en France, en Pologne, au Tadjikistan et en Russie. Il réalise un chiffre d’affaires annuel de 1,5 milliard d’euros.

En 2015, Schiever a pris la décision de remplacer son ERP existant par une solution SAP. Un projet réussi, alors même que SAP ECC (ERP Central Component) n’était pas à l’époque une solution couramment déployée dans le secteur de la grande distribution alimentaire française.

Six ans plus tard, en 2021, les serveurs hébergeant l’ERP arrivaient en fin de vie. « Il fallait prendre une décision, se rappelle Gilles Roux, DSI de Schiever. Nous avons fait le choix d’une migration vers le cloud de notre infrastructure SAP. »

SAP ECC sur Google Cloud Platform

Pour réaliser cette migration, la société s’est fait accompagner par delaware et Google Cloud, fournisseur des infrastructures de cloud public requises par le nouvel ERP SAP. « Depuis 2011 nous utilisons les produits Google Workspace, et depuis un an et demi, nous constatons une vraie présence de Google Cloud auprès des entreprises françaises, avec des solutions techniques et financières adaptées. »

Afin de réduire la complexité du projet, Schiever a opté pour une migration à iso-périmètre de son ERP SAP ECC, profitant toutefois de l’occasion pour effectuer une mise à niveau technique en basculant vers la dernière version de la base de données SAP HANA et vers le système d’exploitation SUSE Linux Enterprise Server for SAP Applications. Parallèlement, d’autres solutions SAP ont été migrées vers le cloud dans le cadre de ce projet : SAP BW, SAP Content Server et SAP Process Orchestration. Ajoutons enfin que la société disposait déjà de certains outils dans le cloud, comme SAP Commerce Cloud et SAP Cloud Platform Integration.

Démarré en début d’année 2021, le projet a duré sept mois, soit trois à quatre mois de plus qu’initialement prévu. « Nous avions tablé sur un démarrage pendant les grandes vacances, période sans grande activité chez les distributeurs. Mais un déploiement problématique de VPN par un tiers nous a poussés à faire un go live le 27 septembre. De fait, nos inquiétudes provoquées par ce contretemps portaient sur la préservation, lors de la migration, des liens avec les solutions tierces en production, dont SAP Commerce Cloud, précise Gilles Roux. Il y a en effet beaucoup de paramétrages à réaliser en temps contraint pour conserver les connexions et intégrations. C’est un travail important, mais grâce à l’expertise technique de Google Cloud et de delaware, cette problématique n’a pas été un sujet ».

Prochaine étape : toujours plus de cloud !

Pour les utilisateurs, cette migration s’est concrétisée par de nombreux bénéfices, dont des temps de réponse nettement améliorés. « Auparavant, nous avions de gros problèmes de performances, rappelle Gilles Roux. Avec nos nouvelles infrastructures cloud, nous avons donné une bouffée d’air à tout le système, notamment à SAP BW. Et il nous reste même de la puissance machine à disposition! »

Mais ce sont surtout les équipes de la DSI qui ont ressenti un changement : elles ont gagné en sérénité, en agilité et elles ont libéré du temps pour des tâches à plus forte valeur. Le tout en conservant un plein contrôle : formés à la gestion du nouveau système d’information cloud, les ingénieurs de Schiever sont complètement autonomes.

Fort de la réussite du projet, Gilles Roux souligne toutefois qu’« un des axes de réussite du projet est sans conteste cette collaboration entre Schiever, delaware et Google Cloud. Elle a permis de résoudre les problématiques extérieures. »

Les prochaines étapes consisteront à poursuivre la migration sur le cloud d’autres applications éligibles, à commencer par l’ordonnanceur utilisé par Schiever. Ce projet sera probablement suivi par une conversion technique de SAP ECC vers l’ERP intelligent SAP S/4HANA. « Nous sommes en phase de réflexion, avec l’organisation d’ateliers qui permettront de définir les ressources techniques et métiers nécessaires à la réalisation de ces projets », conclut le DSI de Schiever.

Les acteurs du retail doivent évoluer en permanence : trois leviers pour les y aider

Wed, 09 Mar 2022 10:00:00 +0000

Vente en ligne, applications mobiles, approche omnicanale, transformation digitale… depuis quelques années, les commerçants subissent une pression permanente, s’entendant dire sans arrêt qu’ils doivent adopter de nouvelles technologies, de nouvelles tendances ou encore se plier à de nouveaux impératifs. En quête de croissance et de stabilité, ils ont suivi ces conseils avant de réaliser que pour chaque case cochée, une autre les attendait.

Et puis la pandémie a frappé. Parallèlement, les mouvements sociaux ont pris de l’ampleur et les perturbations météorologiques n’ont rien arrangé. Certains commerçants étaient mieux préparés que d’autres pour faire face à ces bouleversements. Toujours est-il qu’une nouvelle vérité universelle s’est imposée dans le secteur du retail : pouvoir s’adapter à la volée est devenu indispensable pour survivre et prospérer.

Dit autrement, de nouveaux défis sont venus s’ajouter à ceux que les commerçants devaient déjà relever et ils touchent autant les petits magasins spécialisés que les grandes surfaces. À titre d’exemple, 88% des achats étaient effectués dans un magasin auparavant. Aujourd’hui, ce chiffre est tombé à 59%, les 41% restants représentant les achats en ligne et autres méthodes de ventes omnicanales.

Face à autant de changements et de bouleversements, les commerçants ont forcément l’impression de devoir naviguer à vue en permanence.

Adopter une posture dynamique et agile est insuffisant. Il faut le faire sans saper les collaborateurs, miner la gestion des stocks ou fragiliser les bénéfices. L’agilité est une évidence. Reste à savoir comment la mettre en œuvre.

L’agilité suppose un socle technologique suffisamment flexible pour permettre aux commerçants de s’adapter de façon transparente aux besoins du moment. Ils doivent pouvoir exploiter les informations en temps réel et améliorer l’expérience client rapidement. Et ce, que les clients interagissent en ligne ou qu’ils proviennent du monde réel, avec des expériences désormais hybrides reposant sur les réalités augmentée et virtuelle. Les commerçants doivent moderniser leurs magasins afin d’offrir des expériences client plus engageantes. Ils doivent être en mesure d’adapter leur agilité opérationnelle pour basculer d’expériences riches en magasins à des offres exclusivement numériques.

Pour aider les commerçants à atteindre ces objectifs, et bien d’autres encore, Google cloud a prévu un triptyque d’innovations essentielles pour :

- Prédire la demande grâce à la puissance de l’analyse de données et de l’intelligence artificielle,

- Optimiser la création de nouveaux produits pour améliorer le taux de conversion sur tous les canaux,

- Accompagner la création d’une expérience moderne en magasin grâce à de nouveaux outils

Nous vous proposons de revenir plus en détail ci-après sur ces trois leviers d’agilité.

Levier 1 : Exploiter les données et l'IA pour prédire (anticiper) la demande avec Vertex AI

La gestion des stocks et de la chaîne d'approvisionnement demeure l’un des principaux défis à relever pour renforcer la flexibilité opérationnelle des commerçants.

La chaîne d’approvisionnement traverse actuellement une des pires crises qu’elle n’ait jamais connu au niveau mondial. Engendrée par l’envolée de la demande et les problèmes logistiques générés par la pandémie, cette crise a encore accentué les défis rencontrés par les commerçants, rendant notamment l’évaluation de la demande et la gestion de la disponibilité des produits encore plus complexes.

Même dans un contexte « normal », une mauvaise gestion des stocks peut entraîner des problèmes qui se chiffrent en plusieurs milliards de dollars comme le souligne le groupe IHL : les pertes de ventes dans le monde chaque année sont estimées à 634 milliards de dollars tandis que les surstocks entraîneraient 472 milliards de dollars de pertes de revenus dues aux démarques.

À l’inverse, l'optimisation d’une chaîne d'approvisionnement peut entraîner une augmentation des bénéfices. Le cabinet McKinsey, par exemple, indique qu’une amélioration de 10 à 20% de la précision des prévisions de ventes peut entraîner une réduction de 5% des coûts d'inventaire et une augmentation de 2 à 3% des revenus.

Principaux défis à relever pour mieux prédire la demande :

Une estimation de la demande trop approximative entraîne des stocks excédentaires, des ventes manquées et une pression sur des chaînes d'approvisionnement déjà fragiles.
Faute de pouvoir modéliser correctement de grands ensembles de données avec des méthodes traditionnelles, les véritables moteurs qui influencent la demande ne sont pas compris.
Nouveaux produits lancés au mauvais moment et demande trop éparse ou intermittente faute de prédiction précise.
Mauvaise répartition des produits et faible retour sur investissement des promotions, liés à des modèles complexes, trop difficiles à comprendre.
Services au sein de l’entreprise utilisant des méthodes différentes, ce qui entraîne des problèmes de communication et des erreurs de rapprochement coûteuses.

Les techniques de prévision de la demande basées sur l'IA peuvent vous aider à relever tous ces défis. Typiquement, en introduisant l'apprentissage automatique dans les systèmes existants, Vertex AI Forecast aide les commerçants à mettre en place une gestion des stocks flexible. Les modèles de prévision basés sur l'apprentissage automatique et l'IA, tels que Vertex AI, sont capables d'assimiler de grands ensembles de données disparates, d'effectuer des analyses et de s'adapter automatiquement lorsqu'ils reçoivent de nouvelles informations.

Grâce à ces modèles d'apprentissage automatique, les commerçants peuvent non seulement exploiter leurs données historiques sur les ventes, mais aussi utiliser des données capturées en quasi-temps réel : campagnes de marketing, actions des clients sur le Web comme un clic sur le bouton « ajouter au panier », sans oublier les prévisions météorologiques locales, etc.

Levier n°2 : Permettre à vos clients de trouver des produits plus facilement grâce à des recherches et des recommandations alimentées par l'IA

Si les clients ne trouvent pas facilement ce qu'ils recherchent, que ce soit en ligne ou en magasin, ils se tourneront vers un concurrent. Le constat est simple mais il a de profondes répercussions.

Menée par The Harris Poll et Google Cloud, sur une période de six mois, une étude révèle que 95% des consommateurs recevaient des résultats de recherche sans rapport avec ce qu’ils cherchaient sur un site marchand. Parallèlement, après une recherche infructueuse, 85 % des consommateurs considèrent une marque différemment tandis que 74% évitent les sites Web sur lesquels ils ont rencontré des difficultés de recherche.

Chaque année, les commerçants perdent plus de 300 milliards de dollars à cause de l'abandon de recherches (parce que le client ne trouve pas ce qu’il cherche sur le site). Nos solutions de découverte de produits vous aident à présenter les bons produits, aux bons clients, au bon moment.

Ces solutions comprennent :

* Vision Product Search (la recherche visuelle de produits), qui apporte la réalité augmentée de Google Lens au cœur des applications mobiles des commerçants. Clients et vendeurs peuvent rechercher des produits à l'aide d'une image qu'ils ont photographiée ou trouvée en ligne et recevoir une liste classée d'articles similaires.

* Recommendations AI (nos recommandations par l’IA) qui permettent aux commerçants de proposer des recommandations hautement personnalisées, à grande échelle et sur tous les canaux.

* Retail Search, qui fournit des résultats de recherche sur site et dans les applications mobiles d'un commerçant avec la même pertinence que celle de Google Search.

Proposées par Google Cloud, ces trois solutions tirent profit de la compréhension avancée de Google des contextes et de l'intention de l'utilisateur. Elles s’appuient sur l’innovation technologique pour offrir une expérience transparente à chaque consommateur. En combinant les fonctionnalités de ces solutions, les commerçants peuvent réduire de façon significative l’abandon des recherches et améliorer leur taux de conversion sur l’ensemble de leurs canaux numériques.

Levier 3 : construire un magasin moderne

Aujourd’hui, les magasins ne sont plus des lieux où l'on se contente de flâner et d'acheter. Ils deviennent des centres opérationnels flexibles, prêts à s'adapter à des circonstances changeantes. Le magasin moderne doit ainsi être plusieurs choses à la fois : un mini-centre de traitement et de retour, un moteur de recommandation, une destination d'achat, un lieu de travail agréable, etc.

De même que les marques ont dû adopter l'omnicanalité, les magasins deviennent désormais des centres omnicanaux à part entière, mêlant le numérique et le physique. Les commerçants doivent penser leurs magasins physiques comme un vecteur pour offrir de meilleures expériences à leurs clients. Pour y parvenir, ils devront renforcer la coopération entre les magasins, les équipes numériques et les équipes d'infrastructure technique en s’appuyant sur les méthodes agiles habituellement utilisées pour favoriser la collaboration.

À bien des égards, l’idée maîtresse est de permettre aux espaces physiques de fonctionner davantage comme des espaces numériques. Google Cloud peut accompagner cette démarche en apportant l'évolutivité, la sécurité et la fiabilité du cloud au cœur du magasin, permettant ainsi aux sites physiques de mettre à niveau leur infrastructure et de moderniser les applications des collaborateurs comme celles des clients.

Sur le principe, le ressenti est assez similaire à celui que vous pourriez éprouver en installant un nouveau système d’exploitation sur votre téléphone. Du point de vue matériel, c’est toujours le même téléphone mais l’expérience peut être radicalement différente. Cette transformation, vous pouvez l’appliquer à un magasin physique « numérisé ». Avec les bons affichages, les bonnes interfaces et les bons outils dans un point de vente, des mises à jour propagées en direct suffisent pour donner naissance à des expériences radicalement nouvelles pour les clients mais aussi pour les employés du magasin qu’il s’agisse d’afficher les ventes, de gérer des commandes ou encore d’optimiser l’engagement des collaborateurs.

Ces approches favorisent une simplification des processus, tant du point de vue des clients que de celui des collaborateurs en magasins. Grâce à l'automatisation de la gestion des commandes, du réapprovisionnement ou encore du traitement des commandes omnicanales, les solutions de cloud computing peuvent contribuer activement à l’amélioration de l'efficacité des magasins.

Des outils similaires à ceux utilisés pour une découverte personnalisée de produits en ligne peuvent être proposés aux clients en magasin pour les aider à naviguer et à explorer, voire créer une expérience d'achat personnalisée.

Vous pouvez également maximiser l’impact de vos collaborateurs en magasin en utilisant les moyens technologiques pour leur fournir une expertise qui leur permettra d’offrir un service à valeur ajoutée aux clients. De la même façon, vous pouvez augmenter la productivité des magasins en rationalisant les opérations et réduire par la même occasion les frais généraux.

Au moment du passage en caisse, les clients devraient également pouvoir profiter d’une expérience plus fluide avec des transactions fiables, précises et sécurisées.

Google Cloud peut accompagner les commerçants à réaliser leur transformation

Les commerçants vont devoir gagner en flexibilité opérationnelle pour se donner les moyens de s’adapter aux changements de comportement des consommateurs. Sans outils modernes, ils n’y parviendront pas.

Nous sommes convaincus que chaque entreprise peut être une entreprise technologique. Que chaque décision doit être guidée par les données. Que chaque magasin est à la fois physique et numérique. Que chaque travailleur peut être un « tech ».

Google Cloud travaille avec les commerçants pour les accompagner à résoudre leurs problèmes, y compris les plus difficiles. Nous avons la capacité unique de traiter des quantités massives de données non structurées. Nous proposons des services avancés en IA et ML. De l’amélioration des opérations à la conquête de nouveaux revenus numériques et omnicanaux, nos produits et solutions aident les commerçants à se concentrer sur ce qui est important et à se montrer plus agiles.

Système U modernise son architecture data sur Google Cloud

Mon, 10 Jan 2022 10:00:00 +0000

Pour continuer la refonte de son SI cœur de métier, la coopérative a opté pour une gestion centralisée de ses données et de ses analyses sur BigQuery dans Google Cloud. Elle y gagne en agilité, en efficacité, en performances, en coûts d’exploitation, mais aussi en perspectives, capitalisant sur le potentiel des services de Google Cloud.

Coopérative de commerçants de la grande distribution française, Système U compte près de 1 600 points de vente en France et environ 73 000 collaborateurs. Son histoire remonte à plus d’un siècle avec l’apparition des premiers regroupements de commerçants en 1894. De la supérette à l’hypermarché, chaque commerçant du groupement s’appuie sur les services fournis par trois entités centrales pour se développer : U Enseigne (commerce, marketing, finances, gestion des ressources humaines), U Log (gestion de la chaîne logistique) et U Iris (informatique).

Accroître la performance du SI Data de Système U

La filiale informatique U Iris gère l’intégralité des moyens informatiques des 1 600 points de vente. Après avoir rationalisé ses informatiques régionales, elle a mis en place une stratégie de modernisation qui repose sur le cloud. Objectif : une informatique plus innovante et agile, capable de s’adapter facilement et à moindre coût aux enjeux du secteur du retail, qu’il s’agisse d’expérience client, d’optimisation de la chaîne logistique ou encore d’aller explorer et exploiter de nouvelles opportunités de business pour les magasins U.

« L’informatique a gagné en complexité et nous ne pouvons pas développer des compétences pointues dans tous les domaines. Pour les applications qui seront migrées sur le cloud, nous nous affranchirons de contraintes de déploiement et d’exploitation d’infrastructure tout en nous offrant la possibilité d’exploiter une large palette de composants techniques prêts à l’emploi », explique Philippe Le Cam, Directeur Général Délégué de U IRIS.

Google Cloud pour libérer l’innovation des contraintes techniques

Utilisatrice de Gmail, puis de Google Workspace depuis 2013, la Coopérative s’est tout naturellement tournée vers Google Cloud pour démarrer ses expérimentations sur le cloud public en 2020. A peine un an plus tard, en juin 2021, elle décide de concrétiser sa stratégie par un premier grand projet de refonte de son architecture data dans le cloud. Après évaluation des solutions du marché, dont une étude comparative poussée avec un pure player de la data dans le cloud, Système U opte pour BigQuery pour des raisons bien identifiées, ainsi que l’explique Philippe Le Cam : « Nos ambitions de transformation vont bien au-delà de la data. Avec BigQuery, Google Cloud s’est positionné en partenaire de notre transformation. Pour les futures applications qui seront hébergées dans le cloud, c'est bien l'ensemble des services Google Cloud que nous envisageons d’utiliser ».

Google Cloud accompagne directement U IRIS au travers de ses « Professional Services » et assiste ainsi l’équipe projet dans sa migration. « Excellent accélérateur de notre transformation, cet accompagnement nous aide à livrer plus rapidement. Il apporte une véritable valeur ajoutée », ajoute Philippe Le Cam.

Réduire les coûts d’exploitation de la data

En parallèle de son datawarehouse pour le reporting, U Iris stocke ses données brutes dans un datalake sur Hadoop afin de répondre aux besoins croissants des métiers en analyse. Une surcouche de solutions plus ou moins techniques permet aux métiers d’élaborer leurs propres analyses. Destinées à des populations différentes, ces deux bases stockent fondamentalement les mêmes données. Autrement dit, elles consomment inutilement du stockage et des ressources pour exécuter les traitements d’une double ingestion de données. Grâce à BigQuery, Système U devient donc capable de rationaliser, en fusionnant à terme son Datalake et son Data warehouse en une seule et même plateforme unique.

« BigQuery est capable de gérer nos deux approches de la data : données structurées et données brutes. Ce faisant, il simplifie notre architecture, optimise les performances grâce à la scalabilité du cloud tout en diminuant nos coûts d’exploitation d’environ 40% puisque nous utiliserons des services managés dont nous n’aurons plus à assurer la maintenance et les mises à jour. Nos équipes pourront ainsi se consacrer à des tâches apportant une véritable valeur ajoutée aux métiers », souligne Philippe Le Cam.

Des métiers plus efficaces

De la même façon, les équipes informatiques disposeront d’un large éventail de briques technologiques qu’elles pourront utiliser pour aller plus vite dans la réponse aux attentes des métiers.

Plus réactives puisqu’elles n’auront plus à développer un composant technique avant de pouvoir l’utiliser, elles seront aussi plus agiles dans la mesure où un changement de composant les impactera moins : pas de formation préalable, pas de perte de temps à concevoir le composant, etc.

Enfin, l’informatique de Système U pourra aussi optimiser l'utilisation de serveurs - et donc d'énergie - directement en fonction de ses usages, grâce à l'aspect serverless de BigQuery pour ajouter un serveur. Au passage, elle gagnera aussi en résilience sans effort alors que le moindre test de PRA sur son infrastructure actuelle lui prend jusqu’à une semaine à cause de la complexité des technologies à mettre en œuvre pour exploiter ses données sous Hadoop.

La performance pour relever de nouveaux défis

Côté métiers, les bénéfices se concrétiseront aussi par une simplification significative des usages et une plus grande autonomie. Là où ils doivent actuellement gérer plusieurs technologies, les analystes et data scientists exploiteront les données directement dans BigQuery avec Dataiku. Ils gagneront également en performances, certains traitements s’exécutant jusqu’à 95 % plus rapidement d’après les tests déjà réalisés. Cette performance va aussi se répercuter sur l’ingestion des données, un point particulièrement critique comme le souligne Philippe Le Cam : « Les volumes ne cessent d’augmenter et capter la donnée devient de plus en plus difficile : les fenêtres d’ingestion ne sont pas extensibles indéfiniment. Avec des traitements qui passent de 15 minutes à 9 secondes, nous n’avons plus d’inquiétude sur notre capacité à ingérer les données dans BigQuery ».

Système U envisage même d’ingérer les données en temps réel (streaming), fonctionnalité proposée par BigQuery que son architecture actuelle ne permet pas de gérer et qui lui ouvre de nouvelles perspectives. La Coopérative prévoit notamment de l’utiliser pour ingérer les tickets de caisse en temps réel.

Un écosystème de services qui décuple le potentiel de la data

En pleine migration de ses données et de ses traitements, Système entrevoit déjà d’autres axes de rentabilité. En effet, la Coopérative compte bien capitaliser sur la richesse de l’écosystème de Google Cloud pour tirer le maximum de ses données, en s’appuyant notamment sur les services Machine Learning (ML) et autres fonctionnalités géographiques et de partage des données. Une évolution d’autant plus simple à réaliser que les services Google Cloud sont prêts à l’emploi et s’intègrent parfaitement à la nouvelle infrastructure data de Système U.

« Dans le retail, connaître ses données, c’est avoir une mine d’or à portée de main. Grâce à cette architecture, nous allons non seulement pouvoir enrichir l’expérience client, mais aussi optimiser nos stocks, prédire les commandes, aider les magasins à gagner en productivité… les usages sont multiples. La richesse de l’écosystème Google Cloud- des services ML prêts à l’emploi à Vertex AI en passant par les fonctionnalités Système d’Information Géographique (SIG) ou encore de datasharing pour créer de nouveaux services en partageant les données anonymisées avec des tiers – va contribuer à accélérer notre transformation », conclut Philippe Le Cam.

Hey Google, montre-moi le futur du Retail !

Fri, 29 Oct 2021 09:00:00 +0000

Note de la rédaction : Amy Eschliman Managing Director Retail NorthAm chez Google Cloud, nous donne son point de vue et développe certains thèmes qui ont été évoqués durant le Retail & Consumer Goods Summit.

À l’occasion de notre événement digital « Retail & Consumer Goods Summit », dédié à la transformation numérique des marques et détaillants, nous avons mis en lumière les opportunités offertes aux entreprises qui choisissent de se concentrer sur leurs clients et de tirer parti de la technologie pour améliorer leurs expériences.

Les multiples sessions de cet évènement ont été conçues pour aider les acteurs du retail et les marques à centrer leur stratégie sur leurs clients, à saisir les opportunités du numérique et à transformer leurs activités.

Retrouvez quelques sessions enrichissantes à la demande :

« Pourquoi l’abandon d’une recherche est la métrique qui compte », session autour de la recherche dans le Retail avec un passionnant retour d’expérience de Macy’s.
« Piloter la proximité dans un monde axé sur le parcours des consommateurs » aborde la façon dont les marques et les acteurs du retail peuvent créer une stratégie de données gagnante, session illustrée par une discussion avec P&G.
« Le magasin moderne : 7 leviers d’innovation » montre comment les acteurs du retail et les marques peuvent aborder la transformation des magasins pour tirer un maximum de valeur des technologies avec un témoignage de The Home Depot.

À l’occasion de cet événement, j’ai eu le plaisir d’animer une session « Retail Spotlight » proposant un tour d’horizon du paysage actuel du commerce de détail et de notre approche de ce secteur. Une session enrichie par des échanges instructifs avec Albert Bertilsson, directeur de l'ingénierie Edge chez IKEA Retail (Indga Group) et avec Neelima Sharma, vice-présidente Technologie, e-commerce, marketing et merchandising chez Lowe's.

Je profite de ce billet pour partager et approfondir avec vous certains des thèmes évoqués pendant cette session.

Les parcours numériques d’achat brouillent les frontières entre les expériences physiques et digitales d’une marque, tout particulièrement dans le secteur du retail. Typiquement, les acheteurs veulent savoir ce qui est disponible en magasin avant de s’y rendre. De la même façon, ils s’attendent à ce qu’on leur propose différentes options de collecte lorsqu’ils achètent en ligne, comme le Drive ou le retrait en magasin. Ces tendances apparaissent clairement dans nos récentes études.

Dans ce contexte, de nombreux détaillants se demandent comment faire parler leurs données et relever le défi des abandons de recherche, une problématique estimée à 300 milliards de dollars (de perte potentielle pour le secteur). Ils se demandent également comment accélérer la création de nouvelles expériences client et améliorer les échanges entre leurs collaborateurs et leurs consommateurs – en toute confiance.

Chez Google Cloud, nous avons beaucoup réfléchi à la façon dont nous pouvions vous aider à réussir dans cette nouvelle ère de la relation client, avec la volonté de nous focaliser sur des domaines où nous pouvons offrir à nos clients du retail le meilleur de nos savoir-faire, tout en concentrant nos efforts sur ce que Google a de mieux à offrir en termes d’intégration du cloud. Et ce, partout dans le monde.

Notre objectif est clairement d’accompagner les acteurs du retail dans leur transformation en entreprises centrées sur les clients et la donnée. Nous voulons les aider à capter les revenus additionnels en provenance des activités numériques et omnicanales, à créer une boutique moderne ou encore à améliorer leur efficience opérationnelle.

Examinons chacun de ces piliers stratégiques de manière un peu plus détaillée.

Devenir une entreprise centrée sur le client et la donnée

Aujourd’hui, les clients s’attendent à des expériences contextualisées, ciblées et adaptées à leurs besoins. Ils rejettent toutes celles qui ne répondent pas à ces critères. La modélisation existante des données, l’héritage de technologies dépassées ou encore des systèmes silotés empêchent souvent les acteurs du retail de proposer le niveau d’expérience personnalisée attendu.

Chez Google Cloud, nous travaillons avec les acteurs du retail et notre écosystème de partenaires afin d’exploiter et tirer de la valeur des données, notamment dans le domaine des CDP (Plateformes de données client). Notre démarche inclut les intégrations avec les plateformes de données de Google Cloud, dont notamment notre plateforme de Business Intelligence (BI) Looker ainsi que nos autres plateformes populaires, afin d’offrir à nos clients une seule source de données unifiée pour toute l’entreprise. Nous aidons également les acteurs du secteur du retail à moderniser leur entrepôt de données avec Looker afin de leur permettre de capitaliser sur toutes leurs données : client mais aussi stock, chaîne d’approvisionnement ou encore données relatives à l’activité des magasins.

Capturer la croissance numérique et omnicanale

Nous contribuons au développement de nombreux sites d’e-commerce à travers le monde, leur apportant toute la puissance dont ils ont besoin pour gérer des évènements exceptionnels comme le Black Friday ou le Cyber Monday. Dans ce cadre, la capacité à monter en charge est bien entendu importante mais la qualité de l’expérience client l’est tout autant. Comment les clients trouvent-ils les produits ? Comment offrir une expérience en ligne et omnicanal sans couture ? Pour vous aider, nous concevons des solutions basées sur nos technologies les plus avancées afin de faciliter la recherche de produits et susciter l’engagement client.

Retail Search, par exemple, offre la possibilité aux acteurs du retail de bénéficier sur leurs propres sites de la même qualité de recherche que celle du moteur de Google. Qualité de recherche qui peut bien entendu être personnalisée en fonction de besoins spécifiques propres à chaque entreprise et qui tire parti des fonctionnalités avancées de Google en termes d’interprétation des intentions et du contexte des clients.

L’enjeu est clairement identifié : des études récentes montrent en effet que les acteurs du retail perdent chaque année, rien qu’aux États-Unis, plus de 300 milliards de dollars à cause des recherches abandonnées, c’est-à-dire quand l’intention du client n’est pas convertie en achat à cause de réponses inappropriées à sa recherche.

Retail Search est désormais accessible à un plus large éventail d’acteurs du retail. Si une telle solution vous intéresse, n’hésitez pas à contacter votre conseiller commercial pour en savoir plus sur Retail Search.

Inventer le magasin de demain

Compte tenu des tendances dans les comportements d’achat, comme la hausse des livraisons en Drive ou encore la recherche « à proximité », notre équipe Google Maps Platform travaille sur de nouvelles solutions et fonctionnalités pour aider les acteurs du retail à sensibiliser leurs clients sur la disponibilité des produits en fonction du canal d’achat qu’ils privilégient.

Ainsi, avec Product Locator, chaque page produit fournit aux clients les informations dont ils ont besoin en matière d’options de livraison. Ainsi les clients sont informés des différentes options de livraison ou de retrait tout au long du processus d’achat et pas uniquement au dernier moment, lorsqu’il passe à la phase de paiement.

Cette maîtrise du stock en local peut également se transformer en levier de croissance, de nombreuses opérations pouvant être mises en place pour encourager la consommation. Shopify a, par exemple, indiqué récemment que les clients qui optaient pour la récupération de leur commande en magasin affichaient un taux de conversion de 13% supérieur à la moyenne et que 45% des clients qui optaient pour ce mode de livraison effectuaient un achat additionnel lors de la récupération de leurs marchandises. Et ce n’est qu’un des nombreux exemples illustrant ce que l’équipe de Google Maps Platform peut apporter pour optimiser l’expérience de vos clients.

Optimisation opérationnelle

En cette période si particulière qui a engendré tant de perturbations dans la chaîne d’approvisionnement et dans un monde où les comportements des consommateurs sont volatiles, développer son activité constitue un véritable défi. D’autant que le secteur du retail a été particulièrement impacté par la pandémie et ses confinements, obligeant des équipes entières à rester chez elles. Nous travaillons avec les acteurs du retail pour les aider à tirer partie de l’intelligence artificielle et ainsi favoriser la mise en œuvre de chatbots ou encore de fonctionnalités de commerce conversationnel afin qu’ils puissent résoudre les problèmes des clients plus facilement et quelles que soient les circonstances. Si vous souhaitez, vous pouvez approfondir ce sujet et découvrir notre offre à l’occasion de la session « Conversationnal Commerce avec Google » animée par Albertsons.

Alors que la transformation numérique de nos sociétés ne cesse de s’accélérer, Google Cloud aide les acteurs du retail à rester à la pointe du progrès avec des solutions conçues pour tirer parti de la croissance numérique et omnicanale. Centrées sur l’exploitation des données et l’expérience client, elles favorisent l’optimisation opérationnelle. Quelle que soit la technologie cloud, aujourd’hui comme demain, Google Cloud s’engage auprès des acteurs du retail afin de leur fournir les solutions dont ils ont besoin pour se développer.

Découvrez nos solutions pour le retail ainsi que nos sessions dédiées aux acteurs du secteur à l’occasion de notre évènement Retail & Consumer Goods Summit, dont la session CPG Industry Spotlight « How To Grow Brands in Times of Rapid Change » avec le témoignage de L’Oréal .

Attraqt crée des expériences de shopping en ligne intelligentes avec Google

Mon, 25 Oct 2021 10:00:00 +0000

L’e-commerce a définitivement changé les comportements d’achat au cours de ces 20 dernières années et, avec la fermeture des magasins, la pandémie a renforcé la tendance. En 2021, il devrait rapporter 3 914 milliards de dollars au secteur du retail mondial.

Pour proposer une expérience d'achat en ligne toujours plus intuitive, intelligente et pertinente, les entreprises innovent. Beaucoup d’entre elles ont choisi de s’appuyer sur la plateforme d’Attraqt pour optimiser l’expérience d’achat, maximiser la valeur du panier moyen et augmenter les taux de conversion. Forte d’un portefeuille de 300 clients, Attraqt permet d’attirer l'attention des consommateurs sur les produits que les détaillants souhaitent mettre en avant mais aussi - depuis le rachat par la société en 2019 de Early Birds et sa solution Experience Orchestrator (XO) boostée à l’IA - de personnaliser et optimiser le processus de découverte.

Solution cloud native, XO bénéficie d’une grande capacité à monter à charge, ce qui lui permet de gérer aisément les pics de trafic liés à des évènements promotionnels ou l’intégration d’un nouveau client. Dès le départ, l’équipe XO a choisi de s’appuyer sur les services managés de Google Cloud, afin de pouvoir se concentrer sur l’innovation tout en bénéficiant de capacités IA inédites.

« Nous voulions mettre l'accent sur notre solution et allouer nos ressources au développement afin de pouvoir continuer à créer de la valeur pour notre entreprise », déclare Nicolas Mathon, cofondateur d'Early Birds et désormais VP de l'innovation chez Attraqt. « Pour cela, nous recherchions un partenaire sur qui nous pouvions compter pour prendre en charge l'aspect opérationnel de nos activités. C'est pourquoi nous avons choisi de travailler avec Google Cloud. ».

Évoluer avec Google Cloud pour accompagner la croissance de l'entreprise

La montée en charge a toujours été une préoccupation majeure pour Attraqt. Outre la gestion des pics, sa plateforme doit gérer un gros volume d’appels d’API afin de permettre à XO d’optimiser en continu et en temps réel les préconisations faites au client. Avec 50% des principaux sites d’e-commerce s’appuyant sur ses services, Attraqt réalisait déjà en 2017 plus de 600 demandes de prédiction par seconde et montait jusqu’à 2 000 prédictions par seconde pendant les périodes de promotions ! « Nous avons évolué avec Google Cloud, en passant du scaling manuel via Google Kubernetes Engine à l'automatisation lorsque cela était possible », précise Nicolas Mathon.

Initialement, sa plateforme reposait sur Google Compute Engine (test des algorithmes et analyse de l’historique des consommateurs), Cloud Storage (sauvegardes automatiques), Cloud CDN (affichage d’une offre personnalisée en temps réel) et Cloud Load Balancing (répartition de charge entre les serveurs virtuels Hadoop/Spark).

Pour gagner en montée en charge tout en réduisant le temps perdu sur les tâches opérationnelles, Attraqt a fait évoluer sa solution vers Google Cloud Pub/Sub (service de messagerie centralisée pour l'architecture de microservices), Google Cloud Dataproc et Google Cloud Dataflow (traitement par lots). Elle a aussi adopté BigQuery pour son entrepôt de données et Google Cloud Bigtable pour le stockage orienté colonnes. Enfin, la société utilise également Google Kubernetes Engine afin de monter en charge rapidement et décommissionner aisément les ressources lorsque celles-ci ne sont plus utilisées. Résultat, sur une période de cinq jours en 2020, qui couvrait à la fois le Black Friday et le Cyber Monday, la plateforme a géré 2,9 milliards de requêtes sans une seule interruption de service.

« Nous devons réussir à bien gérer ces pics importants », affirme Nicolas Mathon. « Il faut que nous puissions monter en charge très rapidement, puis libérer nos ressources deux jours plus tard. Et c’est précisément ce que nous arrivons à faire avec Google Kubernetes Engine. »

S'associer pour aider les marques et les revendeurs dans leur transition vers l'IA

Au cœur des services Attraqt, l’IA de pointe d’Experience Orchestrator (XO) permet aux entreprises d'orchestrer leurs propres algorithmes en temps réel, de concevoir des stratégies de personnalisation et de créer des expériences différenciées à grande échelle. « Nous utilisons de nombreux services d'IA fournis par Google, pour calculer et planifier nos modèles », explique Nicolas Mathon.

En s’appuyant sur Google Cloud, Attraqt apporte aussi de la flexibilité et de la simplicité à ses clients : ils peuvent utiliser des algorithmes tiers, Open Source ou personnalisés pour améliorer les performances et ceux qui utilisent déjà Google Cloud peuvent aussi dialoguer plus facilement avec les API de la plateforme ou encore accéder aux données compilées par Attraqt via Google BigQuery, grâce aux connecteurs natifs Google.

« Lorsque nous démarchons un client comme Maisons du Monde, qui est également un client Google Cloud, le fait d’utiliser Google Cloud les rassure sur la capacité à faire dialoguer nos plateformes respectives », explique Nicolas Mathon.

Créer un avenir multicloud mondial

En pleine expansion à l’international, Attraqt cherche aujourd’hui à optimiser l’interopérabilité entre ses services. Dans cette perspective, la société envisage d’évoluer vers un environnement multicloud, intégrant son infrastructure historique hébergée sur un fournisseur de cloud différent aux services XO hébergés sur Google Cloud. Elle est accompagnée dans cette démarche par DoiT International, partenaire premium Google Cloud, tandis que l'équipe XO explore Google Anthos pour faciliter le déploiement multicloud.

« Nous avons des projets ambitieux pour l'avenir, y compris l'augmentation du nombre de régions que nous utilisons pour offrir des latences encore plus faibles à nos clients dans le monde entier », déclare Nicolas Mathon. « Google Cloud nous a vraiment aidés dans notre croissance et nous avons hâte de renforcer ce partenariat en constante évolution. »

Des modèles de prévision adaptés aux commerçants avec BigQuery ML

Thu, 13 May 2021 14:00:00 +0000

Pour anticiper la demande, les commerçants jonglent entre leur intuition, leur expérience des produits et du marché, ainsi que les tendances et cycles saisonniers. La prévision de la demande est pour eux un enjeu stratégique. Si la précision de ces prévisions est primordiale, les commerçants se heurtent aujourd'hui à un autre défi majeur : être en mesure de planifier la demande à grande échelle. Avec des assortiments de produits comprenant des dizaines de milliers d'articles répartis sur des centaines de points de vente ou de zones de marché désignées, les séries temporelles à prendre en compte sont si nombreuses qu'elles ne peuvent être gérées qu'avec des plates-formes de big data et des solutions de modélisation de séries temporelles.

Jusqu'ici, seules deux approches permettaient de s'attaquer à ces contraintes :

Acheter une solution complète de prévision de la demande, ce qui implique de consacrer beaucoup de temps et de ressources à la mise en œuvre et à la gestion de cet outil.

Avoir recours à une plate-forme de machine learning à usage général pour exécuter des modèles de série temporelle personnalisés, ce qui nécessite d'avoir une grande expérience de la modélisation et de l'ingénierie des données.

Pour permettre aux commerçants de planifier la demande de manière plus simple et plus flexible, nous proposons désormais un modèle de référence pour les analyses intelligentes. Ce modèle permet d'effectuer des prévisions de séries temporelles avec BigQuery ML sur la base d'une moyenne mobile intégrée autorégressive (ARIMA). Bâti sur le principe de conception de BigQuery ML qui réduit le codage au minimum, il permet d'effectuer des prévisions précises sans connaissance approfondie des modèles de série temporelle. Qui plus est, le modèle ARIMA de BigQuery ML apporte plusieurs innovations par rapport aux modèles ARIMA d'origine que beaucoup utilisent : la possibilité de capturer plusieurs tendances saisonnières, la sélection automatique du modèle, un pipeline de prétraitement très simple à utiliser, et surtout la possibilité de générer facilement des milliers de prévisions à grande échelle avec seulement quelques lignes de SQL.

Découvrez dans ce blog, les deux modes d'organisation les plus couramment adoptés pour gérer la prévision de la demande, et comment BigQuery ML établit un pont entre ces deux approches et peut vous accompagner à planifier la demande en surmontant les difficultés liées à des événements imprévus tels que la pandémie de COVID-19.

Pour découvrir comment mettre en œuvre le modèle de conception permettant de prévoir la demande, regardez cette vidéo :

Prévision de la demande : deux types d'équipes

Jusqu'à présent, pour gérer la prévision de la demande, les grandes entreprises ont eu recours à deux types d'équipes. Nous les appellerons "équipe de prévision commerciale" et "équipe de prévision scientifique".

L'équipe de prévision commerciale utilise généralement les solutions de prévision complètes des progiciels de gestion intégrés (ERP) ou des solutions Software as a Service (SaaS) (ou parfois une solution développée en interne) ne nécessitant pas de compétences approfondies dans le domaine de la science des données. Avec les progiciels de gestion intégrés, la génération des prévisions est entièrement automatique. Plutôt que des compétences techniques approfondies, les membres de l'équipe ont une grande connaissance du domaine et des compétences commerciales. Ils sont souvent issus du service commercial de l'entreprise. De nombreux grands magasins adoptent cette approche. Les solutions de ce type peuvent présenter des avantages, mais elles nécessitent de consacrer beaucoup de temps et de ressources à la mise en œuvre et à la gestion. Les équipes de mise en application et de DevOps sont généralement conséquentes. Elles mobilisent de nombreuses instances de calcul et de stockage des données, et doivent actualiser les prévisions en permanence en exécutant à heure fixe des cycles de traitement par lot qui durent plusieurs heures.

L'équipe de prévision scientifique est, quant à elle, constituée de professionnels titulaires d'un doctorat ou d'une maîtrise de sciences. Ces derniers travaillent dans une entreprise du secteur de la science des données ou des technologies, et connaissent parfaitement Python ou le langage R. Ils utilisent Cloud AI Platform et effectuent eux-mêmes la totalité des prévisions de bout en bout : le choix, la création, l'entraînement et l'évaluation d'un modèle. Ils déploient ensuite le modèle en production, puis communiquent les résultats aux intervenants commerciaux concernés et aux responsables. On rencontre souvent ce type d'équipe dans les entreprises "digital native".

Un nouveau type d'équipe

Un nouveau type d'équipe de prévision hybride est apparu récemment. On le retrouve souvent dans les entreprises qui cherchent à s'orienter davantage vers les données et les modèles, mais qui n'ont pas les ressources pour investir dans un système ERP coûteux ou pour embaucher un data scientist confirmé. Même en ayant de bonnes connaissances en matière de prévision et de planification de la demande, elles peuvent manquer d'expérience ou de ressources nécessaires au déploiement de modèles personnalisés à grande échelle. Il n'en reste pas moins que les équipes de ce type, si elles disposent des bons outils, ont le potentiel d'opérer la fusion du meilleur des deux mondes : la modélisation avancée du prévisionniste scientifique et l'expertise du prévisionniste commercial.

Réagir à l'imprévu

Comme beaucoup d’entreprises ont pu en faire l'expérience en 2020, certains événements tels que la pandémie de COVID-19 rendent les prévisions de la demande inopérantes et remettent en cause les modèles existants.

Avec la solution de prévision d'un progiciel de gestion intégré, même un léger changement dans la chaîne d'approvisionnement et de l'organisation du réseau de magasins suffit à provoquer une modification des modèles de demande. Il faut alors reconfigurer la solution de planification de manière extensive et recourir à toute une équipe d'assistance. Avec BigQuery ML, les ajustements liés aux événements prévus et imprévus sont simplifiés. Et comme il s'agit d'une solution sans serveur, sa capacité d'autoscaling permet de réduire les coûts associés au temps de travail et aux efforts des équipes DevOps. Générer de nouvelles prévisions en réponse à une modification du réseau d'approvisionnement ne nécessite plus désormais que quelques heures, contre des semaines auparavant.

Premiers pas avec un modèle de référence BigQuery ML

Afin que chacun puisse être plus facilement opérationnel avec des outils Google Cloud tels que BigQuery ML, nous avons récemment lancé des modèles de référence pour les analyses intelligentes (des guides de référence techniques contenant des exemples de code pour les cas d'utilisation d'analyse les plus courants). Nous savons que la facilité de mise en pratique des outils d'analyse est pour vous une priorité. Les précédents modèles de référence couvrent des cas d'utilisation tels que la prédiction de la valeur du client, les tendances d'achat, les systèmes de recommandation de produits, etc.

Le nouveau modèle de référence que nous mettons à votre disposition sur GitHub vous aidera à passer moins de temps à générer des prévisions de séries temporelles à grande échelle. Il vous indiquera comment utiliser des données de vente historiques pour entraîner un modèle de prévision de la demande à l'aide de BigQuery ML. Vous pourrez ensuite visualiser les valeurs prévues dans un tableau de bord.

Pour en savoir plus et afin de disposer d'indications qui vous guideront tout au long de ce processus, vous pouvez consulter nos explications techniques. La méthode présentée s'appuie sur les données transactionnelles historiques des ventes de boissons alcoolisées de l'Iowa afin d'établir des prévisions pour les 30 prochains jours. Dans ce blog, vous allez apprendre à effectuer les opérations suivantes :

Prétraiter des données dans le format approprié pour la création d'un modèle de prévision de la demande à l'aide de BigQuery ML

Charger plusieurs modèles de série temporelle BQ ARIMA dans BigQuery ML

Évaluer les modèles et générer des prévisions pour l'horizon prévisionnel souhaité

Créer un tableau de bord pour visualiser les prévisions de demande à l'aide de Data Studio

Configurer des requêtes programmées pour que les modèles puissent être rechargés de manière régulière et automatisée

Cliquez sur l'image pour l'agrandir

BigQuery ML relie les équipes de prévision commerciale et scientifique

Les caractéristiques qui viennent d'être décrites nous montrent comment BQ ML contribue à faire le lien entre les deux approches actuellement utilisées pour générer des prévisions à grande échelle. Vous pouvez ainsi créer votre propre plate-forme de prévision de la demande sans avoir à recourir à des data scientists spécialisés dans le traitement des séries temporelles. Cette solution est idéale pour les prévisionnistes hybrides, car elle comprend des outils permettant de générer des prévisions à grande échelle à la volée.

En permettant d'entraîner et de déployer des modèles de ML avec SQL, BigQuery ML contribue à démocratiser la modélisation des données. Vos collaborateurs sont ainsi plus nombreux à accéder aux outils de prévision de la demande et aux insights commerciaux.

Par exemple, le modèle ARIMA de BigQuery ML aide les commerçants à surmonter les difficultés liées à des événements imprévus en leur permettant de générer des milliers de prévisions avec de nouvelles données en moins de temps qu'auparavant. Recalibrez les prévisions de la demande à moindre coût, détectez les évolutions des tendances et procédez à de multiples itérations pour capturer les nouveaux modèles dès leur émergence, le tout sans avoir à mobiliser toute une équipe DevOps.

En utilisant BigQuery ML pour effectuer vos prévisions, vous permettez de faire un lien entre vos équipes de prévision commerciales ou hybrides, et celles spécialisées dans la science des données. Par exemple, vos analystes seront chargés de générer des prévisions statistiques de référence avec BigQuery et de les examiner, mais ils pourront faire appel ponctuellement à un data scientist senior qui se chargera d'effectuer une analyse plus avancée de l'impact causal sur certaines de leurs données, ou encore de mesurer l'effet de la COVID-19 sur l'évolution des modèles de demande. Voyez cela comme des pratiques "DemandOps" plutôt que "DevOps".

C'est également possible si vous disposez déjà des outils de planification de la demande d'un progiciel de gestion intégré. Il vous suffit alors d'exporter vos prévisions de vente et les données réelles vers BigQuery à chaque fois qu'elles sont mises à jour ou lorsque c'est nécessaire. Il est fréquent qu'une entreprise commerciale dispose de plusieurs prévisions de séries temporelles effectuées à différents niveaux de l'entreprise. L'équipe chargée du merchandising peut effectuer des prévisions tactiques et opérationnelles de la demande pendant que celle en charge des finances procède à des prévisions de chiffre d'affaires, ceci alors que l'équipe qui s'occupe de la chaîne d'approvisionnement effectue des prévisions pour la planification des capacités au niveau du centre de données. Qui plus est, chaque équipe utilise son propre ensemble d'outils spécifique. Ces prévisions sont générées séparément, mais leur rapprochement améliorerait la précision et permettrait à l'entreprise de bénéficier de précieux insights holistiques sur son activité, informations qu'elle ne peut obtenir avec des prévisions et des analyses cloisonnées.

L'équipe chargée du merchandising peut par exemple se baser sur les signaux du marché et des produits pour prévoir une augmentation de la demande d'un produit donné. De son côté, celle qui s'occupe de la chaîne d'approvisionnement peut avoir connaissance de divers facteurs de stress affectant la fabrication et la logistique, et par conséquent prévoir une baisse des expéditions de produits. Le délai d'identification de ce type de divergence est généralement de plusieurs semaines, et sa résolution implique l'échange d'e-mails et l'organisation de réunions. Il est alors trop tard, étant donné que des décisions de planification incompatibles ont déjà été prises sans concertation par les équipes, et le mal est fait. Une entreprise qui utiliserait BigQuery comme plate-forme d'analyse des prévisions centralisée pourrait détecter cette divergence en quelques heures ou quelques jours et réagir en conséquence. Elle éviterait ainsi d'avoir à revenir sur des décisions de planification plusieurs semaines après qu'elles ont été prises.

En complément des fonctionnalités de modélisation de BQ ARIMA, BigQuery et BigQuery ML forment la plate-forme idéale pour fédérer des équipes de prévision disparates.

Google Cloud propose plusieurs solutions qui vous aident à améliorer vos capacités de prévision de la demande et à optimiser vos niveaux de stock dans les périodes de crise. Outre les outils BigQuery ML décrits dans ce blog, vous pouvez opter pour les solutions suivantes :

Créer vos propres modèles de série temporelle (statistiques ou basés sur le ML) à l'aide de vos frameworks Open Source favoris sur les instances Jupyterlab de Cloud AI Platform

Utiliser AutoML Forecast pour sélectionner et entraîner automatiquement des modèles ultra-performants de série temporelle basés sur le deep learning

Utiliser Demand AI, notre nouvelle solution de prévision entièrement gérée (actuellement à l'état expérimental)

Collaborer avec un partenaire tel qu'o9 pour mettre en œuvre sa plate-forme de planification dédiée au commerce et dotée de fonctionnalités de prévision sur Google Cloud

Pour plus d'exemples de modèles de référence conçus pour l'analyse de données, consultez la section Prévisions prédictives. Prêt à faire vos premiers pas avec BigQuery ML ? Découvrez-en plus dans notre présentation du produit.

Vous souhaitez approfondir vos connaissances sur les fonctionnalités de BigQuery ML ? Inscrivez-vous ici pour bénéficier d'une formation gratuite permettant de vous familiariser, d'évaluer et de prévoir le stock nécessaire sur la base des données de vente avec BigQuery ML.

Maisons du Monde personnalise l'expérience omnicanale sur Google Cloud

Fri, 23 Apr 2021 07:00:00 +0000

Maisons du Monde est une entreprise omnicanale présente à l'échelle internationale. Elle compte 369 magasins dans neuf pays, et fournit une plate-forme e-commerce dans chaque pays où elle est présente, ainsi que dans trois autres pays. Ses collections sont accessibles aux acheteurs selon leurs préférences (consulter le mobilier en magasin, commander en ligne ou retirer les achats en magasin).

Personnaliser l'expérience utilisateur avec les données

Maisons du Monde réalise environ la moitié de son chiffre d'affaires grâce aux achats en ligne et aux ventes générées en magasins via des outils numériques, ce qui en fait une entreprise pionnière du numérique dans le secteur du commerce.

En 2017, l'entreprise a migré ses services vers Google Cloud pour renforcer la fidélité de sa clientèle grâce à une expérience intégrée et ciblée. Aujourd'hui, Google BigQuery et Google Cloud Storage servent de lac de données principal et permettent de collecter des données dans toute l'entreprise, y compris celles sur l'approvisionnement, les stocks et les magasins. Les données sont orchestrées avec Google Cloud Dataflow et interconnectées en temps réel avec les autres systèmes informatiques via Pub/Sub.

"Toutes nos décisions concernant les données s’appuient sur Google BigQuery", explique Guillaume Apostoly, CIO, DSI Groupe chez Maisons du Monde. "Grâce à cette solution simple et polyvalente, les mêmes données sont accessibles à tous les niveaux de l'entreprise. Tout le monde utilise Google Cloud : le comité de direction pour visualiser des données, l'équipe de gestion des stocks pour optimiser la prévision de la demande et la chaîne d'approvisionnement, ou l'équipe de gestion des données pour renforcer les actions et les analyses basées sur le machine learning et SQL (prédictions de la valeur vie client, par exemple)."

Concevoir une architecture Google Cloud globale

Une fois l'architecture de données en place, Maisons du Monde a décidé d'étendre son empreinte cloud en déplaçant son infrastructure sur Google Cloud. Les anciens systèmes monolithiques faisaient obstacle à son approche numérique et omnicanale. "Dans notre ancien système, les changements étaient appliqués via des intégrations nocturnes groupées. Avec cette approche chronophage, les rapports statiques produits étaient rapidement obsolètes, et la nuit n'était pas assez longue pour répondre à une croissance à deux chiffres. Nous sommes allés au cœur de ce qui définit les technologies de l'information. Grâce à Google Cloud, nous avons conçu une infrastructure qui permet aux outils numériques, au noyau, aux données et aux stocks de communiquer en temps réel."

La responsabilité sociétale de l'entreprise (RSE) représente un engagement ferme pour Maisons du Monde depuis plus de 10 ans. Le développement durable repose sur ce programme RSE à tous les niveaux, de la conception de produit à la vente. La devise, "Engagés, ensemble !", englobe des engagements environnementaux et un véritable esprit solidaire. Le partenariat avec Google a également renforcé la stratégie RSE de l'entreprise.

Gérer automatiquement la densité de trafic

Aujourd'hui, environ 50 % des services numériques de Maisons du Monde sont hébergés sur Google Cloud, et Guillaume Apostoly et son équipe adoptent le cloud pour les nouveaux systèmes et charges de travail. Le développement et la production s'exécutent principalement sur Google Kubernetes Engine. "Le cœur de notre infrastructure informatique et tout ce que nous concevons dorénavant reposent soit sur Google Cloud, soit sur des entreprises SaaS qui communiquent via notre architecture Google Cloud globale. Bien que nous n'ayons pas encore migré nos systèmes de base, notre architecture est aujourd'hui entièrement compatible avec le cloud."

L'évolutivité de la configuration cloud de Maisons du Monde a été mise à l'épreuve en 2020, lorsque la pandémie de COVID-19 a entraîné la fermeture temporaire des magasins physiques, détournant encore plus de trafic que d'habitude vers les sites Web de l'entreprise. En trois semaines, l'équipe informatique a mis en place l'autoscaling avec Google Kubernetes Engine, garantissant des performances e-commerce stables, quel que soit le trafic.

"Lors du confinement en France, nous avons soudainement dû affronter des charges 10 fois supérieures à notre pic précédent. Autrefois, avec une infrastructure dédiée, cela n'aurait tout simplement pas fonctionné sans acquérir du matériel neuf, coûteux et long à installer. Grâce à l'autoscaling Google Kubernetes Engine, nos performances sont restées stables avec peu de frais supplémentaires."

Proposer une expérience d'achat fluide aux clients

En tant que socle de la stratégie omnicanale de Maisons du Monde, Google Cloud Pub/Sub permet la mise en œuvre d'un système d'information global depuis une source unique. En s'assurant que les informations circulent en temps réel entre les différents canaux et services, Guillaume Apostoly et son équipe ont pu concevoir une vue client unifiée, ainsi que des données immédiates sur les stocks des entrepôts et des magasins, améliorant ainsi l'expérience d'achat.

"Notre stratégie omnicanale repose entièrement sur Google Cloud Pub/Sub. Nous pouvons donc prendre des décisions commerciales intelligentes basées sur des données en temps réel et offrir une expérience client fluide", indique Guillaume Apostoly.

Nouvelle place de marché, gamme de produits élargie

Fin 2020, la visibilité en temps réel des données sur les stocks et clients est devenue plus importante que jamais, lorsque Maisons du Monde a lancé sa nouvelle place de marché avec Mirakl en France. En élargissant sa sélection interne avec plus de 25 000 articles de mobilier provenant de 200 marques externes, l'entreprise a considérablement élargi sa gamme, proposant ainsi plus de choix.

"Google Cloud a vraiment conduit à la création de notre plate-forme", déclare Guillaume Apostoly. "Nous avons essentiellement enrichi notre gamme de produits et collaborons avec plusieurs fournisseurs dont les produits doivent toujours être à jour sur notre site. Pour cela, l'évolutivité et les flux d'informations en temps réel de notre infrastructure Google Cloud sont essentiels, car tout fait partie du pipeline. Nouveaux produits, modifications, prix ou informations sont reflétés presque immédiatement sur le site."

Une nouvelle initiative omnicanale

Maintenant que la nouvelle place de marché est lancée, Guillaume Apostoly et son équipe sont prêts à entreprendre de nouveaux projets. Bien que l'entreprise soit entièrement compatible avec le cloud, certains des anciens systèmes sont encore utilisés. Pour accélérer sa migration vers le cloud, l'équipe se tourne vers Google Cloud VMWare Engine.

"Avec Google Cloud, nous avons pu concevoir une infrastructure informatique où tous les éléments communiquent ensemble", indique Guillaume Apostoly. "Nous sommes plus rapides, évolutifs et collaboratifs, et les expériences utilisateur sont plus efficaces que jamais. Avec notre nouvelle place de marché, nous sommes prêts à ouvrir un nouveau chapitre de notre stratégie omnicanale."

Google Cloud Retail & Consumer Goods Summit: L'Avenir du Commerce de Détail

Fri, 09 Apr 2021 14:00:00 +0000

La façon dont les consommateurs prennent leurs décisions au quotidien évolue, de la même manière que les nouvelles méthodes numériques de travail, d'achat et de communication sont aujourd'hui devenues la norme. Pour les entreprises de la distribution, il est plus important que jamais de donner la priorité à une stratégie technologique appropriée, en se concentrant sur ce qui compte vraiment pour leurs clients.

En s’associant avec certains des plus grands acteurs du commerce et de la distribution mondiaux, Google Cloud fournit des solutions qui répondent aux défis les plus importants du secteur, qu'il s'agisse de créer des modèles prévisionnels pour optimiser la gestion des stocks, ou d’utiliser des applications alimentées par l'IA pour transformer le e-commerce. Les comportements clients ont profondément changé au cours des dernières années. A travers notre implication auprès des marques et enseignes de détail, nous avons pu observer et analyser ces tendances et sommes présents pour soutenir nos partenaires dans leur transition vers cette nouvelle réalité commerciale.

A travers les études de marché et les analyses d'acteurs du secteur, le Retail & Consumer Goods Summit de Google Cloud propose un contenu exclusif pour vous assister dans les enjeux auxquels vous êtes confrontés. Nous serons rejoints par des innovateurs du secteur, dont Carrefour Belgique et L'Oréal, qui discuteront de l'avenir de la distribution et des produits de grande consommation.

Réunir la technologie et le commerce

Le Retail & Consumer Goods Summit de Google Cloud analyse les données technologiques et commerciales, les deux ingrédients clés de toute transformation. Que vous soyez responsable de l’informatique, de l'analyse des données, des chaînes d'approvisionnement ou du marketing, rejoignez-nous ! Il est vital de créer des liens et de partager des perspectives inter-fonctionnelles pour se réimaginer soi-même, son organisation ou le monde.

Développer ses marchés grâce à l’analyse des données

Lors du Google Cloud Retail & Consumer Goods Summit, vous pourrez choisir parmi des sessions spécifiquement adaptées à la distribution ou aux produits de grande consommation, ainsi que des sessions traitant des domaines suivants :

Keynote : Notre équipe “Human Truths” donnera le coup d'envoi de l'événement en partageant ses connaissances des consommateurs, afin de vous aider à élaborer votre stratégie de transformation. Découvrez les comportements des consommateurs qui, selon eux, s'inscriront dans la durée en tenant compte de la réalité post-pandémie.

"Quel avenir pour la distribution?" (avec Carrefour Belgique) : La distribution est un secteur complexe, au fort potentiel et en constante évolution. Rejoignez-nous pour une conversation autour des transformations à venir et sur la façon dont les acteurs du secteur doivent planifier l'avenir.

Comment développer une marque en période d’évolution rapide (avec L'Oréal) : Pour les marques grand public, l'année écoulée a été le catalyseur d'une transformation numérique qui était déjà en cours depuis plusieurs années. Chez Google, nous avons étudié de près ce en évolution rapide. Nous partageons avec vous nos conclusions sur les opportunités de croissance élevées pour vos marques et sur les moyens de stimuler l'innovation dans votre organisation.

Vous pourrez également apprendre d'experts qui initient des transformations dans leur propre secteur. Parmi eux, le grossiste allemand METRO Digital, qui transforme l'industrie hôtelière en mettant ses solutions numériques à la disposition des clients, et le détaillant français Maisons du Monde, qui adopte une approche axée sur les données pour personnaliser son expérience client.

Développer votre stratégie de transformation

Pour clôturer la journée, vous êtes invités à rejoindre Thomas Frake, le gagnant de MasterChef 2020 au Royaume-Uni. Alors que les acteurs de la distribution utilisent la technologie du cloud pour prévoir les produits les plus demandés en rayon et ainsi optimiser leur approvisionnement, Thomas vous montrera comment cuisiner comme un chef en utilisant des ingrédients que vous avez déjà chez vous.

Le Google Cloud Retail & Consumer Goods Summit aura lieu le jeudi 22 avril à partir de 10h30 CET. Rejoignez-nous et inscrivez-vous dès aujourd'hui en visitant la page d'accueil de l'événement. Nous vous garantissons une journée pleine d’inspiration qui vous soutiendra dans votre transformation digitale.

Exploiter l'IA et le ML pour révolutionner le commerce au-delà du COVID-19

Tue, 19 Jan 2021 10:24:00 +0000

Dans le monde entier, le secteur du commerce a fait face à des vagues de changement au cours des 10 dernières années, et il connaît aujourd'hui une période des plus dynamiques et imprévisibles. Lors de mes échanges avec des cadres de ce secteur, certains m'indiquent qu'ils prospèrent, d'autres qu'ils survivent et d'autres encore qu'ils rencontrent de nombreuses difficultés. Voici ce que j'ai retenu de ces conversations : avec le COVID-19, les entreprises ont moins de temps pour développer des modèles opérationnels résilients et agiles reposant sur une infrastructure cloud, l'intelligence artificielle (IA) et le machine learning (ML).

À la demande de Google Cloud, une étude a récemment été menée à l'échelle mondiale auprès de cadres du secteur du commerce. Elle visait à déterminer, dans toute la chaîne de valeur de la vente au détail, quels cas d'utilisation de l'IA et du ML étaient les plus rentables, et ce que les marchands devaient garder à l'esprit pour profiter de ces opportunités. Bien que l'étude s'applique à l'ensemble du secteur du commerce, elle se concentre sur deux sous-segments spécifiques : les magasins d'alimentation, pharmacies et grandes surfaces d'une part, et les magasins spécialisés d'autre part. En effet, ils ont dû relever des défis inédits avec la pandémie de COVID-19. Voici les principales conclusions de l'étude :

Les technologies d'IA et de ML peuvent apporter des avantages importants aux magasins d'alimentation, aux pharmacies, aux grandes surfaces et aux magasins spécialisés

Les chercheurs ont analysé 75 cas d'utilisation de l'IA et du ML dans ces segments pour comprendre comment ces technologies pouvaient permettre aux marchands de dégager de la valeur dans différents domaines de leur activité.

Cliquez sur l'image pour l'agrandir

Pour les magasins d'alimentation, les pharmacies et les grandes surfaces, l'étude a démontré que l'utilisation de l'IA et du ML, dont l'adoption s'accélère, pouvait potentiellement rapporter entre 280 et 650 millions de dollars sur l'ensemble de la chaîne de valeur. De même, pour les magasins spécialisés, l'étude a révélé que l'IA et le ML pouvaient générer entre 230 et 520 millions de dollars de valeur d'ici 2023. Dans un secteur où les marges bénéficiaires sont faibles, les leaders investissent de plus en plus dans l'IA et le ML.

Quelques cas d'utilisation génèrent une part de valeur disproportionnée

Le choix du projet d'IA ou de ML à déployer repose sur de nombreux points à prendre en compte, mais les données ont démontré clairement que les marchands avaient la possibilité de mettre en place des initiatives qui créent davantage de valeur. Quelques cas d'utilisation se sont démarqués parmi tous ceux étudiés.

Cliquez sur l'image pour l'agrandir

Pour les magasins d'alimentation, les pharmacies et les grandes surfaces, le merchandising, les opérations en magasin et la logistique représentent certains des facteurs de coûts les plus importants sur le compte de pertes et profits. Sans surprise, 4 des 10 principaux cas d'utilisation pour ce segment s'appliquent à ces composantes de la chaîne de valeur : règlement fluide, trajets des préparateurs, distribution automatique des tâches et vérification des rayonnages. Les marchands de ce segment peuvent exploiter les fonctionnalités d'IA et de ML pour améliorer l'efficacité et la productivité de leurs employés en automatisant les tâches dans les magasins et les centres de distribution.

Pour les magasins spécialisés, les cas d'utilisation qui génèrent le plus de valeur concernent le merchandising et l'assortiment, la gestion du cycle de vie des produits, ainsi que la logistique et le traitement. Pour ce segment, le merchandising et l'assortiment représentent 5 des 10 principaux cas d'utilisation de l'IA et du ML. Ceux-ci ont pour but d'améliorer la planification de la demande en optimisant l'assortiment, l'inventaire et les démarques. En combinant les données et les signaux provenant de diverses parties de leur entreprise et en effectuant des analyses basées sur l'IA et le ML, les équipes du merchandising peuvent identifier des tendances qui échappent souvent aux outils d'analyse traditionnels. Elles peuvent également effectuer des prédictions précises, même pour des produits nouveaux ou au cycle de vie court.

Découvrez comment transformer votre entreprise grâce à l'IA

Chez Google, nous utilisons l'IA et le machine learning pour résoudre nos problèmes métier depuis plus de 10 ans. Nous sommes heureux de faire profiter nos clients de cette expérience et de notre technologie. Des leaders du secteur du commerce, comme Carrefour, Zulily et The Home Depot, exploitent les produits d'IA et de machine learning de Google Cloud pour transformer leur entreprise.

Vous pouvez consulter le détail des résultats de l'étude et d'autres études de cas client dans cet e-book ou regarder notre récent webinaire avec Zulily.

Aider les commerçants à se préparer à la période des fêtes de fin d'année 2020

Thu, 13 Aug 2020 18:04:00 +0000

Pour beaucoup d'entre nous, l'été rime avec soleil et vacances à la plage. Pour les commerçants, en revanche, il est synonyme de préparation des fêtes de fin d'année, période pendant laquelle ils enregistrent le plus grand nombre de ventes de l'année. Généralement, les commerçants font toujours face aux mêmes difficultés : demande plus importante, planning des employés saisonniers en magasin, chaînes d'approvisionnement sous tension ou encore pics de trafic Web, pour n'en citer que quelques-unes.

Cependant, la période des fêtes de fin d'année 2020 va être inédite.

Les effets à long terme de la pandémie de COVID-19 vont continuer d'affecter le secteur du commerce jusqu'à l'année prochaine. De nombreux commerçants ont été contraints de réduire leur empreinte physique ou de modifier leurs méthodes de travail, mais également de trouver de nouvelles façons de livrer leurs produits aux consommateurs. Les changements ne vont sans doute pas s'arrêter là. Plusieurs géants du commerce américain ont d'ores et déjà annoncé qu'ils n'ouvriront pas les portes de leurs magasins pour Thanksgiving. Par conséquent, la dynamique du commerce physique et numérique promet d'évoluer encore davantage cette année. Comment les fêtes de fin d'année 2020 vont-elles se dérouler ?

Fournir des informations aux utilisateurs est la spécialité de Google

En raison de la pandémie, les mois à venir s'annoncent teintés d'incertitude : consignes fluctuantes sur la distanciation physique, pouvoir d'achat inconnu, émergence de nouveaux canaux de consommation et modèles d'achat, etc. Pour s'y préparer, nous recommandons aux commerçants de comprendre l'évolution des comportements d'achat et de suivre les derniers conseils de Google Cloud présentés dans l'e-book A retailer's guide to 2020 holiday season readiness: Five keys to success (Guide de préparation à la période des fêtes de fin d'année 2020 pour les commerçants : les cinq clés du succès).

Comprendre les comportements d'achat pour adapter sa stratégie

Des études tierces sur les tendances du marché et les recherches que nous avons menées ont fait ressortir trois comportements globaux susceptibles d'affecter les performances des marchands au cours des fêtes de fin d'année 2020. Lors des préparatifs de fin d'année, il est essentiel de penser à l'évolution des habitudes d'achat, de la fidélité des consommateurs et de leur état d'esprit.

1. Davantage de consommateurs effectuent leurs achats en ligne pour la première fois et achètent des produits qu'ils se procurent d'habitude en magasin

Sans surprise, la migration vers l'e-commerce a connu sa plus forte accélération en 2020. Au mois de mai, aux États-Unis, l'e-commerce enregistrait déjà une augmentation de 70 % par rapport à l'année précédente, ainsi que des bénéfices s'élevant à 82,5 milliards de dollars. Cette évolution a touché des segments du secteur du commerce qui se trouvaient jusqu'alors à la traîne sur le Web (l'alimentation, par exemple). Au cours de la première semaine de mars, seuls 11 % des adultes américains faisaient leurs courses alimentaires en ligne. À la fin du mois, ils étaient déjà 37 %.

Confinés chez eux, les consommateurs ont abandonné certaines habitudes d'achat, pourtant bien ancrées, au profit de nouvelles manières d'acheter les produits du quotidien. Outre la forte hausse des achats alimentaires effectués sur Internet, un quart des consommateurs interrogés ont, pendant le confinement, acheté en ligne un produit qu'ils se procurent habituellement en magasin1.

Bien que les enseignes rouvrent dans de nombreuses régions, les interactions physiques limitées, la réticence d'une partie de la population à se rendre en magasin par peur du COVID-19, ainsi que l'éventualité de nouvelles fermetures en raison de futures vagues de contamination, font perdurer les doutes concernant la viabilité d'une stratégie commerciale principalement axée sur les magasins physiques.

Les canaux d'e-commerce évolutifs et flexibles deviennent un véritable enjeu, car de plus en plus de consommateurs acceptent désormais d'acheter des produits divers et variés en ligne. Les marchands qui souhaitent concentrer leurs efforts sur la préparation des fêtes de fin d'année doivent commencer par privilégier leur stratégie omnicanale.

2. Les acheteurs souhaitent bénéficier de modes de paiement sans contact pour effectuer tous types d'achats

Avant la pandémie, de nombreux acheteurs estimaient qu'une visite en magasin était le moyen le plus simple et le plus rapide de trouver le produit dont ils avaient besoin. Cependant, les choses ont changé lorsque le confinement a été imposé. En effet, 53 % des consommateurs ont alors essayé un nouveau service d'achat pour la première fois2.

Comme évoqué plus tôt, les consommateurs ont commencé à effectuer leurs courses alimentaires en ligne, mais aussi à vérifier l'état des stocks avant de se rendre en magasin. Beaucoup ont par ailleurs adopté le Drive. Ceux qui n'ont pas encore testé de nouveaux services en ont l'intention. Les recherches pour "Drive disponible" ont augmenté de 100 % en mars, tandis que les recherches des termes "livraison à domicile" ont augmenté de 70 %. Plus de 50 % des personnes ayant répondu à une enquête Google pensent que le Drive restera une bonne option malgré la réouverture des magasins.

Les consommateurs n'achètent plus les mêmes produits qu'avant. Les données issues de la recherche Google attestent d'une forte augmentation des recherches d'articles permettant d'améliorer le temps passé à la maison (fauteuils de bureau ergonomiques pour le télétravail, articles de décoration et accessoires rendant l'environnement plus agréable, etc.).

Afin de proposer de nouvelles offres et de répondre aux préférences d'achat en pleine évolution, les marchands doivent être en mesure de comprendre les dernières tendances de consommation et de s'y adapter. Pour cela, nous recommandons l'utilisation d'outils tels que Google Trends et Rising Retail Categories. En effet, ils permettent aux marchands d'identifier les catégories de produits qui gagnent en popularité tout en investissant dans l'amélioration de la chaîne d'approvisionnement pour la rendre plus flexible et plus durable.

3. Les acheteurs sont plus sensibles qu'avant aux prix des produits, car leur moral est bas

La vie et le travail des consommateurs ont été grandement affectés, ce qui a contribué à la baisse de leur moral dans de nombreux marchés mondiaux. Dans le cadre d'une étude menée par McKinsey dans 45 pays, la grande majorité des consommateurs s'attendent à ce que le COVID-19 ait un impact sur leurs finances et leurs habitudes personnelles pendant plus de deux mois. Aux États-Unis, près d'un tiers des consommateurs ont déjà opté pour des produits moins chers afin de faire des économies.

Les prévisions générales concernant le secteur du commerce dans son ensemble ont baissé de plus de 10 % depuis le début de l'année. Pour enregistrer de bonnes performances au cours de la période des fêtes de fin d'année, les marchands doivent établir une stratégie robuste et ciblée permettant de présenter aux consommateurs les produits les plus pertinents à un prix raisonnable.

Pour adresser aux clients le bon message au bon moment, il est nécessaire de disposer de technologies de machine learning et d'analyses avancées. Grâce aux solutions par secteur d'activité proposées par Google Cloud (comme la solution Recommendations AI lancée récemment), les commerçants peuvent accélérer le passage au numérique, accroître la satisfaction des clients et améliorer l'efficacité opérationnelle sur l'ensemble de la chaîne de valeur.

Nous sommes là pour vous aider à prévoir l'imprévisible

L'année s'est avérée mouvementée et pleine de rebondissements pour beaucoup d'entre nous. Nous mettons tout en œuvre pour proposer les technologies dont le secteur a besoin et pour collaborer avec nos clients afin de leur éviter toute déconvenue lors des fêtes de fin d'année. C'est pourquoi des entreprises de solutions e-commerce telles qu'Etsy et Shopify, ainsi que des commerçants tels que The Home Depot et Urban Outfitters, se sont tournés vers Google Cloud pour faire face à une fin d'année chargée. Ils exploitent notamment nos services haut de gamme pour le Black Friday et le Cyber Monday : nous collaborons étroitement avec leurs équipes d'informaticiens et d'ingénieurs pour planifier la capacité, effectuer des tests de fiabilité et mettre en place des postes de commande opérationnels.

Nos équipes disposent des solutions et de l'expertise nécessaires pour vous accompagner tout au long des fêtes de fin d'année et vous préparer aux suivantes. Pour favoriser votre réussite lors de la période des fêtes et anticiper la suite, consultez notre Guide pratique et exploitable. Nous y décrivons les domaines qui amélioreront le plus l'expérience client et vos résultats financiers : cela va des conseils sur la migration vers le cloud pour simplifier la gestion des coûts à l'intégration de l'IA dans vos services client. Téléchargez l'e-book dès maintenant et participez à l'un de nos événements Retail OnAir pour profiter des enseignements que nous avons tirés de nos collaborations avec des leaders du commerce.

^{1. Google/Ipsos, États-Unis, Shopping Tracker, mars 2020}

^{2. Google/Ipsos, Shopping Tracker, janvier, février, mars et avril 2020}

Commerce

Glopal booste l’e-commerce international et transfrontalier de ses clients avec Google Cloud

Accélérer les développements et sécuriser les clients

Capitaliser sur les services managés pensés pour la haute performance et auto-scalables

Google Cloud : un partenaire de confiance et de proximité

API Restauration gagne en productivité avec Google Workspace

Rationaliser et sécuriser

Travailler plus efficacement et enrichir les échanges

Optimiser la gestion d’un parc de plus de 5000 postes de travail

Exploiter le potentiel de Google Cloud

Cinq cas d'usage de l'IA générative pour inspirer les entreprises manufacturières

1 – Surveillance des évènements générés par les machines

2 – Automatisation du service client

3. Recherche et synthèse de documents

4. Découverte de produits et contenus

5. Conseils sur la chaîne d'approvisionnement

Prêt à démarrer ?

Optimiser la gestion des stocks dans le retail : entreposer le bon produit au bon endroit

Ne pas se laisser submerger par la gestion des stocks

Comment cloud et analyse de données simplifient la donne

Architecture fonctionnelle de référence

Prédire la rentabilité

Architecture technique

L'Oréal favorise la productivité de ses développeurs avec des environnements de développement sécurisés dans le cloud

La digitalisation du retail suppose des développeurs encore plus performants

Relever le défi de la productivité des développeurs

La solution de Google Cloud

Les avantages de la solution de Google Cloud

Résumé

Comment Schiever a basculé son environnement SAP sur Google Cloud Platform, simplement et rapidement

SAP ECC sur Google Cloud Platform

Prochaine étape : toujours plus de cloud !

Les acteurs du retail doivent évoluer en permanence : trois leviers pour les y aider

Levier 1 : Exploiter les données et l'IA pour prédire (anticiper) la demande avec Vertex AI

Levier n°2 : Permettre à vos clients de trouver des produits plus facilement grâce à des recherches et des recommandations alimentées par l'IA

Levier 3 : construire un magasin moderne

Google Cloud peut accompagner les commerçants à réaliser leur transformation

Système U modernise son architecture data sur Google Cloud

Hey Google, montre-moi le futur du Retail !

Devenir une entreprise centrée sur le client et la donnée

Capturer la croissance numérique et omnicanale

Inventer le magasin de demain

Optimisation opérationnelle

Attraqt crée des expériences de shopping en ligne intelligentes avec Google

Des modèles de prévision adaptés aux commerçants avec BigQuery ML

Prévision de la demande : deux types d'équipes

Un nouveau type d'équipe

Réagir à l'imprévu

Premiers pas avec un modèle de référence BigQuery ML

BigQuery ML relie les équipes de prévision commerciale et scientifique

BeyondCorp Enterprise : une architecture zéro confiance pour le multicloud

Maisons du Monde personnalise l'expérience omnicanale sur Google Cloud

Personnaliser l'expérience utilisateur avec les données

Concevoir une architecture Google Cloud globale

Gérer automatiquement la densité de trafic

Proposer une expérience d'achat fluide aux clients

Nouvelle place de marché, gamme de produits élargie

Une nouvelle initiative omnicanale

Google Cloud Retail & Consumer Goods Summit: L'Avenir du Commerce de Détail

Réunir la technologie et le commerce

Développer ses marchés grâce à l’analyse des données

Développer votre stratégie de transformation

API : les cinq grandes tendances en 2021

Exploiter l'IA et le ML pour révolutionner le commerce au-delà du COVID-19

Aider les commerçants à se préparer à la période des fêtes de fin d'année 2020

Offrez une expérience d'achat en ligne plus personnelle avec Recommendations AI