La semaine dernière, à l’occasion du HUB Talk « Data & Expérience Client » organisé par le HUB Institute, j’ai eu le plaisir d’animer avec Didier Mamma, Chief Data Officer & AI chez Decathlon, un échange passionnant autour de l’approche innovante de Decathlon en matière d’Intelligence Artificielle appliquée à l’expérience client. Ce retour d’expérience révèle comment Decathlon ne se contente pas d’intégrer la technologie, mais s’engage profondément dans une véritable transformation du business.
Challenger le statu quo : une nécessité stratégique
Chez Decathlon, chaque demande issue du métier est rigoureusement remise en question. Cette démarche critique est au cœur de leur stratégie : les équipes data interrogent systématiquement le « pourquoi » derrière chaque fonctionnalité demandée. Plus important encore, elles exigent une quantification précise de l’impact potentiel en cas de non-réalisation du projet. Sans cette évaluation claire, aucune initiative ne progresse.
Cette exigence se décline selon trois critères essentiels :
- Désirabilité : la fonctionnalité est-elle réellement souhaitée ?
- Faisabilité : peut-elle être techniquement implémentée, notamment du point de vue des données disponibles ?
- Création de valeur : quelle est la valeur tangible apportée par cette initiative ?
« Il faut expérimenter, expérimenter, expérimenter. On essaye, ça ne marche pas, on jette, on passe à autre chose. C’est très darwiniste. Il ne faut pas être cartésien, il faut tester. Et plus on essaye, plus ça fonctionne. L’échec fait partie du succès »
La proximité métier au cœur du succès : émergence des « Business Scientists »
L’une des clés de réussite de Decathlon réside dans la proximité étroite entre les équipes data et les équipes métier. Cette approche rapproche les compétences techniques des réalités opérationnelles, assurant une adoption efficace et durable des nouvelles solutions.
Didier a partagé une conviction forte : même avec une excellente solution technique, si le métier n’est pas pleinement impliqué, l’adoption échouera. C’est pour cela que Decathlon a créé le rôle de « Business Scientist », un profil de data scientist qui maîtrise profondément les enjeux métier, assurant ainsi un dialogue fructueux entre la donnée et les processus opérationnels.
« On n’est pas là juste pour répondre à des besoins. On est là pour vraiment aider à la transformation »
Facteurs clés de succès pour une transformation IA efficace
Voici les enseignements pratiques tirés de l’expérience Decathlon :
- Commencer simplement : Identifier des cas d’usages simples, rapides à implémenter, qui apportent immédiatement de la valeur.
- Déployer rapidement : Mettre rapidement les solutions entre les mains des collaborateurs pour en faciliter l’adoption et recueillir rapidement du feedback.
- Encourager l’expérimentation : Adopter une démarche darwinienne, tester rapidement, accepter les échecs, apprendre et pivoter.
- Accepter l’échec comme levier de progrès : Considérer l’échec comme une étape nécessaire à la découverte des solutions véritablement impactantes.
« Il faut tout de suite identifier des cas d’usage simples, activables, qui créent de la valeur et peuvent être mis rapidement dans les mains des collaborateurs »
La transformation métier : le véritable enjeu
Ce qui ressort clairement de l’expérience Decathlon, c’est que le principal défi n’est pas technique mais culturel et organisationnel. La transformation nécessaire implique de repenser entièrement les métiers, les processus et les modes opératoires existants. Les équipes data accompagnent, soutiennent, challengent mais ne peuvent pas opérer cette transformation seules : le métier doit être pleinement acteur du changement.
« On parle souvent de skilling et de reskilling. Mais ce n’est pas de ça qu’il s’agit. Là, on parle de reconfiguration des métiers »
De plus, Decathlon aborde avec lucidité l’utilisation des KPI et tableaux de bord. Face à la prolifération des indicateurs (plus de 1000 dashboards dans certains contextes retail), l’équipe data se positionne comme force de simplification, poussant à l’essentiel et à la prise de décisions vraiment pertinentes.
Enfin, malgré l’enthousiasme actuel autour de l’IA générative, Didier souligne que 80 % des cas d’usage à haute valeur ajoutée chez Decathlon reposent encore sur le Machine Learning et le Deep Learning traditionnels, démontrant l’importance d’exploiter pleinement ces technologies éprouvées avant d’introduire des approches plus complexes.
En conclusion
L’expérience partagée par Didier illustre que la réussite de l’adoption de l’IA passe nécessairement par une profonde transformation organisationnelle et culturelle, portée par des équipes data devenues de véritables partenaires stratégiques du métier. Merci à Didier et Decathlon pour ce partage inspirant qui prouve que l’IA n’est pas une simple technologie, mais un levier puissant d’augmentation de l’humain et de réinvention du business.