Les entreprises de la distribution et des biens de consommation investissent massivement dans l’IA générative et l’IA agentique, mais les preuves tangibles de leur valeur ne suivent pas le même rythme. Ce décalage, que les auteurs de l’analyse appellent le « paradoxe de la valeur de l’IA », placera selon eux en tête celles qui sauront relier leurs investissements à des résultats mesurables.
Les capacités progressent plus vite que la valeur
L’analyse des informations publiques de dix entreprises de premier plan de ces secteurs montre qu’entre 2020 et 2025, les mentions de l’IA dans les communications annuelles ont été multipliées par environ huit. Les annonces de capacités, comme les plateformes développées ou les pilotes lancés, ont cependant progressé bien plus vite que les résultats quantifiés et directement attribuables à l’IA.
Parmi les gains chiffrés, les économies de coûts concernent surtout la gestion des stocks dans la distribution, et les frais commerciaux, généraux et administratifs dans les biens de consommation. Quelques entreprises donnent des exemples précis. Walmart associe son assistant agentique Sparky à une hausse d’environ 35 % de la valeur des commandes et à un taux d’adoption d’environ 50 % des utilisateurs de l’application. Mondelēz relie une efficacité de ses commerciaux d’environ 80 % à une progression de 2 à 4 % du chiffre d’affaires. Unilever a porté la disponibilité des produits à 98 % dans le cadre d’un pilote, tout en réduisant d’environ 30 % les efforts de planification manuelle.
Le chaînon manquant : les mécanismes
Les entreprises mesurent généralement les moyens mobilisés, comme les technologies, les plateformes et les cas d’usage, ainsi que les résultats métier, tels que le chiffre d’affaires, la marge ou le besoin en fonds de roulement. Les mécanismes qui relient ces deux dimensions, à savoir l’adoption, l’utilisation, l’acceptation des recommandations, la fréquence des contournements, la confiance et la qualité des décisions, sont presque absents des informations publiées.
Les moyens représentent environ 73 % des communications liées à l’IA, les résultats environ 23 %, et les mécanismes moins de 4 %. Un distributeur dont l’IA améliore la précision des prévisions, sans que ces prévisions soient intégrées aux décisions de réapprovisionnement, rencontre donc un problème de mécanisme, et non un problème technologique.
La valeur dépend des comportements, et les comportements de la confiance
Les gains de productivité varient selon les contextes et le niveau de compétence des utilisateurs. L’adhésion aux recommandations de l’IA reste souvent partielle, même lorsqu’elles sont pertinentes. Prenons l’exemple d’un responsable de catégorie dans une enseigne alimentaire : grâce à un assistant d’assortiment fondé sur l’IA générative, le temps consacré à la préparation des revues d’assortiment diminue de 40 %. La valeur créée dépendra alors de l’usage de ce temps, pour analyser davantage de catégories ou améliorer la qualité de l’assortiment, plutôt que pour maintenir les mêmes pratiques.
Les utilisateurs peuvent ignorer les recommandations ou les contourner, et la confiance détermine donc largement leurs comportements. Elle se construit grâce à l’explicabilité, à la cohérence, à la pertinence et à la fiabilité du système dans la durée. Selon l’analyse, de nombreuses initiatives restent bloquées dans le « purgatoire des pilotes », faute d’accompagnement suffisant, de droits de décision clairement définis ou en raison de la résistance de l’encadrement intermédiaire. La mauvaise qualité des données aggrave encore le problème.
L’économie de l’IA suit également une autre logique. Les coûts augmentent avec l’usage, notamment pour l’inférence, la supervision et la gouvernance, tandis que la valeur se construit par étapes. Avec l’IA agentique, la mesure doit porter sur la qualité des décisions autonomes, la gestion des exceptions et la supervision. En résumé, les systèmes traditionnels se mesurent par leurs résultats, l’IA générative par son adoption, et l’IA agentique par la qualité de ses décisions et la gouvernance qui l’encadre.
Des capacités à la valeur
La première vague de l’IA a récompensé l’expérimentation, la deuxième le déploiement, et la prochaine récompensera la réalisation de la valeur. L’accès aux technologies d’IA va se généraliser, mais la capacité à les transformer en résultats métier mesurables restera beaucoup plus rare, et pourrait devenir l’une des principales sources d’avantage concurrentiel à l’ère de l’IA générative et agentique.
Product offers are temporarily unavailable.
