Salesforce

Retail omnicanal et IA agentique avec Salesforce

Date de publication: lundi,

Manuel García Gonzalo

Directeur de la stratégie Salesforce et du développement commercial chez Inetum

 

Depuis des années, les retailers multiplient les investissements dans l’e-commerce, les applications mobiles, les programmes de fidélité, les marketplaces ou les nouveaux canaux de relation client. Pourtant, une difficulté persiste : malgré cette multiplication des points de contact, l’expérience client reste souvent fragmentée.

Personne dans un supermarché tenant un smartphone et un produit alimentaire emballé au-dessus d’un chariot rempli de courses.

Le véritable problème n’a jamais été celui des canaux

L’omnicanalité est encore trop souvent abordée comme un projet technologique dont l’objectif serait d’ajouter de nouveaux canaux de vente. Cette approche laisse pourtant de côté la question essentielle : celle de la donnée.

Un client reste la même personne, qu’il achète sur un site web, consulte une promotion depuis une application mobile ou entre dans un magasin. Pourtant, de nombreuses organisations continuent de gérer plusieurs représentations de ce même client en fonction du point de contact. Résultat : recommandations peu pertinentes, promotions redondantes, incohérences de stock et parcours client fragmentés.

Dans le même temps, les attentes ont changé. Faciliter l’achat ne suffit plus. Les consommateurs attendent des marques qu’elles comprennent leurs préférences, anticipent certains besoins et maintiennent une relation cohérente quel que soit le canal utilisé. Leur référence n’est d’ailleurs plus nécessairement un concurrent direct. C’est souvent la meilleure expérience digitale vécue dans n’importe quel secteur.

La pression sur les marges ajoute une autre contrainte. Personnaliser chaque interaction par une intervention humaine n’est tout simplement pas scalable. L’automatisation intelligente devient donc moins un sujet d’innovation qu’un enjeu de compétitivité.

Le problème n’est pas tant celui des canaux que celui des données et des processus qui les exploitent. Lorsqu’un même client n’est pas reconnu de la même manière en magasin, sur le web et dans l’application mobile, que les stocks diffèrent d’un système à l’autre ou que le marketing, le service client et les opérations travaillent à partir d’informations différentes, l’omnicanalité devient une juxtaposition de canaux.

La prochaine étape du retail consiste justement à dépasser cette logique. Il ne s’agit plus d’ajouter des points de contact, mais de les connecter autour d’une vision unique du client et de processus que l’intelligence artificielle peut comprendre et activer en temps réel. C’est, à mon sens, le véritable point de départ d’une croissance omnicanale durable.

La donnée, point de départ d’un retail omnicanal réellement scalable

La différence entre une stratégie omnicanale traditionnelle et un modèle capable de changer d’échelle tient en grande partie au point de départ.

Pendant des années, le marché a déployé des canaux avant de chercher à reconnecter les informations qu’ils produisaient. Cela a généré des architectures complexes, coûteuses à maintenir et difficiles à faire évoluer.

Chez Inetum, nous proposons d’inverser cette logique à travers un modèle de référence qui structure les principaux domaines de transformation du retail. La donnée constitue la fondation du modèle : une vision unifiée du client et une gouvernance solide de l’information précèdent l’intégration progressive des canaux, des opérations et des capacités d’intelligence artificielle.

Cette approche permet de progresser par étapes et de mesurer la valeur produite dès les premiers cas d’usage, plutôt que de concentrer risques, délais et budgets dans une transformation monolithique. L’objectif n’est pas d’ajouter de la technologie pour elle-même, mais de créer un socle commun sur lequel l’ensemble de l’organisation peut travailler.

Salesforce Data 360 comme socle du Customer 360 dans le retail

Construire cette vision unique suppose de disposer d’une plateforme capable de connecter clients, opérations et canaux quasiment en temps réel.

Dans ce modèle, Salesforce Data 360, jusqu’à récemment Data Cloud, joue le rôle de colonne vertébrale en consolidant les informations relatives aux clients, aux produits, aux stocks et aux comportements digitaux dans un profil unifié et constamment actualisé.

Commerce Cloud, Marketing Cloud, Service Cloud et les agents Agentforce peuvent alors exploiter cette même information. Le marketing personnalise ses campagnes à partir de la même connaissance client que le service client lorsqu’il traite une demande ou qu’un magasin lorsqu’il vérifie la disponibilité d’un produit.

Cette cohérence paraît élémentaire. Dans de nombreux environnements retail, elle reste pourtant l’un des changements les plus structurants : faire fonctionner l’organisation à partir d’une source commune d’information, indépendamment du canal.

Une architecture conçue pour toutes les interactions

Une véritable expérience omnicanale implique également de faire évoluer l’architecture technologique.

De nombreux environnements e-commerce ont été construits autour de plateformes dans lesquelles chaque canal développait progressivement sa propre logique métier. Au fil du temps, cette organisation freine l’innovation et crée de nouveaux silos technologiques.

Une architecture headless ou composable dissocie l’expérience utilisateur du cœur métier. Les capacités liées aux stocks, promotions, commandes, catalogues ou profils clients peuvent ainsi être réutilisées par différents canaux sans reconstruire en permanence le back-end.

Headless 360, évolution de ce modèle présentée par Salesforce en 2026, pousse cette logique plus loin. Les capacités métier de la plateforme sont exposées afin que des personnes, mais aussi des agents intelligents internes ou tiers, puissent interagir directement avec les processus et les données Salesforce tout en respectant les permissions et les règles de gouvernance déjà en place.

L’enjeu dépasse l’architecture technique. Il s’agit de rendre le système suffisamment ouvert et gouverné pour accélérer la création de nouvelles expériences sans multiplier les intégrations spécifiques.

Du canal de vente à l’interaction intelligente

Lorsque les systèmes partagent la même information, les canaux ne sont plus de simples espaces transactionnels. Ils deviennent des points d’interaction continus entre la marque, ses clients et ses collaborateurs.

C’est dans ce contexte que l’IA agentique prend tout son sens. Contrairement à un assistant virtuel traditionnel limité à la fourniture de réponses, un agent d’IA peut comprendre un contexte, prendre certaines décisions et agir sur des processus métier en temps réel, dans les limites qui lui ont été définies.

Chez Salesforce, cette capacité se matérialise notamment avec Agentforce, la couche d’agents de la plateforme. Ces agents accèdent à la même information Data 360 que les autres applications : identité du client, historique d’achats et d’interactions, ou encore disponibilité des stocks.

Un agent peut ainsi proposer un produit alternatif lorsqu’une référence est indisponible, accompagner une demande de retour ou anticiper un besoin de réapprovisionnement. L’interaction cesse progressivement d’être uniquement réactive. Elle devient plus contextuelle et, lorsque le processus le permet, proactive.

Sans processus activables, il n’y aura pas d’agents véritablement utiles

C’est probablement l’un des sujets les plus sous-estimés lorsque l’on parle d’intelligence agentique.

Unifier la donnée est nécessaire, mais cela ne suffit pas. La plupart des processus des retailers ont historiquement été conçus pour être exécutés par des personnes, de manière séquentielle et avec une large part de jugement implicite.

Une demande de retour dépend de l’appréciation du responsable du magasin. Une promotion est accordée « selon le cas ». Une anomalie est résolue au téléphone sans laisser de trace structurée. Même avec une excellente connaissance client, un agent d’IA ne peut pas correctement exécuter un processus dont les règles restent implicites.

C’est pourquoi, dans les projets que nous menons, une partie essentielle du travail consiste à redessiner les processus pour les rendre activables par l’IA. Chaque étape doit disposer de données explicites, de règles de décision définies et d’une action précise que l’agent peut exécuter ou, lorsque le contexte l’exige, transmettre à une personne.

C’est moins spectaculaire que le déploiement d’un assistant conversationnel. Pourtant, c’est ici que se joue la différence entre un agent qui répond et un agent qui résout réellement un problème.

Sur le terrain, c’est précisément là que le retail devrait concentrer une partie importante de ses efforts avant de dresser une longue liste des agents qu’il souhaiterait déployer.

La fidélisation se gagne désormais par l’utilité

Pendant des décennies, les programmes de fidélité se sont largement appuyés sur les remises, les promotions et les systèmes de points. Ces mécanismes restent pertinents, mais il devient difficile de se différencier uniquement par des avantages financiers.

La véritable valeur se déplace vers l’utilité que la marque apporte au quotidien.
 

Lorsqu’une enseigne alimentaire mémorise les habitudes d’achat, suggère des recettes adaptées, prévient le client lorsqu’un produit qu’il achète régulièrement est de nouveau disponible ou adapte ses recommandations à ses besoins, la nature de la relation change.

Le client ne reçoit plus simplement des communications destinées à un segment marketing. Il bénéficie de propositions pertinentes dans son contexte. La fidélisation dépend alors moins exclusivement du prix et davantage de la capacité de la marque à simplifier concrètement son quotidien.

De la donnée aux résultats : un cas concret

Nous observons déjà le potentiel de ce modèle dans les projets menés par Inetum.

Chez Barceló Hotel Group, l’intelligence agentique a été intégrée à Salesforce afin de transformer le traitement des demandes commerciales.

Lorsqu’un client adresse une demande de devis, un agent d’IA analyse automatiquement le message, identifie l’intention, classe la demande et extrait les données utiles, comme les dates, l’établissement concerné ou le nombre de personnes. Si certaines informations sont manquantes, il poursuit l’interaction afin de compléter le dossier.

Lorsque la demande arrive entre les mains de l’équipe humaine, les informations sont donc déjà structurées et prêtes à être utilisées pour préparer la proposition. Les demandes les plus simples peuvent même être traitées automatiquement.

Au-delà du temps économisé, les différentes interactions sont enregistrées dans un profil client unique. L’organisation peut ainsi mesurer l’ensemble du parcours, identifier les points à améliorer et enrichir progressivement la connaissance disponible.

La même logique peut s’appliquer directement au retail, avec un avantage supplémentaire : de nombreux processus de vente et d’après-vente y sont déjà largement standardisés.

Un agent intelligent peut accompagner un achat, informer sur la disponibilité d’un produit, proposer une alternative ou gérer une demande après-vente en exploitant la même information que les magasins, l’e-commerce et les équipes du service client.

Croître par l’efficacité plutôt que par la complexité

Dans un environnement où les marges sont sous pression, une croissance durable suppose d’améliorer simultanément l’expérience client et l’efficacité opérationnelle.

Une donnée unifiée contribue à optimiser les stocks et à limiter les ruptures. L’IA agentique peut réduire le coût de certaines interactions de service. La personnalisation, lorsqu’elle s’appuie sur des données cohérentes, peut à son tour soutenir la conversion et la valeur moyenne des transactions.

Selon l’étude d’IHL Group consacrée à la distorsion des stocks, les pertes liées aux ruptures et au surstockage approchent 1,77 billion de dollars par an dans le retail mondial. Dans ce contexte, disposer d’une vue consolidée des stocks et de capacités prédictives n’est plus seulement un sujet technologique : c’est un levier direct de rentabilité.

La transformation omnicanale ne doit pourtant pas devenir un nouveau programme monolithique.

L’expérience de terrain plaide plutôt pour une trajectoire progressive : construire une base de données solide, identifier quelques cas d’usage à fort impact, mesurer les résultats puis étendre le modèle à mesure que les capacités démontrent leur valeur.

C’est l’approche que nous privilégions chez Inetum : construire un Customer 360 réel, consolider un socle d’information commun puis déployer dessus des expériences omnicanales et des agents intelligents capables d’évoluer avec les besoins de l’entreprise.
 

Après de nombreuses années à observer les transformations du retail, un constat s’impose. Continuer à ajouter des points de contact sur des données fragmentées et des processus conçus uniquement pour des humains ne nous mènera pas là où nous voulons aller.

Le travail qui fait aujourd’hui la différence est moins visible. Il consiste à unifier les données et, surtout, à repenser les processus pour qu’une intelligence agentique puisse réellement les exécuter, dans un cadre gouverné et avec une intervention humaine lorsqu’elle est nécessaire.

C’est à cette condition que les agents passeront de la démonstration technologique au résultat opérationnel. Et c’est, à mon sens, là que le retail devrait désormais concentrer ses efforts.