La stratégie agentique de Carrefour
#138 - Le zoom, le podcast avec Arthur et les ressources recommandées
Hello,
Bienvenue dans l’édition #138 de la newsletter DataGen ! 👋
L’agenda de la semaine :
🔍 Zoom sur la stratégie agentique de Carrefour
🎙 Le podcast avec Arthur, Director of AI & Analytics chez Carrefour
📚 Les ressources recommandées par Arthur
C’est parti !
📢 Quelle stratégie data mettre en place pour le marketing ?
J’ai reçu Denis Ravera, co-Directeur Général chez Arcane, l’agence spécialisée sur la stratégie data appliquée au marketing qui accompagne Leroy Merlin, Decathlon ou encore Europcar Mobility Group.
Denis est venu nous faire une masterclass sur le sujet dans l’épisode 235 : les cas d’usage clés, la méthode, l’équipe et les outils à mettre en place.
Il a également tout synthétisé dans cet article.
Un immense merci à Arcane de sponsoriser DataGen. ❤️
🔍 Zoom sur la stratégie agentique de Carrefour - 3 min
Ce zoom est tité de mon échange avec Arthur qui est Director of AI & Analytics chez Carrefour. Il porte la vision de l’IA agentique au sein du groupe.
Il y a 2 types d’agents chez Carrefour : les agents IA à destination des clients et les agents IA à destination de l’interne.
Le premier agent IA à destination des clients
Il permet de créer sa liste de course. Les clients peuvent interagir avec l’agent de plusieurs manières :
Demander des idées de recettes à partir de sa/ses dernière(s) commande(s) ou adaptées à un besoin nutritionnel
Indiquer un plat et un nombre de personnes et l’agent dresse la liste des produits nécessaires
L’agent appelle différents outils pour récupérer les infos demandées (ex : dernières commandes, recettes, infos nutritionnelles…).
“L’équipe UX a fait un gros travail pour mélanger une partie conversationnelle avec une partie visuelle plus classique. Parfois, c’est plus rapide de cliquer sur une petite croix pour enlever un produit que d’écrire dans la barre de chat.”
Les agents IA à destination de l’interne
Il y a 3 catégories :
“Citizen AI”
L’équipe Data & IA forme l’ensemble des collaborateurs pour qu’ils puissent utiliser l’IA au quotidien via leur ChatGPT interne (Carrefour IA) et des prompts prêts à l’emploi.
“C’est un levier d’acculturation essentiel.”
“Agents Low Code / No Code”
Arthur et son équipe proposent aux collaborateurs les plus avancés de construire leurs propres agents et de les mettre à disposition de leurs équipes.
“Par exemple, l’équipe Achats va se créer en autonomie un agent qui permet de comparer des devis. C’est une approche Self-Service qui s’inspire de ce qui se fait dans la Business Intelligence.”
“Agents complexes”
On parle ici de cas d’usage à très forte valeur ajoutée mais qui demandent de changer des process existants ou de créer des nouvelles interfaces entre différentes briques technologiques.
“Dans ces cas-là, il faut mobiliser une équipe avec des experts : Data Scientists, Designers…”
L’agent pour accélérer l’expansion des magasins
C’est l’un des cas internes les plus avancés. Carrefour évalue chaque année 400 points de vente potentiels pour implanter de nouveaux magasins. Historiquement, l’évaluation d’un seul point de vente prenait un mois.
Arthur et son équipe ont développé un agent qui permet de faire une évaluation préliminaire en 2 minutes. Il récupère des informations de divers outils (Google Maps, concurrents dans la zone…) et estime le chiffre d’affaires du point de vente étudié.
“Les Data Analysts dédiés à ce périmètre sont désormais libérés des tâches les plus répétitives. Les points de vente à faible potentiel sont directement éliminés par l’agent. Ils peuvent aller sur le terrain, se concentrer sur l’amélioration de la qualité des données fournies au modèle et travailler sur des sujets plus intéressants.”
🎙 Le podcast avec Arthur, Director of AI & Analytics chez Carrefour
On aborde :
Le contexte IA chez Carrefour et la construction d’un ChatGPT interne
L’agent à destination des clients : liste de courses (cf. zoom)
Le cas particulier du service client
Les agents IA à destination de l’interne (cf. zoom)
L’agent pour accélérer l’expansion des magasins (cf. zoom)
La stack IA agentique : ADK, LangGraph, GCP
L’organisation et pourquoi les Data Scientists restent indispensables
Les plus grosses difficultés : l’UX, la latence et le besoin d’une plateforme globale
Les prochaines étapes
“La construction des agents doit rester dans les mains des Data Scientists. Il y a une étape qui est très importante et très rébarbative qui est celle de l’évaluation des réponses de l’agent. Les Data Scientists sont plus rigoureux lorsqu’ils travaillent sur ce sujet.”
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify
📚 Les ressources recommandées par Arthur
La chaîne youtube de Andrej Karpathy, l’ancien Chief of AI de Tesla
“Par exemple, il fait des vidéos très pointues sur comment construire un LLM. Puis il fait des vidéos sur comment il utilise l’IA au quotidien pour créer ses vidéos.”
Le cours “Structuring Machine Learning Projects” de Andrew Ng
“Il y a des choses évidentes quand on travaille déjà dans le Machine Learning mais c’est rapide et ça permet de se remettre à niveau. Le programme rappelle bien les grands concepts et notamment comment on structure un projet.”.