Chez Auchan, l’IA générative s’invite dans l’informatique, les RH et les appels

L’intelligence artificielle générative ne se limite plus aux interfaces conversationnelles ouvertes au grand public. Dans les entreprises, elle est progressivement intégrée à des outils métier, là où les salariés passent déjà leur journée : logiciels internes, bases documentaires, postes de relation client et applications de ressources humaines. Chez Auchan, cette logique se traduit par des usages annoncés dans trois champs précis : l’informatique, les centres d’appels et le recrutement.

L’ambition n’est pas de confier ces métiers à une machine, mais de donner aux équipes un assistant capable de retrouver, résumer, reformuler ou organiser des informations plus vite. Cette nuance est importante. Un modèle de langage peut produire une réponse convaincante, sans garantir que celle-ci soit exacte, complète ou adaptée à une situation particulière. Le bénéfice dépend donc autant de la qualité des données et des processus que de la technologie elle-même.

Les informations disponibles ne détaillent ni la date exacte des déploiements, ni le nombre de salariés concernés, ni les gains de temps obtenus. Elles permettent en revanche de comprendre les fonctions auxquelles Auchan destine ces outils et les transformations concrètes qu’ils peuvent entraîner dans l’organisation du travail.

Trois terrains d’application pour l’IA générative

Le projet décrit chez Auchan vise des activités où les collaborateurs doivent traiter beaucoup d’informations, répondre à des demandes récurrentes ou faire circuler des données entre plusieurs logiciels. Dans ces contextes, l’IA générative sert principalement d’interface : elle aide à interroger une documentation, à préparer une synthèse ou à proposer une formulation.

Cette répartition montre que l’IA générative est envisagée comme un outil transversal. Elle ne remplace pas un seul logiciel, elle peut s’insérer à différents endroits d’une chaîne de travail. Un même modèle de langage peut ainsi être relié à une base de connaissances pour un conseiller clientèle, à des documents techniques pour une équipe informatique ou à un dossier de candidature pour un recruteur. Mais les règles d’accès, les informations disponibles et le niveau de risque ne sont évidemment pas les mêmes.

Le middleware, une infrastructure discrète mais essentielle

Le premier volet porte sur le middleware, un terme technique qui désigne les couches logicielles permettant à plusieurs applications de communiquer entre elles. Dans une grande enseigne, un système de commande, un outil de gestion de stock, une application de relation client ou une plateforme de ressources humaines ne fonctionnent pas nécessairement avec les mêmes formats de données. Le middleware sert précisément à faire circuler les bonnes informations entre ces environnements.

La présentation d’Auchan évoque une refonte réalisée rapidement. Aucun délai précis n’est toutefois communiqué. L’enjeu est considérable : lorsqu’une intégration est lente, fragile ou très manuelle, les équipes informatiques peuvent consacrer une part importante de leur temps à résoudre des incidents, à transformer des fichiers ou à vérifier que les données remontent correctement d’un outil à l’autre.

L’IA générative peut intervenir à plusieurs niveaux dans ce type de travail. Elle peut aider à documenter un flux, résumer un incident technique, expliquer du code, préparer une requête ou rendre plus lisible une documentation auparavant dispersée. Pour des développeurs et des administrateurs, ce rôle d’assistant peut réduire le temps passé à chercher une information ou à rédiger des éléments répétitifs.

Il faut toutefois distinguer deux sujets. La refonte d’un middleware est d’abord un chantier d’architecture informatique, qui repose sur des choix de sécurité, de compatibilité et de gouvernance. Un modèle de langage peut assister les équipes, mais il ne garantit pas à lui seul la solidité d’une infrastructure. Une erreur dans un flux de données peut se propager rapidement dans une organisation, notamment lorsqu’elle touche les prix, les stocks, les commandes ou les informations de contact.

Un assistant pour les opérateurs de centre d’appels

Auchan prévoit également un assistant virtuel pour les agents de son centre d’appels. Dans la relation client, les conseillers doivent souvent consulter plusieurs écrans, retrouver une procédure, vérifier l’état d’une demande ou expliquer une règle commerciale. Ces opérations prennent du temps, particulièrement lorsque l’appel porte sur une situation inhabituelle.

L’assistant annoncé s’appuie sur un modèle de langage avancé afin de traiter les demandes avec davantage de rapidité. Concrètement, il peut servir à proposer une réponse, extraire une information pertinente d’une documentation interne ou reformuler une explication de manière plus claire. L’opérateur reste l’interlocuteur du client : l’objectif est de lui fournir un appui pendant la conversation, et non de supprimer toute intervention humaine.

Pour le distributeur, l’intérêt est double. Des réponses mieux préparées peuvent fluidifier l’échange et limiter le temps consacré à rechercher des informations. Pour les conseillers, l’outil peut réduire la charge associée aux demandes les plus répétitives. Il ne règle pas pour autant toutes les difficultés de la relation client. Les cas complexes, les litiges, les erreurs de livraison ou les situations émotionnellement tendues exigent de l’écoute, du discernement et parfois une marge de décision que l’IA ne possède pas.

La qualité du service dépendra donc de la façon dont l’assistant est alimenté et contrôlé. Si ses informations sont obsolètes, contradictoires ou inadaptées, il peut accélérer la diffusion d’une mauvaise réponse. Les équipes doivent aussi pouvoir signaler facilement les propositions incorrectes et corriger la base de connaissances qui alimente l’outil.

Les ressources humaines, un usage utile mais sensible

Dans les ressources humaines, l’assistant présenté par Auchan doit aider à la gestion des recrutements. Il est notamment décrit comme un outil capable de synthétiser des données concernant les candidats et de générer des recommandations. Pour les recruteurs, qui reçoivent parfois un volume important de candidatures, la promesse est de réduire le temps consacré à la lecture et à la consolidation d’informations administratives.

Un tel système pourrait, par exemple, résumer l’expérience mentionnée dans un CV, rapprocher des compétences déclarées des critères d’une offre ou préparer une première fiche de lecture. Cela peut être utile à condition que les critères soient explicites, pertinents pour le poste et examinés par une personne responsable de la décision.

Le recrutement est l’un des domaines où la prudence est la plus nécessaire. Les données de candidature sont personnelles et une recommandation automatique peut reproduire des biais présents dans les informations sur lesquelles elle s’appuie. Une formulation apparemment neutre peut aussi conduire à survaloriser certains parcours, certains mots-clés ou certaines expériences au détriment d’autres profils pourtant compétents.

L’IA générative ne devrait donc pas devenir une boîte noire qui classe les personnes sans explication. Un recruteur doit pouvoir comprendre l’origine d’une suggestion, la contester et l’écarter. Le candidat, de son côté, doit savoir que ses données sont traitées dans le cadre du recrutement et que la décision finale ne repose pas uniquement sur une automatisation.

Ce que l’IA change vraiment dans les métiers concernés

L’intérêt d’un assistant génératif est moins de produire du texte à tout prix que de raccourcir certaines étapes entre une question et une information exploitable. Dans les trois cas cités par Auchan, l’outil intervient sur des tâches de recherche, de lecture, de synthèse et de rédaction. Ce sont précisément les activités qui se répètent des dizaines de fois par jour dans les organisations.

Pour les équipes informatiques, cela peut signifier davantage de temps consacré à la conception, à la fiabilité et à la résolution de problèmes complexes. Pour les conseillers clientèle, l’enjeu est de se concentrer sur l’échange avec le client plutôt que sur la navigation entre différents outils. Pour les recruteurs, il s’agit de consacrer davantage d’attention à l’entretien, à l’évaluation des compétences et à l’adéquation réelle entre une personne et un poste.

Cela ne signifie pas que les tâches disparaissent, elles évoluent. Les salariés doivent apprendre à formuler une demande précise, à vérifier une réponse générée et à savoir quand il faut sortir du cadre proposé par l’outil. Dans un centre d’appels, un conseiller peut devoir reformuler une réponse suggérée. En informatique, un développeur doit relire le code ou la documentation produite. En ressources humaines, un recruteur doit éviter de confondre une synthèse automatique avec une évaluation professionnelle.

Les données, condition de l’efficacité et principal sujet de vigilance

La publication d’origine mentionne plusieurs catégories de données susceptibles d’alimenter les outils : historiques d’interactions avec les clients, performances des employés et analyses des ventes. Ces informations peuvent effectivement rendre un assistant plus pertinent, mais elles sont aussi sensibles à des degrés divers. Leur collecte, leur accès, leur conservation et leur éventuelle transmission à un fournisseur technologique doivent être encadrés.

Dans la relation client, les conversations peuvent contenir des coordonnées, des détails de commande ou des réclamations. Dans les ressources humaines, les CV et les évaluations comportent des données personnelles. Dans les systèmes d’information, la documentation interne peut révéler l’organisation technique de l’entreprise. Une IA utile doit pouvoir accéder à la bonne information, mais pas à toutes les informations sans distinction.

La mise en œuvre doit donc reposer sur quelques principes simples : limiter les données au besoin réel, définir quels salariés peuvent les consulter, tracer les usages et éviter que des informations confidentielles soient reprises dans des requêtes non maîtrisées. La formation est également décisive. Un outil mal compris peut conduire un salarié à lui transmettre des données qu’il ne devrait pas traiter ou à suivre une recommandation sans la vérifier.

En octobre 2024, le cadre européen de l’intelligence artificielle est entré dans une phase de mise en application progressive. Les usages liés à l’emploi, notamment au recrutement, font partie des cas qui appellent une vigilance renforcée. Au-delà des obligations juridiques, la confiance des salariés et des candidats dépendra de la transparence de l’entreprise sur ce que fait réellement l’outil.

La collaboration avec Smartway et l’enjeu des produits

Auchan évoque aussi une collaboration avec Smartway afin d’optimiser la qualité de ses gammes de produits. Selon la présentation, l’IA générative peut analyser l’évolution des ventes et les tendances de consommation pour mieux anticiper les besoins des clients. L’objectif affiché est de limiter les pertes et les refus de produits.

Dans le commerce, mieux prévoir la demande est un sujet permanent. Commander trop peu peut provoquer une rupture en rayon, tandis que commander trop peut accroître les invendus, en particulier pour les produits sensibles au temps ou aux variations rapides de consommation. L’analyse de données de vente peut aider à détecter des tendances, mais elle doit composer avec de nombreux facteurs : saisonnalité, promotions, météo, événements locaux, changements d’assortiment ou disponibilité des fournisseurs.

Aucun résultat chiffré associé à cette collaboration n’est communiqué dans les éléments disponibles. Il serait donc prématuré d’en déduire un impact mesuré sur les pertes, les ventes ou la disponibilité des produits. L’intérêt du cas est ailleurs : il illustre la volonté d’étendre l’IA au-delà des fonctions support, vers la planification et l’amélioration de l’expérience en magasin.

Ce qu’il faut surveiller

Le cas d’Auchan résume bien la façon dont l’IA générative s’installe dans les grandes organisations : non pas par un unique projet spectaculaire, mais par une succession d’assistants adaptés à des métiers précis. Le succès de cette approche ne se mesurera pas seulement au nombre d’outils déployés. Il faudra regarder si les délais de traitement diminuent réellement, si les réponses apportées aux clients gagnent en qualité et si les salariés jugent ces dispositifs utiles dans leur travail quotidien.

Trois conditions seront particulièrement déterminantes. La première est la fiabilité : un assistant doit être relié à des informations à jour et ses erreurs doivent pouvoir être repérées. La deuxième est la supervision humaine : les collaborateurs doivent conserver la possibilité de corriger, d’ignorer ou d’escalader une recommandation. La troisième est la gouvernance des données : l’entreprise doit savoir quelles informations alimentent chaque usage et pourquoi.

Pour les salariés, l’enjeu est aussi celui de l’accompagnement. L’IA peut alléger des tâches répétitives, mais elle modifie les compétences attendues : savoir contrôler une réponse, expliquer une décision et traiter les cas qui sortent des procédures. C’est dans cet équilibre entre automatisation et responsabilité humaine que se jouera la valeur réelle de ces outils chez Auchan, comme dans le reste du secteur du retail.