39 % des détaillants s'attendent à ce que l'IA représente plus de 10 % des dépenses technologiques d'ici 2028

Près de deux détaillants sur cinq s'attendent à ce que l'intelligence artificielle représente plus de 10 % de leurs budgets technologiques d'ici 2028, signalant un changement significatif dans les priorités de dépenses des entreprises alors que le secteur passe de l'expérimentation au déploiement à grande échelle. Cette conclusion, tirée d'une étude de décembre 2025 de la National Retail Federation, souligne la confiance croissante des détaillants dans la pertinence commerciale de l'IA, même si beaucoup sont confrontés à des défis de mise en œuvre et à des retours non prouvés.

Combien les détaillants dépensent-ils actuellement en IA ?

Les dépenses actuelles en IA restent relativement modestes dans la plupart des organisations de vente au détail, bien que les chiffres précis varient largement selon la taille de l'entreprise et la maturité numérique. Les observateurs du secteur notent que de nombreux détaillants de mode sont encore en phase pilote, allouant de petits pourcentages de budgets informatiques à des projets d'IA pendant qu'ils évaluent les cas d'usage et développent leurs capacités internes. Les premiers adoptants ont commencé à augmenter les allocations à mesure que les initiatives de preuve de concept démontrent une valeur tangible.

Le chiffre de 39 % de la NRF de décembre 2025 prévoyant que l'IA dépasse 10 % des dépenses technologiques d'ici 2028 représente une accélération notable par rapport aux niveaux actuels, suggérant que les détaillants anticipent de passer de pilotes sélectifs à des investissements plus larges dans des plateformes au cours des deux prochaines années. Ce calendrier s'aligne sur les courbes typiques d'adoption technologique en entreprise, où la prudence initiale cède la place à des dépenses plus agressives une fois que les profils de risque et de récompense deviennent plus clairs.

Quels cas d'usage de l'IA les détaillants privilégient-ils ?

Les détaillants de mode concentrent leurs investissements en IA dans des domaines ayant un impact opérationnel clair et des retours mesurables. Les priorités les plus fréquemment citées comprennent :

• La prévision de la demande et l'optimisation des stocks, aidant les détaillants à réduire les surstocks et les ruptures de stock tout en améliorant les flux de trésorerie
• Les moteurs de personnalisation qui adaptent les recommandations de produits, les messages marketing et les expériences d'achat aux préférences individuelles des clients
• La visibilité de la chaîne d'approvisionnement et l'optimisation logistique, particulièrement pour gérer les réseaux complexes d'approvisionnement mondiaux
• L'automatisation du service client via des chatbots et des assistants virtuels qui traitent les demandes de routine
• Les outils de recherche visuelle et de découverte de produits qui permettent aux acheteurs de trouver des articles en utilisant des images plutôt que du texte

La prévision de la demande est apparue comme un point de départ particulièrement attractif car elle aborde un problème persistant du commerce de détail tout en exploitant les données transactionnelles existantes. Une mauvaise planification de la demande coûte aux détaillants des milliards chaque année à travers des stocks excédentaires qui doivent être bradés ou amortis, créant à la fois une incitation financière et des indicateurs clairs pour le succès de l'IA.

Quel retour sur investissement les détaillants attendent-ils de l'IA ?

Les attentes en matière de retour sur investissement se répartissent en deux grandes catégories : la réduction des coûts grâce à l'automatisation et aux gains d'efficacité, et la croissance des revenus grâce à l'amélioration de l'expérience client et de la conversion. Du côté des coûts, les détaillants anticipent que l'IA réduira les besoins en main-d'œuvre pour les tâches routinières, diminuera les coûts de détention des stocks grâce à de meilleures prévisions, et réduira les taux de démarque en alignant mieux les assortiments avec la demande.

Les attentes en matière de revenus se concentrent sur la capacité de la personnalisation à augmenter les valeurs moyennes de commande et la fréquence d'achat, ainsi que sur l'amélioration des taux de conversion grâce à une meilleure découverte de produits et un meilleur service client. Cependant, quantifier ces avantages reste difficile, particulièrement pour les applications axées sur les revenus où l'attribution est complexe et les résultats peuvent prendre du temps à se matérialiser.

L'écart entre les attentes et la réalité s'est avéré significatif pour certains premiers utilisateurs. Les détaillants rapportent que les projets d'IA prennent souvent plus de temps à déployer et nécessitent plus de changements organisationnels qu'initialement prévu. Les problèmes de qualité des données, les défis d'intégration avec les systèmes existants et la nécessité de former à nouveau le personnel peuvent tous retarder le délai de création de valeur et atténuer les retours.

Quels obstacles ralentissent l'adoption de l'IA dans la mode ?

Malgré un appétit croissant pour l'investissement, plusieurs obstacles continuent de limiter le déploiement de l'IA dans le secteur de la mode. L'infrastructure de données reste un défi principal, car de nombreux détaillants manquent des ensembles de données propres et bien organisés que les systèmes d'IA nécessitent pour fonctionner efficacement. La nature très saisonnière et orientée vers les tendances de la mode complique également les choses, car les algorithmes entraînés sur des données historiques peuvent avoir du mal à prédire la demande pour de nouveaux styles ou des changements soudains de tendances.

Les pénuries de compétences représentent un autre obstacle important. Les détaillants sont en concurrence avec les entreprises technologiques et d'autres secteurs pour les scientifiques des données et les ingénieurs en apprentissage automatique, souvent désavantagés compte tenu des attentes salariales et de la perception du commerce de détail comme moins innovant que les entreprises purement technologiques. Cette lacune de talents oblige de nombreux détaillants à s'appuyer sur des fournisseurs tiers plutôt que de développer des capacités en interne, soulevant des questions sur la différenciation concurrentielle à long terme.

Les préoccupations liées aux coûts tempèrent également l'enthousiasme, particulièrement parmi les détaillants de taille moyenne aux budgets informatiques limités. Bien que les fournisseurs d'IA proposent de plus en plus des modèles logiciels en tant que service qui réduisent l'investissement initial, le coût total de possession incluant la préparation des données, l'intégration, la gestion du changement et l'optimisation continue peut toujours s'avérer substantiel. Les détaillants doivent mettre en balance ces coûts avec des retours incertains, un calcul qui devient plus difficile lorsque les équipes de direction manquent d'expertise technique.

Comment les dépenses en IA vont-elles remodeler les budgets technologiques ?

Si 39 % des détaillants allouent effectivement plus de 10 % de leurs budgets technologiques à l'IA d'ici 2028, ce changement nécessitera des compromis ailleurs dans les portefeuilles informatiques. La maintenance des systèmes existants, les outils d'analyse traditionnels et certains projets de développement personnalisés pourraient voir leurs financements réduits alors que les organisations redirigent les ressources vers les plateformes d'IA et l'infrastructure requise pour les soutenir.

Cette réaffectation pourrait accélérer la modernisation plus large des infrastructures technologiques du commerce de détail, car les applications d'IA nécessitent souvent une infrastructure cloud, des pipelines de données en temps réel et des architectures basées sur des API que les systèmes existants ne peuvent pas facilement prendre en charge. Les détaillants pourraient se trouver contraints de retirer ou de remplacer les systèmes obsolètes plus tôt que prévu simplement pour permettre des cas d'usage d'IA, créant un cercle vertueux de renouvellement technologique.

Les dynamiques concurrentielles des dépenses en IA méritent également attention. Si une minorité significative de détaillants augmente substantiellement les investissements en IA tandis que d'autres restent en retard, les écarts de performance pourraient se creuser entre les leaders et les retardataires. Ceux qui déploient avec succès l'IA pour la prévision de la demande et la personnalisation pourraient bénéficier d'avantages structurels en matière de marges et de fidélisation client, forçant potentiellement les concurrents à répondre par leurs propres investissements accélérés indépendamment de la clarté du retour sur investissement immédiat.