Comment Walmart utilise l'IA générative dans le shopping et le merchandising avec Sparky

Walmart a déployé l'IA générative dans ses opérations de shopping et de merchandising grâce à Sparky, un assistant conversationnel qui prend en charge à la fois le commerce destiné aux clients et les flux de travail internes. Le distributeur a commencé à tester Sparky en version bêta début 2025, en se concentrant initialement sur les fonctions de découverte de produits et de service client. En 2026, la technologie s'est étendue pour inclure le support merchandising, les outils de collaboration avec les fournisseurs et des capacités de recherche améliorées sur les plateformes numériques de Walmart.

Qu'est-ce que l'assistant Sparky de Walmart ?

Sparky sert d'assistant shopping alimenté par l'IA générative de Walmart, conçu pour aider les clients à trouver des produits à travers des conversations en langage naturel. L'assistant peut interpréter des requêtes larges telles que « tenue pour un mariage à la plage » ou « fournitures de rentrée scolaire pour un adolescent » et générer des sélections de produits organisées à partir du catalogue de Walmart. L'outil s'intègre à l'application mobile et au site web de Walmart, permettant aux clients d'affiner les recherches par des questions de suivi.

Au-delà de la découverte de produits, Sparky traite les demandes de service client, notamment le suivi des commandes, le traitement des retours et les informations sur les magasins. L'assistant peut accéder à l'historique d'achat et aux préférences de chaque client pour fournir des recommandations personnalisées, bien que Walmart n'ait pas divulgué les taux d'adoption spécifiques ou les indicateurs de satisfaction client pour la période 2026.

Comment Walmart applique-t-il l'IA à la recherche et à la personnalisation ?

Walmart a mis en œuvre l'IA générative pour améliorer la pertinence de la recherche sur sa plateforme de commerce électronique. Le distributeur utilise de grands modèles de langage pour mieux comprendre l'intention de recherche des clients, y compris les fautes d'orthographe, les termes familiers et les requêtes contextuelles. Cette technologie permet à la fonction de recherche d'interpréter des demandes comme « choses pour un pique-nique » ou « vêtements de travail confortables » et de faire remonter des produits pertinents même lorsque les clients n'utilisent pas de noms ou de catégories de produits spécifiques.

Les moteurs de personnalisation pilotés par l'IA analysent le comportement de navigation, l'historique d'achat et les données démographiques pour personnaliser les recommandations de produits et les mises en page de la page d'accueil pour chaque acheteur. Le système s'ajuste en temps réel en fonction de l'activité de session, en priorisant les catégories et les marques qui correspondent aux préférences démontrées par les clients. Walmart a intégré ces capacités dans ses offres d'épicerie et de marchandise générale, bien que les catégories de vêtements et de mode représentent un domaine de concentration croissant.

Quelles fonctions de merchandising Sparky prend-il en charge ?

Walmart a étendu les capacités de Sparky aux équipes de merchandising internes, où l'assistant aide à analyser les tendances de vente, à gérer les niveaux de stock et à identifier les problèmes de chaîne d'approvisionnement. Les merchandisers peuvent interroger Sparky pour obtenir des informations sur les performances des produits, la disponibilité des stocks dans les centres de distribution et les quantités de réapprovisionnement recommandées en fonction des modèles de demande historiques et des prévisions saisonnières.

Le système IA prend également en charge la collaboration avec les fournisseurs. Les vendeurs peuvent utiliser les outils alimentés par Sparky pour mettre à jour les informations produits, soumettre de nouvelles listes d'articles et recevoir des retours automatisés sur la qualité et l'exhaustivité du catalogue. Cela rationalise le processus d'intégration de nouveaux produits et réduit la saisie manuelle de données pour les équipes de merchandising de Walmart et les fournisseurs externes.

Les principales applications de merchandising comprennent :

• Analyse automatisée de la vélocité des ventes et des taux de rotation des stocks par catégorie de produits
• Recommandations prédictives pour le calendrier des démarques et la tarification promotionnelle
• Requêtes en langage naturel pour les positions de stock et la capacité d'exécution
• Outils de communication avec les fournisseurs pour la gestion des données produits et la conformité
• Identification des tendances à partir des modèles de recherche et du comportement de navigation des clients

Comment l'approche de Walmart se compare-t-elle à celle d'autres distributeurs ?

Les grands distributeurs, notamment Amazon, Target et Home Depot, ont introduit des assistants shopping IA générative similaires en 2025 et 2026, reflétant un investissement à l'échelle de l'industrie dans le commerce conversationnel. L'intégration de Walmart à la fois dans les fonctions de merchandising destinées aux clients et en back-end distingue son approche de celle des concurrents principalement axés sur l'amélioration de l'expérience d'achat.

Le secteur de la mode et de l'habillement a vu un intérêt particulier pour les outils de stylisme et de découverte alimentés par l'IA. Les distributeurs utilisent l'IA générative pour combler le fossé entre la navigation inspirée par l'inspiration et la recherche de produits axée sur la transaction, permettant aux clients de décrire les looks ou occasions souhaités plutôt que des articles spécifiques. Le positionnement grand public de Walmart et son assortiment large offrent des avantages pour entraîner des modèles sur diverses préférences et cas d'usage des clients.

Quels défis Walmart rencontre-t-il avec le déploiement de l'IA ?

Malgré les progrès, les assistants shopping IA générative rencontrent des problèmes de précision et de fiabilité. Les clients ont signalé des cas où les recommandations IA manquent la cible sur les préférences de style, les niveaux de prix ou la disponibilité des produits. Garantir que les grands modèles de langage reflètent avec précision l'inventaire et les prix actuels de Walmart dans des milliers de magasins et de centres d'exécution en ligne reste un défi technique permanent.

Les préoccupations en matière de confidentialité des données concernant l'utilisation par l'IA de l'historique d'achat et du comportement de navigation des clients ont suscité l'examen des régulateurs et des défenseurs des consommateurs. Walmart doit équilibrer les capacités de personnalisation avec la transparence sur la collecte et l'utilisation des données, en particulier parce que les systèmes d'IA générative nécessitent des données d'entraînement étendues pour améliorer les performances.

Les défis opérationnels comprennent la formation des équipes de merchandising et des fournisseurs pour utiliser efficacement les outils alimentés par l'IA, l'intégration de Sparky avec les systèmes de gestion des stocks existants et le maintien de performances cohérentes à mesure que la plateforme se développe. Walmart n'a pas divulgué publiquement le coût de ses investissements en IA générative ni les indicateurs spécifiques de retour sur investissement liés au déploiement de Sparky.

Que signale la stratégie IA de Walmart pour la distribution de mode ?

L'accent double de Walmart sur l'expérience client et l'efficacité opérationnelle grâce à l'IA générative reflète des tendances plus larges dans l'adoption de technologies de distribution. Les distributeurs de mode privilégient de plus en plus les outils IA qui remplissent plusieurs fonctions dans la découverte, le merchandising et la gestion de la chaîne d'approvisionnement, cherchant à justifier l'investissement par des gains d'efficacité parallèlement à la croissance des revenus.

Le passage aux interfaces conversationnelles remet en question les paradigmes traditionnels de navigation par catégorie et de filtres de recherche qui ont dominé le commerce électronique pendant deux décennies. Pour les merchandisers de mode, cela nécessite de repenser la taxonomie des produits, le balisage des attributs et la création de contenu pour garantir que les systèmes IA peuvent interpréter et recommander avec précision des articles en fonction du style, de l'occasion et des préférences esthétiques plutôt que des seules spécifications fonctionnelles.

À mesure que les capacités de l'IA générative mûrissent, les distributeurs devront répondre à des questions sur la direction créative, la différenciation de marque et le rôle de la curation humaine dans la façon de façonner les expériences clients. L'approche de Walmart démontre à la fois le potentiel de l'IA pour améliorer l'échelle et la personnalisation, et la complexité du déploiement de ces technologies dans diverses catégories de produits et segments de clientèle dans des environnements commerciaux réels.