Comment Burberry utilise les données et l’IA dans le clienteling, le design et la supply chain
Burberry a construit des modèles clients pour ses conseillers de vente et évoqué publiquement des projets pilotes d’inventaire prédictif et de traçabilité. Cette étude de cas distingue ce qui a été publié de ce qui ne l’a pas été.
L'ESSENTIEL Résumé de la rédaction
- Burberry a remporté le prix Transformation with Data (Global) aux DataIQ Awards 2025 pour une capacité Customer Science reposant sur une vision client unique et une plateforme de décision client (Customer Decisioning Platform) modulaire.
- Selon la page du prix DataIQ, Burberry déploie six modèles d’IA tout au long du parcours client, et les conseillers de vente en exploitent les résultats pour choisir les clients, adapter les campagnes locales et préparer les rendez-vous.
- La même page indique que les campagnes pilotées par les magasins et dopées par l’IA ont généré 7 millions de livres sterling de chiffre d’affaires incrémental en 2024, et que plus de 90 % de ces campagnes s’appuient désormais sur ce cadre piloté par l’IA. Ces chiffres proviennent d’une page de récompense et non de résultats audités.
- Le directeur de la livraison digitale de Burberry a déclaré en septembre 2024 que l’IA prédictive est utilisée pour les stocks, un sujet qu’il juge critique en raison de variables comme la météo, les réseaux sociaux et le placement de produits par des célébrités.
- Burberry a mené avec IBM une preuve de concept de traçabilité fondée sur la blockchain, mais les documents publiés la présentent comme une preuve de concept et non comme un déploiement complet, et ne mentionnent aucune IA dans le processus de création.
Burberry utilise l’IA principalement pour aider les équipes en magasin à décider quels clients contacter, avec quels produits et à quel moment, et décrit publiquement des modèles prédictifs pour les stocks. Les éléments publiés les plus solides concernent le clienteling : un dossier de candidature à un prix fait état de six modèles couvrant le parcours client et de gains mesurables sur les campagnes. Les preuves d’un usage de l’IA dans la création et dans la supply chain sont minces, et cet article le signale à chaque fois que c’est pertinent.
Qu’est-ce que Burberry a publié sur son usage des données et de l’IA ?
Il existe trois types de sources. La première est une page de récompense sectorielle de DataIQ, publiée en 2025, qui résume le travail de l’équipe data science de Burberry. La deuxième est une intervention en conférence en septembre 2024, relayée par TechInformed, au cours de laquelle Jon-Paul Brett, directeur de la livraison digitale de Burberry, a décrit plusieurs initiatives digitales. La troisième est plus ancienne : un article de blog d’étudiants de Harvard, issu de la plateforme Digital Initiative, qui rassemble des informations publiques antérieures, dont un entretien de 2018 avec le SVP IT de Burberry de l’époque.
Aucune de ces sources n’est une publication auditée. La page de récompense reprend des chiffres de résultats fournis pour le concours, et le blog étudiant relaie explicitement des affirmations de tiers, dont l’une (une hausse de 50 % des achats répétés d’ici 2015) est qualifiée de présumée. Il convient donc de considérer ces chiffres comme indicatifs.
Comment Burberry utilise-t-elle l’IA pour le clienteling ?
Selon la page de DataIQ, l’équipe data science de Burberry a construit ce qu’elle appelle une capacité Customer Science. Elle repose sur une vision client unique et sur une plateforme de décision client modulaire, qui réunit les données de tous les canaux dans des profils clients en temps réel. Par-dessus, six modèles d’IA interviennent à différentes étapes du parcours client, parmi lesquels des modèles d’intention, qui estiment quels clients sont susceptibles de s’engager, et des moteurs de recommandation, qui suggèrent des produits.
La page ajoute qu’un modèle plus récent s’appuie sur des grands modèles de langage pour prédire des affinités produit à partir de séquences de comportements clients, et qu’il surpasse les méthodes traditionnelles d’un facteur deux sur les indicateurs de recherche d’information. L’usage concret reste humain : les conseillers de vente exploitent ces analyses pour sélectionner les clients, adapter les campagnes aux marchés locaux et préparer les rendez-vous. Le modèle propose, le conseiller décide et s’adresse au client.
| Indicateur | Résultat déclaré | Comment le lire |
|---|---|---|
| Taux de conversion des campagnes pilotées par les magasins | Doublé | Par rapport à une base de référence que la page ne définit pas |
| Engagement | Triplé | L’engagement n’est pas défini sur la page |
| Chiffre d’affaires incrémental en 2024 | 7 millions de livres sterling, soit une hausse de 11 % sur un an | Présenté comme incrémental, méthode non publiée |
| Prises de rendez-vous en magasin | Triplées | Reflète l’activité des conseillers, pas nécessairement les ventes |
| Effort manuel dans les processus | Divisé par cinq | Automatisation de la préparation des campagnes |
| Part des campagnes pilotées par les magasins utilisant le cadre | Plus de 90 % | Indique une adoption large au sein de l’entreprise |
Comment Burberry utilise-t-elle l’IA prédictive pour les stocks ?
Lors de Connected Britain en septembre 2024, Jon-Paul Brett a indiqué que l’IA prédictive est utilisée pour les stocks et l’a qualifiée de critique, compte tenu de variables telles que la météo, les réseaux sociaux et le placement de produits par des célébrités. Aucun type de modèle, aucun chiffre de précision ni aucun périmètre (quelles catégories, quels marchés) n’ont été communiqués. La lecture honnête est que Burberry considère la détection de la demande comme un cas d’usage, sans que l’on sache jusqu’où il a été poussé.
La même intervention décrivait des modèles d’apprentissage automatique et des moteurs de recommandation qui prédisent les préférences des clients à partir des données disponibles, un portant virtuel qu’un vendeur peut envoyer à un client afin que les articles sélectionnés l’attendent en cabine d’essayage, ainsi que des produits équipés d’étiquettes RFID qui envoient des suggestions de style sur le téléphone du client. Ce sont des exemples de liaison entre données en ligne et service en magasin, et non de prise de décision automatisée.
Burberry utilise-t-elle l’IA dans la supply chain et dans la création ?
Pour la supply chain, l’élément publié est une preuve de concept menée avec IBM pour une solution blockchain couvrant l’approvisionnement en matières premières jusqu’à la distribution. Un code QR sur un trench-coat a été présenté pour révéler son parcours, de l’exploitation cotonnière à la filature puis au site de fabrication. Il s’agit d’une technologie de traçabilité et non d’IA, et elle a été décrite comme une preuve de concept. Aucune source examinée ici ne fait état d’IA dans le processus de création de Burberry ni dans la planification de la production.
L’entretien de 2018 résumé par le blog de Harvard évoque le projet d’utiliser l’apprentissage automatique pour automatiser le développement, les opérations et les tests, pour améliorer la modélisation de scénarios en planification et en logistique, et pour renforcer la sécurité et la lutte contre la fraude. Aucun calendrier ni aucun résultat n’y est associé ; il faut donc y voir des intentions.
Que peuvent retenir les autres entreprises de mode de l’exemple de Burberry ?
- Partir d’une vision client unifiée. Les modèles décrits dépendent d’une vision client unique et d’une plateforme de décision, pas d’un algorithme en particulier.
- Mettre les résultats entre les mains des personnes qui parlent aux clients. La valeur décrite tient à de meilleures décisions et à une meilleure préparation des conseillers, les prises de rendez-vous servant d’indicateur avancé.
- Mesurer par rapport à une base de référence. La conversion et le chiffre d’affaires incrémental n’ont de sens que par rapport à un groupe témoin ; demandez quelle était la comparaison.
- Distinguer les projets pilotes des déploiements. La traçabilité par blockchain et les vitrines technologiques en magasin sont décrites comme des pilotes ou des démonstrations, et ne doivent pas être confondues avec des programmes à grande échelle.
- S’attendre à des cycles technologiques courts. Jon-Paul Brett a expliqué qu’un miroir magique connecté installé environ dix ans plus tôt était resté en magasin plusieurs années, alors qu’il s’attend désormais à devoir renouveler la technologie tous les un à deux ans.
La plupart des affirmations chiffrées proviennent d’une seule page de récompense. Elle n’indique ni la taille des groupes test et témoin, ni la période sur laquelle la conversion a doublé, ni les coûts du programme. Le rapport annuel de Burberry et ses documents destinés aux investisseurs n’ont pas été utilisés pour ces chiffres ; aucune affirmation n’est donc faite ici sur la contribution de l’IA au chiffre d’affaires du groupe.
De quelles données un modèle de clienteling comme celui de Burberry a-t-il besoin ?
La description publiée laisse entrevoir plusieurs prérequis. Une vision client unique signifie que les achats, les rendez-vous, le comportement en ligne et les contacts avec le service client sont rattachés à une même identité, tous canaux confondus. Une couche de décision transforme ensuite les scores en actions, par exemple les clients qu’un conseiller doit contacter cette semaine. Sans la première étape, les modèles ont peu de matière pour apprendre ; sans la seconde, les scores restent un rapport que personne n’utilise.
Il existe aussi des questions de gouvernance que les sources n’abordent pas. Le compte rendu de la conférence de 2024 mentionne que les moteurs de recommandation peuvent exploiter les comptes de réseaux sociaux des clients. En Europe, l’utilisation de telles données soulève des questions de consentement et de limitation des finalités au regard du droit de la protection des données, et toute entreprise qui s’inspirerait de cette approche doit vérifier ce qu’elle a le droit d’utiliser. Les propres politiques de Burberry en la matière ne sont pas décrites dans les sources examinées.
Comment les dirigeants doivent-ils évaluer une étude de cas d’IA dans le luxe ?
Trois vérifications sont utiles. Premièrement, identifier la source : une page de récompense, une intervention en conférence et un blog étudiant n’ont pas le même poids qu’un rapport annuel. Deuxièmement, chercher une base de référence et une période, car un doublement de la conversion à partir d’un faible niveau n’a pas la même portée que le doublement d’un programme mature. Troisièmement, se demander ce qui reste humain : dans le cas de Burberry, les modèles décrits éclairent les conseillers, qui demeurent responsables de la relation client.
Questions fréquentes
Comment Burberry utilise-t-elle l’IA ?
L’usage le mieux documenté concerne le clienteling. L’équipe data science de Burberry a construit une capacité Customer Science comprenant six modèles d’IA tout au long du parcours client, et les conseillers de vente en exploitent les résultats pour sélectionner les clients et préparer les campagnes. Burberry a également indiqué utiliser l’IA prédictive pour les stocks, sans publier de détails.
L’IA a-t-elle vraiment doublé les taux de conversion de Burberry ?
La page des DataIQ Awards 2025 indique que les campagnes pilotées par les magasins et dopées par l’IA ont doublé les taux de conversion et triplé l’engagement. Elle ne publie ni la base de référence ni le protocole de test ; ce chiffre est donc une affirmation non auditée et non un résultat vérifié de manière indépendante.
Burberry utilise-t-elle la blockchain dans sa supply chain ?
Burberry a mené avec IBM une preuve de concept pour une solution blockchain qui retrace les produits de la matière première au produit fini, avec notamment un code QR montrant le parcours d’un trench-coat. Les sources publiées la décrivent comme une preuve de concept et non comme un système déployé à l’échelle de l’entreprise.
Burberry utilise-t-elle l’IA générative pour la création ?
Aucune des sources examinées pour cet article ne fait état d’IA générative dans le processus de création de Burberry. Le seul usage de modèle génératif ou de grand modèle de langage rapporté concerne un modèle d’affinité client qui prédit l’intérêt pour les produits à partir de séquences de comportements.
Une édition chaque jour ouvrable. Lue en cinq minutes. Gratuite pour les professionnels.
