Un pilote IA de 90 jours dans le commerce de gros : périmètre, indicateurs et critères de sortie

Un bon pilote IA de 90 jours dans le commerce de gros choisit un processus étroit, le mesure par rapport à une référence de départ, associe un petit groupe d'utilisateurs réels et fixe à l'avance quel résultat conduirait à déployer, ajuster ou arrêter. Le but est une décision, pas une démonstration.

Pourquoi mener un pilote limité dans le temps ?

L'enquête State of AI 2026 de McKinsey (1 719 répondants dans 97 pays, réalisée de mai à juin 2026) indique que 44 % déclarent que l'IA se déploie à grande échelle dans leur entreprise, contre 38 % un an plus tôt, et que 37 % lui attribuent au moins un certain impact sur l'EBIT, un chiffre pratiquement inchangé. Un an plus tôt, comme le résume Le New Black, l'enquête avait constaté que la majorité des organisations en étaient encore à l'expérimentation ou au pilote. Ce tableau suggère que de nombreux pilotes n'atteignent pas de résultats financiers mesurables. Un cadre temporel fixe force la décision et limite le coût.

Une limite de temps protège aussi l'équipe. Les expérimentations sans échéance absorbent l'attention des personnes qui connaissent le mieux l'activité, et ce sont souvent les premières rappelées au travail quotidien. Quatre-vingt-dix jours suffisent pour voir les comportements changer et sont assez courts pour qu'un sponsor puisse raisonnablement protéger ce temps.

Quel périmètre retenir ?

Choisissez un processus avec un responsable clair, des données disponibles et un résultat mesurable. Évitez les objectifs larges comme améliorer l'expérience client. Dans le commerce de gros, de bons candidats sont la réponse aux questions courantes sur les commandes et les livraisons, le contrôle des listes de prix et des données produit avant diffusion, la préparation de notes pour les commerciaux et la rédaction de messages de suivi après les rendez-vous de la semaine de salons.

Vérifiez tôt la disponibilité des données. Menez une revue d'une semaine des données dont le pilote a besoin : existent-elles, qui en est responsable, sont-elles à jour et l'outil d'IA est-il autorisé à les utiliser. Beaucoup de pilotes perdent des semaines parce qu'ils découvrent tardivement que l'historique de commandes est réparti sur deux systèmes ou qu'un fichier client contient des données sensibles. Une courte revue des données avant le 15e jour l'évite.

Lire aussi

Pourquoi les salons professionnels comptent encore dans un wholesale digitalisé

Comment structurer les 90 jours ?

1. Jours 1 à 15, définir : choisir le processus, le responsable, les utilisateurs, les mesures de référence et les critères de réussite et de sortie.
2. Jours 16 à 30, préparer : vérifier les données, définir les droits d'accès et décider comment les erreurs seront consignées.
3. Jours 31 à 60, exécuter : utiliser l'outil avec un petit groupe, recueillir chaque semaine journaux et retours et corriger les problèmes.
4. Jours 61 à 80, mesurer : comparer à la référence et, si possible, à un groupe témoin.
5. Jours 81 à 90, décider : tenir une revue au regard des critères de sortie et consigner la décision.

Documentez soigneusement la référence de départ. Si le service client met actuellement un temps moyen pour répondre à une question sur une commande, enregistrez-le avec la même définition que celle que vous utiliserez à la fin. Sans référence, toute amélioration n'est qu'une impression, et une impression ne suffit pas à justifier le déploiement d'un outil dans toute une organisation commerciale.

Quels indicateurs retenir ?

Utilisez un petit ensemble couvrant trois domaines. Les indicateurs de résultat reflètent les résultats métier, comme le délai de réponse à un client, les erreurs parvenant aux acheteurs ou le taux de réassort. Les indicateurs de qualité reflètent l'exactitude, comme la part des réponses vérifiées comme correctes et le nombre d'erreurs graves. Les indicateurs d'adoption et de coût montrent si les gens utilisent l'outil et ce qu'il coûte, y compris abonnement, frais d'usage et temps consacré à vérifier son travail.

L'enquête McKinsey 2026 note qu'environ 20 % des répondants disent que les coûts d'exploitation, y compris les tokens, ont limité leur usage de l'IA. Intégrez les coûts d'exploitation au pilote, et pas seulement l'effort de mise en place.

Incluez une mesure de l'effort nécessaire pour vérifier les résultats de l'outil. Un système exact à 90 % semble bon jusqu'à ce que l'équipe réalise qu'elle doit tout de même lire chaque réponse pour trouver les 10 % restants. Le temps de relecture peut annuler le gain ; consignez-le donc dès la première semaine.

Quels critères de sortie sont judicieux ?

• Déployer : l'outil atteint le seuil de qualité, montre un bénéfice mesurable par rapport à la référence et les utilisateurs continuent à s'en servir volontairement.
• Ajuster : le bénéfice est plausible, mais des problèmes de données, de processus ou de formation sont clairs et corrigeables dans un délai défini.
• Arrêter : la qualité est inférieure au seuil, le bénéfice n'est pas mesurable ou le coût de supervision dépasse le gain.
• Arrêts impératifs : une erreur grave, comme l'exposition de données confidentielles ou l'envoi de prix erronés à des acheteurs, déclenche une revue immédiate.

Écrivez les seuils sous forme de chiffres avant le début du pilote, par exemple la part minimale de réponses vérifiées correctes et le temps de relecture maximal acceptable par réponse. Les fixer après coup invite à la tentation habituelle de définir la réussite par ce que le pilote a fini par atteindre. Convenez aussi de qui a l'autorité d'arrêter le pilote plus tôt si un arrêt impératif est déclenché.

Lire aussi

L'IA dans les marques de mode de milieu de gamme orientées wholesale : par où commencer

Qu'est-ce qui tourne souvent mal ?

Les échecs les plus fréquents sont une responsabilité floue, l'absence de référence, des problèmes de données découverts tardivement et des utilisateurs à qui l'on n'a jamais demandé leur avis. Un autre est le pilote qui se poursuit discrètement parce que personne ne veut prendre la décision. Nommez un sponsor qui tranchera au 90e jour. Enfin, soyez honnête sur l'arbitrage entre développer et acheter : l'enquête McKinsey indique que 32 % des répondants ont renoncé à acheter au moins un logiciel parce que des outils de codage agentiques leur permettaient de le développer en interne, mais cela ajoute une maintenance et des risques qu'il faut chiffrer.

Traitez les inquiétudes du personnel comme une partie du pilote. Les commerciaux et les équipes du service client peuvent craindre que l'outil ne vise à les remplacer, ce qui influe sur la façon dont ils l'utilisent. L'enquête McKinsey indique que 39 % des répondants s'attendent à ce que l'IA réduise les effectifs dans l'année à venir ; cette inquiétude n'est donc pas irrationnelle. Soyez clair sur l'intention du pilote, sur ce qui changera dans les rôles en cas de déploiement et sur l'usage qui sera fait des retours.

Enfin, préparez le lendemain. Si la décision est de déployer, le coût, le support et le travail sur les données nécessaires à un déploiement plus large sont généralement supérieurs à ceux du pilote, et ils doivent être estimés avant la revue. Si la décision est d'arrêter, consignez ce qui a été appris pour que le prochain pilote ne répète pas les mêmes erreurs.