Comment Albertsons construit un noyau d'IA centralisé pour évoluer dans 2 300 magasins
par Aly McGue
Dans le commerce de détail, la pression sur les marges est structurelle. Les entreprises qui prennent de l'avance prennent des décisions plus rapides et plus précises en matière de merchandising, de main-d'œuvre et de chaîne d'approvisionnement, et ce, de manière cohérente dans des milliers d'endroits. La question pour la plupart des grands détaillants : leurs organisations sont-elles conçues pour faire évoluer l'IA assez rapidement pour avoir un impact ? Albertsons Companies est l'un des plus grands détaillants d'alimentation et de médicaments d'Amérique, exploitant environ 2 300 magasins et générant 80 milliards de dollars de revenus. Sunil Gopinath dirige les données et l'IA au niveau mondial pour l'entreprise, et dirige également Albertsons Companies India, son plus grand centre technologique et d'IA. Son mandat : construire la fondation d'IA et de données pour transformer un grand détaillant en une entreprise axée sur les données, rapidement et à grande échelle.
La conviction qui a marqué notre conversation était directe : arrêtez de tolérer la fragmentation. Les entreprises qui relient l'ambition de l'IA à une base d'entreprise solide gagneront. Tous les autres mènent des expériences coûteuses.
Cette stratégie repose sur la plateforme Databricks, que Albertsons utilise pour l'ingénierie des données, le ML, la gouvernance et l'analyse. Cette base commune rend le mandat « une plateforme » réel, donnant à chaque équipe la même ligne de départ plutôt qu'un ensemble différent d'outils.
Aly McGue : Comment avez-vous fait passer votre organisation d'expériences d'IA fragmentées, détenues par les unités commerciales, à une équipe centrale d'IA centralisée et à un modèle opérationnel ?
Sunil Gopinath : Nous avons arrêté de tolérer la fragmentation et avons pris une décision architecturale ferme. Une équipe, une plateforme, un modèle opérationnel. Nous nous sommes organisés autour de quatre grands paris en IA : l'expérience client, l'intelligence du merchandising, la main-d'œuvre et la chaîne d'approvisionnement. Ceux-ci nous ont donné une orientation stratégique. Le noyau central d'IA nous a donné le muscle pour exécuter.
La logique était simple. Il y avait un besoin organisationnel clair de composants horizontaux communs, tels que la gouvernance, la sécurité et un référentiel central de modèles réutilisables. Une équipe dédiée à ces éléments de base signifie que les équipes d'application n'ont pas à se soucier de l'hygiène et des fondations. Elles peuvent se concentrer entièrement sur l'amélioration de l'entreprise, la rendre plus prévisible, plus exploitable.
Nous avons également un comité de gouvernance à l'échelle de l'entreprise qui réunit des parties prenantes et des dirigeants seniors pour établir des normes communes et acceptables pour l'IA et la gouvernance de l'IA. C'est une prise de décision collective au niveau de la direction. C'est ce qui la rend durable.
Aly : Quelle a été la stratégie pour construire des normes communes, une plateforme centrale et des accélérateurs réutilisables afin de stimuler l'efficacité chez Albertsons, tout en permettant l'innovation locale et les cas d'utilisation ?
Sunil : La meilleure façon d'y penser est un modèle de franchise. Infrastructure commune, normes et gouvernance au centre. Exécution locale et innovation aux extrémités.
Nous avons créé des accélérateurs réutilisables : pipelines et modèles d'ingestion ; modèles de magasin de fonctionnalités ; surveillance des modèles ; observabilité des performances ; et enveloppes de gouvernance. N'importe quelle équipe peut se connecter à ceux-ci et aller 10 fois plus vite. Le but de la plateforme est qu'elle ne limite pas l'innovation. Elle l'accélère.
Notre philosophie est que vous devez équilibrer l'innovation avec la confiance et la gouvernance, à la fois de la part de nos employés et de nos clients. Les normes ne sont donc pas arbitraires. Elles reflètent ce qu'il faut pour que l'entreprise, les commerçants et les clients fassent réellement confiance à ce que fait l'IA.
Aly : Comment repensez-vous les compétences et le leadership requis pour gérer ce noyau d'IA central, et comment vous assurez-vous que la plateforme permet efficacement aux équipes non techniques ?
Sunil : Notre approche fonctionne en trois couches : l'apprentissage automatique qui prédit, le GenAI qui répond, et l'IA agentique qui agit. Tout cela est intégré dans la façon dont nos employés travaillent.
Pour les équipes techniques, nous sommes passés à l'ingénierie augmentée par l'IA. En 9 mois, nous avons accepté 1,38 million de lignes de code généré par l'IA, avec plus de 90 % des ingénieurs utilisant des outils d'IA. Nous avons fondamentalement changé la vitesse à laquelle nous pouvons construire et expédier, et cela se multiplie.
Pour les équipes non techniques, nous avons créé des tableaux de bord low-code, des bibliothèques de prompts et la génération d'agents conversationnels. Nous avons notre propre plateforme d'IA agentique où même les équipes non techniques peuvent glisser-déposer des agents. Et si elles ne sont pas à l'aise pour le faire, elles peuvent simplement avoir une conversation et dire : « Construis-moi un agent pour surveiller ces KPI », et il le fera. L'objectif des deux côtés est le même : moins de temps à chercher des réponses, plus de temps à prendre des décisions.
Sur la question des talents spécifiquement, nous ne recherchons pas seulement la compétence technique ou la familiarité avec les derniers outils d'IA. Nous embauchons pour l'attitude : apprendre, expérimenter, innover. Les outils continueront d'évoluer à un rythme record. Mais si ces traits culturels sont ancrés, les gens les adoptent et les appliquent.
Aly : Qui, au sein de votre équipe de direction exécutive, est finalement responsable du succès du noyau d'IA de l'entreprise, et comment vos KPI ont-ils changé ?
Sunil : La propriété est au sommet. Pour nous, l'IA est une stratégie commerciale. Nos métriques le reflètent : taux de réutilisation sur les marchés, temps de déploiement, conformité à l'IA responsable, et surtout, résultats commerciaux liés à l'amélioration de l'IA. Si une initiative ne peut pas montrer d'impact, elle ne se développe pas. Cette discipline doit être appliquée par le haut, et c'est ce qui fait de l'IA un véritable avantage et pas seulement une expérience coûteuse.
Sunil ne décrit pas une évolution progressive vers la centralisation. Il décrit un engagement délibéré : une équipe, une plateforme, un modèle opérationnel, avec des paris stratégiques qui concentrent le travail et des accélérateurs réutilisables qui multiplient la vitesse.
L'intelligence du merchandising est l'une des quatre priorités stratégiques de l'IA, les grands paris qu'Albertsons s'est engagé à réaliser dans le cadre de sa transformation globale à l'échelle de l'entreprise, et elle illustre à quoi ressemble le modèle centralisé lorsqu'il aborde un véritable problème commercial. La plateforme est construite sur Databricks, avec Genie à la couche d'interaction. Les commerçants peuvent poser des questions complexes en langage clair et obtenir des réponses gouvernées et fiables sans écrire de requête ni déposer de ticket. Databricks fournit la base d'ingénierie des données, de ML et d'analyse en dessous.
Pour les dirigeants qui luttent pour faire passer l'IA des poches d'expérimentation à une capacité d'entreprise, le modèle de franchise d'Albertsons offre un cadre utile : gouverner le centre, libérer les bords, et s'assurer que chaque équipe s'appuie sur ce qui a déjà été prouvé.
Pour évaluer vos investissements et développer votre feuille de route pour intégrer l'IA dans votre organisation et vos produits, téléchargez le Databricks State of AI Agents.
(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original
Abonnez-vous à notre blog et recevez les derniers articles directement dans votre boîte mail.