Un samedi de mars, une jardinerie indépendante de 4 000 m² en Eure-et-Loir enregistre 1 140 entrées et 470 tickets. Le dirigeant connaissait le second chiffre depuis toujours. Le premier, il l’a découvert le mois où un compteur a été posé au-dessus de la porte. Deux visiteurs sur trois repartaient les mains vides, un samedi de pleine saison, et personne dans l’entreprise n’aurait su le dire. Utiliser l’IA pour analyser le comportement d’achat en magasin commence toujours par ce genre de découverte désagréable : la boutique physique mesure infiniment moins que le moindre site marchand.
Le taux de transformation, angle mort du commerce physique
Un marchand en ligne connaît ses visiteurs, ses pages vues, ses paniers abandonnés. Un magasin connaît ses ventes. C’est tout.
Le simple rapport entre entrées et tickets, suivi heure par heure sur une saison, ouvre déjà des discussions que personne n’avait eues. Dans la jardinerie évoquée, la transformation s’effondrait entre 11 h et 12 h 30 le samedi, précisément quand deux vendeurs partaient déjeuner. Elle remontait l’après-midi. Le chiffre d’affaires du samedi n’avait jamais bougé d’une année sur l’autre, ce qui donnait à tout le monde le sentiment que la journée était bien tenue.
Ajoutez la météo, les congés scolaires et le calendrier des promotions, et un modèle simple explique une bonne part des variations quotidiennes. Le reste, l’écart inexpliqué, est exactement la zone où se joue le travail du commerçant.
Zones chaudes, allées mortes et fausses évidences
Mesurer le parcours en surface demande des capteurs de flux, parfois l’exploitation des caméras déjà installées pour la sécurité. Ce que l’on obtient : temps moyen passé par zone, taux d’arrêt devant un rayon, proportion de visiteurs qui atteignent le fond du magasin. Dans les grandes surfaces spécialisées, une allée sur cinq est traversée par moins d’un tiers des clients, et c’est presque toujours la même famille de produits qu’on y a placée par habitude.
Le cadre doit être clair avant la première mesure. Les clients sont informés à l’entrée de la présence d’un dispositif de comptage et de sa finalité, aucune reconnaissance faciale n’est mise en œuvre, les traitements portent sur des silhouettes anonymes converties immédiatement en compteurs, et seules des données agrégées par zone et par tranche horaire sont conservées. Un prestataire qui vous propose de reconnaître les visiteurs fidèles à leur visage doit être écarté sans discussion, quel que soit l’argument commercial avancé.
Reste que ces mesures se sur-interprètent facilement. Une zone où l’on s’arrête longtemps peut être une zone attractive ou une zone où l’on cherche sans trouver. Nous demandons systématiquement une observation humaine d’une demi-journée avant toute conclusion d’implantation.
Ce que les tickets racontent, sans le moindre capteur
Voici l’option que nous recommandons en premier, parce qu’elle ne coûte presque rien et que la donnée existe déjà. Vos tickets de caisse contiennent des années de comportement d’achat.
Une analyse d’associations sort les combinaisons réelles, pas celles que l’on imagine. Dans notre jardinerie, l’achat d’un rosier était suivi dans plus de la moitié des cas d’un achat d’engrais spécifique, mais seulement quand ce dernier était présent dans la même allée : dès qu’il était rangé au rayon fertilisants, à trente mètres, le taux tombait sous les 20 %. Le rapprochement des deux produits a été décidé en une réunion, sans investissement.
Sur les clients porteurs d’une carte de fidélité, on va plus loin : rythme de retour, saisonnalité individuelle, panier qui se resserre progressivement avant un abandon. Le croisement avec les marges par famille de produits, dans la lignée de ce que permet une analyse des coûts par l’intelligence artificielle, évite le piège classique consistant à optimiser le trafic sur des rayons qui ne rapportent rien.
Les erreurs d’interprétation qui coûtent cher
Première erreur, prendre une corrélation pour une cause. Déplacer un produit qui se vend bien vers une zone froide dans l’espoir de la réchauffer aboutit souvent à perdre les ventes du produit sans gagner celles de la zone.
Deuxième erreur, mesurer trop court. Toute modification d’implantation produit un effet de nouveauté qui dure deux à trois semaines et qui trompe tout le monde, à commencer par les équipes. Une décision sérieuse s’appuie sur au moins six semaines, idéalement avec un magasin témoin resté inchangé.
Troisième erreur, plus insidieuse : oublier que les données décrivent ceux qui sont entrés. Elles ne disent rien de ceux qui ne viennent plus, ni de ceux qui sont passés devant sans pousser la porte. Aucun capteur ne compensera une étude de zone de chalandise mal faite.
Investissement, calendrier et retour raisonnable
Un dispositif complet sur une grande surface spécialisée, capteurs compris, se situe entre 15 000 et 40 000 euros la première année selon le nombre de zones instrumentées. La version sans capteurs, fondée uniquement sur les tickets et la fidélité, tient sous les 10 000 euros. Le déploiement demande trois à six mois, dont une bonne partie pour fiabiliser le référentiel produits et la définition des zones.
Sur les gains, méfiez-vous des promesses à deux chiffres. Les réorganisations d’implantation bien menées font gagner quelques points de transformation, ce qui est déjà considérable quand la marge est faible, mais elles ne transforment pas un magasin mal situé en réussite commerciale.
Notre recommandation aux dirigeants qui découvrent le sujet : branchez d’abord ces indicateurs sur votre pilotage financier existant plutôt que d’en faire un chantier séparé, comme le font ceux qui ont déjà entrepris de piloter leur PME avec une IA d’analyse financière intégrée. Employer l’IA pour analyser le comportement d’achat en magasin n’a d’intérêt que si les décisions qui en découlent se retrouvent, quelques mois plus tard, dans le compte de résultat. C’est le cadrage par lequel MINOBIA commence chacune de ces missions.
Questions fréquentes
Peut-on se servir des caméras de sécurité déjà installées ?
Parfois, si leur angle et leur résolution s’y prêtent. Le changement de finalité impose en revanche de revoir l’information des clients et la documentation du traitement.
Le wifi du magasin permet-il de suivre les parcours ?
Techniquement oui, par les adresses des téléphones. Nous l’évitons : la fiabilité est médiocre et le sujet est délicat vis-à-vis des clients pour un apport modeste.
Quelle est la première mesure à mettre en place ?
Le comptage d’entrées, sans hésitation. Quelques centaines d’euros par porte, et un taux de transformation enfin calculable.
Faut-il une carte de fidélité pour tirer parti des tickets ?
Non pour les analyses d’associations entre produits, qui fonctionnent sur des tickets anonymes. Oui dès qu’on veut raisonner sur le rythme de retour d’un même client.
Combien de temps avant les premiers enseignements ?
Comptez une saison complète pour des conclusions solides sur un commerce saisonnier. Les premières anomalies, elles, apparaissent dès les deux ou trois premières semaines.
Prêt à concrétiser votre projet IA ?
À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
