Salomon révolutionne ses ventes en ligne grâce à l’intelligence artificielle

Dans un secteur sportif en pleine mutation digitale, les marques historiques n’ont d’autre choix que de se réinventer. La transformation numérique s’impose comme une nécessité stratégique pour maintenir sa compétitivité et anticiper les attentes d’une clientèle toujours plus connectée. Entre innovation technologique et exploitation massive des données, les équipementiers sportifs redéfinissent leur modèle économique.

Une marque savoyarde devenue géant mondial

Fondée à Annecy dans l’après-guerre, Salomon a largement dépassé son identité originelle d’entreprise française. La marque s’est diversifiée vers le trail et le textile, élargissant considérablement son portefeuille d’activités.

Depuis 2019, l’enseigne appartient au groupe finlandais Amer Sports, lui-même passé sous pavillon chinois après son rachat par Anta. Un changement d’actionnariat qui n’a pas freiné l’expansion commerciale.

Les chiffres parlent d’eux-mêmes : le chiffre d’affaires a franchi la barre du milliard d’euros en 2022. L’ambition affichée ? Atteindre deux milliards d’euros en 2025, un objectif ambitieux qui nécessite une optimisation continue des opérations.

Une plateforme centralisée pour piloter l’activité mondiale

Face à cette croissance rapide, Salomon a entrepris une refonte complète de sa gestion des données. Le déploiement de la plateforme Snowflake permet désormais de centraliser l’ensemble du patrimoine informationnel de l’entreprise.

Cette infrastructure supporte un reporting global couvrant les trois zones stratégiques : Europe, Asie et Amériques. Une vision unifiée qui facilite les prises de décision au niveau international.

Parallèlement, une gouvernance stricte de la donnée a été instaurée, accompagnée d’un accès en self-service. Les équipes opérationnelles peuvent ainsi consulter les informations dont elles ont besoin sans dépendre systématiquement des services techniques.

Le machine learning au service des opérations quotidiennes

L’intégration de scores de Machine Learning dans les différents outils métier marque une étape supplémentaire. Ces algorithmes enrichissent les processus existants et permettent d’automatiser certaines décisions.

Le programme Axis : quand l’IA résout des problèmes concrets

Baptisé « Axis », le programme dédié à l’intelligence artificielle regroupe plusieurs projets ciblés. Chacun répond à une problématique opérationnelle précise, avec des résultats mesurables.

Écouler les stocks difficiles grâce à l’analyse prédictive

Le projet eCom Slow Mover s’attaque aux produits à faible rotation. L’IA identifie les articles qui peinent à trouver preneur et propose des stratégies de vente adaptées.

Cette approche évite l’accumulation de stocks dormants et améliore la rentabilité des boutiques en ligne.

Des messages marketing ultra-personnalisés

Le volet « 1:1 Personalisation AI Decisioning » représente probablement l’innovation la plus spectaculaire. Ce système adapte les communications marketing à chaque client individuellement.

Testé initialement en Grande-Bretagne, il affiche des résultats impressionnants : une augmentation de 40% du taux de clic. Fort de ce succès, le dispositif sera prochainement déployé aux États-Unis.

Un assistant virtuel qui comprend le langage courant

L’équipe technique a développé un agent conversationnel exploitant les capacités de Snowflake. Cet outil permet d’interroger les données en utilisant un langage naturel, sans compétences techniques particulières.

L’agent couvre actuellement quatre domaines informationnels majeurs. Son intégration dans Teams et Slack facilite son adoption par les collaborateurs, qui peuvent l’interroger directement depuis leurs outils de communication habituels.

Un gain de productivité immédiat pour les analystes

Les premiers utilisateurs constatent déjà les bénéfices de cette innovation. Les analystes data économisent environ 20% de leur temps grâce à cet assistant virtuel.

Ce gain libère des ressources pour des tâches à plus forte valeur ajoutée, comme l’interprétation stratégique des données plutôt que leur simple extraction.

Démocratiser l’accès aux données stratégiques

L’objectif suivant consiste à élargir l’utilisation de ces agents conversationnels au niveau de la direction. Les décideurs pourraient ainsi accéder directement aux informations critiques, sans intermédiaire.

Pour accompagner cette montée en puissance, une équipe dédiée à l’IA devrait être constituée. Sa mission : perfectionner l’agent existant et imaginer de nouveaux cas d’usage.

L’intérêt de la direction financière

Le Directeur Administratif et Financier a manifesté un intérêt marqué pour cette technologie. Il envisage notamment de l’utiliser pour suivre la marge commerciale en temps réel, une donnée cruciale pour le pilotage de l’entreprise.

L’ouverture du chatbot à de nouveaux profils d’utilisateurs et à d’autres scénarios d’exploitation figure parmi les priorités à court terme. Une extension progressive qui devrait transformer en profondeur les méthodes de travail au sein de Salomon.