Target SVP dit que son vrai atout en IA n'est pas les modèles, mais tout ce qui est construit autour
Siobhán Mc Feeney, vice-présidente senior chez Target, a expliqué lors de la conférence VB Transform 2026 que l'avantage concurrentiel de l'entreprise en matière d'intelligence artificielle ne réside pas dans les modèles eux-mêmes, mais dans tout ce qui est construit autour. « Les modèles sont excellents et importants, mais ils ne suffisent pas à constituer l'avantage compétitif », a-t-elle déclaré. Chez Target, chaque projet d'agent IA part d'une question simple : quel problème cherche-t-on à résoudre, et ce problème nécessite-t-il réellement un agent, ou seulement un outil ? Selon le type retenu (orchestrateur, super-agent ou agent spécialisé), l'équipe doit ensuite enregistrer et certifier l'agent pour éviter les doublons, définir ce qui déclenche son action (automatisation, ingénieur, minuteur), et déterminer son niveau d'autonomie de départ, généralement minimal, qui s'élargit progressivement avec la confiance acquise. Mc Feeney a cité l'exemple d'une simulation en jumeau numérique portant sur le réapprovisionnement de shorts pour hommes dans trois magasins de Long Beach cet été : un magasin réclamait six à sept fois plus de stock que les deux autres. Les analystes, d'abord sceptiques, ont laissé la recommandation s'appliquer, et le stock s'est écoulé : le système avait détecté que ce magasin se trouvait à moins de trois kilomètres de la plage, contre seize à vingt kilomètres à l'intérieur des terres pour les autres.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de VentureBeat AI. Lire l'article original →
Cette rigueur méthodologique compte pour l'ensemble du secteur du commerce de détail, confronté à une ruée générale vers les agents IA sans toujours mesurer leur pertinence réelle. En imposant une gouvernance stricte, une traçabilité complète et une évaluation continue, Target cherche à garantir que chaque agent serve concrètement les clients plutôt que de multiplier les projets par simple effet de mode. Cette approche a aussi une dimension économique : les modèles les plus puissants, dits « frontière », excellent sur des tâches complexes nécessitant l'analyse de milliards de données, comme la gestion des chaînes d'approvisionnement en marchandises, mais leur coût peut devenir prohibitif pour des tâches plus simples, d'où la nécessité d'arbitrer systématiquement entre performance et rentabilité.
Cette stratégie s'inscrit dans un contexte plus large où les entreprises construisent une véritable architecture d'agents connectant signaux, systèmes et décisions à travers la chaîne d'approvisionnement, le réapprovisionnement et la prévision de la demande. Mc Feeney a insisté sur la nécessité d'une gouvernance des données et d'une architecture de traçabilité dès la conception des agents, afin de pouvoir comprendre a posteriori tout dysfonctionnement, y compris en pleine nuit. Cette fondation technique et organisationnelle, plus que les modèles eux-mêmes, est ce qui permettra selon elle aux entreprises de continuer à faire évoluer leurs systèmes d'IA de façon fiable et maîtrisée.
Pas d'impact direct sur la France/UE
L'exemple des shorts à Long Beach, tu vas voir, dit tout : trois magasins, un seul facteur qui compte, la distance à la plage, pas la puissance du modèle. Ça confirme ce que je pense depuis un moment, la valeur n'est plus dans le LLM, elle est dans la plomberie qu'on construit autour, gouvernance, traçabilité, arbitrage coût-performance. Selon Le Fil IA, la vraie bataille de l'IA en entreprise se joue désormais sur l'architecture bâtie autour des modèles, pas sur les modèles eux-mêmes.