Quand Leroy Merlin fait tourner 40 000 IA pour savoir ce qui marche vraiment, l'enseigne ne cherche pas à prédire ses ventes : elle veut isoler la cause de chaque euro dépensé en promotion. Derrière ce cas d'entreprise se cache une discipline exigeante — l'inférence causale — avec ses objets formels (graphe causal, variables confondantes, contrefactuel), son voisinage avec le Marketing Mix Modeling, et une industrialisation qui repose sur un socle Google Cloud et le framework open source ZenML. Plongée technique dans la mécanique qui permet, enfin, de répondre non pas à « que va-t-il se passer ? », mais à « qu'est-ce qui aurait eu lieu sans nous ? ».
Prédire n'est pas expliquer
Le machine learning déployé dans le commerce répond, dans son immense majorité, à une question prédictive : combien d'unités partiront la semaine prochaine, quel client va churner, quel produit recommander. Ces modèles optimisent une métrique d'erreur sur des données passées et excellent à capturer des régularités statistiques. Mais une régularité n'est pas un mécanisme. Un pic de ventes concomitant d'une promotion peut refléter la promotion — ou la saison, la météo, un afflux de trafic, une campagne média simultanée, voire l'habitude d'un client qui serait venu de toute façon.
L'inférence causale renverse la question. Au lieu de demander « quelle est la valeur attendue de la sortie sachant l'entrée observée ? », elle demande « que deviendrait la sortie si j'intervenais sur l'entrée ? ». Judea Pearl a formalisé cette distinction avec l'opérateur do() : P(ventes | prix) est une observation ; P(ventes | do(prix)) est le résultat d'une action délibérée, et les deux ne coïncident que sous des conditions précises. C'est tout l'objet du do-calculus, un ensemble de trois règles qui déterminent quand un effet causal est identifiable à partir de données purement observationnelles, sans jamais mener l'expérience. Pour une enseigne qui possède quatre ans d'historique mais ne peut pas rejouer le passé, cette identifiabilité à partir de l'observationnel est exactement le graal.
La conséquence pratique est nette. Un modèle prédictif dit « quand vous baissez les prix, les ventes montent » — vrai mais inexploitable pour arbitrer un budget. Un modèle causal vise « cette baisse de prix a généré X euros de ventes qui n'auraient pas eu lieu sinon ». Le premier décrit une corrélation ; le second chiffre un impact incrémental. Arbitrer entre remises, promotions et programme de fidélité suppose précisément de savoir lequel de ces leviers crée de la valeur, et non lequel accompagne des ventes déjà acquises.
Le graphe causal et les variables confondantes
Le point de départ n'est pas un algorithme mais un dessin : un graphe orienté acyclique (DAG), où chaque variable est un nœud et chaque flèche une relation de cause à effet supposée. Ce graphe encode des hypothèses — il dit ce qui influence quoi, et surtout ce qui n'influence pas quoi. C'est là que se joue la validité de toute la mesure.
Le danger porte un nom : la variable confondante (confounder). Une confondante est une cause commune du levier et du résultat, qui crée entre eux une corrélation trompeuse. Exemple canonique dans le retail : la saisonnalité. En décembre, une enseigne de bricolage pousse davantage de promotions et vend davantage — non parce que la promo cause les ventes, mais parce qu'une troisième variable, la période, gonfle les deux. Ne pas la neutraliser, c'est attribuer à la promotion un mérite qui revient au calendrier.
Pearl fournit la règle de décision, le critère de la porte dérobée (backdoor criterion) : pour estimer proprement l'effet d'un levier sur les ventes, il faut identifier un ensemble de variables qui bloque tous les chemins « par la porte de derrière » — ces chemins parasites qui partent d'une flèche entrant dans le levier et rejoignent le résultat. Conditionner sur ce jeu d'ajustement, et sur lui seul, débarrasse l'estimation des associations non causales. La finesse, contre-intuitive, est qu'ajuster plus n'est pas toujours mieux : contrôler une variable qui n'est pas une confondante — un collisionneur, ou un médiateur sur le chemin causal lui-même — peut au contraire créer un biais. Comme le rappellent les pédagogues du do-calculus, la structure du graphe, et non la richesse des données, dicte la liste exacte des variables à inclure.
D'où l'insistance, chez Leroy Merlin, sur un graphe co-construit par data scientists et experts métier. Décider que la catégorie de produit, la saisonnalité ou l'effet du programme de fidélité sont des confondantes à contrôler n'est pas une décision statistique : c'est un savoir de terrain, formalisé dans la topologie du DAG. Le schéma ci-dessous illustre cette architecture minimale — un levier, un résultat, et la confondante qui ouvre une porte dérobée entre les deux.
Contrefactuel : estimer l'univers parallèle
Une fois le graphe posé et les confondantes neutralisées, reste à produire le chiffre : l'incrémental. Formellement, on compare deux mondes pour un même périmètre — sous-rayon, région, typologie de client : le monde factuel, où la promotion a eu lieu, et le monde contrefactuel, où elle n'a pas eu lieu, toutes choses égales par ailleurs. L'incrémental est la différence des ventes entre ces deux mondes.
Le problème fondamental de l'inférence causale tient en une phrase : ce contrefactuel n'est jamais observé. On ne dispose pas de l'univers parallèle où la promo n'a pas été lancée ; on ne peut qu'en estimer la valeur, à partir de périmètres comparables, de périodes témoins ou d'un modèle du comportement « de base ». Mesurer un contrefactuel reste donc, par nature, un exercice d'estimation — et la qualité du chiffre dépend entièrement de la robustesse du graphe et de l'absence de biais non contrôlés.
L'écosystème Python outille précisément cette chaîne. La bibliothèque DoWhy, issue de Microsoft Research, impose une discipline en quatre temps : modéliser (poser le DAG), identifier (appliquer le critère de porte dérobée ou une variable instrumentale pour trouver l'estimande), estimer (calculer l'effet), puis réfuter — une étape trop souvent absente ailleurs. Sa batterie de tests de réfutation rejoue l'estimation en ajoutant une cause commune aléatoire, en remplaçant le traitement par du bruit (placebo) ou en retirant un sous-échantillon : si l'effet estimé s'effondre au test placebo mais résiste à l'ajout d'une confondante fictive, la confiance grandit. Pour les effets hétérogènes — l'incrémental varie selon le sous-rayon et le profil client, exactement la combinatoire de Leroy Merlin —, DoWhy s'articule avec EconML, qui estime des effets de traitement conditionnels (CATE) par double machine learning et fournit ses propres outils de sensibilité au confounding non observé. Ces méthodes ne suppriment pas l'incertitude : elles la bornent et la rendent auditable.
IA causale et Marketing Mix Modeling : cousins, pas jumeaux
Impossible de parler de mesure des leviers commerciaux sans croiser le Marketing Mix Modeling (MMM), la discipline historique du sujet. Née dans les années 1960 dans les biens de grande consommation, elle utilise la régression sur des séries temporelles agrégées pour décomposer les ventes en contributions de chaque canal — média, prix, distribution, promotions — et en déduire des ROI et des élasticités, selon la définition consacrée. Le MMM est le grand-père de ce que fait Leroy Merlin ; l'IA causale en est la relecture rigoureuse.
Points communs : les deux visent l'attribution de valeur à des leviers, travaillent sur de l'historique observationnel plutôt que sur des tests, et couvrent l'ensemble du portefeuille d'actions. Différences de fond : le MMM classique reste, dans sa forme la plus répandue, un modèle corrélationnel — il ajuste une équation aux données et interprète les coefficients comme des contributions, sans toujours expliciter les hypothèses causales qui rendraient cette interprétation légitime. L'inférence causale, elle, part du graphe et de l'identifiabilité : elle rend explicite pourquoi un coefficient peut être lu comme un effet. Là où le MMM travaille volontiers à la maille agrégée et hebdomadaire, l'approche de Leroy Merlin descend jusqu'au ticket de caisse avant de réagréger, et multiplie les modèles unitaires par sous-rayon pour capturer l'hétérogénéité.
Surtout, les deux mondes convergent. La tendance de l'industrie n'est pas de choisir, mais d'intégrer : le Causal Media Mix Modeling calibre le modèle global de portefeuille avec la vérité-terrain issue de tests d'incrémentalité ciblés. Les tests d'incrémentalité — expériences géographiques, cellules témoins — prouvent la causalité sur un canal donné mais coûtent cher et ne couvrent pas tout ; le MMM couvre tout mais peine à prouver la causalité. L'un fournit l'ancre expérimentale, l'autre la vue d'ensemble. Le dispositif de Leroy Merlin se lit ainsi comme un MMM de nouvelle génération : conçu avec le cabinet Ekimetrics qui vient précisément du monde du MMM, il en garde l'ambition de couverture mais y injecte la rigueur du graphe causal et de l'estimation contrefactuelle.
Industrialiser : la stack ZenML sur Google Cloud
Une méthode causale ne vaut que si elle tourne à l'échelle, de façon reproductible et versionnée. Faire calculer des dizaines de milliers de modèles unitaires — un par croisement levier × sous-rayon × région × profil — sur plusieurs téraoctets d'historique n'est pas un notebook, c'est une usine MLOps. ADEO l'a bâtie sur un socle Google Cloud et sur le framework open source ZenML, selon l'étude de cas de l'éditeur.
ZenML apporte trois briques décisives. D'abord, un cadre Pythonique où un pipeline se déclare par annotation de fonctions (@step, @pipeline), ce qui aligne le code de recherche et le code de production. Ensuite, le versionnage systématique des jeux de données, des paramètres et des artefacts de modèle : la reproductibilité, indispensable quand un chiffre d'incrémental doit être auditable et rejouable, est acquise par construction. Enfin, l'abstraction de l'infrastructure : le même pipeline s'exécute en local pour le prototypage puis sur un orchestrateur cloud managé pour la production, sans réécriture — un patron documenté par ZenML sur Google Cloud, où le code applicatif est découplé des composants de stack (orchestrateur, stockage d'artefacts, registre de modèles).
L'effet organisationnel est l'objectif réel. En rendant les data scientists autonomes « jusqu'à la mise en production, en posant eux-mêmes leurs contrôles qualité et leurs alertes », la plateforme supprime le va-et-vient permanent avec les équipes d'infrastructure. ADEO chiffre le gain : un time-to-market passé de 8,5 semaines à 2 semaines, une capacité de modèles triplée, plus de 1 600 exécutions de développement pour une centaine en production enregistrées. Cette bascule du prototype à la production sans friction est précisément ce qui sépare les entreprises qui parlent d'IA de celles qui la déploient. Le revers est un coût de calcul lourd — jusqu'à 48 heures pour recalculer l'ensemble des modèles —, qui inscrit ces chantiers dans la même problématique de maîtrise des dépenses que celle des coûts d'IA imprévisibles et des outils FinOps.
Vers l'agentique : de la mesure à la décision simulée
Le dernier maillon transforme la mesure en action. Leroy Merlin prépare un simulateur budgétaire : « si j'avais 10 euros de remise sur telle catégorie et que j'en mettais 15, quelle valeur supplémentaire je créerais ? » C'est, techniquement, une requête do() généralisée — on interroge le modèle causal sur un monde contrefactuel futur, celui d'un budget qu'on n'a pas encore dépensé. Un modèle purement prédictif ne peut pas répondre à cette question d'intervention ; un modèle causal, si.
De là au passage à l'agentique, il n'y a qu'un pas conceptuel. Un agent IA de pilotage commercial exploiterait ces modèles comme un moteur de simulation : formuler des scénarios d'allocation, interroger le graphe causal sur leur incrémental estimé, comparer, puis recommander — voire décider et réallouer en boucle. La recherche pointe cette convergence : les systèmes agentiques actuels, bâtis sur des LLM et du pattern-matching corrélationnel, se heurtent à un « mur de confiance » dès qu'ils prennent des décisions conséquentes, et plusieurs travaux plaident pour greffer l'inférence causale dans l'agentique afin que l'agent teste des interventions, déroule des scénarios « et si », sépare les vrais moteurs des confondantes, et justifie ses actions par un mécanisme plutôt que par une narration plausible. Le modèle causal devient alors le monde interne dans lequel l'agent simule avant d'agir — un garde-fou contre l'agent qui optimise une corrélation fallacieuse.
Limites, biais, et le rappel de l'univers parallèle
Cette architecture ne dissout pas ses propres fragilités, et l'honnêteté technique impose de les nommer. La première est structurelle : tout repose sur le graphe. Une confondante oubliée — un facteur non mesuré qui influence à la fois le levier et les ventes — biaise l'estimation sans qu'aucune quantité de données n'y remédie ; c'est l'hypothèse d'absence de confounding non observé, invérifiable en toute rigueur. Les tests de réfutation de DoWhy et les analyses de sensibilité d'EconML bornent ce risque, ils ne l'éliminent pas.
La deuxième est celle du contrefactuel : il reste une estimation d'un monde qui n'a jamais existé. Les ROI spectaculaires communiqués — programme de fidélité à +30 %, promotions ciblées en « ROI x2 » — sont des chiffres d'entreprise, dépendants de la qualité du graphe sous-jacent, et doivent se lire comme tels et non comme des mesures indépendantes. La troisième tient à la combinatoire elle-même : des dizaines de milliers de modèles unitaires démultiplient les points de défaillance silencieuse et posent un vrai problème de gouvernance — d'où le versionnage et les portes qualité, moins un confort qu'une nécessité.
C'est peut-être la leçon la plus utile du cas Leroy Merlin, prolongé ici sur le plan technique : l'IA causale ne promet pas la vérité, elle promet une estimation explicite et auditable là où le tableau de bord corrélationnel offrait une certitude confortable et fausse. La data, résume l'enseigne, « est une première partie de la réponse » — l'autre partie reste le graphe, la logique terrain, et la lucidité sur l'univers parallèle qu'on ne verra jamais.