Combien rapporte vraiment une promotion ? Un programme de fidélité change-t-il quelque chose au panier d'un client qui serait venu de toute façon ? Pour trancher, Leroy Merlin a monté une usine à modèles : environ 40 000 IA tournant en parallèle sur quatre ans d'historique, non pour prédire les ventes, mais pour isoler la cause de chaque euro dépensé en marketing. L'enseigne, filiale du groupe ADEO, avance des gains spectaculaires — un ROI doublé sur ses promotions ciblées. Une prudence s'impose sur ces chiffres, communiqués par l'entreprise, mais le projet illustre une bascule bien réelle du retail vers l'inférence causale.

Prédire n'est pas expliquer

La plupart des systèmes de machine learning déployés dans le commerce répondent à une question : que va-t-il se passer ? Combien d'unités partiront la semaine prochaine, quel client risque de churner, quel produit recommander. Ces modèles prédictifs excellent à repérer des corrélations, mais ils butent sur une limite bien connue : la corrélation n'est pas la causalité. Un pic de ventes qui coïncide avec une promotion ne prouve pas que la promotion en soit la cause — la saison, la météo, un afflux de trafic ou une simple habitude d'achat peuvent tout expliquer.

C'est précisément ce que l'IA causale cherche à démêler. Plutôt que de corréler une action et un résultat, elle tente de mesurer l'impact incrémental : ce qui se serait passé en l'absence de l'action, le fameux contrefactuel. La démarche s'appuie sur des outils formels — graphes causaux, contrôle des variables confondantes — pour attribuer à chaque levier sa part réelle de valeur créée. Là où un modèle prédictif dirait « quand vous baissez les prix, les ventes montent », un modèle causal cherche à répondre « cette baisse de prix a généré X euros de ventes qui n'auraient pas eu lieu sinon », ce qui n'est pas du tout la même information pour décider d'un budget.

Pour Leroy Merlin, l'enjeu est financier avant d'être scientifique : arbitrer entre remises, promotions et programme de fidélité suppose de savoir lequel de ces leviers crée effectivement de la valeur, et non lequel accompagne des ventes qui seraient survenues de toute façon.

Une IA par sous-rayon, par région, par type de client

Concrètement, le dispositif conçu avec le cabinet Ekimetrics croise treize leviers commerciaux (programme de fidélité, remises, promotions...), près de 200 sous-rayons, plusieurs régions et différentes typologies de clients. De cette combinatoire naît la multitude annoncée : « on a 40 000 modèles qui tournent de manière unitaire », résume Jean-Baptiste Niepceron, responsable Data et Connaissance client de l'enseigne, cité par LeMagIT. Chaque modèle est spécialisé sur une maille fine — un sous-rayon, une région, un profil — plutôt qu'un seul gros modèle censé tout capturer.

La matière première est colossale : plusieurs téraoctets de données collectées depuis 2022 dans les data lakes d'ADEO, descendant jusqu'à la maille du ticket de caisse avant d'être réagrégées au niveau du sous-rayon. Sur le plan technique, l'ensemble représente une charge lourde : le calcul complet des 40 000 modèles peut demander jusqu'à 48 heures.

Point notable pour éviter l'effet « boîte noire » : le graphe causal n'a pas été laissé à la seule main des algorithmes. Data scientists et experts métier l'ont co-construit, afin de décider ensemble de ce qui génère de la valeur lors d'une promotion — catégorie de produit, saisonnalité, effet du programme de fidélité. Une manière d'ancrer le modèle dans la connaissance du terrain, que Niepceron résume sans détour : « la data, c'est une première partie de la réponse, mais il y a aussi la logique terrain. »

Les gains annoncés, à prendre avec des pincettes

Les résultats mis en avant sont flatteurs — et méritent d'être lus comme des chiffres d'entreprise, non comme des mesures indépendantes. Selon Leroy Merlin, le nouveau programme de fidélité afficherait un ROI supérieur de 30 % à l'ancien programme payant, tandis que les promotions ciblées atteindraient des « ROI x2 » par rapport à des approches plus générales. La prochaine brique en préparation est un simulateur budgétaire : « si j'avais 10 euros de remise sur telle catégorie et que j'en mettais 15, quelle valeur supplémentaire je créerais ? » — de la mesure du passé vers l'aide à la décision.

Il faut garder en tête que mesurer un contrefactuel reste, par nature, un exercice d'estimation : on ne dispose jamais de l'univers parallèle où la promotion n'a pas eu lieu. La qualité d'un tel chiffrage dépend entièrement de la robustesse du graphe causal et de l'absence de biais non contrôlés. L'entreprise elle-même semble en avoir conscience en insistant sur la co-construction métier et en présentant la data comme « une première partie de la réponse ».

Un morceau d'un plan IA groupe bien plus large

Ce chantier n'est pas isolé. Il s'inscrit dans la stratégie IA d'ADEO — maison mère de Leroy Merlin, Weldom ou Saint Maclou —, un groupe de 115 000 collaborateurs, 15 enseignes dans 11 pays et 31,5 milliards d'euros de chiffre d'affaires en 2024, selon La Revue du Digital. Piloté par Benjamin Rey, ce plan revendique une gouvernance « par la valeur » : revues hebdomadaires par pays, priorisation selon la valeur économique, l'impact client ou le bénéfice collaborateur.

Les cas d'usage se multiplient au cœur du métier. Un programme lancé en 2023 sur la fiabilité des stocks détecte les ruptures cachées en confrontant les comportements d'achat à l'inventaire théorique, réduisant d'un facteur 3 la durée des ruptures. Une IA générative enrichit les fiches produit, faisant passer la complétude des caractéristiques de 27 % à 97 %. Des algorithmes de recommandation d'assortiment ont, eux, généré 80 000 suggestions de produits validées dans les 140 magasins français cette année. C'est du côté de la supply chain que le groupe avance son chiffre le plus spectaculaire : un retour sur investissement « multiplié par plus de 15 », titre LSA Conso — chiffre là encore communiqué par l'entreprise, qu'il faut manier avec la même prudence.

L'industrialisation, nerf de la guerre

Faire tourner 40 000 modèles suppose une chaîne MLOps capable d'encaisser l'échelle. ADEO a bâti son socle sur Google Cloud et sur le framework open source ZenML pour versionner et déployer ses pipelines de bout en bout, selon une étude de cas de l'éditeur. L'objectif affiché est de rendre les data scientists autonomes jusqu'à la mise en production, sans dépendre systématiquement des équipes d'infrastructure : le time-to-market d'un modèle serait passé de 8,5 semaines à 2 semaines. Cette capacité à passer du prototype à la production sans friction est justement ce qui distingue les entreprises qui parlent d'IA de celles qui la déploient réellement.

Le cas Leroy Merlin rejoint ainsi une tendance de fond : après la vague des grands modèles de langage, le retail et l'industrie français réinvestissent l'IA « métier » à grande échelle. On l'a vu avec Carrefour, qui pousse le commerce conversationnel sur ChatGPT, ou avec CMA CGM, qui industrialise l'IA de développement avec Mistral. La singularité de Leroy Merlin tient à son pari sur la causalité : non pas deviner l'avenir, mais comprendre, enfin, ce qui a marché — et pourquoi.