Projets

Chez Salomon, un agent IA pour dialoguer avec la donnée

De gauche à droite, Nicolas Bélie, responsable de la plateforme data de Salomon, et Cyrille Faverge, product owner AI/ML et Data Platform au sein de la marque de sports. (Photo : R.F.)

La marque de sport teste un agent permettant à ses analystes data de dialoguer via un chatbot avec sa plateforme de données. Salomon imagine désormais étendre ces usages à sa direction générale.

PublicitéNé à Annecy au sortir de la seconde guerre mondiale autour de la pratique du ski, Salomon a largement diversifié ses activités vers le trail et le textile. La marque, qui appartient au groupe finlandais Amer Sports, lui-même racheté par le Chinois Anta en 2019, a dépassé le milliard d'euros de chiffre d'affaires en 2022 et les deux milliards en 2025. « Beaucoup de salariés travaillaient encore avec des fichiers Excel. Pour accompagner cette croissance, il a fallu choisir les bons outils », souligne Nicolas Bélie, le responsable de la plateforme data de Salomon, qui a rejoint l'entreprise en 2022.

« La première étape a consisté à reprendre le contrôle du patrimoine data », en particulier avec le déploiement de la plateforme Snowflake, explique le responsable, qui s'exprimait lors d'un événement organisé par l'éditeur, à Paris, le 15 avril. « En 2024 et 2025, nous nous sommes attachés à fournir un reporting à l'échelle pour toutes nos zones d'activité, en Europe, en Asie et aux Amériques. Jusqu'à récemment, notre Pdg n'avait pas accès à un reporting multi-régions et multi-canaux de distribution », reprend Nicolas Bélie. S'y ajoutent des travaux en matière de gouvernance de la donnée et d'exposition de celle-ci en self-service pour les métiers. Salomon a retenu une architecture classique en médaillon, exposant différents domaines de données pour PowerBI et un portail ouvert aux utilisateurs.

Ecouler les produits se vendant difficilement

Sur ce socle, la marque de sports s'est lancée dans une stratégie de déploiement de l'IA. D'abord, des scores calculés par Machine Learning (propension d'achat, risque de churn...) ont été injectés dans les outils transactionnels (comme les solutions marketing ou le CRM). Ensuite, Salomon s'est lancé dans le déploiement de projets d'IA ciblés, via un programme baptisé Axis. Un des premiers projets, baptisé eCom Slow Mover, consiste à identifier les produits présentant un faible turnover avant les soldes, pour les écouler via des campagnes ciblées. Selon la marque de sports, cette application a permis de remonter de plus de 10% le panier moyen sur ces articles.

Second projet, basé sur les capacités agentiques de la solution HighTouch, l'automatisation de la personnalisation des messages marketing envoyés aux clients (1:1 Personalisation AI Decisioning), pour déclencher un second achat de ces derniers. Testée en Grande-Bretagne (et prochainement aux Etats-Unis), l'application livre de premiers résultats encourageants, notamment avec une progression de 40% du taux de clic.

Quatre domaines interrogés en langage naturel

Enfin, Salomon exploite les capacités agentiques de la plateforme Snowflake elle-même pour simplifier l'accès à la donnée. « Nous avons 631 tables dans Snowflake, indique Cyrille Faverge, product owner AI/ML et Data Platform au sein de Salomon. Pour un utilisateur, c'est déjà beaucoup trop. Nous avons cherché comment abstraire cette complexité. » Le résultat de ces réflexions est une application présentée au conseil d'administration de l'entreprise en janvier dernier, et aujourd'hui encore en prototype. Développé en un mois par Cyrille Faverge et testé depuis deux mois, cet agent permet d'interroger quatre domaines de données en langage naturel, via un chatbot.

PublicitéComme l'explique Cyrille Faverge, la première étape a consisté à construire la couche sémantique, en s'appuyant sur les outils de Snowflake, pour les 4 domaines de données et 25 tables concernés. « Si la donnée est déjà certifiée et associée à des méta-données, c'est assez rapide, assure-t-il. Le graal de l'agent réside dans la couche sémantique, donnant accès à la donnée ». Puis, le product owner a encadré le fonctionnement de l'agent, notamment via un certain nombre de consignes et de cadres (comme l'interdiction d'aller piocher des données en externe). Enfin, l'outil a été mis entre les mains des analystes data, chargés des premiers tests. « L'agent leur fournit le code SQL qu'il utilise ; ainsi, chaque data analyst peut vérifier les requêtes de l'outil », souligne Cyrille Faverge. En plus d'améliorer la confiance dans le système, la revue du code SQL par les analystes permet aussi de fournir des informations pour améliorer l'entrainement du modèle.

Gain de temps de 20% pour les analystes data

« En trois mois, nous avons créé un agent répondant à toutes les questions sur la donnée, accessible via Teams et Slack et dont les réponses sont associées à un niveau de confiance », précise Cyrille Faverge. Selon ce dernier, le gain de temps pour les analystes de données serait de l'ordre de 20%. « Nous avons aussi identifié le besoin de créer une équipe IA pour accompagner la mise en production de cet agent. Faute de quoi, il va exploser en 10 jours », pronostique le product owner. Pour Nicolas Bélie, disposer de ces compétences en interne sera le préalable à l'ouverture de l'agent à de nouveaux usages et à de nouvelles catégories d'utilisateurs, le DAF de Salomon ayant par exemple déjà manifesté son intérêt pour ce type d'approche afin de suivre la marge. « Notre objectif, c'est qu'en fin d'année, les membres de la direction du groupe utilisent des agents pour accéder aux données de l'activité, plutôt que de manipuler des PDF renfermant énormément de chiffres », résume le responsable de la plateforme data de Salomon.