Target intensifie l'usage de l'IA pour fluidifier le parcours d'achat

Le distributeur américain ajoute aussi des fonctions de réassort et de reprise de navigation. Pour le e-commerce, le signal est clair: l’IA ne se limite plus au support client ou aux recommandations. Elle intervient directement dans la réduction de la friction entre intention, découverte et conversion.

Target transforme la recherche en point d’entrée commercial

La fonction « Photo Search » permet aux clients de téléverser une image afin de trouver des produits similaires. Le mécanisme répond à un problème concret d’acquisition: le visiteur connaît parfois l’apparence de l’article recherché, mais pas son nom, sa référence ou les bons mots-clés.

C’est un changement important dans la logique de recherche. Le moteur interne ne dépend plus uniquement de la qualité de la requête textuelle. Il peut exploiter un signal visuel, potentiellement plus rapide à produire pour l’utilisateur. Pour les marchands, cela renforce la valeur des images produit, de la cohérence du catalogue et de la capacité à rattacher une image à des attributs exploitables.

La conséquence opérationnelle est simple: une fiche produit mal photographiée ou mal structurée risque de perdre en visibilité dans un environnement où la recherche peut commencer par une image. Target ne fournit pas, dans les éléments disponibles, de chiffre de conversion ou de revenu attribuable à cette fonction. Il faut donc considérer son déploiement comme un mouvement stratégique, pas comme une preuve de performance.

Les avis deviennent une interface de décision

Target a également mis en avant des outils capables de résumer les avis clients. L’objectif est de réduire le temps nécessaire pour extraire les informations utiles d’un volume parfois important de commentaires. Le distributeur propose en parallèle des fonctions qui font remonter les achats passés pour faciliter une nouvelle commande et ramènent l’utilisateur vers des produits récemment consultés.

Ces trois leviers ciblent chacun une friction différente:

• la recherche par image réduit la friction de découverte;
• le résumé des avis réduit la friction d’évaluation;
• le rappel des achats et des consultations réduit la friction de retour.

Le parcours devient donc plus court et plus assisté. Dans notre secteur, c’est le point à surveiller: l’IA ne remplace pas nécessairement le catalogue, les avis ou le CRM. Elle les convertit en interfaces plus directement actionnables.

Le risque se situe dans la compression excessive de l’information. Un résumé d’avis peut accélérer la décision, mais les éléments disponibles ne permettent pas d’évaluer sa précision, sa couverture ou sa capacité à faire ressortir les défauts récurrents. Pour un e-commerçant, le levier n’est rentable que si la synthèse reste fidèle au contenu original et si les signaux négatifs ne disparaissent pas derrière une formulation moyenne.

Une stratégie désormais portée au niveau de la direction

Cette évolution intervient alors que Target renforce la gouvernance de son programme d’IA. Selon Digital Commerce 360, Chandhu Nair a été nommé premier directeur de l’intelligence artificielle de l’entreprise, avec une prise de fonction effective le 24 août. Lors d’un échange consacré aux résultats trimestriels, le directeur général Michael Fiddelke a indiqué que Nair devait accélérer l’usage de l’IA pour améliorer l’expérience client et développer de nouvelles capacités dans l’entreprise.

Le positionnement de Target donne aussi une indication de sa masse critique: Digital Commerce 360 le classe au cinquième rang de sa base des 1 000 principaux acteurs du commerce en ligne, selon les ventes e-commerce annuelles. Le distributeur apparaît également au 54e rang de son classement consacré à l’IA. Ces rangs décrivent une présence significative, mais ils ne démontrent pas à eux seuls la rentabilité des fonctionnalités déployées.

Pour les équipes e-commerce, la feuille de route est mesurable: suivre séparément le taux d’usage de la recherche visuelle, la conversion après résumé d’avis et le taux de réachat après rappel d’un produit. Sans ces métriques, l’IA reste une couche d’interface. Avec elles, elle devient un levier d’optimisation identifiable, comparable et scalable.