Accélération des projets de machine learning dans le retail : retour d’expérience de Snowflake et Salomon
Lors de l’édition 2024 de Tech for Retail, Snowflake et Salomon ont partagé leur expérience concrète autour d’un sujet stratégique : l’accélération des projets de machine learning dans le retail. Une session coanimée par Elisabeth Dendulk, ingénieure avant-vente chez Snowflake, et Thomas Vigneron, responsable Data & Analytics chez Salomon, qui a mis en lumière les leviers de réussite d’un déploiement à l’échelle.
Snowflake : une plateforme data cloud conçue pour la performance retail
Fondée par deux ingénieurs français, Snowflake s’est imposée comme une référence mondiale du cloud data platform. Compatible avec AWS, Azure et GCP, la solution offre un environnement unifié et scalable, dans lequel les retailers peuvent centraliser toutes leurs données, séparer stockage et calcul pour plus de flexibilité, et déployer des projets à grande échelle sans surcharge opérationnelle.
Grâce à la couche Cortex AI, les utilisateurs accèdent à des fonctionnalités avancées en machine learning et peuvent intégrer des modèles ou exploiter des LLM via des apps comme Streamlit, sans sortir les données de la plateforme.
Salomon : transformer sa relation client par la data et le machine learning
Salomon, marque française née dans les Alpes, a profondément réorienté sa stratégie ces dernières années. Passée d’un business centré sur le ski à une croissance tirée par l’e-commerce, les stores parisiens et le sportstyle urbain, l’entreprise mise désormais sur la donnée pour mieux connaître ses clients et optimiser son marketing.
Selon Thomas Vigneron, 85 % des projets ML échouent faute d’alignement métier, d’accès fiable à la donnée ou d’une infrastructure capable de passer en production. Pour faire partie des 15 % qui réussissent, Salomon a adopté une stratégie claire, combinant gouvernance unifiée, modernisation de la stack data via Snowflake, et industrialisation des modèles ML dans un environnement sécurisé.
Clustering client : un cas d’usage stratégique pour le retail
Le premier projet ML mis en production chez Salomon repose sur un modèle de clustering clients. Sans segmentation prédéfinie, l’algorithme regroupe les consommateurs selon leurs comportements, révélant des profils comme les « Fashionistas ».
Ce modèle, mis à jour en continu, alimente aujourd’hui toutes les activations marketing, permet une personnalisation plus fine, améliore les prévisions et maximise le retour sur investissement média. Il constitue désormais la base des stratégies marketing 2025, illustrant concrètement l’accélération des projets de machine learning dans le retail.
Vers un retail augmenté grâce à l’IA générative
Salomon explore également les potentialités de l’IA générative. En s’appuyant sur les briques Cortex et Streamlit de Snowflake, les équipes ont développé une app d’analyse augmentée. Grâce à un simple prompt en langage naturel, les analystes peuvent interroger les données, générer des insights à la volée et gagner en efficacité opérationnelle, sans quitter la plateforme.
Ce projet, encore en phase exploratoire, incarne une nouvelle étape dans l’accélération des projets de machine learning dans le retail.
En résumé
L’expérience partagée par Snowflake et Salomon à Tech for Retail 2024 démontre qu’avec une architecture adaptée, une gouvernance data solide et une stratégie alignée sur les enjeux métier, l’accélération des projets de machine learning dans le retail est non seulement possible, mais peut rapidement générer de la valeur tangible.
