1. Contexte & Objectifs

Contexte

Grain de Malice est un acteur majeur du retail féminin, implanté dans le Nord de la France et spécialisé dans la mode pour femmes de 30 à 60 ans. Historiquement intégrée au groupe FashionCube (galaxie Mulliez), la marque est devenue indépendante à la suite d’un spin-off stratégique.
Cette nouvelle autonomie s’accompagne d’une transformation profonde des organisations, des processus et des modèles opérationnels.

Dans ce contexte, l’intelligence artificielle s’impose comme un levier de modernisation, d’efficacité et de montée en compétence, offrant à Grain de Malice une opportunité unique d’accélérer son évolution vers une structure plus agile, data-driven et tournée vers l’innovation.

Objectifs du projet

Désormais libérée de la gouvernance d’un grand groupe, l’entreprise souhaite capitaliser sur sa nouvelle flexibilité pour :

• renforcer son efficacité opérationnelle,

• systématiser une prise de décision guidée par la donnée,

• promouvoir l’entrepreneuriat interne et l’autonomie opérationnelle,

• automatiser les tâches à faible valeur ajoutée,

• améliorer la précision des prévisions,

• soutenir la croissance d’un modèle économique hybride (magasins intégrés, affiliés, collections ambitieuses).

Approche générale aiko

aiko a mené une mission structurée autour de son cadre méthodologique PPDA (People, Process, Data, Algorithm).
Le projet a débuté par un diagnostic Data & IA, financé partiellement par Bpifrance, afin d’analyser les opérations, l’architecture existante, les processus et les irritants métiers.

À partir de cette analyse, nous avons co-construit une feuille de route priorisée, structurée autour de trois types d’initiatives :

Type 1 : intégration d’outils SaaS IA-ready pour répondre rapidement aux besoins métiers.

Type 2 : développement d’agents IA pour automatiser des tâches récurrentes.

Type 3 : projets structurants long terme, centrés sur la prévision probabiliste, l’analyse des données, la modélisation du chiffre d’affaires et la compréhension du comportement client.

Cette stratégie holistique permet aujourd’hui à Grain de Malice d’inscrire l’IA au cœur de sa transformation.

2. Approche aiko

AI Plan — Analyse & Priorisation

Aiko a réalisé une exploration détaillée de l’ensemble des fonctions clés de Grain de Malice : achats, approvisionnements, marketing, RH, réseau d’affiliés.

Cette phase a comporté :

• des entretiens opérationnels avec l’ensemble des services, afin d’identifier les tâches chronophages, les dysfonctionnements et les zones de friction ;

• des ateliers de création et priorisation de cas d’usage pour isoler les micro-processus automatisables ;

• une analyse de la faisabilité data & technologique pour chaque initiative ;

• une recommandation stratégique structurée, incluant le renforcement de l’équipe data via un profil Hassan et l’adoption du modèle Snowflake pour la consolidation de la donnée.

Cette approche a permis d’identifier un portefeuille cohérent de cas d’usage, couvrant l’ensemble de la chaîne de valeur.

AI Build — Construction des agents & modèles

Aiko a choisi une approche hybride combinant outils du marché et développements avancés :

RH — Un assistant IA intelligent (LLM + RAG)

• Développé en collaboration avec Konverso,

• Connecté à une base documentaire RH structurée,

• Permet de répondre à toutes les questions liées aux congés, règles internes, dispositifs RH,

• Déployé progressivement à l’ensemble des collaborateurs,

• Prochaine évolution : un assistant dédié aux magasins affiliés avec accès automatisé à l’ensemble des manuels opératoires.

Marketing & Approvisionnements — Modèles prédictifs et analyses avancées

• Exploitation des données déjà présentes sur Snowflake,

• Modélisation des comportements clients,

• Prévision probabiliste des ventes,

• Analyse du stock, de la saisonnalité et des performances produits.

Achats — Automatisation des tâches administratives

• Mise en place d’agents IA réalisant des tâches répétitives (vérifications documentaires, extractions, saisies),

• Objectif : réduire la charge administrative et recentrer les acheteurs sur les décisions stratégiques.

AI Run — Sprints & Optimisation

La mission étant en cours de déploiement, les premières itérations ont été réalisées selon un cadre agile :

• Mise en place de sprints itératifs (build → optimise → measure),

• Tests en conditions réelles avec les équipes,

• Ajustements rapides pour améliorer la précision des réponses des agents,

• Suivi des premiers KPIs (temps moyen gagné, réduction du volume de requêtes internes, satisfaction des utilisateurs),

• Mise en place d’un monitoring léger pour anticiper la montée en charge.

  
  

AI Change — Gouvernance & Adoption

La conduite du changement a été menée en continu :

Formation du Comité de Direction

• Acculturation à l’IA,

• Compréhension des limites technologiques,

• Approche stratégique pour réussir des projets IA.

Formation des équipes opérationnelles

• Sessions dédiées à l’usage de l’assistant Konverso,

• Initiation au prompting.

Gouvernance IA

• Mise en place des bases d’un modèle opérationnel IA (rôles, responsabilités, sécurité, évolution),

• Préparation du déploiement multi-agents adapté au modèle économique de Grain de Malice.

3. Impact & Résultats

Bien que le déploiement soit en cours, les effets observés et anticipés sont significatifs :

Productivité & efficacité

• Automatisation de tâches achats représentant 10 jours-homme par cas d’usage, permettant un ROI très rapide.

• Réduction des délais de réponse RH grâce à l’assistant IA.

Qualité & précision

• Amélioration progressive de la qualité des prévisions grâce à Snowflake + modèles IA.

• Meilleure compréhension des comportements clients, soutenant les décisions sur les collections.

Adoption & transformation

• Très forte adhésion des équipes (« zéro friction au lancement »).

• Un premier niveau d’autonomie de la DSI et des métiers dans l’appropriation des agents IA.

Vision long terme

• Mise en place d’une architecture IA scalable et cohérente.

• Capacité future à industrialiser de nouveaux agents pour appuyer la croissance du réseau d’affiliés.

4. Points différenciants d’aiko

• Une confiance totale du client, qui a appliqué la feuille de route IA “à la lettre”, permettant un avancement rapide et structuré.

• Une vision stratégique claire mêlant court, moyen et long terme (SaaS → agents → modèles prédictifs).

• Une méthode AI Native couvrant l’ensemble des enjeux : process, data, organisation, technique.

• Une capacité à fédérer l’ensemble des équipes métiers, SI et direction, dans une dynamique partagée.

• Une exécution pragmatique et orientée ROI, en particulier sur les agents administratifs à faible coût.

• Un accompagnement complet : diagnostic, roadmap, construction, déploiement, change.