Comment la centrale d’achat de Leclerc a dompté son catalogue de données grâce à l’IA
Pour simplifier la vie de ses équipes, le Galec, la centrale d’achat du mouvement E.Leclerc, a déployé un agent intelligent capable de comprendre, de raisonner et de guider les utilisateurs à travers ses bases de données. Cette innovation marque les premiers pas vers une interface où l’on dialogue directement avec la donnée.
Gérer un catalogue de données immense à travers des dizaines de tableaux partagés devenait un enfer opérationnel pour le Galec (Leclerc). Lors du Google Cloud Summit à Paris, Vincent Constanza, architecte data de l’entité, a dévoilé comment la coopérative, accompagnée par l’ESN Sfeir, a développé en 18 mois un assistant virtuel basé sur l’intelligence artificielle générative. En s’appuyant sur les dernières technologies de Google, l’outil permet aujourd’hui à 150 collaborateurs de naviguer facilement dans l’écosystème de données pour un coût dérisoire.
En remplaçant ses anciens tableurs par un agent IA de nouvelle génération connecté à BigQuery, Leclerc modernise radicalement la gouvernance de son catalogue de données. Grâce à l’utilisation des modèles de langage Google Gemini et du framework Google ADK, la centrale d’achat prouve que l’intelligence artificielle générative permet non seulement de structurer la donnée d’entreprise, mais aussi de réduire les coûts d’infrastructure cloud tout en maximisant la productivité des équipes métiers.
Du chaos des tableurs partagés à la nécessité de moderniser la data
Au sein du groupement Leclerc, le Galec est le cœur du réacteur : il pilote la stratégie commerciale et centralise les achats pour 180 000 collaborateurs, 875 magasins et 791 drives. Dans ce secteur ultra-concurrentiel, la donnée est une arme stratégique. Pourtant, jusqu’à récemment, le Galec gérait son catalogue de données via 11 fichiers Google Sheets distincts, totalisant 83 onglets. Cette organisation artisanale entraînait des définitions d’indicateurs contradictoires et un manque d’homogénéité flagrant.
C’est pour mettre fin à cette fragmentation que la centrale d’achat a initié une réflexion profonde autour de la GenAI pour simplifier l’accès aux informations.
Un parcours de 18 mois et trois essais pour trouver la bonne technologie
La mise en place de cet assistant virtuel a nécessité un long travail d’expérimentation de 18 mois entre le Galec et l’ESN Sfeir, passant par trois architectures successives :
L’approche managée (Mi-2024) : L’équipe mise d’abord sur Vertex AI Agent Builder de Google, connecté directement au Drive. La solution montre vite ses limites, car elle est incapable de traiter des questions d’entreprise complexes.
L’approche RAG classique (Début 2025) : Le projet évolue vers une architecture RAG (Génération augmentée par récupération) avec LangChain et la recherche vectorielle de BigQuery. Bien que les résultats s’améliorent, l’outil fait face à des limitations dans la fluidité conversationnelle.
Le choix de Google ADK (Mi-2025) : L’équipe trouve enfin la clé grâce au framework Google ADK, s’appuyant sur le modèle Gemini, capable de raisonner sur les questions des utilisateurs et de piloter de manière autonome différents outils internes.
Aujourd’hui, déployé auprès de 150 employés du Galec, l’outil ne se contente plus d’aider à découvrir la donnée. Il suggère également des analyses concrètes, écrit les requêtes SQL associées et estime le coût financier de la requête avant même que l’utilisateur ne clique sur exécuter.
Une efficacité redoutable pour un coût inférieur à 300 euros par mois
Au-delà de ses performances techniques, la solution brille par son retour sur investissement (ROI) et sa sobriété financière. L’assistant traite actuellement plus de 1 000 questions par mois pour un budget d’exploitation dérisoire. Les coûts d’infrastructure cloud oscillent entre 100 et 200 euros par mois, auxquels s’ajoutent environ 100 euros liés à la consommation de tokens applicatifs.
Pour éviter toute mauvaise surprise, le Galec a intégré des alertes de sécurité directement dans son prompt système pour bloquer les requêtes trop gourmandes en ressources.
L’évolution des trois architectures techniques testées par Leclerc
| Période du Projet | Choix de l’Architecture Technique | Principales Limites Constatées |
|---|---|---|
| Mi-2024 | Vertex AI Agent Builder + Google Drive | Incapable de gérer le raisonnement et les questions complexes. |
| Début 2025 | RAG (LangChain) + Recherche vectorielle BigQuery | Nombre de résultats restreint, manque de fluidité conversationnelle. |
| Mi-2025 (Actuel) | Google ADK + Modèles Gemini | Solution validée : autonomie de l’agent, intégration multi-outils réussie. |
Les prochaines étapes : faire dialoguer les intelligences artificielles entre elles
Les équipes du Galec voient déjà plus loin pour l’horizon 2027. À court terme, l’assistant va intégrer de nouvelles sources de données et des fonctionnalités de contrôle qualité. À moyen terme, Leclerc ambitionne de créer une plateforme multi-agents en utilisant le protocole A2A (Agent-to-Agent), lancé par Google en avril 2025. Cet outil de découverte de données pourra communiquer de manière autonome avec d’autres IA de l’entreprise.
L’écosystème s’intéresse également au protocole A2UI (Agent-to-User Interface), capable de générer à la volée une interface graphique sur-me sur l’écran de l’utilisateur en fonction de la nature de sa question.
Source : Intelligence Artificielle
