Retail Media : les technos à choisir selon un "board " composé d’IA génératives

Le retail media a le vent en poupe, mais son expansion fulgurante s’accompagne d’un foisonnement d’offres et souvent d’un brouillard stratégique chez les retailers. Faut‑il choisir une plateforme clé‑en‑main ou assembler son propre stack ? Comment arbitrer entre vitesse de déploiement et souveraineté de la data ? Et si on demandait à un groupe "d'experts"… entièrement composé d’IA ?

L’expérience “AI Retail Media Roundtable”

En avril 2025, nous avons réuni cinq modèles de LLMs avancés — GPT‑4.5, Gemini 2.5 Pro, Claude 3.7, Llama 4 et DeepSeek V3 — dans une salle virtuelle, en les invitant à débattre sur la question (volontairement basique et large): 

"Quelle est la meilleure technologie de retail media et pourquoi ?".

Un premier scénario basique, interroge chaque modèle, lance deux tours de discussion puis recueille une recommandation finale.

Un scénario plus avancé pousse la simulation plus loin : rôles distincts pour chaque IA (cost killer, focus marques...), mêmes deux rounds de débat, mais ajout d’un choc budgétaire (–50 %) et de l’annonce d'Amazon Retail Ad Service, puis vote final.

Bilan : 12 minutes d’exécution, moins de 15 dollars de crédits API. Mais pour quel résultat ?

Ce que cinq IA ont révélé en moins d'un quart d’heure

Notre "comité d’IA" a dégagé différents enseignements intéressants. En premier lieu, même si on peut observer des traits communs, chaque modèle tend à prendre le problème sous un angle initial qui lui est propre.

Ainsi, OpenAI a cartographié l’ensemble des fournisseurs, Gemini s'est concentré sur l’architecture technique, Claude a synthétisé les cas d’usage, Llama a défendu l’omnicanal et DeepSeek s’est concentré sur une discipline budgétaire.

De ce dialogue, est par exemple née une clarification entre les fournisseurs de technologies comme Criteo, Kevel ou CitrusAd — et les réseaux opérés par les distributeurs, tels Amazon, Walmart Connect ou Roundel (on ressent la vision "US" des modèles par défaut).

S’est ensuite imposé le choix entre plateformes all-in-one, promesse de rapidité, et approches API‑first, synonymes de personnalisation et différenciation mais génératrices d’un coût de mise en place plus élevé. À l’issue du vote (scénario basique), Criteo s’est notamment hissé en tête, devant CitrusAd jugée plus adaptée aux enseignes alimentaires.

Lors du scénario avancé, confronté à un choc budgétaire de –50 %, notre board a revu sa stratégie autour d’une solution SaaS, entièrement digitale et self‑services, reléguant par exemple les écrans in‑store à plus tard.

Quant à l’annonce du Retail Ad Service d’Amazon, elle a divisé le jury : deux IA pour, deux contre, une prudente, toutes s’accordant toutefois sur le rôle central du magasin physique, ses écrans et surtout ses données transactionnelles, comme un rempart contre une éventuelle commoditisation.

Bilan des courses

En quelques minutes et pour le prix d’un (gros) latte caramel macchiato, un conseil d’IA ne se substitue clairement pas à l'humain, mais peut dégager des perspectives intéressantes en un temps record.

Pour les fournisseurs d’adtech, cette expérience souligne également l'importance d'émerger correctement dans les réponses fournies par les modèles de LLM. Cela suppose notamment de distiller une proposition de valeur claire afin que les modèles puissent la restituer et la valoriser.

Comme pour le SEO, le "GEO" ou "GSO" devient donc un sujet clef dans un contexte B2B ... comme en B2C d’ailleurs (avis aux retailers qui doivent maintenant également "vendre" via ChatGPT et autres). Un nouveau défi comparable à la bataille des mots-clefs de cette dernière décennie!