NRF 2026 : Sur quoi les détaillants se concentraient vraiment

NRF 2026 a clairement montré une chose : la plupart des détaillants ne courent plus après des concepts tape-à-l'œil. Ils essaient de résoudre un ensemble de problèmes tenaces et très pratiques :

• Voir ce qui est réellement sur l'étagère
• Réduire le gaspillage alimentaire frais
• Rendre l'exécution en magasin durable
• Aider les équipes de première ligne à réussir

Voici un résumé concis des principaux thèmes et quelques approches concrètes qui ont émergé lors des conversations au salon.

Cécité d'inventaire : Voir l'étagère réelle, pas seulement le système

De nombreux détaillants ont signalé le même problème : les systèmes affichent du stock, mais les acheteurs trouvent toujours des étagères vides.

Points de douleur communs :

• Comptages de cycles manuels, sporadiques.
• Recevoir des erreurs qui se propagent dans le réapprovisionnement et le commerce électronique.
• Confiance limitée dans disponibilité en rayon données.

Approches pratiques discutées :

• Passer de comptages occasionnels à des contrôles plus fréquents et légers à l'aide de dispositifs mobiles.
• Utilisation vision par ordinateur capturer des étagères et plusieurs codes-barres en une seule vue afin que les équipes puissent scanner des baies entières, stock principal, ou les zones arrière de la maison rapidement.
• Transformer les observations sur les étagères en tâches classées (par exemple, les lacunes ayant le plus grand impact en premier) plutôt que des rapports statiques.

L'idée sous-jacente : faciliter aux équipes de magasin la mise en évidence et la résolution des problèmes dans le cadre de leurs routines habituelles, au lieu de traiter la précision comme un projet séparé.

Résoudre les luttes de l'étagère

Intelligence de rayon exploitable

Explorer ShelfView

Gaspillage alimentaire frais : Traiter les dates de péremption comme des données, pas comme une corvée

Les détaillants de produits frais et d'épicerie ont pointé vers expiration comme un moteur majeur du gaspillage:

• Les vérifications de date varient selon la personne, le moment et le magasin.
• Les produits proches de la date de péremption sont difficiles à repérer à grande échelle.
• Le minutage en Markdown est souvent basé sur l'habitude plutôt que sur la perspicacité.

Approches pratiques discutées :

• Capture automatique des codes-barres et des dates d'expiration imprimées., afin que les contrôles puissent couvrir plus d'articles en moins de temps.
• Agrégation des données d'expiration pour identifier des modèles, par exemple, quels SKU ou magasins entraînent systématiquement plus de déchets.
• Déclenchement de marquages ou de suppressions à partir des données réelles d'expiration, plutôt que des règles empiriques approximatives.

Le passage se fait de « parcourir l'allée et regarder les dates » à « capturer la date d'expiration une fois, puis l'utiliser à la fois pour les décisions quotidiennes et la planification à long terme. »

Exécution en magasin : rendre la collecte répétable et évolutive

À mesure que davantage de commandes sont exécutées depuis les magasins, les détaillants réévaluent comment cueillette est fait.

Principaux préoccupations :

• Temps perdu à marcher sur des itinéraires inefficaces.
• Dépendance à un petit groupe de ramasseurs expérimentés.
• Erreur de prélèvement et articles mal triés dans les bacs.

Approches pratiques discutées :

• Guidant visuellement les collecteurs le long d'un itinéraire optimisé, plutôt que de laisser les décisions de parcours entièrement aux individus.
• Utiliser la caméra de l'appareil pour confirmer le bon article sur l'étagère, surtout lorsque l'emballage est similaire.
• Afficher à l'écran dans quel bac ou compartiment chaque article doit être placé pour réduire les erreurs de tri.

L'objectif est de rendre la performance moins dépendante de la « connaissance du magasin par cœur » et plus sur des conseils clairs et simples que tout le monde peut suivre.

Luxe & spécialité : Garder la conversation sur le terrain

Les détaillants de luxe et spécialisés ont évoqué une tension familière : des attentes élevées en matière de service contre le besoin pratique de vérifier les stocks et les détails des produits.

Défis typiques :

• Les associés quittent fréquemment le client pour aller à l'arrière-boutique.
• Accès fragmenté aux informations produit et inventaire.
• Outils de clientèle qui se sentent déconnectés de l'interaction en direct.

Approches pratiques discutées :

• Fournir aux associés un seul appareil discret pour les informations sur les produits et les vérifications de stock.
• S'assurer que les questions de base (tailles, variantes, disponibilité dans les magasins à proximité) peuvent être répondues sans quitter le client.
• Automatiser les tâches en coulisses telles que le comptage des stocks, la localisation des produits et l'assemblage des commandes, afin de consacrer plus de temps aux clients.

Le but n'est pas d'avoir une nouvelle technologie pour elle-même, mais de supprimer les petites frictions qui interrompent une interaction de proximité.

Trois grandes questions que les détaillants se posaient

Dans différents segments, trois questions plus larges revenaient régulièrement :

Comment réduire l'aveuglement des stocks sans surcharger les magasins ?

Les idées incluaient des comptes plus légers et plus fréquents, un meilleur soutien à la réception et l'utilisation de intelligence des étagères systèmes pour couvrir plus d'étagères en moins de temps.

À quelle distance se trouvent nos véritables étagères de nos planogrammes ?

Les détaillants s'intéressent de plus en plus aux « realograms » : une vue de ce à quoi ressemble réellement le rayon, capturée suffisamment régulièrement pour repérer les lacunes et le non-respect.

Comment tout cela se connecte-t-il à notre écosystème plus large ?

De nombreuses équipes réfléchissent à la manière dont les données sur les étagères et les produits peuvent alimenter l'analyse, les initiatives d'intelligence artificielle et même la planification des médias de détail, idéalement en utilisant les dispositifs et les caméras déjà en place.

Thèmes plus larges du NRF : IA, médias et « quiet tech »

Les récits plus larges de l'émission s'alignaient sur ces préoccupations opérationnelles.

Intelligence artificielle agentique

« L'IA agentique » – des systèmes qui prennent des mesures, pas seulement répondre aux questions – était un thème majeur.

Pour les magasins, cela soulève une condition préalable simple : tout agent prenant des décisions de réapprovisionnement, de tarification ou d'acheminement a besoin d'informations précises et opportunes sur ce qui est réellement devant les clients.

C'est là que la capture cohérente des données au niveau des articles (des étagères, des réserves et des étiquettes) devient une entrée essentielle, et pas seulement un complément opérationnel agréable.

Le magasin en tant qu'atout médiatique

Les réseaux de médias de détail se déplacent dans les allées via des écrans numériques, des étagères intelligentes et des parcours guidés par des applications.

Une implication : l'exécution en magasin (disponibilité et tarification) et la performance des médias sont désormais étroitement liées. Si le produit promu n'est pas disponible ou correctement tarifé en rayon, les résultats médias et la confiance des acheteurs en souffrent.

C'est une autre raison pour laquelle des données de rayonnage précises et en quasi temps réel deviennent plus importantes : elles sous-tendent à la fois les opérations et la crédibilité des médias.

« Technologie silencieuse » et travail de première ligne

Plusieurs intervenants ont parlé de la « technologie silencieuse » : des solutions qui :

• Améliorer précision de l'inventaire et rétrécissement.
• S'intégrer dans les flux de travail et le matériel existants.
• Exiger un changement comportemental minimal pour le personnel.

Parallèlement à cela, il y avait un accent clair sur expérience en première ligne dans un marché du travail tendu :

• Rendre les tâches complexes plus guidées et visuelles.
• Réduire le temps de formation pour le nouveau personnel.
• Concevoir des outils qui se rapprochent davantage des applications grand public que des systèmes d'entreprise traditionnels.

La vision par ordinateur et les flux de travail mobiles étaient souvent présentés comme des moyens d'améliorer progressivement la journée de travail. Moins de recherches, moins de scans répétés, étapes suivantes plus claires, plutôt que comme des transformations dramatiques et ponctuelles.

Questions clés que les détaillants devraient se poser après le NRF

Que vous ayez assisté ou non à NRF, les discussions suggèrent quelques amorces utiles pour les conversations internes :

• À quel point sommes-nous confiants dans nos chiffres de disponibilité en rayon, magasin par magasin ?
• Où les dates d'expiration et d'autres attributs clés sont-ils encore gérés manuellement ?
• Quelle est l'ampleur de l'écart entre les planogrammes et ce que les clients voient réellement ?
• Quelle est la facilité pour un nouvel associé de sélectionner avec précision, compter le stock et vérifier les prix ?
• Nos efforts en matière d'IA, d'analytique et de médias de vente au détail sont-ils basés sur des données fiables et réelles des magasins ?

Répondre à ces questions ne nécessite pas de repartir de zéro, mais cela signifie souvent examiner comment les dispositifs, caméras et flux de travail existants pourraient être utilisés différemment.