Data & IA : Comment Salomon accélère avec les agents

Plus de 2 milliards d’euros de chiffre d’affaires franchis en 2025, une croissance de 35 % sur un an, une expansion rapide en Asie et un pivot assumé vers la vente directe au consommateur. Salomon n’est plus seulement une marque de sport outdoor : c’est une entreprise en pleine transformation commerciale, qui a décidé de faire de la data un levier de pilotage central. Et depuis le début de l’année, des agents IA viennent compléter l’édifice.

Un investissement dans la data dès 2019

Avant de pouvoir déployer son armée d’agents IA, l’histoire data de Salomon commence en 2019 avec l’adoption de Snowflake comme plateforme centrale. À l’époque, le périmètre est limité : quelques équipes consumer et marketing, un premier terrain d’expérimentation. Ce n’est qu’en 2023 que la marque accélère vraiment, avec un investissement dans une plateforme fiable et certifiée.

Concrètement, cela signifie trois chantiers menés en parallèle : des tableaux de bord pour le top management, des programmes de self-service permettant aux équipes métiers d’accéder elles-mêmes aux données, et un dispositif de gouvernance pour s’assurer que la donnée soit juste, documentée et utilisée de manière cohérente dans toute l’organisation. Ce travail de fond, souvent invisible de l’extérieur, est pourtant la condition sine qua non de tout ce qui vient ensuite.

La data, ce n’est pas seulement l’affaire de l’équipe data ! C’est l’affaire de chaque employé de Salomon, du data analyst au DSI.

Car les chiffres de Salomon donnent la mesure du défi. Plus de 350 points de vente entre Brand Stores et Factory Outlets, une présence dans quasiment tous les pays du monde, un e-commerce en forte croissance, des marketplaces comme Amazon et Zalando, et désormais TikTok. Autant de canaux qui génèrent des données, autant de flux à réconcilier pour avoir une vision fiable de l’activité.

Une organisation data structurée, mais pas en silo

Aujourd’hui, l’équipe data de Salomon compte entre 20 et 30 personnes, mais l’ambition dépasse clairement ce périmètre. « La data, ce n’est pas seulement l’affaire de l’équipe data, insiste Thomas Vigneron, directeur data. C’est l’affaire de chaque employé de Salomon, du data analyst au DSI. »

Pour y parvenir, Salomon a investi dans la formation. L’an dernier, entre 70 et 100 collaborateurs ont été formés à Power BI pour gagner en autonomie sur l’accès et l’exploitation des données. L’objectif : que chaque métier puisse travailler avec la donnée sans dépendre systématiquement d’un expert technique.

Un agent IA pour rendre la donnée accessible à tous

C’est dans ce contexte que Salomon a lancé, début 2026, un POC avec Snowflake Intelligence. Le principe est simple à comprendre, même si la mise en œuvre est plus complexe : un agent conversationnel capable de répondre à des questions business en interrogeant directement les données internes de Salomon. Cyril Faverge, Product Owner IA et data, résume l’ambition : « Comment n’importe qui chez Salomon peut interroger le chiffre d’affaires, connaître son stock ou son investissement média, sans avoir besoin de savoir faire du SQL. »

Autrement dit : faire abstraction de la complexité technique pour que la donnée soit vraiment accessible, pas seulement aux experts, mais aux équipes opérationnelles, voire aux membres du comité de direction. Le cas d’usage évoqué est parlant : un responsable qui visite une boutique peut, avant d’entrer, demander à l’agent quels sont les top sellers de la veille et si les niveaux de stock sont corrects. Il arrive en sachant déjà.

Le POC a duré trois mois, de janvier à mars 2026, avec quatre data analysts impliqués dans la phase de test. Ils évaluaient chaque réponse de l’agent — pouce en l’air ou en bas — pour affiner progressivement son comportement, son vocabulaire interne, et la fiabilité de ses réponses sur des questions du quotidien comme « combien j’ai de clients en France » ou « quelles sont les ventes de chaussures en Allemagne l’an dernier ». Le gain de temps estimé dès cette phase : entre 20 et 30 %, avec une conviction que ce chiffre augmentera quand l’outil sera déployé à plus grande échelle.

Sécurité et gouvernance : les deux lignes rouges

Dans ce projet, deux exigences étaient non négociables : la sécurité des données et la conformité avec les règles d’accès déjà en place dans l’organisation.

L’agent est entièrement bridé sur les données internes de Salomon. Pas de connexion avec des sources externes, pas de risque que des données sensibles viennent alimenter un modèle tiers. Un point crucial pour une entreprise cotée en bourse à New York via son groupe parent, Amer Sports.

Ainsi, un contrôleur de la zone Europe n’a pas accès aux données de l’Amérique du Nord — et l’agent respecte nativement ces règles, sans couche technologique supplémentaire à construire. Comme le souligne Cyrille Faverge, product owner IA et data chez Salomon : « On réutilise tout ce qui a été fait dans Snowflake et on pose juste un agent par-dessus. Ça simplifie largement le travail d’accès, de maintenance et de documentation. »

C’est aussi ce qui différencie cette approche du shadow IA qui existait déjà dans l’entreprise — des collaborateurs qui exportaient des données vers des outils grand public pour obtenir des analyses rapides, sans cadre ni contrôle. En fournissant un outil de qualité, sécurisé et intégré, Salomon répond à ce besoin réel tout en reprenant la maîtrise des usages.

La règle pour mener un projet IA ? ll faut un sponsor business identifié et un point de douleur concret à résoudre.

Cadrer pour industrialiser, pas juste pour tester

Salomon n’en est pas à son premier projet IA. L’équipe data a plusieurs initiatives en cours — au moins trois ou quatre identifiées — et d’autres chantiers se développent côté plateforme digitale, notamment pour accélérer les cycles de développement des équipes IT. Mais le directeur data tient à distinguer ce qui relève de l’expérimentation sans lendemain et ce qui a vocation à passer en production. La règle interne est claire : pas de projet IA sans sponsor business identifié et sans point de douleur concret à résoudre. « Les phases de non-industrialisation viennent souvent du fait que des équipes ont voulu tester l’IA sans business sponsor en face », estime Thomas Vigneron.

Exemple concret en cours : un agent pour aider les équipes finance à analyser les marges de manière plus fine. C’est le CFO lui-même qui a initié la demande. L’équipe data cherche maintenant un sponsor opérationnel dans le contrôle de gestion pour construire le projet à partir d’un vrai besoin terrain. Un processus qui prend du temps, mais qui maximise les chances d’arriver en production.

Salomon assume par ailleurs que 20 à 30 % des projets n’iront pas en industrialisation. Pas un aveu d’échec, mais une posture pragmatique : chaque expérimentation produit des apprentissages qui servent au projet suivant.

De nouveaux métiers à construire

Déployer un agent IA en production ne s’improvise pas. Salomon l’a rapidement compris : maintenir un agent dans le temps, s’assurer qu’il répond toujours de manière fiable, détecter quand ses réponses dérivent — ce qu’on appelle le drift — requiert des compétences qui n’existaient pas dans les équipes data traditionnelles.

Deux profils se dessinent comme prioritaires. D’abord le prompt engineer : quelqu’un capable de « parler » à l’agent avec précision, de définir ses règles de comportement, de calibrer ses réponses à l’échelle. Un art qui s’acquiert, mais qui ne s’improvise pas. Ensuite l’AI engineer, chargé d’évaluer la cohérence de l’agent dans la durée et de garantir la qualité des réponses produites.

Côté métiers, l’enjeu est différent mais tout aussi important : former les utilisateurs à interagir correctement avec un agent, comprendre ce qu’il sait faire et ce qu’il ne sait pas faire, et surtout savoir reconnaître quand une réponse est fiable. C’est l’objectif que s’est fixé Cyrille Faverge : « Mon objectif, c’est que les utilisateurs reçoivent une réponse juste à 100 %, sachent qu’elle est conforme à ce qu’ils attendent et puissent la réutiliser. »

La question du recrutement ou de la montée en compétences interne reste ouverte pour 2026. Mais la direction est posée : l’IA n’est pas un projet, c’est un nouveau type de produit data qui nécessite une structure dédiée pour vivre dans le temps.

IA, transformation, retail : on se retrouve à Connect Lille

Les 30 juin et 1^er juillet, Connect Lille réunit 250 décideurs du retail et de l’e-commerce à Lille. Au programme : une vingtaine de retours d’expérience concrets sur la transformation du secteur — dont les usages IA qui commencent à changer vraiment les choses. Pas de keynotes, des cas réels, challengés par des pairs. Si ces sujets sont dans vos priorités du moment, on vous attend ! Les inscriptions sont ouvertes, prenez votre pass pour venir solo ou en équipe. (inscription gratuite pour les retailers et nominative).