Anu Narayanan, présidente des divisions femme et maison chez Anthropologie, a déclaré lors du Shoptalk Spring que son entreprise « marie données et intuition » dans ses décisions d’achat. La formule est suffisamment courante pour passer inaperçue. Elle ne devrait pas.

« Les données ne vous disent pas tout, » a confié Narayanan à Modern Retail. « Elles ne vous diront pas ce qui vient ensuite, ni où se trouvent les opportunités stratégiques. »

Ce n’est pas une mise en garde sur les limites des données. C’est une description de qui décide.

La plupart des entreprises qui invoquent « données et intuition » les ont organisées de façon hiérarchique : les données avancent en premier, l’intuition est disponible en recours. La couche humaine s’active quand la confiance est faible ou qu’une exigence de gouvernance impose une révision. L’architecture, dans le fond, appartient toujours au modèle.

Narayanan a décrit une structure différente. Chez Anthropologie, les données parviennent à une responsable des achats qui les lit en les croisant avec les signaux sociaux, les retours clients et les observations en magasin — puis rend un jugement. Pas une approbation. Un jugement.

Les exemples parlent d’eux-mêmes. Quand la marque a repéré un intérêt sur TikTok pour les silhouettes des années 90 — « petites lunettes ovales, mocassins et pantalons kaki » — et l’a croisé avec les données de ventes et les signaux culturels avant la première de la série FX Love Story, elle a lancé une section dédiée en l’espace d’une semaine. Ce calendrier appartient à une responsable qui a déjà tranché. Ce n’est pas le rythme d’un processus de validation par comité.

L’histoire de la chaussure est encore plus instructive. Des taux de retour élevés avaient largement écarté la chaussure des rayons, avec seulement huit points de vente la proposant. Les données montraient que ces huit emplacements attiraient davantage de nouveaux clients, achetant sur plus de catégories, avec une valeur vie client plus élevée. Anthropologie a identifié Charlotte comme marché test via un partenaire data, a lancé l’expansion, et la chaussure est aujourd’hui présente dans environ 200 magasins physiques. Les ventes nettes du groupe Anthropologie ont progressé de 8,7 % pour l’exercice fiscal 2025, selon le communiqué de résultats d’URBN.

« Les données ont montré » est la mauvaise lecture de cette séquence. Quelqu’un a examiné un problème de taux de retour et a décidé que le signal des nouveaux clients l’emportait sur le signal de friction. Les données ont créé les conditions ; la responsable des achats a attribué les pondérations. Ce ne sont pas les mêmes opérations.

Il existe aussi un troisième exemple, plus discret que les autres. Narayanan a noté qu’Anthropologie risque de sur-servir sa clientèle existante si elle s’appuie trop sur les données d’achat actuelles. « Si nous cherchons à élargir notre audience en tant que retailer multigénérationnel, » a-t-elle dit, « comment nous assurer d’avoir quelque chose pour chaque génération ? » Cette question ne peut pas être résolue par un modèle d’optimisation. Elle exige que quelqu’un décide que le client actuel n’est pas le seul client qui mérite attention — et agisse en ce sens avant que les données ne le confirment.

La plupart des feuilles de route de transformation par l’IA sont construites à l’envers. Le modèle optimise ; l’humain approuve ou contredit. Cette architecture produit des décisions. Ce qu’elle ne peut pas produire, c’est une décision qui recadre la question — celle qui dit que le problème de retour est une opportunité de distribution, ou que le client principal est une contrainte, pas un mandat.

Une architecture d’approbation optimise dans l’espace que le modèle comprend déjà. Une architecture fondée sur le jugement peut décider que l’espace lui-même doit changer.

Narayanan n’a formulé rien de tout cela comme une critique de l’IA. Elle a décrit comment Anthropologie fonctionne. L’industrie y lira une histoire d’équilibre. Ce n’est pas ce qu’elle a dit.

Elle a dit que la responsable des achats occupe le nœud. La plupart des feuilles de route IA ont supprimé ce nœud, redistribué ses fonctions entre tableaux de bord et intervalles de confiance, et baptisé le vide qui en résulte « efficacité ».