Comment Walmart utilise l'IA en 2026 : étude de cas

En 2025, Walmart emploie plus de 2,1 millions de personnes et sert environ 255 millions de clients chaque semaine dans ses magasins et sur ses plateformes numériques. À cette échelle, la moindre décision technologique se répercute sur des millions d'interactions quotidiennes. Depuis 2023, l'entreprise a engagé un déploiement méthodique de l'intelligence artificielle générative, documenté publiquement par ses propres dirigeants techniques. Cette étude de cas s'appuie exclusivement sur des sources primaires : communiqués officiels de Walmart, billets techniques de Walmart Global Tech, et données financières communiquées lors des résultats trimestriels.

Une architecture pensée autour de quatre agents

Plutôt que de déployer un assistant IA unique et généraliste, Walmart a choisi de construire ce que son CTO Global, Suresh Kumar, appelle des « super agents », chacun dédié à un public précis. Cette approche, présentée en juillet 2025 sur le blog technique de l'entreprise, distingue quatre agents : Sparky pour les clients, un agent dédié aux associés en magasin, Marty pour les fournisseurs, vendeurs tiers et annonceurs, et un agent pour les développeurs internes. Chaque agent repose sur une architecture commune mais reste spécialisé dans son domaine, ce qui limite les risques d'erreurs et facilite la mesure de la performance secteur par secteur.

Cette segmentation n'est pas qu'une question d'organisation interne : elle reflète une philosophie affichée par Hari Vasudev, Chief Technology Officer de Walmart, qui décrit une stratégie d'agents « chirurgicaux », conçus pour des tâches précises plutôt que pour tout faire à la fois. Un modèle de langage propre à la vente au détail est combiné à d'autres modèles selon les besoins, plutôt que de tout miser sur un seul fournisseur.

Deux assistants, deux publics différents

Sparky, l'agent conversationnel destiné aux clients, aide à la recherche de produits, aux recommandations et au suivi de commandes directement dans l'application Walmart. Wally, à l'inverse, s'adresse aux équipes internes marchands : présentée en mars 2025, cet assistant s'appuie sur une couche sémantique reliée aux données internes pour automatiser la saisie de données, l'analyse, la recherche des causes racines d'un problème et certains calculs auparavant réalisés manuellement par les équipes merchandising.

Cette distinction entre un agent orienté client et un agent orienté métier illustre une leçon simple mais souvent négligée : un même socle technologique peut servir des usages très différents, à condition d'adapter l'interface et le périmètre fonctionnel à chaque public.

Un investissement dans les outils pour les développeurs

Walmart Global Tech a documenté, dans plusieurs billets techniques, un ensemble d'outils destinés à ses propres développeurs. Le DX AI Assistant ferait gagner environ cinq minutes à chaque question technique posée par un développeur. ArchiText, un outil de génération de diagrammes UML à partir du langage naturel, revendique une production 69 % plus rapide, soit environ 31 minutes économisées par diagramme. D'autres outils comme Code Buddy ou le Pipeline Visualizer complètent cette panoplie, tous construits sur une plateforme de machine learning propriétaire baptisée Element.

Walmart a également formalisé un engagement « IA responsable » en six principes internes, encadrant l'usage de ces outils par ses équipes techniques. Cette gouvernance explicite est rarement documentée publiquement par les grandes entreprises, ce qui en fait une source d'inspiration concrète pour toute organisation qui déploie l'IA en interne.

Des résultats chiffrés avant l'extension

Avant d'étendre ses outils, Walmart a mesuré leurs effets. Le processus interne « Trend-to-Product », qui consiste à transformer une tendance repérée en produit vendu en rayon, aurait vu son délai réduit de 18 semaines grâce à l'IA générative, selon Hari Vasudev. Sur le service client, Walmart annonce une réduction de 40 % du temps de résolution des demandes grâce à l'assistant conversationnel dédié, avant même l'intégration avec ChatGPT annoncée en octobre 2025.

Ces chiffres, communiqués directement par l'entreprise, ont depuis été complétés par des données financières indépendantes. Lors de la publication des résultats du quatrième trimestre de l'exercice fiscal 2026, John Furner (PDG de Walmart US) et David Guggina (président de Walmart US) ont indiqué qu'environ 50 % des utilisateurs de l'application avaient déjà testé Sparky, que les utilisateurs actifs hebdomadaires de l'assistant avaient plus que doublé en un trimestre, et que le panier moyen des utilisateurs de Sparky serait environ 35 % plus élevé que celui des autres clients, selon les informations rapportées par la presse spécialisée Retail Dive.

Construire et acheter en même temps : le partenariat OpenAI

En octobre 2025, Walmart a annoncé un partenariat avec OpenAI permettant à ses clients d'effectuer un paiement directement depuis ChatGPT, via une fonctionnalité de paiement instantané. Walmart a indiqué vouloir permettre à ses clients d'acheter là où ils se trouvent déjà, y compris dans des interfaces conversationnelles comme ChatGPT. Ce partenariat s'accompagne d'un déploiement de ChatGPT Enterprise en interne et de certifications OpenAI proposées aux associés Walmart.

Il illustre une approche hybride assumée : construire ses propres agents spécialisés (Sparky, Wally, Marty) tout en s'associant à des fournisseurs externes pour des cas d'usage spécifiques, plutôt que d'opposer les deux approches.

Un regard extérieur : ce qu'en disent les analystes

Toutes les sources de cette étude ne proviennent pas de Walmart. L'analyste Neil Saunders, du cabinet GlobalData Retail, a nuancé ces annonces en rappelant qu'une partie des consommateurs reste sceptique envers les assistants conversationnels pour faire leurs achats, et que la confiance envers ces outils se construit progressivement, notamment grâce à une approche par cas d'usage restreints plutôt que par des promesses générales. Cette lecture critique, relayée par la presse spécialisée, rappelle que l'adoption réelle se mesure aussi à l'usage effectif des utilisateurs sur la durée, pas uniquement aux annonces internes.

Ce qu'une PME peut en retenir

Une entreprise de taille modeste ne dispose évidemment pas des ressources de Walmart, mais plusieurs principes restent transposables. Segmenter les usages par public plutôt que de chercher un outil unique permet de mieux mesurer l'impact de chaque déploiement. Mesurer un périmètre restreint avant d'étendre un outil, comme Walmart l'a fait avec le service client avant le partenariat OpenAI, limite les risques d'un déploiement précipité. Combiner des outils construits en interne avec des solutions tierces n'est pas une contradiction mais une stratégie assumée par l'un des plus grands détaillants du monde. Enfin, la confiance des utilisateurs se gagne par des cas d'usage précis et mesurés, pas par des promesses générales sur l'intelligence artificielle.

Pour les entreprises qui cherchent à identifier les bons outils IA pour chacun de ces usages, un comparatif structuré par catégorie reste un point de départ utile avant de se lancer.