Central Retail : une conversion x1,7 par l’IA, comparée à quoi ?

Le 11 novembre 2026, le distributeur thaïlandais Central Retail a publié ses résultats du 3e trimestre. Son communiqué glisse, parmi les chiffres financiers, une phrase sur l’intelligence artificielle : CENNI, l’assistant d’achat des grands magasins Central, « helps boost customer conversion rates by 1.7x times » (aide à multiplier par 1,7 le taux de conversion des clients, traduction ELMARQ). Le 13 novembre, Inside Retail Asia a repris la formule. Le groupe annonce dans le même texte un chiffre d’affaires trimestriel de 61,185 milliards de bahts, en hausse de 5 %, et un bénéfice récurrent en hausse de 72 %.

Pour un dirigeant qui doit décider d’équiper son réseau de vente d’un assistant IA, ce genre de chiffre circule vite : dans les présentations des éditeurs, dans les comités de direction, dans les demandes de budget. Une conversion multipliée par 1,7 ressemble à une preuve. Encore faut-il savoir ce qui a été compté, sur quelle période, et surtout par rapport à quoi. Le cas Central Retail permet de poser ces questions sur un chiffre réel, publié par une entreprise cotée, puis de les confronter à ce que mesurent les expériences contrôlées.

Que publie exactement Central Retail ?

Le rapport de gestion du 3e trimestre, déposé le 11 novembre à la Bourse de Thaïlande selon la liste des déclarations du groupe, donne le détail. Le chiffre d’affaires total atteint 61 185 millions de bahts, en hausse de 4,9 % : le communiqué arrondit à 5 %. Le bénéfice de 2 051 millions de bahts, que le communiqué présente comme le « core profit from continuing operations », correspond dans le rapport de gestion au « Core Profit to owners », la part revenant aux actionnaires du groupe ; le bénéfice récurrent total s’établit à 2 135 millions, en hausse de 66,4 %. La base de comparaison est basse : au 3e trimestre 2025, ce bénéfice part du groupe n’était que de 1 192 millions de bahts.

Le rapport de gestion explique cette progression sans l’attribuer à l’IA, qu’il ne cite que parmi ses orientations stratégiques. Il cite l’amélioration de la marge brute par le mix de produits et la gestion du portefeuille de marques de mode, la baisse de 24,6 % des frais financiers liée à un endettement plus faible, et la contribution des coentreprises, dont JD Sports Fashion en Thaïlande, où le groupe a pris 40 % au 1er trimestre. Les ventes en ligne progressent de 21 % sur 1 an et pèsent 11 % des ventes totales. Le même document note que les frais de vente augmentent de 5,2 %, « mainly due to higher sales commissions from online sales channels » : la croissance en ligne a un coût, payé notamment aux plateformes.

Où se trouve le x1,7 dans les documents financiers ?

Nulle part, hors du communiqué. Le rapport de gestion ne mentionne pas CENNI. La présentation aux investisseurs du 12 novembre, 41 pages, ne le mentionne pas davantage : elle consacre 1 page au commerce en ligne, avec la croissance et la part des ventes, sans indicateur de conversion. Le chiffre n’apparaît que dans le texte destiné à la presse. La version thaïe est un peu plus précise que l’anglaise : l’assistant aide à « faire passer du statut d’intéressé à celui d’acheteur » 1,7 fois plus de clients (traduction ELMARQ). Elle confirme qu’il s’agit d’un taux de transformation, sans dire sur quelle population il est calculé.

Ce que l’on sait de CENNI vient de l’entreprise. Selon Post Today le 14 août 2026 et un publi-communiqué paru dans Brand Inside le 11 août, l’assistant a été lancé le 20 mai 2026 sur le compte LINE des grands magasins Central et dans l’application Central. Il s’appuie sur un catalogue de plus de 1,4 million de produits. Le groupe lui attribue des réponses « 6 fois plus rapides » que le service traditionnel et 80 % de satisfaction ; la mode et la beauté sont les catégories les plus demandées. CENNI est donc un assistant de conversation pour les clients, dans le canal où opéraient déjà la vente par messagerie et les acheteurs personnels. Il ne s’agit pas d’un outil remis aux vendeurs des magasins.

Un recoupement des chiffres publiés invite à la prudence. Sur les 9 premiers mois de 2026, les ventes en ligne du groupe progressent de 22 % ; au 3e trimestre, le 1er trimestre complet après le lancement de CENNI, elles progressent de 21 %. À l’échelle du groupe, le rythme de croissance en ligne n’accélère pas après l’arrivée de l’assistant. L’accélération, réelle, lui est antérieure : selon la présentation du 12 novembre, les ventes en ligne progressaient de 14 % sur les 9 premiers mois de 2025 et de 22 % sur ceux de 2026, rythme que le 1er semestre, presque entièrement antérieur au lancement du 20 mai, tenait déjà (calcul ELMARQ). L’assistant ne concerne que les grands magasins Central, parmi les nombreuses enseignes du groupe, et un effet local peut se diluer dans l’ensemble : ce constat ne prouve pas que CENNI est sans effet. Il montre seulement que les comptes publiés ne permettent pas de le voir.

Les clients qui parlent à CENNI étaient-ils déjà prêts à acheter ?

Une conversion multipliée par 1,7 peut se lire de 3 façons, selon le groupe de comparaison retenu. Si elle compare les clients qui ont utilisé l’assistant à ceux qui ne l’ont pas utilisé, elle mesure un écart entre 2 populations différentes. Si elle compare la période après le lancement à la période d’avant, elle mêle l’assistant aux promotions, à la saison et aux nouvelles marques. Si elle compare des clients tirés au sort, dont une partie seulement a accès à l’assistant, elle approche un effet causal. Le communiqué ne dit pas laquelle de ces mesures a été faite.

La première lecture est la plus courante dans les tableaux de bord, et la plus fragile. Un client qui ouvre une conversation pour demander une taille, une teinte ou un délai de livraison a souvent déjà choisi son produit. Il convertit davantage que le visiteur qui feuillette, avec ou sans assistant. Comparer les utilisateurs de l’outil aux autres revient alors à comparer des clients engagés à des curieux. La présentation de Central Retail en offre elle-même un exemple, sur un autre sujet : au Vietnam, le panier moyen des membres du programme de fidélité The 1 y est présenté comme 2 fois plus élevé que celui des non-membres dans l’alimentaire. Personne n’en conclut que la carte double le panier ; les clients qui prennent une carte sont d’abord ceux qui achètent le plus. Rien n’établit que le x1,7 de CENNI relève de ce biais, mais rien dans le communiqué ne permet de l’écarter.

Un taux de conversion ne dit rien tant qu’on ignore à quel groupe de clients il est comparé.

Que mesurent les expériences contrôlées ?

Les études sérieuses tirent les clients au sort. La plus proche du cas thaïlandais porte sur une grande plateforme de commerce en ligne transfrontalier. Dans la version du 29 juin 2026 de leur article, Lu Fang, Zhe Yuan, Kaifu Zhang, Dante Donati et Miklos Sarvary mesurent l’effet d’un assistant d’avant-vente fondé sur l’IA générative : l’expérience principale, face à l’absence de service, porte sur 44 614 clients en septembre et octobre 2023 ; 3 expériences complémentaires, face à des agents humains ou avec relais humain, portent sur 30 345 à 44 736 clients, à des dates que l’article ne précise pas. Face à un simple message automatique indiquant que le service est indisponible, l’assistant augmente les ventes de 16,3 % et le taux de conversion de 21,7 %. Face à des agents humains, le même assistant ne fait ni mieux ni moins bien : l’écart de conversion, de -1,0 %, n’est pas significatif. Combiné à un relais humain pour les questions non résolues, il gagne 29,0 % de conversion face à l’absence de service, et l’écart de conversion face aux seuls humains, de 4,8 %, n’est pas significatif. En ventes, ce dispositif hybride fait en revanche 11,5 % de plus que les humains seuls, un écart que les auteurs jugent « marginalement significatif » (traduction ELMARQ). Le panier moyen des acheteurs ne bouge significativement dans aucun cas.

Le même outil, dans la même entreprise, affiche donc un gain fort ou un gain nul selon ce qu’il remplace. Les auteurs l’écrivent dans leur résumé : les effets dépendent de la contribution de l’IA « relative to baseline firm practices », c’est-à-dire des pratiques déjà en place. Un assistant IA gagne surtout là où le client n’avait personne à qui parler. Pour mémoire, une conversion multipliée par 1,7 correspond à une hausse de 70 % (calcul ELMARQ), soit plus du double de l’effet le plus élevé mesuré dans ces expériences. Les contextes diffèrent, et cette comparaison ne dit pas que le chiffre de Central Retail est faux ; elle dit qu’il demande une explication.

D’autres travaux complètent le tableau. En 2019, dans la revue Marketing Science, Xueming Luo et ses coauteurs ont tiré au sort plus de 6 200 clients appelés par un robot conversationnel ou par un vendeur. Non signalé, le robot vendait aussi bien que des vendeurs expérimentés et 4 fois mieux que des débutants ; annoncé comme une machine avant l’échange, il voyait les achats chuter de plus de 79,7 %. CENNI se présente ouvertement comme une IA. Côté productivité, l’étude d’Erik Brynjolfsson, Danielle Li et Lindsey Raymond, publiée en 2025 dans le Quarterly Journal of Economics, a suivi 5 172 agents de service client : l’assistant augmente de 15 % en moyenne le nombre de problèmes résolus par heure, avec des gains plus marqués chez les agents les moins expérimentés et les moins qualifiés. Elle porte sur le service, pas sur la vente : travailler plus vite et vendre davantage sont 2 résultats distincts. ELMARQ a déjà montré, à propos de la prospection, que mieux préparer la vente ne suffit pas à vendre davantage : les études y séparent le temps gagné, le volume d’activité et la marge. À l’échelle des entreprises, l’écart se retrouve. Dans l’enquête mondiale de McKinsey publiée en août 2026, 80 % des répondants disent que l’IA a amélioré leur productivité individuelle, mais 37 % seulement attribuent à l’IA une contribution positive au résultat opérationnel de leur organisation, une part « essentiellement inchangée » depuis 2025 (traduction ELMARQ). Dans le commerce et les biens de consommation, 15 % des répondants déclarent des agents IA déployés à l’échelle en marketing et ventes. Ces chiffres sont déclaratifs : 1 719 répondants dans 97 pays, interrogés du 4 mai au 8 juin 2026. Ils mesurent ce que les entreprises disent observer, pas un effet isolé par un groupe témoin. Le même rapport note que les organisations qui tirent le plus de valeur de l’IA sont 2 fois plus nombreuses que les autres à s’être dotées de « processus définis pour quantifier l’impact » de leurs initiatives (traduction ELMARQ).

Qui décide de ce que vaut un assistant de vente ?

Dans le cas Central Retail, l’indicateur a été choisi par l’entreprise, présenté dans le texte destiné à la presse et laissé hors des documents financiers. La décision d’investissement, elle, se prend ailleurs. Dans une enseigne française, l’éditeur fournit souvent le tableau de bord qui mesure son propre outil ; la direction du numérique le présente au comité de direction ; la direction financière arbitre le budget sans avoir défini le groupe témoin. Le pouvoir de dire si l’outil rapporte glisse ainsi vers ceux qui le vendent ou le pilotent. La personne qui fixe le groupe de comparaison décide, en pratique, du retour sur investissement affiché. Remettre ce choix à la direction financière, avant le déploiement, est la manière la plus simple de reprendre la main sur la mesure.

Le coût complet reste aussi à documenter. Central Retail ne publie aucun coût pour CENNI. Un assistant de ce type cumule des licences ou des appels au modèle, l’intégration au catalogue et aux stocks, la reprise par des humains des conversations non résolues, la modération des réponses et le travail des équipes qui le corrigent. Dans le cas thaïlandais, la croissance en ligne s’accompagne de commissions de vente plus élevées : un client converti sur un canal payant ne rapporte pas la même marge qu’en magasin.

Le fait à vérifier fin février 2027

Central Retail a déposé son rapport de gestion annuel 2025 le 27 février 2026. Si le calendrier est tenu, le rapport annuel 2026 paraîtra vers la fin février 2027 et couvrira le 4e trimestre, saison haute que le groupe dit préparer. Les issues possibles sont au nombre de 3. Le groupe publie la définition de la conversion, sa base et son groupe de comparaison : le chiffre devient vérifiable. Il reprend le x1,7, ou un nouveau multiplicateur, sans méthode : l’indicateur reste un argument de communication. Il cesse d’en parler : rien ne pourra en être déduit sur l’outil lui-même. Dans les 3 cas, les ventes en ligne du 4e trimestre diront si la croissance du canal accélère.

Central Retail a peut-être construit un très bon assistant. Les pièces publiées ne permettent ni de le confirmer ni de l’infirmer. Pour une direction commerciale, la leçon est ailleurs : un chiffre de conversion n’entre dans une décision d’investissement qu’avec sa définition, son groupe témoin et son coût complet.

Le communiqué de Central Retail du 11 novembre 2026 a été lu en anglais et en thaï ; le rapport de gestion du 3e trimestre 2026 et la présentation aux investisseurs du 12 novembre 2026 ont été lus dans leur version PDF. Les articles de Post Today (14 août 2026), de Brand Inside (publi-communiqué du 11 août 2026) et d’Inside Retail Asia (13 novembre 2026) ont été lus en intégralité. L’article de Fang et al. a été lu dans sa version 6 du 29 juin 2026 sur arXiv, tableaux C1 et C2 compris ; l’étude de Luo et al. (Marketing Science, 2019) dans son résumé publié ; l’étude de Brynjolfsson, Li et Raymond dans son résumé publié par le Quarterly Journal of Economics. Calculs ELMARQ : hausse de 70 % équivalente à un multiplicateur de 1,7 ; comparaison des croissances en ligne du trimestre et des 9 mois. Les citations anglaises et thaïes sont traduites par ELMARQ. Aucune personne privée n’est nommée. La grille est une méthode ELMARQ, à adapter, sans valeur de référence.