Cadre AIM2 pour l'innovation marketing intelligente utilisant l'analyse consommateur pilotée par IA avec réseaux neuronaux SOR et XGBoost dans la distribution saoudienne

Pourquoi vos données d'épicerie comptent

À chaque achat — que vous preniez du pain et du lait dans une supérette de quartier ou que vous remplissiez un panier en ligne pour les courses du week‑end — vous laissez derrière vous une série d'indices numériques. Cet article montre comment ces indices peuvent être transformés en marketing plus intelligent et plus équitable dans le secteur de la distribution à forte croissance en Arabie Saoudite. En mêlant une intelligence artificielle avancée à un modèle psychologique classique de la façon dont les personnes réagissent à leur environnement, les auteurs proposent une méthode permettant aux supermarchés d'envoyer des offres qui semblent réellement utiles, et non intrusives, tout en soutenant les objectifs nationaux de transformation numérique inscrits dans la Vision 2030.

Des simples publicités aux conversations intelligentes

Le marketing de la distribution consistait autrefois en un message unique pour tous : la même publicité télévisée, le même prospectus, la même promotion. Avec le passage des achats vers le numérique et le mobile, ce paysage a changé. Aujourd'hui, les magasins peuvent voir quels produits sont souvent achetés ensemble, à quelle fréquence les clients reviennent, et leur sensibilité aux variations de prix. L'étude soutient que cette avalanche d'informations nécessite plus que de la simple astuce mathématique ; elle doit s'appuyer sur la façon dont les personnes pensent et ressentent réellement. Les auteurs s'appuient sur l'idée « Stimulus–Organism–Response » (Stimulation–Organisme–Réponse) de la psychologie, qui stipule que ce que nous percevons (stimulation) façonne nos sentiments et nos pensées (organisme), ce qui oriente ensuite nos actions (réponse). En termes de commerce de détail, cela signifie que les offres numériques et les prix devraient être conçus en tenant compte de la confiance du client, de la valeur perçue et de la satisfaction — et pas seulement des ventes à court terme.

Un moteur à trois niveaux pour la distribution moderne

Le cœur de l'article est un nouveau cadre nommé AIM2, acronyme de AI‑Integrated Marketing Innovation Model. AIM2 est construit comme un moteur à trois étages. Au rez‑de‑chaussée, des algorithmes puissants filtrent les données brutes de ventes de Tamimi Markets, une grande chaîne d'épicerie saoudienne. Ceux‑ci incluent des méthodes de clustering qui segmentent les acheteurs en catégories budget, milieu de gamme et premium ; des outils de fouille de motifs qui repèrent les articles souvent achetés ensemble ; des réseaux neuronaux qui apprennent les schémas de demande au fil du temps ; et l'algorithme XGBoost, une méthode basée sur des arbres bien adaptée aux données réelles et bruitées. Le niveau intermédiaire traduit ces résultats algorithmiques en actions concrètes visibles par les clients, telles que des paniers recommandés ou des remises limitées dans le temps. Le niveau supérieur suit comment ces actions affectent des sentiments tels que la confiance et la satisfaction, et des comportements comme les visites répétées et la fidélité, bouclant la boucle entre données et expérience humaine.

Ce que les données ont révélé sur les consommateurs saoudiens

En utilisant plusieurs mois d'enregistrements de transactions réelles, les chercheurs montrent que les clients des épiceries saoudiennes se répartissent naturellement en trois styles de dépenses principaux. Les acheteurs « budget » se rendent moins souvent au magasin, dépensent des montants plus faibles et réagissent fortement aux variations de prix et aux promotions. Les acheteurs milieu de gamme sont plus équilibrés, tandis que les acheteurs premium constituent des paniers plus diversifiés, dépensent davantage par visite et sont moins sensibles au prix. Le système identifie aussi des associations de produits stables — tels que des combinaisons d'articles de base et de produits plus haut de gamme — qui peuvent être transformées en offres groupées utiles. Pour la prévision, les outils d'IA surpassent sensiblement les approches traditionnelles : le modèle XGBoost réduit les erreurs de tarification et d'attrition d'environ 14 % par rapport à la régression classique, et devance un réseau neuronal simple en précision d'environ 9 %, tandis que les réseaux neuronaux basés sur les séquences capturent mieux les pics saisonniers autour d'événements comme le Ramadan et l'Aïd.

Maintenir le système équitable, transparent et adaptable

Au‑delà de la seule précision, le cadre intègre des garde‑fous visant une utilisation responsable. Les auteurs vérifient si l'IA traite de manière comparable différents groupes comportementaux — par exemple les clients à forte et faible dépense — en termes de résultats prédits, en signalant les problèmes lorsque les disparités deviennent trop importantes. Ils utilisent également des outils d'explicabilité qui montrent quelles variables influencent le plus chaque prédiction, aidant les marketeurs à comprendre pourquoi le système estime qu'un client pourrait partir ou répondre à un certain prix. Une boucle de rétroaction surveille les évolutions au fil du temps : si le comportement des clients change ou si les mesures d'équité dérivent, les modèles sont réentra înés. Cette conception reconnaît que les environnements de vente au détail et les attentes des consommateurs sont des cibles mouvantes, en particulier dans un pays qui accélère sa modernisation numérique.

Ce que cela signifie pour les courses quotidiennes

Pour les non‑spécialistes, le message principal est que des algorithmes plus intelligents peuvent rendre le commerce de détail à la fois plus efficace et plus centré sur l'humain — s'ils sont reliés à une compréhension de la façon dont les personnes pensent et ressentent. Dans le cadre AIM2, « l'intelligence » ne consiste pas seulement à deviner ce que vous achèterez ensuite ; il s'agit de s'assurer que ces hypothèses favorisent la confiance, la satisfaction et la fidélité à long terme, plutôt que l'agacement ou la méfiance. Les résultats en conditions réelles dans un supermarché saoudien montrent qu'un tel système peut segmenter les clients de manière significative, proposer des offres groupées sensées et améliorer les prévisions de demande et d'attrition, tout en intégrant des mécanismes de contrôle pour l'équité et la transparence. Concrètement, cela pourrait se traduire par des applications d'épicerie qui paraissent davantage comme un assistant utile et moins comme un vendeur insistant — soutenant à la fois de meilleures expériences d'achat pour les individus et des objectifs nationaux plus larges en matière de numérique et de durabilité.

Citation: Alarfaj, F.K., Badouch, M., Khan, H.U. et al. AIM2 framework for smart marketing innovation using AI driven consumer analytics with SOR neural networks and XGBoost in Saudi retail. Sci Rep 16, 14160 (2026). https://doi.org/10.1038/s41598-026-42787-3

Mots-clés: marketing IA, analyse du commerce de détail, comportement du consommateur, Vision 2030 Arabie Saoudite, shopping personnalisé