Contexte technique
J'ai spécifiquement vérifié ce qu'il en est chez Silpo, pas à partir de rumeurs, mais de faits. L'histoire du « vous sortez du magasin et l'argent est débité automatiquement » semble belle, mais en juillet 2026 ce n'est pas le cas : ils n'ont pas de système complet à la Amazon Go.
En revanche, il y a quelque chose qui m'intéresse vraiment en tant qu'ingénieur en implémentation d'IA. À Kiev, Silpo teste un pilote de chariots IA : le chariot est équipé de caméras ou d'un scanner intégré, le système reconnaît le produit lorsqu'il est ajouté, constitue un panier virtuel, puis je confirme la liste et je paie via mon smartphone.
C'est une différence importante. Il y a de la reconnaissance, de la vision par ordinateur dans le retail physique, les prix personnalisés via l'application s'intègrent logiquement dans ce scénario, mais il n'y a pas encore de débit entièrement automatique à la sortie.
Parallèlement, ils ont depuis longtemps « Vilnokasa » (Caisse Libre). C'est un mécanisme complètement différent : je scanne moi-même les codes-barres dans l'application, puis je génère un QR code et je vais à une caisse automatique. Ce n'est donc pas un chariot OCR ni un magasin sans caisse, mais un Scan&Go bien fait.
Et ici, je ne dévaloriserais pas le pilote. Pour le retail physique, même cette couche intermédiaire d'intégration IA est déjà utile : le système apprend à partir de produits réels, d'emballages complexes, de reflets, d'occlusions, d'erreurs utilisateur et de la connexion avec le programme de fidélité. Sur le papier, cela semble simple, mais dans le magasin tout se heurte à la réalité en une demi-journée.
Impact sur les affaires et l'automatisation
Pour le retail, je vois ici trois effets pratiques. Premièrement : moins de frictions sur le chemin du paiement, surtout si vous achetez peu d'articles et ne voulez pas faire la queue à la caisse. Deuxièmement : une plus grande valeur de l'application, car la fidélité, les remises personnalisées et le paiement se réunissent en un seul flux. Troisièmement : le magasin obtient des données réelles pour une automatisation IA ultérieure, et non une présentation pour les investisseurs.
Qui y gagne ? Les chaînes à fort trafic et aux opérations de caisse coûteuses. Qui y perd ? Ceux qui essaient de passer directement à un « magasin sans caisse » sans une architecture IA appropriée, une qualité de données et un contrôle des erreurs.
Chez Nahornyi AI Lab, j'aime particulièrement ce genre d'histoires : non pas « ajoutons un réseau de neurones », mais construisons une boucle fonctionnelle de la vision par ordinateur au paiement, aux remises et aux cas litigieux. Si vous avez une activité retail ou physique et que vous voulez construire une automatisation IA sans contes de fées et avec une économie solide, nous pouvons discuter calmement de la manière de l'adapter à votre processus.