B&Q et Castorama (Kingfisher)
recommandations personnalisees plus assistant DIY conversationnel genAI
Chez Kingfisher, les recommandations et la personnalisation IA ont genere environ 80 M GBP de ventes au premier semestre 2025/26, en hausse d'environ 37% sur un an, et l'assistant DIY Hello Casto compte environ 60 000 utilisateurs par mois.
L'essentiel
- Recommandations personnalisees et assistant DIY conversationnel Hello Casto et Hello B&Q.
- Orchestration maison Athena sur Google Cloud Vertex AI et data lake Nucleus.
- Environ 80 M GBP de ventes IA au S1 2025/26, +37% sur un an.
- Hello Casto a environ 60 000 utilisateurs mensuels, preuve A confirmee.
Objectif
Faire progresser les ventes en ligne en poussant les bonnes recommandations produit et en repondant aux questions de bricolage en langage naturel, pour transformer un catalogue technique en parcours guide.
Le déploiement
Kingfisher a construit Athena, un cadre d'orchestration in-house qui branche plusieurs modeles de langage sur ses enseignes. Sur cette base, le groupe a lance Hello Casto, son premier assistant DIY conversationnel genAI, sur Castorama France le 14 novembre 2023, puis Hello B&Q au Royaume-Uni. Le client pose une question de bricolage en langage naturel et recoit des conseils pas a pas et des produits adaptes. En parallele, des moteurs de recommandation et de personnalisation alimentent les pages produit. D'apres les resultats semestriels 2025/26 du groupe, les recommandations et la personnalisation pilotees par l'IA ont genere environ 80 millions de livres de ventes sur le premier semestre, en hausse d'environ 37% sur un an. Hello Casto a aide environ 350 000 clients et compte de l'ordre de 60 000 utilisateurs par mois.
Résultats Preuve A
Le chiffre central, environ 80 M GBP de ventes en hausse d'environ 37% sur un an, provient des resultats semestriels 2025/26 de Kingfisher (document financier de la marque). Il est corrobore par la presse specialisee (Digiday sur les utilisateurs de Hello Casto) et par le communique du partenariat Google Cloud. La presence dans les resultats financiers place a A.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- plateforme Athena (orchestration in-house) cadre d'orchestration de Kingfisher qui branche plusieurs modeles de langage sur les enseignes du groupe
- plateforme Google Cloud Vertex AI socle IA du partenariat Google Cloud, dont Vertex AI Search for Commerce pour la recherche et les assistants
- infra Nucleus (data lake) data lake groupe : comportement de navigation et d'achat, catalogue, socle des recommandations
- outil Moteurs de recommandation et assistants Hello Casto / Hello B&Q reco personnalisee sur les pages produit et assistants DIY conversationnels genAI par enseigne
Comment ça tourne, concrètement
Pour les équipes ops-
1Question ou navigation client
Le client pose une question DIY a Hello Casto ou Hello B&Q, ou navigue sur les pages produit.
-
2Orchestration IA
Athena route la demande vers le bon modele et compose conseil et recommandations.
-
3Recommandation personnalisee IA
Les moteurs de reco classent les produits selon le comportement et le contexte du client.
-
4Mesure et attribution equipe data
Les equipes suivent les ventes attribuees a la reco et a la personnalisation et arbitrent les modeles.
Le comportement de navigation et d'achat qui nourrit les recommandations, et la qualite du catalogue pour l'assistant. Sans donnee de navigation propre ni catalogue structure, la reco perd en pertinence et l'assistant repond a cote.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLe paradoxe est documente des deux cotes : 71% des consommateurs attendent des interactions personnalisees et 76% sont frustres quand elles manquent (McKinsey, 2021), mais 75% declarent ne pas acheter aupres d'organisations auxquelles ils ne confient pas leurs donnees (Cisco, 2024). La « creepy line » est localisee : messages recus quelques secondes apres une recherche et suivi de localisation sont les pratiques qui mettent le plus mal a l'aise (Periscope by McKinsey, 2019).
Conditions d'acceptation
- La confiance dans le traitement des donnees precede l'achat : 75% ne achetent pas sans elle (Cisco 2024)
- Un cadre legal protecteur rassure : 59% des consommateurs disent que des lois fortes sur la vie privee les rendent plus a l'aise pour partager des informations dans des applications IA (Cisco 2024)
- La personnalisation elle-meme est attendue quand elle est consentie : environ la moitie des consommateurs (US 55%, UK 52%) disent s'inscrire souvent ou parfois a des services personnalises (Periscope by McKinsey 2019)
Lignes rouges
- Le message declenche quelques secondes apres une recherche ou un achat : deuxieme ou troisieme cause de malaise selon les pays (Periscope by McKinsey 2019)
- Le suivi de localisation percu comme de la surveillance : 40% de malaise en Allemagne et au Royaume-Uni (Periscope by McKinsey 2019)
- Le mesusage des donnees personnelles par l'IA, devenu la premiere inquietude des consommateurs, a 53% et en hausse (Qualtrics 2025)
Sources : McKinsey & Company 2021 · Periscope by McKinsey 2019 · Cisco 2024 · Qualtrics 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- Data lake unifie du comportement de navigation et d'achat
- Catalogue produit structure pour l'assistant et la reco
- Attribution des ventes aux recommandations
Prérequis orga
- Cadre d'orchestration multi-modeles
- Equipe data groupe capable de tenir plusieurs enseignes
- Regle de transparence IA
Stack possible
- Couche d'orchestration LLM type Athena
- Moteur de recommandation sur le comportement
- Recherche semantique commerce
Le plan, étape par étape
- Étape 1Unifier la donnee de navigation et le catalogue produit dans le data lakeLivrable : Catalogue structure + donnees de navigation requetables
- Étape 2Brancher un moteur de recommandation sur les pages produit avec attribution des ventesLivrable : Reco personnalisee en production sur une enseigne pilote
- Étape 3Construire l'assistant conversationnel sur le catalogue (conseils pas a pas + produits)Livrable : Assistant en beta sur un perimetre de questions DIY
- Étape 4Lancer l'assistant sur l'enseigne pilote et mesurer usage et ventes attribueesLivrable : Utilisateurs mensuels + ventes attribuees a la reco et a l'assistant
- Étape 5Mutualiser via une couche d'orchestration multi-modeles et etendre aux autres enseignesLivrable : Cadre commun type Athena servant plusieurs enseignes
Première étape : Unifier la donnee de navigation et le catalogue, brancher un moteur de reco, puis exposer un assistant conversationnel sur une enseigne pilote.
Le même pattern, prouvé dans d'autres industries
Function of Beauty
formulation produit personnalisee par algorithme a partir d'un quiz
Henkel
content supply chain genAI pour personnalisation un-a-un a l'echelle
Hims & Hers
routage de traitement personnalise par IA sur donnees d'intake (MedMatch)
Sources
- S1 Kingfisher and Google Cloud Partner to Deliver AI-Powered Shopping Across UK and Europe Primaire archive à générer
- S2 As brands look for AI edge, B&Q retail owner Kingfisher is expanding in-house development Presse établie archive à générer
- S3 B&Q and Screwfix owner Kingfisher taps GenAI as it builds data led omnichannel customer experience Secondaire archive à générer
- S4 Kingfisher plc - Half year results for the six months ended 31 July 2025 Primaire archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.