Vente en magasin
ISCO-08 5223Vendeur, Conseiller de vente, Conseiller clientèle boutique, Responsable de rayon, Directeur de magasin, Hôte de caisse
Effectif nécessaire, en ETP
Compétences IA cibles
niveau 1 à 4Compétences métier
Se renforcent
- Conseil personnalisé à partir de l'historique client
- Clienteling et suivi des clients réguliers
- Vente omnicanale entre magasin et site
- Expertise produit au-delà des informations en ligne
Se déprécient
- Recherche manuelle de stock et d'informations produit
- Opérations d'encaissement
- Comptage manuel des rayons et des stocks
- Préparation des reportings hebdomadaires du magasin
Les transformations attendues
Le cœur de la vente en magasin reste physique et relationnel : accueillir, conseiller, manipuler les produits, tenir la surface de vente. L'IA change les outils autour. Le vendeur consulte sur une tablette ou un smartphone le stock de tout le réseau, les informations produit et l'historique d'achat du client. Les caisses automatiques et une planification plus fine réduisent le travail en caisse, et le directeur reçoit des reportings automatisés.
Les clients arrivent souvent après avoir comparé les produits en ligne avec des assistants IA : ils attendent un conseil qui dépasse la fiche produit. Le bon vendeur de demain connaît ses produits en profondeur, utilise les données client pour personnaliser la visite dans le respect des règles de confidentialité et vend sur tous les canaux. Le directeur de magasin passe moins de temps sur les reportings et davantage à faire progresser son équipe.
- 2026-2027
- Les vendeurs utilisent des assistants mobiles pour stocks, produits et historique client.
- 2028-2030
- Les caisses automatiques progressent, la planification ajuste les effectifs à la fréquentation.
- 2031+
- Moins de postes de caisse, plus de conseillers experts produit et client.
La planification automatisée peut morceler les horaires et fragiliser la fidélisation dans une population déjà très mobile. La vraie pénurie portera sur les conseillers expérimentés capables de vendre des produits haut de gamme ou complexes. Voir l'effet démographique ci-dessous.
Et si vous recrutiez moins de juniors ?
Les seniors de 2036 sont les juniors que vous recrutez aujourd'hui.
Paramètres avancés modifié
2026 2036
The AI Cookbook 2026
Le guide d'albert pour dépasser le bruit autour de l'IA générative et en faire des décisions sur les effectifs.
- Ce que l'IA change vraiment dans les métiers et les compétences
- Pourquoi la filière junior compte plus que la plupart des entreprises ne le pensent
- Comment intégrer l'IA dans la planification des effectifs

Faites tourner ces scénarios sur vos vrais effectifs
Diagnostic Impact IA : 6 à 8 semaines, vos données dans albert, trois scénarios chiffrés et la pyramide projetée pour chaque famille de métiers.
Comment les chiffres sont construits
Chaque chiffre d'effectif combine quatre hypothèses. Trois sont pré-remplies à partir de la recherche publique et des valeurs de la famille. Le plafond stratégique, c'est vous qui le fixez.
Pyramide d'expérience
Un modèle de flux à trois niveaux d'expérience dans le métier. Les taux de promotion et de départ sont calés pour que la pyramide actuelle reste stable sans changement de recrutement : l'écart affiché vient uniquement de la baisse du recrutement junior.
Sources
- International Labour OrganizationGenerative AI and jobs: a refined global index of occupational exposure (2025)
- ILO datasetTask-level GenAI exposure scores by ISCO-08 occupation
- AnthropicAnthropic Economic Index (June 2026 release, April and May 2026 usage data)
- Stanford Digital Economy LabCanaries in the Coal Mine? Six facts about the recent employment effects of AI