Nvidia propose un logiciel de prévention des pertes pour accélérer les ventes de puces accélératrices

Le fabricant de GPU Nvidia élargit son offre de logiciels d’entreprise avec trois nouveaux flux de travail d’IA pour les détaillants qui, espère-t-il, stimuleront également les ventes de ses accélérateurs matériels.

Les flux de travail sont construits sur la plate-forme technologique AI existante de Nvidia. L’un suit les acheteurs et les objets à travers plusieurs vues de caméra en tant que bloc de construction pour les systèmes de magasin sans caissier ; l’un vise à prévenir la fraude à l’échange de billets aux caisses libre-service ; et l’autre pour créer des tableaux de bord d’analyse à partir de la vidéo des caméras de surveillance.

Cependant, Nvidia ne présente pas ces flux de travail comme des applications prêtes à l’emploi. Au lieu de cela, il les mettra à la disposition des entreprises pour qu’elles les intègrent elles-mêmes ou les achètent dans le cadre de systèmes plus vastes développés par des startups ou des intégrateurs de systèmes tiers.

« Plusieurs d’entre eux, dans le monde, ont développé avec succès ce type de solutions, mais nous facilitons la tâche à davantage d’éditeurs de logiciels et également aux intégrateurs de systèmes pour créer ce type de solutions », a déclaré Azita Martin, vice-présidente de Nvidia. détail.

Elle s’attend à ce que la demande pour le logiciel stimule les ventes de produits informatiques de pointe contenant les puces d’accélération de Nvidia, car les problèmes de latence signifient que les algorithmes des systèmes sans caissier et d’auto-paiement doivent fonctionner à proximité de la caisse et non dans un centre de données distant.

En plus de suivre qui transporte quels articles hors du magasin, le système à plusieurs caméras peut également reconnaître quand les articles ont été remis sur la mauvaise étagère, en demandant au personnel de les remettre en rayon afin que d’autres clients puissent les trouver et que les ruptures de stock soient évitées, dit-elle.

« Nous assistons à une adoption massive des achats sans friction en Asie-Pacifique et en Europe, en raison d’une pénurie de main-d’œuvre », a déclaré Martin.

Nvidia devra faire face à la concurrence d’Amazon sur le marché des magasins sans caissier, car alors qu’Amazon a initialement développé sa technologie Just Walk Out pour une utilisation dans ses propres magasins Amazon Go et Amazon Fresh, il l’offre désormais également à des détaillants tiers. Le premier supermarché non Amazon à utiliser la technologie de l’entreprise a ouvert ses portes à Kansas City en décembre.

Évaluation de la maîtrise des coûts

L’outil pour empêcher le changement de ticket est destiné à être intégré aux terminaux de point de vente en libre-service équipés d’une caméra, leur permettant ainsi d’identifier le produit scanné et de vérifier qu’il correspond au code-barres.

Le coût de la formation du modèle d’IA pour reconnaître ces produits dépassait les dépenses habituelles en capacité de calcul.

« Nous avons acheté des dizaines de milliers de dollars de produits comme le steak et Tide et la bière et les rasoirs, qui sont les articles les plus couramment volés, et nous avons formé ces algorithmes », a déclaré Martin.

Nvidia a maîtrisé sa facture d’épicerie grâce à sa plateforme de simulation Omniverse. « Nous n’avons pas acheté toutes les tailles de Tide et tous les emballages de bière », ajoute-t-elle. « Nous avons pris Omniverse et créé des données synthétiques pour former encore plus ces algorithmes pour une plus grande précision. »

La bière présente un défi particulier pour le système de reconnaissance d’image, car elle se vend souvent dans des multipacks de différentes tailles ou dans des emballages en édition spéciale associés à des événements comme le Super Bowl. Cependant, le système continue d’apprendre de nouveaux formats de produits et de nouveaux emballages à partir d’images capturées à la caisse.

Alors que la mise en œuvre sera laissée aux détaillants et à leurs intégrateurs de systèmes, Martin a suggéré que l’outil pourrait être utilisé pour verrouiller un terminal de point de vente lorsqu’un changement de billet est suspecté, en convoquant un membre du personnel pour le réinitialiser et aider le client à rescanner son éléments.

Nvidia vante une grande précision pour ses algorithmes, mais il reste à voir comment cela fonctionnera lors du déploiement.

« Ces algorithmes fourniront une précision de 98% pour détecter le vol, fermer le point de vente et le prévenir », a-t-elle déclaré.

Mais cela laisse toujours un taux de faux positifs de 2 %, de sorte que les DSI voudront surveiller attentivement l’impact potentiel sur la rentabilité, la satisfaction des clients et les réinitialisations fréquentes pour empêcher le changement de ticket.

Un problème de 100 milliards de dollars

Une enquête réalisée en 2022 par la National Retail Federation a révélé que la démarque inconnue représentait 1,44 % des revenus – un chiffre relativement stable au cours de la dernière décennie – et qu’en 2021, les pertes dues à la démarque inconnue totalisaient près de 100 milliards de dollars, a estimé le NRF.

De ce nombre, les répondants à l’enquête ont déclaré que 26 % étaient dus à des défaillances de processus ou de contrôle, 29 % à des vols commis par des employés ou internes et 37 % à des vols externes.

Mais Nvidia suggère que sa technologie de prévention des pertes pourrait éliminer 30 % de la démarque inconnue. Cela signifierait cependant que cela pourrait empêcher les quatre cinquièmes de tous les vols externes au détail, même si en plus du changement de billet, cette catégorie comprend également le vol à l’étalage et les activités criminelles organisées au détail telles que le vol de marchandises et l’utilisation de cartes de crédit volées ou clonées. pour obtenir de la marchandise.

De plus, les gains potentiels doivent être mis en balance avec le coût de déploiement de la technologie, qui, selon Martin, « dépend de la taille du magasin, du nombre de caméras et du nombre de magasins dans lesquels vous la déployez ».

Plus positivement, Nvidia propose également des flux de travail d’IA qui peuvent traiter les flux vidéo des caméras de surveillance pour générer un tableau de bord d’analyses de vente au détail, y compris une carte thermique des allées les plus populaires et des tendances heure par heure du nombre de clients et du temps de séjour. « Tout cela est extrêmement important pour optimiser le merchandising, l’aménagement du magasin, où vont les produits et sur quelles étagères générer des revenus supplémentaires », a déclaré Martin.