Home Depot ouvre 12 nouveaux magasins en 2026 tout en déployant simultanément des outils d’IA qui ne fonctionnent que grâce à l’infrastructure physique qui les sous-tend. La combinaison peut sembler contre-intuitive. Il suffit d’examiner la pile produit pour comprendre : chaque outil d’IA que l’entreprise a développé depuis 2024 repose sur cette couche physique, et chacun lui renvoie des données qui affinent la prochaine itération.

Les déploiements de Home Depot illustrent concrètement ce mécanisme. Magic Apron, l’assistant d’IA générative développé sur Google Cloud et étoffé lors du NRF 2026, s’intègre à l’inventaire local en temps réel pour offrir une précision à l’allée près — orientant les clients vers l’exact emplacement de n’importe quel article dans plus de 2 300 points de vente. Un système d’intelligence logistique reposant sur Gemini et Google Maps anticipe les échecs de livraison avant même l’expédition, en croisant les données opérationnelles clients avec les conditions météorologiques et routières. Le générateur de listes de matériaux assisté par IA destiné aux entrepreneurs professionnels, présenté au NRF en janvier 2026, convertit des descriptions de projets formulées à l’oral ou à l’écrit en listes d’achats complètes. Aucun de ces outils ne fonctionne sans le réseau physique. Et chacun lui renvoie à son tour des données de performance.

C’est le volant d’inertie qu’opère Home Depot. La densité physique génère des signaux d’inventaire local qui alimentent des recommandations d’IA plus précises, lesquelles stimulent la conversion sur les transactions complexes et enrichissent le modèle de données plus pertinentes. Un distributeur sans couverture physique ne peut entrer dans cette boucle à aucune étape. Ouvrir davantage de magasins est, dans cette logique, un investissement dans l’IA — parce que l’IA a besoin des données que seuls ces points de vente génèrent.

L’objection qui mérite d’être prise au sérieux est celle de la spécificité des catégories. L’amélioration de l’habitat s’appuie de façon particulièrement marquée sur l’interaction physique — la complexité des projets, les matériaux encombrants, l’expertise du comptoir professionnel. Magic Apron qui résout le problème « où se trouve le conduit EMT 1/2 pouce » est une tout autre question que celle d’un assistant d’IA naviguant dans la découverte de vêtements ou de produits de beauté. La dépendance au physique dans l’amélioration de l’habitat est structurelle. L’habillement et la chaussure partagent une version plus atténuée de cette dynamique — l’essayage, le toucher, le moment stylistique en magasin — mais une plus grande partie de cette boucle peut être bouclée numériquement, et la pénalité pour une instrumentation physique insuffisante est proportionnellement plus faible. Cela n’élimine pas l’écart entre les opérateurs à l’aise avec l’IA et ceux qui fonctionnent encore à l’analogique ; cela fixe simplement un plancher moins élevé.

La nuance est légitime pour la catégorie. L’argument structurel reste valide au-delà. L’enquête 2026 de Mirakl sur la maturité en matière d’IA dans le commerce, qui agrège les évaluations de sept cabinets partenaires dont Deloitte Digital, Accenture et Adobe, note la préparation globale des distributeurs à 4,4 sur 10. Les lacunes les plus criantes concernent la structuration des catalogues produits — les agents d’IA requièrent des spécifications lisibles par les machines, et non du contenu rédigé pour Google —, la précision en temps réel des inventaires, et la fiabilité des livraisons qu’exigent les transactions autonomes. Aucun de ces problèmes ne relève uniquement du logiciel. Ils dépendent du degré d’instrumentation des opérations physiques d’un distributeur et de la façon dont ses données ont été mappées à ce que l’IA peut effectivement exploiter. Un distributeur qui n’a pas accompli ce travail délivre une expérience d’IA moins performante, quel que soit le modèle qu’il utilise en coulisses.

Les résultats du quatrième trimestre 2025 de Home Depot montrent que l’écart se creuse. Les ventes en ligne ont progressé d’environ 11 % mais ne représentent toujours que 11 % du chiffre d’affaires trimestriel total — à l’intérieur d’une activité e-commerce annuelle de 25 milliards de dollars construite par-dessus l’infrastructure des magasins physiques, et non à sa place. Les taux de libre-service client via les outils d’IA ont triplé. Vingt millions d’utilisateurs actifs sur l’application mobile naviguent en permanence entre le digital et le physique. Le vice-président exécutif Jordan Broggi a décrit la stratégie comme la construction de « la meilleure expérience interconnectée dans l’amélioration de l’habitat » en combinant « les meilleurs produits, les emplacements de magasins, les collaborateurs, les capacités de livraison et les outils numériques » — un système où retirer n’importe quel composant dégrade l’ensemble.

Pour les autres distributeurs, la conclusion n’est pas qu’ils ont besoin de la pile technologique spécifique de Home Depot. La question est de savoir s’ils construisent l’infrastructure de données physiques que tout système d’IA exige pour générer des gains de performance réels. Les distributeurs qui ont différé cette instrumentation ne maintiennent pas leur position — ils perdent du terrain chaque trimestre face aux opérateurs dont les modèles progressent parce que leurs magasins génèrent de meilleures données. Le fait que Home Depot ouvre 12 magasins supplémentaires traduit un calcul précis : plus de couverture physique signifie plus de données, et plus de données signifie un écart de performance plus large face aux concurrents qui n’ont pas consenti un investissement équivalent. Si cette logique se confirme, le risque n’est pas que l’IA supplante le commerce physique. C’est de laisser des opérateurs maîtrisant l’IA construire un avantage que de simples achats de logiciels ne pourront pas combler.