Target SVP says its real AI moat isn't the models — it's everything built around them

Introduction
Siobhán Mc Feeney, vice‑présidente de Target, explique que l’avantage concurrentiel de l’enseigne ne réside pas tant dans les modèles d’IA eux‑mêmes, mais dans l’ensemble de l’architecture, des processus et de la gouvernance qui les entourent.

Points clés
- Approche sélective et graduelle : chaque projet d’agent IA doit d’abord répondre à un problème clairement identifié, être classé (orchestrateur, super‑agent, domaine‑spécifique ou simple outil) et obtenir une certification avant d’être déployé. L’autonomie est accordée progressivement : observation → suggestion → action sous garde‑fou → exécution end‑to‑end avec supervision humaine.
- Infrastructure de gouvernance : Target a mis en place une couche de données, de taxonomie et de suivi (ligneage, observabilité, métriques de calibration, dérive) qui garantit transparence, récupération rapide en cas d’incident et contrôle des coûts en choisissant le modèle le plus adapté à chaque tâche.
- Nouveaux rôles et culture :