Acquis par But en 2022, le distributeur en ligne de mobilier contemporain et design Drawer, utilise avec succès l’IA Générative pour enrichir rapidement son catalogue de produits.
Créé en 2011 à Lille, le site de vente de meubles et d’objets de décoration Drawer a rejoint le groupe But international, qui en est devenu l’actionnaire majoritaire en 2022. La DNVB qui s’adresse à une clientèle de particuliers et de professionnels, source ses articles et se positionne comme un revendeur pour des marques «invitées». Enregistrant un chiffre d’affaires de près de 20 millions d’euros, elle propose 5000 fiches produits en ligne, travaille avec un panel d’une quarantaine de fournisseurs, réalise 70% de son trafic sur mobile et gère quelques 67 000 commandes dont la moitié via sa marketplace. Et tout cela en s’appuyant sur une petite équipe d’une vingtaine de collaborateurs. «Nos enjeux d’automatisation sont donc extrêmement importants», souligne Vincent Mazzucco, CIO qui est récemment intervenu à une conférence organisée par Akeneo sur le sujet de l’IA Générative.
Augmenter le nombre de fiches produits grâce à l’IA Générative
Pour accroitre son catalogue en volume de fiches et augmenter ses territoires géographiques, l’entreprise a lancé un projet d’onboarding de ses fournisseurs avec Akeneo SDM (Supplier Data Manager) et avec l’IA Générative. «Avec l’augmentation du nombre de produits que l’on référence, nous nous sommes demandés comment nous allions maintenir une performance et un délai de publication optimal sans avoir à recruter une armée de rédacteurs pour rédiger nos descriptions. C’est dans ce cadre que nous avons commencé à explorer l’IA Générative. L’idée était de passer d’un catalogue de 5000 fiches à 10 000 fiches dans un délai assez court». Le «Supplier Data Manager» de l’éditeur propose un portail pour collecter, gérer et enrichir les informations produits et les médias fournis par les fournisseurs. «Avec le SDM, nous disposions d’une source de données qui allait être propre et disponible pour mettre en place un POC de génération de descriptions», poursuit Vincent Mazzucco. Un stagiaire, étudiant dans une école d’intelligence artificielle, est recruté pour six mois dans cet objectif. Et finalement le POC est un succès. «Nous avons déjà environ 150 fiches qui ont été décrites par ChatGPT. Nous avons itéré un certain nombre de fois pour parvenir à un processus qui nous permet d’avoir des fiches très proches de ce que nos rédacteurs pouvaient produire».
L’équipe a notamment travaillé le Retrieval Augmented Generation (RAG) ou génération augmentée de récupération qui consiste à optimiser le résultat d’un grand modèle de langage. Elle fait appel à une base de connaissances fiable externe aux sources de données utilisées pour l’entraîner avant de générer une réponse. Drawer a fourni son corpus de description à ChatGPT et travaillé avec des technologies no code pour aller chercher grâce aux API de Akeneo toutes les données indispensables et correctes pour générer le descriptif d’un produit.
Prompts dynamiques
Pour commencer sa démarche, l’équipe a du réaliser un travail préalable. «Nous référençons une centaine de familles de produits et on ne décrit pas un canapé comme une chaise ou un miroir», explique Vincent Mazzucco. «Nous avons réussi à construire des prompts dynamique en allant chercher la catégorisation par famille, héritée de Akeneo SDM. Ensuite dans chaque famille, nous allons chercher les bons attributs que l’on veut voir figurer dans la description. Nous avons aussi exploré la notion de traduction avec Deepl» (le spécialiste allemand dans la traduction automatique vient de lever 300 millions de dollars pour renforcer sa gamme d’outils de communication IA pour les entreprises, ndlr). Les fiches produits et les descriptions sont néanmoins relues et validées avant d’être publiées. «On voulait s’assurer qu’il y a un humain dans ce process». Cette étape de validation humaine reste toujours importante pour éviter les hallucinations.
Une capacité de production fortement augmentée
Avec cette implémentation, la capacité de production de fiches produits devrait s’accélérer de 60% d’ici cette fin d’année. Mené main dans la main avec le SI, ce projet de «Geo Trouvetout» comme le qualifie Vincent Mazzucco est encore dans une phase exploratoire puisque toutes les familles de produits ne sont pas encore couvertes. «On itère et nous sommes passés de GPT3 à GPT4. La solution est encore en train d’apprendre». Pas facile néanmoins de faire adopter ces nouvelles technologies par les rédacteurs. Pour cela le métier a travaillé avec une équipe sélectionnée dont les compétences ont été augmentées. «Il a fallu les convaincre que l’outil allait les aider, rendre le job plus confortable et plus intéressant parce que le « fine-tuning » (réglage fin) de prompt est une nouvelle compétence à acquérir».
Les prochains défis portent sur l’extraction de données et leur structure. Si la complétude des données est passée de 15% à 98%, il reste à améliorer la notion de «multimodalité». «Comment à partir d’une image on peut aller extraire des caractéristiques, comme le nombre de portes d’un meuble ? Si demain les outils d’IA nous permettent de le faire alors nous allons encore accélérer». D’autres cas d’usage, comme disposer de schémas avec des dimensions, mais aussi l’internationalisation, la traduction avec l’adaptation culturelle –un canapé n’est pas décrit en France comme en Allemagne ou en Espagne car les consommateurs n’ont pas les mêmes attentes – sont parmi les enjeux.
Je souhaite lire les prochains articles des Clés du Digital, JE M’INSCRIS A LA NEWSLETTER
Laisser un commentaire