{"id":682233,"date":"2025-06-23T17:09:55","date_gmt":"2025-06-23T16:09:55","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=cases&#038;p=682233"},"modified":"2025-12-16T16:54:53","modified_gmt":"2025-12-16T16:54:53","slug":"adeo-improving-product-referencing-speed-and-quality-with-ai","status":"publish","type":"cases","link":"https:\/\/www.artefact.com\/fr\/cases\/adeo-improving-product-referencing-speed-and-quality-with-ai\/","title":{"rendered":"<span class=\"highlight\">ADEO<\/span> ADEO : Am\u00e9liorer la rapidit\u00e9 et la qualit\u00e9 du r\u00e9f\u00e9rencement des produits gr\u00e2ce \u00e0 AI"},"content":{"rendered":"<p>Des fiches produits claires et pr\u00e9cises sont essentielles pour offrir une bonne exp\u00e9rience client et assurer la performance d'un site e-commerce. ADEO, la maison m\u00e8re de Leroy Merlin, int\u00e8gre artificial intelligence (AI) pour <strong>transformer ses processus de gestion des produits data<\/strong>, qui \u00e9tait devenu trop complexe et prenait trop de temps. De la collecte des informations sur les fournisseurs \u00e0 l'enrichissement des attributs des produits, chaque \u00e9tape est repens\u00e9e pour gagner en fluidit\u00e9, en rapidit\u00e9 et en pr\u00e9cision.<\/p>\n<p>Ces informations ont \u00e9t\u00e9 partag\u00e9es par Anthony Pierson, Digital Domain Leader chez ADEO Service, Fran\u00e7ois Cr\u00e9pin, Digital Product Leader chez Incubate Conseil, et Guillaume L\u00e9ger, Partner &amp; Product Lead chez Artefact, lors du salon Tech for Retail.<\/p>\n<p style=\"text-align: center;\">Regardez la conf\u00e9rence Tech for Retail<\/p>\n<p style=\"text-align: center;\"><iframe title=\"Lecteur vid\u00e9o YouTube\" src=\"https:\/\/www.youtube.com\/embed\/Mew32I2yJ1Q?si=uglEPZllP3OCxaz4\" width=\"560\" height=\"315\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\"><\/iframe><\/p>\n<h2>Le d\u00e9fi : mettre fin \u00e0 des processus qui prennent du temps et sont sources d'erreurs<\/h2>\n<p>A ADEO, <strong>produit data gestion<\/strong> \u00e9tait devenu trop <strong>complexe<\/strong>. Les fournisseurs, les principaux contributeurs et les \u00e9quipes centrales des marques ont le plus souvent rempli manuellement les informations sur les produits.<\/p>\n<p>En cons\u00e9quence, le produit data fourni \u00e9tait souvent incomplet ou incoh\u00e9rent (mauvaise cat\u00e9gorie, attributs manquants ou incorrects), et les employ\u00e9s passaient beaucoup de temps \u00e0 corriger manuellement les informations. Le client final \u00e9tait donc confront\u00e9 \u00e0 une exp\u00e9rience de recherche et de navigation difficile, voire incoh\u00e9rente.<\/p>\n<p>Ces inefficacit\u00e9s ont des cons\u00e9quences directes :<\/p>\n<ul>\n<li aria-level=\"1\"><strong>Perte importante de revenus<\/strong>: Les fiches produits incompl\u00e8tes peuvent r\u00e9duire les conversions en ligne de 50%.<\/li>\n<li aria-level=\"1\"><strong>Atteinte \u00e0 l'image de marque<\/strong>: Pr\u00e8s de 87% des utilisateurs en ligne perdent confiance dans une marque lorsque le contenu du produit est jug\u00e9 insatisfaisant.<\/li>\n<\/ul>\n<blockquote><p>\u201cPour que les clients puissent facilement trouver nos produits et b\u00e9n\u00e9ficier d'informations pertinentes, le data doit \u00eatre complet et de haute qualit\u00e9. Toute erreur ou omission dans le traitement du data est imm\u00e9diatement pay\u00e9e.\u201d<br \/>\nAnthony Pierson, responsable du domaine num\u00e9rique chez ADEO<\/p><\/blockquote>\n<h2>La solution : L'IA au service du produit data<\/h2>\n<p>Apr\u00e8s des premiers tests r\u00e9ussis sur un p\u00e9rim\u00e8tre produit limit\u00e9 mais significatif, ADEO est pass\u00e9 \u00e0 l'\u00e9tape suivante : collecter les donn\u00e9es brutes du fournisseur data et les structurer \u00e0 l'aide de artificial intelligence, int\u00e9gr\u00e9 directement dans le processus d'enregistrement des produits. Le groupe s'est associ\u00e9 \u00e0 Artefact pour d\u00e9velopper des solutions capables d'automatiser la classification des produits et l'extraction des attributs.<\/p>\n<h3>1. Classification automatique des produits<\/h3>\n<p>La structure data d'ADEO, riche et complexe, est organis\u00e9e en trois niveaux :<\/p>\n<ul>\n<li aria-level=\"1\"><strong>Cat\u00e9gories de produits<\/strong>: 3 600 cat\u00e9gories distinctes.<\/li>\n<li aria-level=\"1\"><strong>Attributs du produit<\/strong>: Une moyenne de 50 \u00e0 60 caract\u00e9ristiques par produit, s\u00e9lectionn\u00e9es dans une biblioth\u00e8que de 11 000 attributs.<\/li>\n<li aria-level=\"1\"><strong>Valeurs associ\u00e9es<\/strong>: Plus de 85 000 valeurs pour tous les attributs.<\/li>\n<\/ul>\n<p>Pour am\u00e9liorer l'exp\u00e9rience des utilisateurs, la premi\u00e8re \u00e9tape consiste \u00e0 permettre \u00e0 l'IA de <strong>classer automatiquement le produit data<\/strong> en utilisant l'apprentissage automatique.<\/p>\n<p>Comment ? L'algorithme, un mod\u00e8le DistilBERT affin\u00e9 et entra\u00een\u00e9 sur le produit certifi\u00e9 data, analyse les titres et les descriptions fournis par les fournisseurs pour identifier la cat\u00e9gorie de produit parmi les 3 600 options possibles.<\/p>\n<p>Chaque cat\u00e9gorie se voit attribuer un <strong>algorithme score de confiance<\/strong>, Le niveau d'automatisation appropri\u00e9 est d\u00e9termin\u00e9 en fonction des performances mesur\u00e9es dans le pass\u00e9 :<\/p>\n<ul>\n<li aria-level=\"1\">Les scores de confiance \u00e9lev\u00e9s entra\u00eenent une classification automatique transmise directement \u00e0 un employ\u00e9 pour validation.<\/li>\n<li aria-level=\"1\">Les scores interm\u00e9diaires sont semi-valid\u00e9s : Les produits sont pr\u00e9s\u00e9lectionn\u00e9s automatiquement, mais la v\u00e9rification data reste manuelle.<\/li>\n<li aria-level=\"1\">Les scores faibles n\u00e9cessitent une intervention compl\u00e8te de l'employ\u00e9.<\/li>\n<\/ul>\n<blockquote><p>\u201cEnviron 32 000 pr\u00e9dictions ont \u00e9t\u00e9 faites par l'algorithme, dont plus de 20 000 \u00e9taient enti\u00e8rement automatis\u00e9es. Nous avons obtenu une pr\u00e9cision de plus de 96%, avec un taux d'erreur de 3,6%. En comparaison, les taux d'erreur humaine tournent autour de 8%.\u201d<br \/>\nFran\u00e7ois Cr\u00e9pin, chef de produit num\u00e9rique chez ADEO<\/p><\/blockquote>\n<h3>2. Extraction automatis\u00e9e d'attributs<\/h3>\n<p>Apr\u00e8s la classification, l'IA extrait automatiquement les attributs cl\u00e9s du produit tels que la couleur, le mat\u00e9riau et les dimensions. Cette extraction est \u00e9galement bas\u00e9e sur le fournisseur brut data, guid\u00e9e par la classification. Cette \u00e9tape utilise une version de Gemini, le LLM phare d\u00e9velopp\u00e9 par Google Cloud.<\/p>\n<p>Chaque pr\u00e9diction est soumise \u00e0 une \u00e9tape d'auto-v\u00e9rification, au cours de laquelle un LLM juge si l'attribut pr\u00e9dit est pertinent. Ensuite, les utilisateurs peuvent valider ou rejeter l'extraction de l'algorithme. Cette approche garantit des valeurs exactes tout en maintenant un processus simplifi\u00e9 pour les fournisseurs, qui restent responsables des informations fournies.<\/p>\n<h2>Des r\u00e9sultats concrets et encourageants : Pr\u00e9cision, adoption, conversion<\/h2>\n<p>Apr\u00e8s de multiples it\u00e9rations sur l'extraction d'attributs, l'arriv\u00e9e de l'IA g\u00e9n\u00e9rative a permis de r\u00e9duire consid\u00e9rablement les taux d'erreur et d'obtenir de bons r\u00e9sultats, acc\u00e9l\u00e9rant ainsi l'adoption de la solution :<\/p>\n<ul>\n<li aria-level=\"1\"><strong>Pr\u00e9cision accrue<\/strong>La pr\u00e9cision des produits est d\u00e9sormais sup\u00e9rieure \u00e0 96% pour 63%.<\/li>\n<li aria-level=\"1\"><strong>Automatisation efficace<\/strong>: Data le traitement est automatis\u00e9 avec une r\u00e9duction de 35% des erreurs.<\/li>\n<li aria-level=\"1\"><strong>Adoption acc\u00e9l\u00e9r\u00e9e<\/strong>: Le traitement est rationalis\u00e9, ce qui permet aux \u00e9quipes internes de se concentrer sur des t\u00e2ches \u00e0 plus forte valeur ajout\u00e9e.<\/li>\n<li aria-level=\"1\"><strong>Impact commercial<\/strong>: Des fiches produits enrichies et fiables am\u00e9liorent les taux de conversion en ligne.<\/li>\n<\/ul>\n<blockquote><p>\u201cL'\u00e9troite collaboration entre ADEO et Artefact a permis de r\u00e9unir toutes les expertises data, m\u00e9tier et produit autour d'un p\u00e9rim\u00e8tre initial restreint, rigoureusement mesur\u00e9, pour convaincre l'organisation et permettre un d\u00e9ploiement d\u00e8s aujourd'hui dans d'autres filiales du groupe.\u201d<br \/>\nGuillaume L\u00e9ger, partenaire de Artefact<\/p><\/blockquote>\n<h2>Facteurs cl\u00e9s de succ\u00e8s de cette collaboration :<\/h2>\n<p>Ce succ\u00e8s repose sur plusieurs leviers essentiels :<\/p>\n<ul>\n<li aria-level=\"1\"><strong>Gestion proactive du changement<\/strong>: Tout au long du d\u00e9veloppement, les employ\u00e9s ont particip\u00e9 \u00e0 des sessions de sensibilisation \u00e0 l'IA afin d'assurer l'adoption et de faciliter l'int\u00e9gration des nouvelles pratiques.<\/li>\n<li aria-level=\"1\"><strong>Approche cibl\u00e9e du MVP (Minimum Viable Product)<\/strong>: Le fait de se concentrer d'abord sur un champ d'application limit\u00e9 a permis des it\u00e9rations rapides, d\u00e9montrant la valeur pour l'ensemble de l'organisation avant d'affiner les solutions et d'am\u00e9liorer les performances.<\/li>\n<li aria-level=\"1\"><strong>\u00c9valuation de l'IA industrialis\u00e9e<\/strong>: Un temps consid\u00e9rable a \u00e9t\u00e9 consacr\u00e9 \u00e0 un processus d'\u00e9valuation rigoureux, largement automatis\u00e9, afin de garantir la pertinence \u00e0 long terme des r\u00e9sultats.<\/li>\n<li aria-level=\"1\"><strong>Une \u00e9quipe hybride et pluridisciplinaire<\/strong>: Le projet a rassembl\u00e9 des experts en IA, des propri\u00e9taires de produits ax\u00e9s sur l'IA et des \u00e9quipes commerciales et informatiques.<\/li>\n<\/ul>\n<p>Artefact a apport\u00e9 son expertise d\u00e8s le d\u00e9part en d\u00e9ployant des sp\u00e9cialistes de l'IA sur les aspects technologiques et produits aux c\u00f4t\u00e9s des \u00e9quipes m\u00e9tiers et informatiques d'ADEO, tant au niveau du groupe que des filiales \u00e0 l'international.<\/p>\n<h2>Quelles sont les prochaines \u00e9tapes ? Prochaines \u00e9tapes<\/h2>\n<p>Forte de ce succ\u00e8s, ADEO pr\u00e9voit d'autres innovations pour continuer \u00e0 am\u00e9liorer l'exp\u00e9rience des clients et optimiser son catalogue de produits :<\/p>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li aria-level=\"1\">Une documentation enrichie sur les produits, con\u00e7ue pour apporter un soutien plus complet aux clients.<\/li>\n<li aria-level=\"1\">Cr\u00e9ation d'un contenu visuel digne d'un studio pour des fiches produits plus attrayantes et plus coh\u00e9rentes.<\/li>\n<li aria-level=\"1\">Diagnostic semi-automatis\u00e9 des produits pour le service apr\u00e8s-vente afin de renforcer la satisfaction \u00e0 long terme des clients.<\/li>\n<\/ul>\n<\/li>\n<\/ul>","protected":false},"excerpt":{"rendered":"<p>Des fiches produits claires et pr\u00e9cises sont essentielles pour offrir une bonne exp\u00e9rience client et assurer la performance d'un site e-commerce. ADEO, maison m\u00e8re de Leroy Merlin, int\u00e8gre artificial intelligence (IA) pour transformer ses processus de gestion des produits data, devenus trop complexes et chronophages. De la collecte des informations fournisseurs \u00e0 l'enrichissement des attributs produits, chaque \u00e9tape est repens\u00e9e pour gagner en fluidit\u00e9, en rapidit\u00e9 et en pr\u00e9cision.<\/p>","protected":false},"featured_media":1059217,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"categories":[91],"class_list":["post-682233","cases","type-cases","status-publish","has-post-thumbnail","hentry","category-retail"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/cases\/682233","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/cases"}],"about":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/types\/cases"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media\/1059217"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media?parent=682233"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/categories?post=682233"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}