Depuis le début de l’année 2023, les IA génératives connaissent un essor sans précédent. Dans le secteur de la distribution, de la mode et du Luxe, la donnée produit joue un rôle fondamental dans l’expérience des consommateurs, mais aussi dans les performances commerciales. Ce secteur impose un double challenge : travailler sur des volumes de données conséquents soumis à la saisonnalité des produits, mais également d’en assurer la qualité. L’IA saura-t-elle relever le défi ?
Les enjeux du référentiel produit, pierre angulaire des processus de vente
Les marques sont de plus en plus contraintes par des lois ou réglementations qui se rapportent à leurs données. C’est le cas avec le fameux RGPD qui a chamboulé la manière de considérer la donnée personnelle, mais aussi avec la Loi INCON (INformation CONsommateur) ou nouvellement avec la loi AGEC, qui oblige les entreprises à communiquer sur les impacts environnementaux de leurs produits.
L’une des spécificités des données produit réside dans la complexité et la richesse des attributs descriptifs d’un produit. Des données exhaustives ne sont pas seulement essentielles pour une gestion optimale des produits, mais également pour une expérience client enrichissante. Qualifier des milliers de produits avec des attributs tels que la dimension, couleur et le poids peut devenir une tâche fastidieuse et sujette à erreurs.
Si on ajoute à ces contraintes une notion de saisonnalité et de tendance, le flux de données est de plus en plus complexe et lourd à gérer. Dans le cas de l’omnicanal par exemple, il est essentiel d’avoir une connaissance précise des points de vente et de leurs produits, par exemple pour la mise en place d’un Click & Collect. Compte tenu du volume considérable de données traitées à la main, des erreurs humaines et d’interprétation vont indubitablement venir ternir la qualité de la donnée.
L’ultra-personnalisation des fiches produits enfin envisageable
Les solutions de Product Information Management (PIM) rendent possible la contextualisation des contenus en fonction de segments clients mais cette fonctionnalité est très peu utilisée du fait de la lourdeur et complexité de la génération d’argumentaires ou de visuels produits dédiés.
Avec l’IA générative, contextualiser des argumentaires ou des assets digitaux afin de fournir une expérience produit exceptionnelle pour attirer et fidéliser la clientèle devient enfin une réalité. Cela va permettre la personnalisation de l’expérience produit tout au long du parcours d’achat des consommateurs.
Avec l’IA, la promesse de prendre en compte les émotions, les valeurs et les aspirations des consommateurs lors de la présentation des produits devient réalisable.
Un Golden Record Product grâce à l’IA ?
Si pour la partie donnée personnelle, il est extrêmement difficile de pouvoir trouver un modèle fonctionnel impliquant de l’intelligence artificielle pour mettre en qualité les données, pour la donnée produit au contraire, l’IA ouvre la voie à un El Dorado pour une révolution en termes de productivité des processus de référencement et de qualité des données.
Là où l’humain reste limité en termes de volume de traitement des non-qualités, la machine ne l’est pas. Dans un référentiel produit, l’IA peut devenir un outil qui vient booster les actions de Data Management.
L’IA comme aide à la normalisation, standardisation et auto-classification des données fournisseurs
Les Data Managers peuvent entraîner l’IA à faire des rapprochements entre les classifications fournisseurs et celles du référentiel de la marque. En apprenant sur un échantillon, elle peut ensuite répliquer à l’infini tout en poursuivant son apprentissage. Comprendre « océan » comme la couleur bleu ne va pas de soi, d’autant plus que ce type de dénomination peut être sujet à des vagues de mode. L’IA est capable de traiter un énorme volume de donnée en un temps record. Les équipes data peuvent alors se concentrer sur l’enrichissement des données afin de rendre le système ultra performant et pertinent.
Détecter et réduire les erreurs avec l’IA
Grâce à l’usage de l’IA, on se soustrait aux problématiques d’erreur de saisie (coquilles, fautes d’orthographe) et d’interprétation typiquement humaines. Capable de lire et de comprendre toutes sortes de média, l’IA sait décomposer une image, vérifier le rapprochement entre une fiche produit et une photo pour en détecter les incohérences (une description de pull bleu col V accolée à une photo de pull rouge à col roulé).
L’IA, bras droit du marketing
En termes marketing, l’IA pourrait avoir un double usage : extraire des données produit d’un argumentaire marketing (allégeant les équipes d’une tache fastidieuse), et apprendre à reproduire le ton de la marque et construire un argumentaire grâce aux données produit tout en perpétuant l’expérience client.
De plus, utilisant des approches de type RAG (retrieval augmented generation), en français « génération augmentée par extraction de données », l’IA va pouvoir s’enrichir du référentiel des données produits de l’entreprise pour optimiser les résultats des IA génératives. Cette approche permet de formuler des réponses en se basant en priorité sur des connaissances internes comme une sorte de charte éditoriale.
Aide à l’enrichissement des données
Si techniquement, on pourrait demander à une IA de générer des images produits basés sur des données, ce procédé semble encore largement sujet à controverse. En revanche, comme l’IA est capable de lire une image, elle peut apprendre à faire des rapprochements pour enrichir les données produit. Elle peut détecter que le produit est une robe, courte, à fleurs et la définir comme étant une robe d’été. Ce type de procédé est extrêmement intéressant, notamment pour les business qui connaissent de forte rotation et saisonnalité des produits, car le temps de traitement par l’IA est imbattable.
Les Data Managers boostés à l’IA
Les Data Managers ne vont pas disparaître pour autant, bien au contraire. Si l’IA représente un atout indéniable en termes de fiabilité et de rapidité, cela est vrai uniquement si l’IA a été correctement entraînée avec des données de qualité. Une solution miracle, peut-être, mais un miracle qui a besoin de l’expertise humaine pour se produire. Les Data Managers vont jouer un rôle crucial dans l’entraînement, le contrôle de qualité, mais aussi sur l’enrichissement des données afin de rendre le référentiel plus pertinent et efficace pour un parcours client ultra performant.
Le potentiel de l’IA n’est pas passé inaperçu, les outils de PIM et de DAM commencent à être « augmentés » à l’IA, offrant un aperçu de la puissance des IA dans la qualité de la donnée. Etes-vous prêt à améliorer vos données grâce à l’IA ?
Pascal Anthoine
Directeur Data Governance & Management
Jérôme Malzac
Directeur Innovation
