Tyredating est une filiale de Michelin spécialisée dans les solutions et services web dédiés aux pneumatiques et aux services automobiles. Elle propose des solutions de e-retail verticales destinées aux garages, centres auto et négociants spécialisés, visant à capter le trafic internet et à le rediriger vers le réseau physique pour concrétiser les ventes en boutique.
Dans le cadre de cette offre, TyreDating propose un catalogue de tous les pneus existants sur le marché, géré dans le logiciel PIM Akénéo.
Enjeux rencontrés
TyreDating a identifié plusieurs défis critiques dans la gestion de ce catalogue
- Coûts importants :
La rédaction et la traduction des descriptions nécessitent des ressources humaines et financières significatives.
- Catalogue incomplet :
Impossibilité de couvrir l’intégralité des produits, laissant certaines gammes de pneus sans description.
Manque de filtres sur les produits, alors que certaines informations techniques des pneus sont très discriminantes (le marquage hiver par exemple).
- Réactivité limitée :
Incapacité à répondre rapidement aux demandes spécifiques des clients.
Face à ces contraintes, la solution proposée par Algocat visait à identifier des filtres pertinents et à systématiser la création de descriptions, tout en maintenant un niveau de qualité très haut.
Méthodologie en action
Le projet s’est déroulé en plusieurs étapes clés, impliquant à la fois les équipes métiers de TyreDating et les outils technologiques d’Algocat :
- Collecte des besoins métiers :
- Collaboration étroite avec les category managers pour comprendre les attentes (structure du texte à générer, vocabulaire à utiliser, arguments à mettre en avant, …)
- Définition des informations techniques à récupérer auprès des fabricants
- Structuration des données :
- Utilisation de techniques de scraping pour extraire les attributs produits essentiels sur chaque pneu : normes, recommandations, marquage, …
- Organisation des données dans un format adapté à l’automatisation
- Création d’un prompt sur mesure :
- Élaboration d’un prompt GenAI reflétant un discours commercial clair et engageant
- Intégration des caractéristiques techniques du pneu dans le prompt afin d’éviter les hallucinations
- Production et vérification :
- Génération automatisée des descriptions via l’IA
- Révision par les équipes pour assurer la pertinence et l’exactitude
Exemple concret
Identification des attributs clés
Saisons = 4 saisons
Marquage = M+S
Normes = EV, Pirelli Noise Cancelling System
Recommandé pour : véhicule électrique, acoustique
Texte généré
Résultats obtenus
Les bénéfices constatés après l’intégration de cette solution incluent :
- Amélioration de la qualité des descriptions :
- Note moyenne de 4,6/5 pour l’exactitude des informations délivrées
- Note moyenne de 4,5/5 pour la qualité de l’argumentaire commercial
- Enrichissement du catalogue :
- Ajout de filtres supplémentaires permettant de trouver le pneu adapté plus facilement
- Réduction des coûts :
- Réduction du temps consacré à la rédaction manuelle, réorienté vers des tâches à forte valeur ajoutée
- Réactivité accrue :
- Diminution des délais de mise à jour et de publication des produits dans le catalogue
Retour d’expérience et apprentissages
Ce projet a permis de dégager plusieurs leçons importantes :
- L’implication des métiers :
Une part importante de la réussite d’un projet de GenAI est de traduire le discours commercial et les attentes marketing, connu des équipes métiers, en prompt.
- La qualité des données est primordiale :
La qualité des descriptions générées dépend directement de la complétude et de la qualité des informations techniques récupérées auprès des fabricants, de fait les résultats sont meilleurs sur les pneus premiums que sur les pneus budgets.
- Le prompt doit évoluer :
Le discours commercial et les attentes marketing évoluant dans le temps, un cycle de mise à jour du prompt doit être mis en place.
Prochaines étapes
Algocat et TyreDating ont prévu des évolutions pour gérer notamment la personnalisation des messages délivrés selon la cible ainsi qu’une traduction automatique.
Conclusion
Ce cas d’usage montre que la GenAI est une réelle avancée pour la complétude et la qualité des catalogues en ligne, à condition d’impliquer les équipes métiers et de disposer des données techniques sur les produits pour éviter les hallucinations.
Si vous souhaitez découvrir cette solution en action, n’hésitez pas à contacter nos équipes.