L'IA dans les systèmes PIM : Exigences et défis

Je faisais longtemps partie de ceux qui étaient agacés par la présence constante de rapports sur l'IA. Lorsque ma thèse de master a été consacrée à l'IA dans le PIM, je n'étais pas très enthousiaste. Aujourd'hui, après presque un an d'étude intensive du sujet, je peux dire que l'IA offre un nombre incroyable de possibilités, mais qu'il faut aussi développer la sensibilité correspondante pour l'application. Ou comme l'a dit l'une de mes personnes interviewées : « L'IA est un outil, pas une solution miracle pour toutes les cas ».

Je me suis donc retrouvé face à un choix : Fermer les yeux et passer à autre chose – ou peut-être trouver un autre sujet ? Mais quelque chose en moi m'a dit : si tu dois t'occuper de l'IA, fais-le au moins de manière à ce que cela ait vraiment un sens. J'ai donc commencé à parcourir des études, des articles, des cas d'utilisation et - il faut bien l'avouer – quelques vidéos YouTube. Et plus j'en ai lu et vu, plus j'ai compris que le sujet de l'IA est énorme. Et souvent aussi assez flou.

Je ne voulais pas me contenter de répéter les buzzwords habituels. Mon objectif était de découvrir ce dont les entreprises ont réellement besoin lorsqu'elles veulent utiliser l'IA dans un système PIM (Product Information Management). Et je voulais savoir quelles fonctionnalités étaient réellement utiles aux utilisateurs – pas seulement sur le papier, mais au quotidien.

C'est pourquoi j'ai mené des entretiens. De nombreux entretiens avec des personnes qui travaillent tous les jours avec des données de produits. Je les ai écoutés, j'ai pris des notes, j'ai posé des questions. Et parfois aussi, j'ai simplement dégluti lorsque j'ai réalisé à quel point le quotidien avec un système PIM pouvait être réellement complexe. Mais c'est là que ça devient intéressant.

Ce qui m'est apparu assez rapidement au cours de mes recherches : Les systèmes PIM sont en quelque sorte la colonne vertébrale de nombreuses entreprises – en particulier dans les secteurs à forte intensité de données comme le commerce, l'industrie ou l'e-commerce. Ils veillent à ce que toutes les informations de produits soient rassemblées en un lieu central. Qu'il s'agisse de détails techniques, de textes marketing, d'images ou de données de vente, le système PIM maintient tout ensemble, le structure et le prépare de manière adaptée aux différents canaux.

Et c'est là que l'interaction avec l'intelligence artificielle devient passionnante. En effet, l'IA est toujours particulièrement efficace lorsqu'elle est alimentée par des données structurées de grande qualité. Donc : des conditions parfaites.

Le système PIM met les données à disposition – l'IA peut en tirer des enseignements, les analyser et les traiter. Les processus peuvent être automatisés, les contenus adaptés plus rapidement, la qualité des données de produits améliorée. Cela ressemble à un véritable gamechanger, non ?

En théorie, j'ai donc rapidement compris. Mais en tant que chef de projet, je voulais en savoir plus. Je ne voulais pas seulement écrire quelques concepts intelligents, mais comprendre ce dont les personnes qui travaillent quotidiennement avec de tels systèmes ont réellement besoin. Quelles sont les fonctions d'IA qui les aident vraiment au quotidien ? Quelles sont leurs limites ? Et que souhaitent-ils pour l'avenir ?

Génération d'informations de texte

Sans surprise, l'une des exigences les plus fréquemment citées était la génération d'informations de texte – et ce de manière adaptée aux différents groupes cibles et canaux de distribution. Un système PIM classique sans soutien de l'IA ne peut le faire que dans une mesure limitée, généralement par le biais de règles prédéfinies ou de modèles simples. Et clairement : un texte de liste technique avec des caractéristiques produit est rapidement créé. De même, un texte de description générale existe souvent déjà – rédigé par quelqu'un à un moment donné.

Mais vendre des produits ne se résume pas à des données – il s'agit de personnes. De leurs souhaits, de leur contexte, de leur ton. Et c'est là que l'IA entre en jeu.

Grâce à l'utilisation de l'intelligence artificielle, il devient possible de formuler des textes beaucoup plus personnels, émotionnels et spécifiques au groupe cible. Un seul et même produit peut être décrit de manière très objective pour le catalogue B2B, tandis qu'il est promu dans la boutique en ligne avec des formulations décontractées et saisonnières – sans que quelqu'un doive écrire péniblement tous ces textes.

Les « Custom Instructions » sont particulièrement utiles à cet égard. Des outils comme ChatGPT permettent de donner à l'IA certaines règles et directives – par exemple : « Ecris toujours en utilisant le tutoiement, de manière informelle, avec une touche d'humour. » Ou encore : « Utilise des termes techniques, reste factuel, mais clairement compréhensible ». Cela permet non seulement de générer des textes, mais aussi de les adapter de manière ciblée à certains canaux, groupes cibles ou tonalités.

Ce qui m'a vraiment surpris : De nombreuses personnes interviewées avaient déjà une idée très concrète de la manière dont elles utiliseraient de telles fonctions – et avaient également des attentes claires. La génération de texte n'était pas perçue comme un gadget, mais comme une véritable opportunité de travailler plus efficacement tout en améliorant la qualité des contenus.

Génération et édition de médias

Lors de mes entretiens, la génération automatique d'images par l'IA a plutôt été classée comme une fonctionnalité marketing passionnante – sympa pour illustrer des campagnes créatives ou concevoir des concepts visuels. Mais pour le travail quotidien avec les données de produits dans un système PIM, elle est actuellement encore peu pertinente. La raison en est évidente : les images générées peuvent certes être créées avec une facilité déconcertante, mais elles sont jusqu'à présent trop peu spécifiques, trop peu standardisées et, dans de nombreux cas, pas utilisables en toute sécurité juridique pour le traitement de masse dans le contexte de l'entreprise.

De plus, un examen attentif révèle encore souvent de nettes insuffisances : ombres peu naturelles, représentations irréalistes de matériaux ou détails anatomiques défectueux lorsque des personnes ou des mains entrent en jeu. Pour l'instant, cela ne suffit pas pour une communication produit de haute qualité, où la précision et la fiabilité sont essentielles. Mais – et cela était clair pour tous les participants – ce n'est que l'état actuel des choses. La technologie évolue rapidement. Il est donc tout à fait possible que la génération d'images joue un rôle nettement plus important dans quelques années – peut-être aussi dans l'environnement PIM.

Ce qui est en revanche nettement plus proche de la pratique et plus pertinent : l'utilisation ciblée de l'IA pour l'édition d'images déjà existantes. C'est précisément là que de nombreuses entreprises voient une réelle valeur ajoutée. Adapter automatiquement les formats, supprimer les arrière-plans, uniformiser les univers de couleurs ou recadrer les images pour certains canaux – autant de tâches qui doivent aujourd'hui encore souvent être effectuées manuellement. L'IA peut non seulement accélérer ces processus, mais aussi garantir une qualité constante, ce qui est un véritable atout, notamment pour les grandes quantités d'images.

Optimisation des données de produits

Un domaine qui a pris de plus en plus d'importance au cours de ma thèse de master est celui de l'optimisation des données de produits. Cela n'a l'air de rien, mais dans la pratique, c'est peut-être le levier le plus important lorsqu'il s'agit d'efficacité et de qualité dans l'utilisation des systèmes PIM. En effet, même le plus beau front-end ou l'interface la plus sophistiquée ne servent à rien si les données sous-jacentes ne sont pas correctes.

Dans un système PIM, il y a généralement beaucoup d'utilisateurs différents qui travaillent dans des contextes très différents – ce qui augmente le risque d'erreurs de saisie ou de données incohérentes. Les logiques classiques atteignent ici rapidement leurs limites, car elles ne peuvent réagir qu'à des règles prédéfinies. Une IA peut en revanche détecter les anomalies et les valeurs aberrantes, c'est-à-dire par exemple les valeurs qui sortent du cadre, les combinaisons peu plausibles ou les doubles entrées. Elle devient ainsi un outil important pour garantir durablement la qualité des données – non seulement a posteriori, mais aussi de manière préventive en cours d'exploitation.

Un autre sujet qui a préoccupé nombre de mes interlocuteurs est l'indexation automatique – surtout en ce qui concerne la possibilité de trouver des médias et des produits. Quiconque a déjà essayé de rechercher une image ou un produit bien précis dans un énorme stock de données sait qu'une bonne indexation vaut son pesant d'or. L'IA peut aider dans ce domaine en proposant des termes appropriés sur la base d'informations existantes ou en ajoutant des balises supplémentaires aux contenus existants. Cela permet non seulement de gagner du temps, mais aussi d'obtenir des résultats de recherche plus cohérents – ce qui est particulièrement important dans les systèmes qui se développent chaque jour.

Le référencement automatisé des médias et des produits a également été souvent évoqué – c'est-à-dire la question de savoir comment, par exemple, une image donnée peut être automatiquement associée au bon produit ou à une variante de produit. Le potentiel est grand, notamment pour les catalogues volumineux ou la gestion des variantes. Toutefois : cette fonction n'est pas sans poser de problèmes. Pour que l'IA parvienne à des résultats satisfaisants, elle a besoin de directives claires ou de données d'entraînement. Sans cadre défini, le taux de réussite devient rapidement peu fiable – et c'est précisément ce qui peut conduire à la confusion plutôt qu'à un allègement au quotidien. Ici aussi, l'IA peut donc apporter son soutien, mais uniquement là où la base nécessaire est disponible.

Conclusion

Si je fais aujourd'hui le point sur ce sujet, je peux dire avec conviction que je suis devenu un véritable fan de l'IA et de ses possibilités d'utilisation – en particulier dans le contexte des systèmes PIM. Ce qui, au début, ressemblait à un sujet tendance ennuyeux s'est révélé être pour moi l'un des outils les plus passionnants de notre époque.

Mais – et c'est peut-être la conclusion la plus importante de mon travail – toute IA n'est jamais aussi bonne que l'homme qui la manipule. Il faut comprendre ce que l'on veut obtenir, comment utiliser l'IA à bon escient et où se situent ses limites. Tout ce qui est techniquement possible n'a pas forcément de sens dans la pratique quotidienne. Et c'est là que réside le défi, surtout pour nous en tant que fabricant de logiciels : identifier les exigences des clients, les remettre en question et les placer dans un contexte pertinent.

Je suis convaincu que l'IA va encore considérablement élargir les possibilités des systèmes PIM dans les années à venir – non pas en remplaçant les fonctions existantes, mais en les complétant pour rendre beaucoup de choses plus simples, plus rapides et peut-être aussi un peu plus intelligentes. Cela reste en tout cas passionnant. Et je me réjouis de continuer sur cette voie – avec un regard nettement plus ouvert qu'il y a un an.