Wayfair et OpenAI corrigent 2,5 millions d'étiquettes de catalogue
Le 15 juin 2026, des détails ont été révélés sur la façon dont l'intégration entre Wayfair et OpenAI a permis de corriger 2,5 millions d'étiquettes d'attributs de produits et gère désormais 41 000 demandes de support de fournisseurs par mois. Le détaillant de meubles en ligne utilise des systèmes automatisés pour repérer et corriger les erreurs au sein de son catalogue de 30 millions d'articles. Pour les entreprises de commerce électronique, la gestion automatisée du catalogue réduit le temps de sélection des fiches et résout jusqu'à 70 % des tickets d'assistance sans intervention manuelle.
Amélioration de la précision du catalogue sur des millions d'articles
Wayfair gère un catalogue d'environ 30 millions d'articles répartis dans près de 1 000 catégories de produits. Près de 47 000 attributs couvrent les détails des produits tels que la couleur, le matériau et les dimensions. Avant la mise en œuvre des outils d'IA, la correction des fiches inexactes reposait principalement sur le signalement des erreurs par les fournisseurs et les acheteurs, car l'examen manuel ne pouvait pas suivre le volume du catalogue. Une initiative de précision du catalogue menée par Wayfair et OpenAI a permis de corriger 2,5 millions d'étiquettes d'attributs de produits après des tests sur plus de 1 million de produits. Wayfair a conçu un système qui compare les fiches aux définitions d'attributs standards et signale ou corrige automatiquement les erreurs, comme la correction d'une table basse étiquetée en noyer alors que les photos et les descriptions indiquent du pin.
Optimisation des fiches produits et de la catégorisation
Le système évalue les fiches produits assistées par l'IA de Wayfair pour garantir la précision des résultats de recherche et du positionnement des recommandations. Le processus automatisé compare les détails des produits aux spécifications définies pour vérifier que les couleurs, les matériaux et les dimensions correspondent aux descriptions des stocks entrants. Lors de tests antérieurs menés avec les modèles d'IA de Google, la catégorisation des fiches a réduit le temps de gestion de 67 % et a augmenté certains taux de conversion de 2 %. Les fiches corrigées bénéficient d'un meilleur classement dans les recherches et génèrent plus de clics que les entrées non corrigées. Wayfair prévoit d'étendre ce système de révision pour couvrir 4 fois plus de produits d'ici six mois.
Automatisation des demandes d'assistance des fournisseurs
Wayfair collabore avec des dizaines de milliers de fournisseurs et reçoit des demandes d'assistance couvrant des centaines de types d'incidents. Les flux de travail de support fournisseur alimentés par l'IA de Wayfair traitent désormais 41 000 demandes de manière automatique chaque mois. Le système automatisé analyse les tickets entrants, extrait les informations manquantes des dossiers internes et redirige chaque problème vers l'équipe interne appropriée. Pour les demandes de pièces de rechange, le système étudie l'historique des dossiers et rédige des propositions de réponse soumises à l'examen d'un employé. Lorsque le taux de correspondance entre les suggestions automatisées et les actions des employés reste élevé de manière constante, le système exécute les tâches de façon autonome, traitant jusqu'à 70 % du volume de tickets dans certains flux de travail spécifiques.
Maintien d'une supervision humaine pour les modifications automatisées
Wayfair associe les modifications automatisées à une vérification humaine afin d'éviter les mises à jour incontrôlées des fiches produits. Les membres du personnel inspectent manuellement un échantillon de fiches corrigées avant leur mise en ligne. Lorsque le score de confiance d'une correction proposée atteint les seuils internes, le système met à jour la fiche et informe le fournisseur. Si le degré de confiance est plus faible, le système demande d'abord au fournisseur de confirmer la modification proposée. Cette approche hybride garantit l'intégrité des données produits tout en réduisant la charge de travail manuel pour la gestion courante du catalogue.
Ce que cela change pour les boutiques en ligne
Cette étude de cas sur Wayfair et OpenAI montre comment les grands distributeurs peuvent automatiser leurs opérations administratives et le nettoyage de leur catalogue. La mise en place de la gestion de catalogue par IA chez Wayfair réduit le temps de vérification manuelle des demandes de fournisseurs et des corrections de fiches, générant des économies de main-d'œuvre pour le merchandising et le support client. La correction des attributs du catalogue améliore la visibilité dans la recherche, augmente le taux de clic sur les articles et stimule les conversions. En outre, un catalogue précis permet d'afficher des données produits exactes lorsque des outils d'IA tiers interrogent les stocks des commerçants.
Extension aux outils de recherche de produits par IA tiers
Les commerçants accordent une attention croissante au nettoyage de leur catalogue pour faciliter leur référencement dans les outils d'achat externes reposant sur l'IA. Wayfair met ses flux de produits à la disposition d'outils d'IA tiers utilisés par les consommateurs pour comparer des produits et obtenir des recommandations d'achat. Des outils tels que ChatGPT interrogent directement les flux des distributeurs pour répondre aux demandes sur les produits. Des fiches internes corrigées garantissent que des détails précis apparaissent lorsque les acheteurs sollicitent des assistants IA externes pour obtenir des conseils d'achat.
Questions et réponses
Comment Wayfair utilise-t-il OpenAI pour améliorer son catalogue de produits ?
Wayfair utilise la technologie d'OpenAI pour comparer les fiches produits aux définitions d'attributs, en identifiant et en corrigeant automatiquement les informations inexactes comme les matériaux ou les couleurs. Le système a déjà corrigé 2,5 millions d'étiquettes sur plus de 1 million de produits et oriente automatiquement les tickets de support.
Comment l'étiquetage du catalogue produits par IA améliore-t-il les taux de conversion dans l'e-commerce ?
L'étiquetage du catalogue produits par IA garantit des attributs exacts, ce qui améliore le positionnement dans les recherches et la pertinence des recommandations. Lors de tests précédents, la gestion automatisée des fiches a augmenté les taux de conversion de 2 % et a généré un volume de clics supérieur sur les articles corrigés.
Comment Wayfair combine-t-il la supervision humaine et la modification automatisée des fiches produits par IA ?
Wayfair charge ses équipes d'inspecter un échantillon de fiches corrigées. Lorsque la confiance dans la modification automatisée est élevée, le système met à jour directement la fiche ; lorsque le niveau de confiance est plus faible, il exige la confirmation du fournisseur avant d'appliquer les changements.
Le regard de MOZGII
Comment nous le construirions
Pour auditer à grande échelle les étiquettes du catalogue de produits, nous connecterions directement un modèle de vision à la base de données de produits et aux espaces de stockage d'images. Le modèle comparerait les caractéristiques visuelles des photos de produits aux descriptions textuelles et aux spécifications structurées. Pour les résultats présentant un faible niveau de confiance, le système orienterait les corrections proposées vers les portails des fournisseurs pour confirmation ou vers les files d'attente internes de marchandisage.
Un tel système s'enraye lorsque les descriptions des fournisseurs utilisent une terminologie ambiguë ou lorsque la résolution des images est trop faible pour vérifier des matériaux particuliers. Des modifications erronées peuvent détériorer les relations avec les fournisseurs et corrompre les index de recherche. Pour suivre les performances, nous adopterions comme principal indicateur le taux de concordance entre les propositions automatisées du modèle et les validations des équipes humaines.
Ensuite, nous mettrions en place un flux de retour automatisé pour mettre à jour les définitions de schéma chaque fois qu'un fournisseur rejetterait une correction proposée. Nous étendrions aussi le système central pour analyser les tickets d'assistance entrants au regard des historiques de commandes et générer automatiquement des brouillons de réponse pour les agents du service client.
Sources
D’où viennent les faits de cet article.