Découvrez les actus Alkemics

Comment l’intelligence artificielle accélère la collaboration entre les distributeurs et les marques

par Pierre Arbelet8 mars 20190 commentaires

Adossée à des données de qualité, l’intelligence artificielle peut émettre des suggestions pertinentes. Et apporter des gains de productivité très sensibles pour les distributeurs comme pour les marques.

Données de catégorisation des produits, de packaging, labels, pictogrammes d’avertissement, mentions des allergènes, précisions sur les méthodes de conservation… Autant d’informations sur lesquelles se joue la qualité globale d’une donnée produit. Pour les distributeurs, un constat s’impose : contrôler l’exactitude et la complétude des informations produits devient « humainement impossible ». Parce que le nombre d’informations à vérifier est bien trop grand. Parce que la complexité des règles à respecter s’avère difficile à assimiler. Parce que, enfin, à l’heure de l’omnicanal, ce contrôle (et les corrections requises) doit s’effectuer dans les meilleurs délais possibles – voire en quasi-temps réel.

Si la tâche devient « humainement impossible », comment l’accomplir malgré tout ? Une première réponse consiste à s’appuyer sur une approche heuristique. Concrètement, cette méthode consiste à programmer des règles pour outiller le contrôle. En s’appuyant entre autres sur des expressions régulières, il est ainsi possible de programmer que la présence du mot « blé » dans une composition produit doit aller de pair avec une mention conforme du gluten. Problèmes : ces règles deviennent rapidement complexes à maintenir et ajouter une autre langue suppose de toutes les reprogrammer.

Détection et amélioration du formatage des allergènes dans le champ texte des ingrédients

Le machine learning de plus en plus performant au fil du temps

C’est pourquoi Alkemics, sans écarter cette méthode heuristique pour certaines catégories d’informations, investit lourdement dans l’intelligence artificielle (IA) et, plus précisément, dans le machine learning. Les algorithmes de machine learning peuvent être considérés comme auto-apprenants : sur la base d’un grand volume de données, ils identifient des « patterns ». Résultat, là où la méthode heuristique devient complexe à maintenir dans le temps, le machine learning gagne, lui, en performance au fur et à mesure qu’il se nourrit de données vérifiées.

La pertinence des recommandations issues des algorithmes de machine learning dépend donc directement de la qualité et de la représentativité des données que l’on peut leur soumettre. Sans surprise, Alkemics, avec plusieurs centaines de milliers de produits présents sur la plateforme, représente un terrain de jeu idéal.

Attention toutefois aux raccourcis : l’intelligence artificielle ne peut pas être considérée comme un outil qui « dit la vérité », mais comme une solution pour gagner – et de manière sensible – en productivité. Ce n’est pas l’IA qui décide d’appliquer un label à un produit, mais bien l’utilisateur qui, in fine, demeure le propriétaire et le responsable de la donnée. Reste que ce support apporté par le machine learning rend réalisable une tâche qui semble devenir « humainement impossible ».

Avec cette aide, le distributeur est en mesure d’explorer son catalogue produits par industriel, marque, catégorie, cycle de vie, etc. pour analyser la qualité des données. Un score global de qualité des données est calculé en fonction des informations descriptives, réglementaires ou encore des médias demandés par les distributeurs. Dans les listes des produits comme dans chaque fiche, l’IA indique si la donnée est satisfaisante, incomplète ou si une correction s’impose. Les gains de productivité commencent ici, avec une vue intelligible des données à compléter ou à corriger, et se multiplient ensuite tout au long du processus de correction.

Pictogrammes recommandés dans la section "Informations règlementaires"

Une aide précieuse pour les traitements en masse

Face à une donnée incorrecte ou incomplète, le distributeur, assisté par l’IA, peut en quelques clics envoyer une notification à l’industriel concerné. Un message prêt à l’envoi qui comprend des suggestions pour faciliter la mise en conformité des données du produit. À son tour, l’industriel qui reçoit ce message est assisté par l’IA lors du remplissage des champs à corriger : en fonction du produit et des informations déjà saisies, les algorithmes lui suggèrent des informations cohérentes.

Les gains apportés par cette automatisation assistée par l’IA sont encore plus criants lors des traitements en masse. Prenons l’exemple d’une mise en demeure de la DGCCRF qui demande à un distributeur la mise en conformité dans les plus brefs délais des informations relatives à un allergène. Assisté par l’IA, le distributeur émet alors sur tous les produits concernés un commentaire normalisé et accompagné d’une suggestion de correction. Toutes les marques impliquées reçoivent ce message pour agir au plus vite, et le distributeur suit, en retour, la progression des corrections.

Vers le retail augmenté par l’IA

Dans la pratique, l’IA assiste donc d’ores et déjà les utilisateurs, côté distributeurs et marques, à toutes les étapes, et cela dès la création. Une fois le libellé commercial d’un produit précisé, les algorithmes proposent une catégorie produit, des valeurs à afficher pour le contenu net, des labels recommandés, un formatage réglementaire pour les allergènes, des mentions pour les régimes alimentaires compatibles, etc. Un assistant, capable de capitaliser sur les milliers de données produits enregistrées, accompagne la validation de toutes ces informations.

À la clé de ces suggestions expertes, des gains de temps déjà considérables : le temps requis pour créer une fiche produit conforme à la réglementation comme aux attentes d’un distributeur est sensiblement réduit tandis que la qualité des données s’améliore.  Et ce n’est que le début. D’ores et déjà, l’ensemble des suggestions de l’IA peut faire l’objet d’une acceptation groupée. Dans un futur très proche, le seul nom du produit suffira à prédire le contenu des différents champs à remplir : catégorie du produit, composition, allergènes, labels… De quoi produire aussi des analyses plus intelligentes de la consommation pour des offres toujours plus personnalisées.

NOUVEAU SUR ALKEMICS – Pour que vous puissiez les consulter et les valider rapidement, toutes ces suggestions apparaissent désormais en haut de chaque fiche produit. Assurer la qualité de vos données est à portée de clic !