Manutan, leader européen du e-commerce BtoB depuis 1966
Groupe familial français coté en Bourse, Manutan commercialise des équipements, fournitures et consommables pour les professionnels à travers 25 filiales en Europe. Le groupe s’est engagé depuis plusieurs années dans une transformation data ambitieuse, avec un objectif clair : faire de la donnée un levier de performance opérationnelle et de croissance à l’échelle du groupe.
| Chiffre d’affaires | Pays européens | Clients B2B | Fournisseurs |
|---|---|---|---|
|
+1 Md€
|
17
|
+1M
|
4 000
|
Le défi : industrialiser la production de 850 000 fiches produits sans dégrader la qualité éditoriale
Chaque nouveau fichier fournisseur exigeait une réécriture manuelle intégrale avant sa mise en ligne selon ses propres formats de données, conventions de nommage et niveaux de complétude. Des équipes entières étaient mobilisées sur des tâches à faible valeur ajoutée, un time-to-market structurellement trop long et la qualité des fiches pouvait varier selon les contributeurs.
À l’échelle d’un groupe milliardaire avec 4 000 fournisseurs actifs, le traitement manuel ne pouvait plus absorber les volumes. Il fallait industrialiser sans sacrifier les standards éditoriaux de la marque.
Vous gérez un catalogue de grande taille avec des flux fournisseurs hétérogènes ? Demandez une analyse de votre situation →
Notre approche : une architecture LLM en production
AVISIA a conçu une solution d’automatisation end-to-end articulant trois briques : Azure Data Factory pour l’orchestration des flux fournisseurs, Snowflake pour la gouvernance et la traçabilité, et Azure OpenAI pour la génération des descriptions. Chaque composant s’intègre à l’environnement existant de Manutan sans rupture de service.
Architecture de la solution
fournisseurs
Data Factory
Data Layer
LLM
produits
Cadrage : cartographie avant de coder
Audit exhaustif des flux fournisseurs, identification des formats hétérogènes (EDI, Excel, CSV, XML), définition des règles métiers par famille de produits. Le livrable ? Un cahier des charges fonctionnel et une estimation des gains potentiels avant tout développement.
POC : validation de la qualité en conditions réelles
Prototype LLM testé sur 5 000 fiches représentatives. Mesure du taux de conformité aux standards éditoriaux de Manutan, ajustement itératif des prompts par catégorie de produits et la validation avec les équipes métiers avant toute décision d’industrialisation.
Industrialisation : une solution qui tourne sans surveillance
Déploiement du pipeline complet en production : Azure Data Factory ingère et normalise les fichiers entrants, Snowflake trace et versionne chaque transformation et Azure OpenAI génère les descriptions conformes au guide éditorial. Un système de monitoring détecte automatiquement les dérives de qualité.
Les résultats : des gains mesurés en production
-88% de temps de traitement par fichier fournisseur
-48% des coûts directs de production des fiches
Time-to-market réduit dès réception du fichier fournisseur
Qualité éditoriale homogène sur 850 000 références
Repositionnement des équipes vers des missions à plus forte valeur
Ces résultats vous intéressent ? Estimez le potentiel d’automatisation de votre catalogue →
Guillaume Duval, Chief Data Officer du Groupe Manutan
CDO du Groupe Manutan depuis 2022, Guillaume Duval a porté la stratégie data du groupe avec un mandat clair : déployer la culture data à l’échelle de toute l’entreprise et faire de la donnée un levier opérationnel. C’est dans ce contexte qu’il a engagé le partenariat avec AVISIA. Son exigence ? Qu’une solution IA soit évaluée non pas sur sa sophistication technique, mais sur sa capacité à produire de la valeur métier concrète.
« Pouvoir nous appuyer sur l’IA pour automatiser une partie de ces tâches permet aux équipes d’intervenir plus haut dans la chaîne de valeur et de renforcer l’attention qu’ils portent à la qualité finale de la fiche produit. »
Pourquoi AVISIA ?
LLM e-commerce BtoB prouvé en production
Nous avons déployé des solutions LLM en production pour des acteurs gérant des millions de références. Nos prompts sont construits sur les spécificités du catalogue BtoB, pas sur des templates génériques.
Vos données restent dans votre infrastructure
Nous travaillons dans votre environnement Azure avec vos propres instances Azure OpenAI. Aucune donnée fournisseur ne transite par un service tiers. Conformité RGPD by design.
De la première réunion à la prod en moins de 3 mois
Notre méthodologie cadrage-POC-industrialisation est calibrée pour aller vite sans prendre de risques. Manutan était en production complète en moins de 3 mois après le lancement du projet.
AVISIA crée des compétences, pas des dépendances
Nous formons vos data engineers et équipes produit à maintenir, superviser et faire évoluer la solution en autonomie.
La mission se termine, les compétences restent.
Ils ont aussi transformé leur Data & IA avec AVISIA
Thermomix : prédiction de ventes par ML
Modèle de Machine Learning pour anticiper les ventes par référence et optimiser la gestion des stocks à l’échelle internationale.
Lacoste : migration et industrialisation Dataiku
Migration de la plateforme data vers Dataiku et industrialisation des pipelines ML pour accélérer la mise en production des modèles.
Club Med : IA générative pour accès aux données
Déploiement d’un agent IA permettant à des équipes non techniques d’interroger les données opérationnelles en langage naturel, sans SQL.
Votre catalogue mérite mieux que la saisie manuelle
Partagez-nous votre contexte : volume de références, nombre de fournisseurs, stack technique. Un expert AVISIA reviendra vers vous sous 48h.
Chargement du formulaire de contact…