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 dataQu'est-ce que la transformation data ? La transformation des données (ou "Data Transformation") est l'ensemble des processus techniques utilisés pour convertir des données brutes, souvent désorganisées, en un format propre, structuré et fiable, prêt à être utilisé pour l'analyse. Pour util... More 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 pour automatiser les fiches produits
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
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, 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 : l’automatisation des fiches produits 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 dataQu'est-ce que la Data Literacy ? La Data Literacy, ou culture data, désigne la capacité à lire, comprendre, analyser et communiquer des données afin de prendre des décisions éclairées. On entend souvent dire que la donnée est le nouvel or noir des entreprises. Mais à quoi sert un gisement... More 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 ? Un cabinet expert de l’automatisation de fiches produits par IA
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 RGPDQu'est-ce que le RGPD (Règlement Général sur la Protection des Données) ? Si vous travaillez de près ou de loin avec la donnée, le sigle RGPD (Règlement Général sur la Protection des Données) fait sans doute partie de votre quotidien, parfois perçu comme une contrainte, mais de plus en ... More 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.
Comment une IA générative peut aussi valoriser votre patrimoine de données
Chez Manutan, l’IA générativeQu'est-ce que l'IA Générative ? L'IA Générative est une sous-branche de l'IA. Elle se concentre sur la création de nouveaux contenus (textes, images, vidéos...) à partir des données d'entraînement. Les modèles d'IA générative sont capables de générer de nouvelles données similaires au... More automatise la production de fiches produits. Chez MGEN, elle donne accès au patrimoine de données de la mutuelle en langage naturel. Deux façons différentes de mettre la Gen AI au service de la donnée métier.
Questions fréquentes : automatisation de fiches produits par IA
Faut-il donner accès à ses données fournisseurs à un LLM tiers ?
Non, pas dans le cadre d’une architecture comme celle déployée chez Manutan. Le projet s’appuie sur une instance Azure OpenAI dédiée, hébergée dans l’environnement Azure du client, et non sur une API publique mutualisée.
Concrètement, les fichiers fournisseurs transitent uniquement par Azure Data Factory et Snowflake, deux briques déjà présentes dans l’environnement du client, avant d’atteindre le LLM. Aucune donnée fournisseur ne quitte ce périmètre, et les modèles ne sont pas ré-entraînés sur ces données : elles servent uniquement à générer la fiche produit, pas à améliorer un modèle tiers.
La conformité RGPD est intégrée dès la conception de l’architecture, pas ajoutée après coup. C’est un point de vigilance particulièrement important pour les catalogues BtoB, où les fiches fournisseurs peuvent contenir des informations contractuelles ou tarifaires sensibles. Échangez avec un expert →
Combien de temps faut-il pour automatiser un catalogue produit BtoB ?
Chez Manutan, le projet a suivi trois étapes : cadrage, POC sur un échantillon représentatif, puis industrialisation. Le passage de la première réunion à la production complète s’est fait en moins de 3 mois.
La phase de cadrage a permis d’auditer les flux fournisseurs et d’identifier les formats hétérogènes à absorber (EDI, Excel, CSV, XML). C’est cette étape, souvent sous-estimée, qui conditionne la suite : plus les formats sources sont dispersés, plus le travail de normalisation en amont est important. Le POC a ensuite validé la qualité de génération sur 5 000 fiches représentatives avant toute décision d’industrialisation, pour éviter de déployer à grande échelle une solution non éprouvée.
Pour un catalogue de plusieurs centaines de milliers de références et plusieurs milliers de fournisseurs, un délai de 3 mois entre le lancement et la production complète est un ordre de grandeur réaliste, à condition que le cadrage initial soit suffisamment rigoureux.
L’automatisation par LLM remplace-t-elle les rédacteurs produit ?
Non. Le LLM prend en charge la rédaction du flux standard, c’est-à-dire la production de masse des fiches produits conformes au guide éditorial. Les rédacteurs restent nécessaires sur tout ce que l’automatisation ne peut pas couvrir : le contrôle qualité ciblé sur les fiches à enjeu, l’amélioration continue des prompts par catégorie de produits, et la définition de la stratégie catalogue.
Chez Manutan, ce changement s’est traduit par un repositionnement du temps de travail plutôt que par une suppression de missions : le temps auparavant consacré à la rédaction manuelle des 850 000 références est réinvesti dans des tâches à plus forte valeur, que l’IA ne sait pas faire.
Ce sont des missions qui ne peuvent pas être automatisées, et qui gagnent en importance une fois le traitement de masse délégué à l’IA. Échangez avec un expert →
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…
