L’IA générative et l’e-commerce : exemples et avantages

L’IA générative désigne un type d’intelligence artificielle (IA) capable de créer un nouveau contenu, tel que du texte, des images ou des vidéos, de manière similaire à ce qu’un Homme pourrait produire. Dans le contexte de l’e-commerce, l’IA générative peut être utilisée pour créer des descriptions de produits, générer des images de produits et même concevoir de nouveaux produits.

L’IA générative utilise des techniques d’apprentissage profond telles que les réseaux neuronaux, les auto-encodeurs variationnels (VAE) et les réseaux adversoriels génératifs (GAN) pour apprendre des modèles à partir des données existantes et générer ensuite de nouveaux contenus sur la base de ces modèles. Parmi les exemples connus d’IA générative, on peut citer Google Bard, Dall-E, Bing et ChatGPT.

Une enquête menée en 2023 auprès de professionnels du marketing et de la publicité (l’e-commerce en fait partie) aux États-Unis a révélé que 37 % des personnes interrogées avaient utilisé l’IA générative pour soutenir leurs tâches dans le cadre de leur travail. Le graphique ci-dessous montre le taux d’adoption de l’IA générative sur le lieu de travail aux États-Unis en 2023, par secteur d’activité :

Source : Statista.

L’une des utilisations les plus significatives de l’IA générative dans l’e-commerce est la génération de descriptions de produits. Les algorithmes de génération de langage naturel (NLG) analysent les données des produits et génèrent des descriptions qui peuvent être utilisées sur les sites e-commerce. Par exemple, un tel outil peut analyser les caractéristiques, les avantages et les spécifications d’un produit et générer une description de produit convaincante améliorant ainsi l’expérience du client.

La plateforme Phrasee est un exemple concret d’utilisation de l’IA générative pour les descriptions de produits. Elle peut analyser les caractéristiques d’un produit (des écouteurs par exemple) et générer une description comme celle-ci: “Ces écouteurs antibruit sont dotés d’une technologie avancée de réduction du bruit qui bloque les bruits ambiants, offrant ainsi une qualité sonore claire et immersive.” Il peut également créer des lignes d’objet pour les e-mails ou des notifications push. Cette approche a permis aux marques dans le e-commerce de gagner du temps et d’accroître l’engagement de leurs clients grâce à un contenu automatisé et personnalisé. Domino’s Pizza et eBay sont deux exemples d’enseignes utilisant ce type de “contenu alimenté par l’IA”.

Les réseaux adversoriels génératifs (GAN) sont une autre forme d’IA générative utilisée dans l’e-commerce, cette fois pour générer de nouvelles images de produits. En entraînant les GAN sur un ensemble de données d’images de produits existantes, le réseau générateur peut apprendre à créer de nouvelles images de produits réalistes qui peuvent être utilisées pour l’e-commerce ou la publicité. Cette approche peut permettre aux marques et aux marchands d’économiser le temps et les ressources consacrés à la photographie des produits et à l’édition d’images.

Des outils de génération d’images comme DALL-E 2 sont déjà utilisés dans la publicité. Heinz, par exemple, a utilisé l’image d’une bouteille de ketchup avec une étiquette ressemblant à la sienne pour illustrer la façon dont l’IA perçoit la marque de ketchup. Toutefois, cela s’explique simplement par le fait que le modèle a été entraîné sur un grand nombre de photos de bouteilles de ketchup Heinz. De même, Nestlé a utilisé une version améliorée par l’IA d’un tableau de Vermeer pour promouvoir l’une de ses marques de yaourt, et Mattel utilise la technologie pour générer des images à des fins de conception de jouets et de marketing.

Source : Heinz / Rethink Canada.

La technologie peut également être utilisée pour générer des recommandations de produits personnalisées pour les clients. En analysant les données des clients, telles que leur historique de navigation et leur comportement d’achat, les algorithmes d’IA générative peuvent créer des recommandations de produits adaptées aux préférences de chaque client. Cette approche peut aider les entreprises à fidéliser leurs clients et à augmenter leurs ventes.

Stitch Fix, une entreprise de vêtements et un service de stylisme personnalisé en ligne basé à San Francisco, a perturbé le secteur des revendeurs de mode. En combinant l’expertise des stylistes personnels et l’efficacité de l’intelligence artificielle, Stitch Fix fournit régulièrement à ses clients des recommandations vestimentaires personnalisées. L’IA de l’entreprise analyse les données relatives aux tendances stylistiques, aux mensurations, aux commentaires des clients et à leurs préférences afin de fournir aux stylistes une sélection de recommandations adaptées au style de vie et au budget de leurs clients.

De même, l’IA générative peut analyser de grandes quantités de données clients pour identifier des modèles et des tendances, ce qui permet aux entreprises de créer des campagnes marketing très ciblées et des suggestions de produits personnalisées. Amazon utilise également des algorithmes d’IA générative pour fournir des recommandations de produits hautement personnalisées, qui ont contribué à son succès. En 2021, Forbes a rapporté que 35 % des achats effectués par les consommateurs sur Amazon résultaient de recommandations de produits.

Grâce à l’IA générative, les entreprises peuvent exploiter les GAN pour concevoir de nouveaux produits à partir de produits existants, ce qui leur permet de créer rapidement et efficacement des produits nouveaux et innovants. Cette approche peut aider les marques à rester compétitives et à répondre à la demande des clients pour des produits novateurs et sans cesse améliorés.

Le design génératif a été utilisé dans des secteurs qui privilégient à la fois l’esthétique et les performances structurelles. Par exemple, New Balance a utilisé le design génératif pour créer des géométries de semelles de chaussures à l’aide d’un logiciel propriétaire développé par Nervous System, une entreprise basée à Boston. Ce logiciel permet de personnaliser les semelles en fonction des besoins de soutien du pied et des préférences esthétiques de chaque utilisateur.