Data / IA
Manutan passe à la vitesse supérieure avec l’IA
Par Alain Clapaud, publié le 07 novembre 2023
Poids lourd du e-commerce B to B en France avec 310 000 références en ligne, Manutan a pris le virage de l’IA à la fin des années 2010, avec une stratégie d’expérimentation et de coopération avec des start-up. Depuis, les équipes internes se sont renforcées et accélèrent l’adoption de MLOps.
Manutan distribue des produits d’équipement, des fournitures et des services auprès des entreprises et des collectivités. L’enseigne opère sur internet, mais aussi avec une équipe de commerciaux de proximité qui accompagnent les clients dans leurs achats. Ce business model hybride a fait de l’entreprise un des leaders de son secteur.
Dès les années 2010, Manutan s’est intéressé aux algorithmes d’IA afin d’améliorer les performances de son site. Un partenariat a été noué dans ce but avec Target2Sell, une start-up spécialisée dans la recommandation personnalisée, rachetée depuis par Mirakl. « Le moteur de recommandation est l’un des cas d’usage typiques de l’IA en e-commerce. À partir de 2018, nous avons souhaité nous approprier ces sujets d’IA, explique Guillaume Duval, CDO et directeur du service data du groupe Manutan. Tout en continuant à travailler avec Target2Sell, nous avons constitué une équipe interne et commencé à créer nos propres algorithmes. »
Comme l’avait déjà brillamment démontré Amazon dès cette époque, l’intelligence artificielle peut en effet jouer un rôle crucial dans le e-commerce, y compris sur le marché B to B. L’équipe data commence alors par recenser ses divers cas d’usage dans les activités de Manutan, et il y en a pléthore. Outre les applications mises à disposition des clients comme la recommandation produit ou les assistants virtuels et conversationnels, les applications de l’IA sont tout aussi nombreuses en backoffice, notamment pour la prévision des ventes et l’optimisation des stocks, ou encore la reconnaissance automatique des produits par la sémantique et la reconnaissance du langage naturel.
Les algorithmes de recherche et de recommandation forment la partie émergée de l’IA chez Manutan, mais les algorithmes délivrent aussi de nombreux services en back-office.
L’enseigne développant fortement son offre produits avec de plus en plus d’articles proposés à la vente, Guillaume Duval souhaite rapidement mettre en oeuvre les algorithmes en réponse aux demandes de la direction des achats : « Disposer de gammes plus étoffées impliquait de faire monter à l’échelle notre processus de mise en ligne des articles. Plusieurs cas d’usage de l’IA étaient possibles, notamment pour la catégorisation des produits, l’analyse du contenu de la fiche associée, le retraitement des images, la détermination des critères de recherche et de filtrage, etc. »
Pour le responsable data, la catégorisation est en effet le premier irritant dans la mise en ligne en masse de nouveaux produits. Pour résoudre cette problématique, Manutan a travaillé dès 2019 sur une auto-classification des produits par machine learning. L’algorithme est en production depuis plusieurs années et a permis de réduire drastiquement ces efforts de classification. Il faut cependant encore taguer manuellement les produits lorsque le score de confiance est trop faible, ce qui permet ensuite de ré-entraîner le modèle pour améliorer sa performance.
Une stratégie IA qui se structure à partir de 2020
Après ces premiers projets menés dans une approche « Lab » dans une stratégie de recherche d’opportunités, le déploiement des algorithmes à partir de 2019 va pousser le distributeur à industrialiser son approche. « À l’issue de la mise en production de notre algorithme d’autoclassification, nous avons clairement identifié le besoin d’aller vers MLOps. Nous avions sans doute sous-estimé la complexité du déploiement de ces modèles d’IA et cela nous a obligés à nous structurer rapidement, et à identifier les bons services d’infrastructure pour opérer de la bonne manière. »
À LIRE AUSSI :
L’équipe data n’a pas le droit à l’erreur car, dans le e-commerce, les algorithmes ont une prise directe sur le parcours client. « Les IA peuvent jouer un rôle positif ou négatif sur les ventes en ligne, selon la performance des algorithmes. Il est donc essentiel de les monitorer, de les piloter et de détecter très rapidement les déviations qui nécessiteraient un réentraînement ou des adaptations », explique Guillaume Duval.
Des premiers résultats significatifs sont engrangés. Sur un échantillon, le modèle de machine learning développé pour le moteur de recherche de produits a permis de multiplier par deux le taux de transformation. Un A/B test est en cours sur la production pour valider ce résultat.
Un data lake constitué progressivement
Pour porter cette stratégie IA, et contrairement aux nombreuses entreprises qui ont constitué un data lake pour faire converger l’ensemble de leurs données avant de réfléchir aux algorithmes qui pourraient en tirer profit, Manutan enrichit son outil uniquement en fonction des besoins des projets lancés. « Le data lake grandit progressivement à chaque cas d’usage. Ainsi, nous n’avons pas à gérer des dizaines de téraoctets de données, bien que pour traiter certaines problématiques comme la classification de produits, nous ayons besoin de manipuler beaucoup de données historiques. »
Même si Manutan mène aussi des études pour moderniser son stack technique, celui-ci repose pour l’heure sur une plateforme data portée par Microsoft Azure. Pour développer ses algorithmes, l’équipe data met en œuvre les services de machine learning Azure MLOps et MLFlow pour l’orchestration des entraînements. Les algorithmes de base mis en œuvre sont écrits en Python. « Nous avons la volonté d’aller aujourd’hui vers des outils plus industrialisés. »
Guillaume Duval
CDO et directeur du service
data du groupe Manutan
« Nous avions sous-estimé la complexité du déploiement de ces modèles d’IA. Cela nous a obligés à nous structurer rapidement, et à identifier les bons services d’infrastructure pour opérer de la bonne manière. »
Manutan doit maintenant franchir une étape supplémentaire dans l’industrialisation de sa stratégie IA, car de nombreux cas d’usage sont en cours d’étude et de nombreux modèles d’IA vont devoir être supervisés à l’échelle. Parmi les principaux sujets figurent la détection de fraude et la prévision de la demande, un domaine clé dans l’optimisation de la gestion des stocks.
Autre chantier en cours, celui de l’optimisation des prix. L’ensemble des acteurs du secteur du retail fait face à ce dernier défi, dans un contexte d’augmentation des prix des matières premières et des matériaux. « L’IA peut nous aider sur ces sujets pour s’assurer des préférences client, tenir compte de facteurs externes pour benchmarker nos prix et rester compétitifs. »
Enfin, les commerciaux de terrain ne sont pas oubliés. Ceux-ci mettent déjà en oeuvre la solution Savin’side qui les aide à travailler avec les directions achats de leurs clients grands comptes. « L’application propose une rationalisation des achats selon différents critères, comme l’optimisation des coûts de transport par regroupement des commandes, l’optimisation du coût d’achat via des produits alternatifs de marque propre Manutan, etc. » L’équipe data réutilise ici des algorithmes déjà déployés en e-commerce en les adaptant à un contexte différent, une autre vertu du modèle hybride.
LE PROJET EN CHIFFRES
30 personnes dans l’équipe data, dont deux data scientists
3 modèles d’IA en production
x2 le potentiel de réalisation des ventes après recherche
L’ENTREPRISE MANUTAN
Activité : E-commerce B to B
Effectif : 200 collaborateurs
CA : 906,5 M€ (2022)
À LIRE AUSSI :
À LIRE AUSSI :
