Moteur de Recherche IA pour E-Commerce I Étude de cas : H********

Secteur d’activité

Commerce & Distribution

Date de la mission

10/2025

Services

Contexte

Pour un de nos clients dans le secteur du e-commerce, nous avons été mandatés pour améliorer l’expérience de recherche de produits sur leur site internet. Le défi principal était de permettre à leurs utilisateurs de trouver plus facilement les produits recherchés, même lorsqu’ils utilisaient des synonymes ou des termes moins précis, tout en garantissant la cohérence des résultats.

Objectifs

L’objectif était double :

Mettre en place un moteur de recherche IA performant : Celui-ci devait être capable de répondre à des requêtes utilisateurs en fonction des mots-clés saisis, tout en prenant en compte la diversité linguistique et les nuances de langage.
Optimiser le processus de mise à jour : Il fallait également créer une solution permettant la synchronisation continue avec l’ERP de l’entreprise, afin d’assurer que le moteur de recherche reflète les évolutions du catalogue produit en temps réel.

Solution Apportée

Pour répondre à ces objectifs, nous avons développé une solution robuste basée sur plusieurs technologies avancées :

Base de données vectorielle Qdrant : Nous avons choisi Qdrant pour sa capacité à traiter des données complexes et volumineuses tout en garantissant une recherche rapide et pertinente. Cette base de données a été utilisée pour structurer et organiser les informations produits de manière optimisée.
Modèle LLM OpenAI : Pour rendre la recherche plus intelligente, nous avons intégré le modèle embedding-small d’OpenAI, qui permet de générer des représentations vectorielles des produits en fonction des mots-clés. Ce modèle, couplé à la base vectorielle, nous a permis de comprendre les relations sémantiques et d’améliorer la pertinence des résultats de recherche.
Module vocal de Google : Afin de faciliter l’interaction sur mobile, nous avons intégré un module de reconnaissance vocale gratuit fourni par Google. Cela permet aux utilisateurs de rechercher des produits par commande vocale, rendant l’expérience plus fluide et accessible.
Optimisation multilingue : Grâce au modèle LLM, le moteur de recherche peut traiter des requêtes dans plusieurs langues. Ce système permet de gérer les recherches en langues étrangères, même si le catalogue de produits ne contient que des informations en langue native.

Résultats

Après avoir structuré les données et les avoir intégrées dans Qdrant, nous avons réalisé plusieurs tests et ajustements pour vérifier la qualité des résultats fournis par le moteur de recherche. Voici les principaux résultats obtenus :

Précision des résultats : Le moteur de recherche fournit désormais des résultats cohérents et pertinents, même lorsque des synonymes sont utilisés dans les requêtes.
Amélioration de l’expérience utilisateur : Les utilisateurs peuvent désormais trouver plus facilement les produits qu’ils recherchent, même en utilisant des termes moins précis ou en plusieurs langues.
Mise à jour continue : Le système de synchronisation avec l’ERP garantit que le moteur de recherche est toujours à jour, même lors des ajouts ou modifications dans le catalogue de produits.

Conclusion

La mise en place de ce moteur de recherche intelligent a permis à notre client d’offrir une expérience de navigation améliorée à ses utilisateurs, avec des résultats de recherche plus pertinents et une interface conviviale. Grâce à l’intégration d’une base vectorielle et d’un modèle LLM, le moteur de recherche est capable de traiter des requêtes complexes dans plusieurs langues et de s’adapter en permanence aux évolutions du catalogue de produits.

Si vous souhaitez en savoir plus sur comment une solution similaire pourrait améliorer votre propre plateforme, n’hésitez pas à nous contacter.