IA e-commerce : la bonne IA pour chaque tâche des opérations
L’IA e-commerce se choisit tâche par tâche, dans cet ordre : si l’erreur coûte cher sans retour possible, une personne décide ; si vous fixez les paramètres, un réglage suffit, sans IA ; un texte à lire va à un assistant IA ; sinon, un modèle apprend des données. Dans nos 26 cas publiés, 23 gains viennent de réglages.
L’essentiel
- Si vous pouvez fixer les paramètres, un réglage suffit, comme pour une relance fournisseur ; si seule la donnée le peut, il faut un modèle.
- Une tâche se découpe : pour un e-mail fournisseur annonçant un retard, seule la lecture demande une IA ; le reste relève d’un réglage ou d’une personne.
- Chez un détaillant multimarque, un réapprovisionnement paramétré sans IA a ramené le temps d’achat de 2 jours à 30 minutes par semaine.
- Laissez le score décider qui valide : chez un distributeur moto, au-dessus de 96 %, l’approbation est automatique ; entre 90 et 96 %, l’équipe vérifie.
- Jugez un assistant IA sur le recontact : dans un essai sur 5 940 nouveaux conseillers, il a accéléré le service sans effet significatif sur le recontact.
- Placez trois curseurs avant de brancher un assistant IA : lecture seule d’abord, brouillons sans envoi, un accord explicite pour chaque écriture.
Dans nos 26 cas publiés, l’IA e-commerce n’a servi que trois fois, pour rapprocher des fiches sans code commun (deux cas) et décider automatiquement quels prix revoir souvent ; les 23 autres gains viennent de réglages.
Pour le règlement européen sur l’IA, un système d’IA « déduit » ses sorties de ses entrées, et la définition « ne devrait pas couvrir les systèmes fondés sur les règles définies uniquement par les personnes physiques » (considérant 12). D’où le critère : qui fixe les paramètres ? Vous rangez ainsi chaque tâche dans l’une des quatre cases (décision humaine, réglage, assistant IA ou modèle), chacune avec sa donnée, son contrôle, son autonomie.
Situer chaque usage de l’IA e-commerce sur la carte
La carte se lit de haut en bas, puis de gauche à droite. Côté vitrine, les recommandations vont au modèle, la fiche produit et le chatbot d’avant-vente à votre assistant IA.
Dans le commerce de détail français, l’IA reste près de deux fois moins répandue qu’en moyenne : 9,93 % des détaillants de 10 salariés et plus l’utilisaient en 2025, contre 18,16 % tous secteurs, selon Eurostat. Chez les entreprises européennes qui utilisent l’IA, 34,70 % s’en servent pour le marketing ou les ventes, 6,08 % pour la logistique (Eurostat, 2025).
La machine prépare, une personne tranche
- Dépense fournisseur
- Geste commercial
- Évaluer un préparateur
Contrôle : un test sur commandes passées
- Point de commande
- Relance fournisseur
- Choix du transporteur
- Lots et FIFO
Contrôle : la source, le recontact
- Ticket « où est ma commande »
- E-mail fournisseur
- Fiche produitVitrine
- Chatbot d’avant-venteVitrine
Contrôle : le score de confiance
- Rapprochement sans EAN
- Équivalents de marque propre
- Prix à revoir souvent
- RecommandationsVitrine
D’abord l’axe vertical : si l’erreur coûte cher et ne se rattrape pas, une personne décide. Ensuite, le choix de la machine dépend de qui fixe les paramètres.
Chaque case a sa façon de se tromper et son autonomie de départ.
| Case | Se trompe | Donnée nécessaire | Contrôle | Autonomie de départ |
|---|---|---|---|---|
| Décision humaine | Par validation réflexe | Le dossier préparé par la machine | Trace de qui a validé | Aucune pour la machine |
| Réglage | Mal paramétré, toujours de la même façon | Délai, quantité, n° de commande | Test sur un mois de commandes | Automatique après le test |
| Assistant IA | En affirmant ce qu’il n’a pas lu | Le texte et l’état réel des commandes | Source citée, taux de recontact | Brouillon envoyé par une personne |
| Modèle qui apprend | Quand la donnée est rare ou inhabituelle | Images, titres, attributs et un historique validé | Score de confiance, échantillon relu | Selon un seuil de confiance |
Repérer où l’IA a fait la différence
Nos 26 cas clients publiés ont été classés selon la solution qu’ils décrivent : un cas compte comme IA quand sa solution nomme un composant d’IA, de LLM ou d’apprentissage automatique. Vingt portent sur les commandes, le stock, les achats, l’entrepôt, l’expédition ou la caisse, et trois sur des coûts, des commissions ou des écarts de prix. Tous traitent des quantités, des délais, des statuts ou des prix que l’équipe paramètre : leurs 23 gains viennent de réglages. Les 3 cas d’IA sont ceux où la donnée devait fixer les paramètres.
- Commerce de détail, France2,94 % · 9,27 % · 9,93 %
- Tous secteurs, France5,88 % · 9,91 % · 18,16 %
- Commerce de détail, UE6,08 % · 11,29 % · 15,46 %
- Tous secteurs, UE8,06 % · 13,48 % · 19,95 %
- RéglagesQuantités, délais, statuts, prix : l’équipe les paramètre
- 23
- Composant d’IAFiches sans code commun, prix à revoir souvent
- 3
À gauche, le commerce de détail reste sous la moyenne, et l’écart s’est creusé en 2025. À droite, nos 3 gains obtenus grâce à l’IA viennent de tâches où la donnée fixe les paramètres.
Trier la tâche en trois questions
Posez ces trois questions dans l’ordre de la carte.
| Question | Si oui | Si non |
|---|---|---|
| Une erreur coûte-t-elle cher, sans retour possible ? | Décision humaine | Question suivante |
| Fixez-vous vous-même les paramètres ? | Réglage | Question suivante |
| L’entrée est-elle un texte à lire ? | Assistant IA | Modèle qui apprend |
Une relance fournisseur rédigée à partir d’un bon de commande en retard s’arrête à la deuxième question : ses entrées sont des champs (n° de commande, date promise, quantité), et vous fixez le délai et le message type. La réponse du fournisseur, elle, est un texte à lire.
Le réapprovisionnement s’arrête aussi au réglage. Chez un détaillant multimarque d’articles lifestyle, les délais fournisseurs, les stocks de sécurité et les fenêtres de ventes que le système compare à l’an passé ont été paramétrés ; l’acheteur approuve les commandes proposées. Le temps consacré aux achats est passé de 2 jours à 30 minutes par semaine, et les ruptures sur les meilleures ventes, de 15 à 20 par mois, sont tombées à zéro dès le premier trimestre, sans IA. Le guide Réapprovisionnement e-commerce détaille ces seuils, et le guide Automatisation e-commerce l’ordre des tâches à automatiser. Le module d’achats de Boostmyshop calcule les seuils et prépare les bons de commande.
Confier la lecture et la rédaction à votre assistant IA
Votre assistant IA est un assistant conversationnel relié, d’abord en lecture seule, à l’outil qui tient vos commandes et votre stock. Il lit le texte, retrouve les commandes par leur numéro et prépare une réponse, qu’une personne envoie. Sans elles, il comblerait le vide par une phrase plausible. Notre serveur MCP le relie à vos données dans Boostmyshop : commandes, entrepôt, expéditions, achats.
Contrôlez la source de chaque fait tiré d’un document, suivez le recontact sur les tickets. Au support d’un éditeur de logiciels, des réponses suggérées ont augmenté de 15 % en moyenne les demandes résolues par heure (Brynjolfsson et al., 2025). Dans un essai randomisé de janvier-février 2024 sur 5 940 nouveaux conseillers d’une grande place de marché (Ni et al., 2026), le service s’est accéléré sans effet significatif sur les recontacts pour le même problème sous trois jours. Rapportez-les aux demandes traitées, avant et après.
Passer à un modèle quand la donnée doit fixer les paramètres
Le modèle de base est une prévision statistique : elle tire ses paramètres de l’historique de ventes. Dans la compétition M5 (2022), la méthode d’apprentissage automatique de l’équipe gagnante a battu de 22,4 % la meilleure référence statistique, mais les gains des meilleures méthodes se concentrent sur les niveaux agrégés : au niveau du couple produit-magasin, des modèles statistiques classiques restent compétitifs. Produit par produit, comparez donc vos seuils paramétrés à une prévision statistique classique sur un mois de commandes avant d’aller plus loin.
Un modèle plus riche se justifie quand aucun code commun ne relie vos fiches à celles du marché, que les variables sont trop nombreuses pour un réglage lisible et que le volume interdit de tout relire. Son score de confiance devient la règle d’autonomie. Un distributeur de pièces et d’équipement moto devait rapprocher ses 200 000 références de celles du marché, sans codes EAN fiables. Le moteur compare images et textes, puis un LLM arbitre et donne un score de confiance à chaque correspondance. La fiche publiée du cas fixe la règle pour chaque correspondance : « Au-dessus de 96 %, elle est approuvée automatiquement ; entre 90 et 96 %, un membre de l’équipe la vérifie chaque semaine. » La précision y atteint 99 %. Le client a ensuite franchi une étape : « Après 6 mois de rapprochements validés, il a activé la tarification automatique. » C’est le mécanisme de la veille concurrentielle de myPricing : chaque correspondance porte un score, et vous fixez les seuils d’approbation automatique et de revue.
200 000 références à rapprocher chez un distributeur de pièces moto
- Lire
Le moteur compare images et textes
- Proposer
Chaque correspondance reçoit un score de confiance
« elle est approuvée automatiquement »
« un membre de l’équipe la vérifie chaque semaine »
- Rapprochements validés
- 6 mois
- Tarification automatique
« Après 6 mois de rapprochements validés, il a activé la tarification automatique. »
Le score décide qui valide chaque correspondance ; six mois de rapprochements validés ont ouvert une autre action, la tarification automatique.
Les deux autres cas d’IA en illustrent chacun un volet : un vendeur et fabricant de cosmétiques bio obtient pour sa marque propre des équivalents notés ; un vendeur de produits high-tech sur les marketplaces laisse l’IA décider automatiquement quels produits voient leur prix revu à haute fréquence, environ 30 % du catalogue. Le système reclasse les produits en continu : une erreur de classement se rattrape, et la tâche reste sous la ligne des décisions humaines.
Laisser à une personne les décisions qui engagent
Une décision reste humaine quand une erreur coûte cher et ne se rattrape pas : approuver une dépense fournisseur, accorder un dédommagement, évaluer un préparateur. La machine prépare le dossier ; c’est la personne qui approuve déjà ce type d’action qui tranche. Placez trois curseurs avant tout branchement.
| Curseur | Position de départ | Trace à garder |
|---|---|---|
| Lire | Un utilisateur dédié, en lecture seule | Les données ouvertes en lecture |
| Préparer | Brouillons et propositions, sans envoi | Le brouillon et sa source |
| Agir | Un oui explicite pour chaque écriture | Qui a validé, et quand |
Un agent IA est un assistant IA dont le curseur « agir » est activé : les mêmes curseurs s’appliquent. L’ANSSI (2024) recommande qu’une IA n’exécute pas seule d’action critique d’un point de vue métier, et qu’on limite les actions automatiques nées d’entrées non maîtrisées, comme des e-mails. Le règlement IA nomme « biais d’automatisation » la validation par réflexe. Soumettez donc à la personne la zone incertaine, comme entre 90 et 96 % chez le distributeur moto, et gardez trace de ses refus. Avec le serveur MCP Boostmyshop, le rôle d’un utilisateur dédié fixe ce que votre assistant IA peut lire et faire. Lire : la lecture seule se choisit à la connexion. Préparer : vous voyez d’abord un aperçu. Agir : rien n’est créé sans votre accord, et les actions sensibles demandent une confirmation à part.
Appliquer la grille à une tâche
Prenez l’e-mail d’un fournisseur qui décale une livraison. Seule sa lecture demande une IA.
| Étape | Case | Pourquoi |
|---|---|---|
| Lire l’e-mail et proposer la nouvelle date | Assistant IA | Un texte libre |
| Retrouver le bon de commande et les commandes réservées | Réglage | Des champs reliés par le n° de commande |
| Saisir la date dans le bon de commande | Réglage, validé par l’acheteur | Une écriture, donc une validation explicite |
| Prévenir chaque client de la date confirmée | Réglage | Un message type rempli par des champs |
| Payer un transport express pour tenir la date | Décision humaine | Une dépense irréversible |
Le programme gratuit « IA, mode opératoire » (8 webinaires jusqu’au 31 mars) déroule la méthode : vérifier ce que produit l’IA (n° 4), choisir la case (n° 5), brancher l’IA sur vos outils (n° 6), l’ouvrir à toute l’équipe sans ouvrir de faille (n° 7). La session n° 1 aide à choisir sa première tâche et à embarquer l’équipe, check-list de départ à l’appui : inscrivez-vous pour le mercredi 25 novembre 2026 à 11 h, heure de Paris.
Sources
- Eurostat, Artificial intelligence by NACE Rev. 2 activity, 2026, et Use of artificial intelligence in enterprises, 2025.
- Règlement (UE) 2024/1689 sur l’intelligence artificielle, 2024, modifié par le règlement (UE) 2026/1744, 2026.
- Makridakis et al., M5 accuracy competition, International Journal of Forecasting, 2022.
- Brynjolfsson et al., Generative AI at Work, Quarterly Journal of Economics, 2025.
- Ni et al., Generative AI in Action: Field Experimental Evidence from Alibaba’s Customer Service Operations, arXiv, 2026.
- ANSSI, Recommandations de sécurité pour un système d’IA générative, 2024.
- Boostmyshop, 26 cas clients publiés, 2026.
Questions fréquentes
Côté vitrine, elle recommande, rédige des fiches et répond en avant-vente. Côté opérations, elle rapproche des catalogues sans code commun et prépare les réponses aux tickets ; seuils et choix du transporteur restent des réglages. Un distributeur de pièces moto rapproche 200 000 références avec 99 % de précision.
Une erreur coûteuse et irréversible : une personne. Des paramètres que vous fixez : un réglage. Un texte à lire : un assistant IA. Des paramètres que seule la donnée fixe : un modèle. Le choix du transporteur relève ainsi du réglage ; un catalogue sans EAN commun, du modèle.
Oui, une prévision statistique est le modèle de base, et l’apprentissage automatique gagne surtout sur la demande agrégée (compétition M5). Produit par produit, comparez la prévision à vos seuils : chez un détaillant, des seuils paramétrés, sans IA, ont ramené les achats de 2 jours à 30 minutes par semaine.
Pas forcément. Votre assistant IA lit les données là où elles sont. Si vous gérez vos commandes, votre stock et vos achats dans Boostmyshop, notre serveur MCP les lui ouvre. Commencez avec un utilisateur dédié et choisissez la lecture seule à la connexion, puis élargissez son rôle pas à pas.
La personne qui approuve déjà ce type d’action. Le règlement IA n’impose ce contrôle qu’aux systèmes à haut risque : dès le 2 décembre 2027 pour l’annexe III, comme l’évaluation des salariés, et le 2 août 2028 pour l’annexe I. Sinon, l’ANSSI recommande qu’aucune IA n’exécute seule une action critique.
Oui, dans l’UE. Depuis le 2 août 2026, l’article 50 du règlement IA oblige le fournisseur à concevoir le chatbot pour que la personne sache qu’elle échange avec une IA, sauf si c’est évident. Si vous le développez et le mettez en service sous votre nom, vous êtes ce fournisseur.
Continuer à explorer
Vos stocks, votre préparation et vos expéditions influencent vos ventes sur les marketplaces. Jonathan Coloma, COO de Repiauto, raconte le passage de 300 à 1 000 commandes par jour en deux ans. Il revient sur les limites du papier, les ERP inadaptés à ses besoins, un délai de quinze jours annoncé pour le démarrage et la réorganisation de ses journées.
Pour tenir un pic, découpez la file de commandes en vagues selon vos contraintes, puis placez le contrôle au scan au bon endroit. Au poste d’emballage, l’opérateur ne choisit plus le transporteur et ne cherche plus la bonne étiquette : il valide le colis, génère l’étiquette et passe à la commande suivante.
Industrialiser ses achats, c'est commander sur des règles plutôt qu'au jugé : au bon moment (le point de commande), le bon volume (votre période de couverture), chez le bon fournisseur, avec un bon de commande validé en un clic. À revoir en replay.
Le 16 décembre, vous installez votre espace de travail IA : un projet, ses consignes et ses documents de référence. Vous produisez ensuite un point du lundi à partir d’un export sans données clients. Vous repartez avec cet espace, votre document « mes demandes qui marchent » et un premier livrable terminé.
Une recherche bien interprétée révèle ce que le client veut, même sans vente. Ce replay Boostmyshop × Venture.ia montre comment Findy transforme ce signal en conversion, puis comment Boostmyshop réserve le stock et ouvre ses données à Héhocom pour que la préparation et la livraison suivent la hausse des commandes.
Le 20 janvier, vous repérez en 5 minutes qui utilise déjà quels outils IA, préparez une heure de sensibilisation et démarrez avec deux volontaires. Vous repartez avec la trame de cette séance, le plan des volontaires et 3 règles sur les outils, les abonnements et les données clients.
Le 31 mars, vous comparez votre chantier à son relevé de départ, en temps et en erreurs, et vous chiffrez son coût. Vous décidez quoi généraliser, quoi arrêter et quand alléger la relecture. Vous repartez avec un bilan avant/après, un plan à 90 jours, la méthode en une page et la fiche du chantier suivant.
Le 17 février, vous notez 10 tâches selon ce qu’elles vous coûtent, leur difficulté et la possibilité de vérifier le résultat. Pour chacune, vous tranchez : un réglage, votre assistant IA, un changement sur le terrain ou plus tard. Vous retenez une tâche vérifiable et établissez son relevé de départ avec 5 cas chronométrés et les erreurs du mois précédent.
Le 3 mars, vous décidez ce que votre assistant IA lit, ce qu’il prépare, ce qu’il ne doit pas modifier et qui valide. Vous repartez avec le schéma de votre chantier : les sources, un compte dédié en lecture seule pour commencer et la personne responsable de la validation.
Une migration réussie ne remplace pas tout d’un bloc. Elle commence par choisir ce qu’il faut garder, remplacer ou connecter, puis ordonne chaque bascule autour du travail réel des équipes. Le 10 décembre, Boostmyshop et Dedi Agency cartographient ces choix, du site aux opérations.
L’IA reste un gros mot quand elle ressemble à une boîte noire. Le 25 novembre, David Butin partira des leçons de trois ans d’essais chez Boostmyshop. Il répondra à une question : par où commencer pour se lancer dans l’IA et embarquer son organisation et son équipe ? Il expliquera sans jargon ce que fait un assistant IA, ce qu’il ne fait pas et pourquoi l’esprit critique reste essentiel. Le concret viendra du tour de table avec des dirigeants e-commerce, dont Arnaud Darsonval de La Ferme de Sainte-Marthe.
Le 17 mars, vous complétez l’inventaire des usages IA dans l’équipe, donnez à chaque assistant IA son propre compte et choisissez entre abonnement et paiement à l’usage. Vous repartez avec une charte IA d’une page et un test pour vérifier qu’un outil maison n’est pas resté ouvert sur le web.
Le 3 février, vous reprenez un exercice sans risque : le point du lundi de l’étape n° 2 ou la tâche de vos volontaires. Vous l’écrivez tel que l’équipe le réalise, posez 3 vérifications concrètes et testez le résultat sur des cas connus. Vous repartez avec une procédure testée : ses consignes, ses vérifications, une colonne « écart » et une dizaine de cas dont vous connaissez déjà la réponse.
Analysons ensemble votre flux de commandes
En 20 minutes, nous repérons les blocages et les pistes pour gagner du temps. Sans diaporama.
Appel gratuit de 20 min · Sans engagement








































