Sommaire ▾
Contexte
CMesMat est un négociant en matériaux de construction. Son métier : vendre à distance un catalogue de plus de 380 000 références via un site e-commerce.
Un catalogue de cette taille pose une question centrale à l'acheteur : par où commencer ? Si l'e-commerce classique excelle quand la recherche se fait par référence précise, il peine à répondre aux demandes formulées par un besoin métier : « une peinture qui sèche en moins de quatre heures », « de quoi réaliser une terrasse en bois de 20 m² ». Ces requêtes nécessitent une connaissance fine du catalogue, des règles de compatibilité et des accessoires indispensables.
CMesMat souhaitait offrir à ses clients une alternative : explorer le catalogue à partir de leur besoin réel, exprimé en langage courant.
Cadrage et Démarche R&D
Le positionnement retenu était clair : ne pas remplacer l'e-commerce existant, mais lui adosser un conseiller technique virtuel capable de traduire un projet en liste de produits.
Appliquer de l'IA générative à un catalogue aussi vaste et technique comportait une vraie part d'incertitude et de R&D. CMesMat a joué le jeu d'une démarche test & learn : plutôt que de figer un cahier des charges rigide, nous avons progressé par itérations. Nous avons confronté l'agent à des cas d'usage réels pour ajuster le comportement du modèle, affiner le découpage des données et garantir la pertinence des suggestions.
Réalisation
Ensemble, nous avons conçu et développé Ariane, l'agent IA de CMesMat.
L'acheteur décrit son chantier. Ariane identifie les matériaux adaptés, vérifie leurs compatibilités techniques et complète la sélection avec les accessoires nécessaires pour éviter tout oubli le jour du chantier. Le parcours se déroule en trois étapes : exprimer son besoin, obtenir les références adéquates, sécuriser son devis.
Sur le plan technique, Ariane repose sur une architecture RAG (Retrieval-Augmented Generation) et une recherche hybride. L'intégralité du PIM a été ingérée puis enrichie d'une couche d'embeddings vectoriels et de métadonnées structurées (catégories, caractéristiques techniques, contraintes d'usage).
À chaque requête, l'assistant croise la recherche sémantique et les filtres par métadonnées pour cibler les fiches produits et notices utiles avec une précision chirurgicale, éliminant tout risque d'hallucination.
Le catalogue reste synchronisé en continu : chaque modification ou ajout dans le PIM met automatiquement à jour la base vectorielle d'Ariane.
Une fois la sélection validée, Ariane guide l'acheteur jusqu'à la création du devis. La finalisation de la commande bascule ensuite sur l'e-commerce existant, garantissant une continuité parfaite avec le tunnel d'achat habituel.
La suite
Ariane est déployé en production et hébergé en France. L'équipe CMesMat dispose d'une autonomie complète pour faire évoluer les consignes et ajuster les règles métier de l'assistant, sans dépendre d'une intervention technique pour chaque ajustement.
Échangeons 20 minutes sur vos enjeux.
Un projet de développement, un process qui coince ou un besoin de structuration ? Faisons le point pour définir la meilleure approche. Réponse sous 24h.
Un premier échange direct avec l'un des associés.