Le 22 octobre, NVIDIA a détaillé des projets européens d’IA dans le commerce de détail portant sur les coûts de service des modèles, la découverte de produits et la planification des entrepôts. Le benchmark interne de Shopify a montré une réduction de 90 % des coûts de service pour un modèle personnalisé, tandis qu’Otto Group a étendu son initiative d’entrepôt fondée sur la simulation à son plus grand centre de traitement des commandes en Allemagne.

Points clés

  • Shopify a fait état d’une précision supérieure, de coûts de service inférieurs de 90 % et de réponses sept fois plus rapides pour un modèle post-entraîné, selon son benchmark interne.
  • Les applications dans le commerce de détail vont d’un prototype de recherche de Zooplus à la retouche d’images déployée et à l’essayage virtuel fondé sur la physique.
  • Otto Group a étendu ses capacités de simulation d’entrepôt, tandis que trois plans directeurs NVIDIA pour le commerce de détail restent en accès anticipé.

Table des matières

L’IA dans le commerce de détail européen met les modèles personnalisés au travail

Les résultats de Shopify portent principalement sur un sous-agent GraphQL intégré à Sidekick, son assistant IA destiné aux commerçants. L’entreprise a post-entraîné NVIDIA Nemotron 3.5 Lightning à l’aide d’outils tels que Megatron Bridge et NeMo RL. Le sous-agent récupère les données des boutiques pour des fonctionnalités comme Sidekick Pulse, qui analyse l’activité d’un commerçant et recommande des améliorations.

Selon NVIDIA, lors du benchmark interne de Shopify, le modèle personnalisé a dépassé en précision un modèle de pointe non nommé, réduit les coûts de service de 90 % et fourni des réponses sept fois plus rapidement. Ces résultats concernent le benchmark et ne permettent pas d’établir les performances pour l’ensemble des tâches des commerçants.

Par ailleurs, le logiciel d’optimisation de l’inférence vLLM NVIDIA CCluster a aidé Shopify à obtenir des performances 4,5 fois plus rapides et à réduire les coûts d’inférence jusqu’à 12 fois pour cinq autres usages : l’enrichissement des catalogues, l’assistance aux commerçants, la simulation des achats, la classification des produits et les recommandations.

La recherche et les images de produits illustrent différents stades de déploiement

Zooplus a collaboré avec Infosys et utilisé des technologies NVIDIA pour refondre la découverte de produits. Un prototype prêt pour la production, déployé dans l’environnement Amazon Web Services du détaillant spécialisé dans les produits pour animaux, a atteint une précision de recherche de 86 %. Il utilise la bibliothèque Nemotron Retriever pour la recherche sémantique et le plan directeur d’enrichissement des catalogues de détail de NVIDIA afin de générer des attributs de produits interrogeables.

Chez Vestiaire Collective, l’API Image Editing de Photoroom standardise désormais chaque image principale des annonces, en traitant environ 40 000 images par jour dans 70 pays. NVIDIA a indiqué que les annonces traitées affichaient un taux de liquidité supérieur de 5 % et de 3 % à 7 % de vues uniques supplémentaires sur les pages produits. Le pipeline fonctionne sur des GPU NVIDIA avec TensorRT et Triton Inference Server.

Omi a lancé ProductDrop pour associer les images générées à des jumeaux numériques approuvés et éviter les erreurs de produits dans les catalogues. L’Oréal utilise cette approche dans son programme CreAItech. La génération d’actifs 3D TRELLIS d’Omi fonctionne sur des GPU RTX PRO 6000 Blackwell Server Edition, avec une inférence annoncée dix fois plus rapide et une latence du pipeline réduite de quatre fois.

Le traitement des catalogues et la recherche sur les ingrédients élargissent l’adoption

Catalog Transformer de Mirakl a intégré plus de 70 millions de produits, en combinant des modèles ouverts affinés et des services propriétaires pour organiser les données des vendeurs. Mirakl exécute ses modèles sur des GPU NVIDIA dans sa propre infrastructure ainsi que chez des fournisseurs de cloud européens comme Scaleway.

L’Oréal intègre également NVIDIA ALCHEMI à la recherche sur les ingrédients, avec un passage annoncé de plusieurs mois d’expérimentation à quelques heures de criblage computationnel. L’entreprise teste une approche apparentée avec CurieOS d’Orbital Industries, à l’aide du modèle de simulation moléculaire open source OrbMol-v2.

Intégré à l’ALCHEMI Toolkit, OrbMol-v2 fonctionnerait cinq fois plus rapidement que des modèles comparables, avec une erreur inférieure de 21 % à celle du meilleur modèle suivant de sa catégorie. Ce processus permet d’identifier des combinaisons prometteuses d’ingrédients pour solubiliser les filtres UV avant les essais en laboratoire.

La simulation s’étend aux entrepôts et à l’essayage virtuel

Otto Group a étendu son initiative d’entrepôt autonome supervisé par des humains à son plus grand centre de traitement des commandes, à Haldensleben, en Allemagne. Développé avec Reply à l’aide des bibliothèques NVIDIA Omniverse et fonctionnant sur Google Cloud, le système permet aux équipes logistiques de concevoir, tester et optimiser les opérations en simulation avant leur mise en œuvre physique.

ALLSIDES a lancé une usine automatisée de jumeaux numériques 3D qui transforme des objets physiques en actifs prêts pour la simulation en quelques minutes. L’entreprise indique obtenir une précision géométrique inférieure au millimètre, des propriétés physiques mesurées et des matériaux dont l’éclairage peut être modifié. Sa plateforme est déjà utilisée par des marques telles qu’adidas, Amazon, Nike, Zalando et Zara.

Dans le domaine de l’essayage virtuel, CATCHES a indiqué que son déploiement RealFit avec AMIRI avait augmenté le taux de conversion de 55 %, les ajouts au panier de 80 % et les ventes brutes de 56 %, après ajustement saisonnier et comparaison avec des styles équivalents. CATCHES a également lancé PredictiveFit pour les détaillants et CASI, un agent de mode sur WhatsApp dédié aux achats, au stylisme et au choix des tailles.

Trois plans directeurs pour le commerce de détail restent en accès anticipé

Lors de GTC Berlin, Nebius présente trois plans directeurs NVIDIA pour le commerce de détail, qui fonctionnent sur son infrastructure. Ils sont tous disponibles en accès anticipé et ne sont pas présentés comme des produits généralement disponibles.

Agent Harness for Employee Productivity regroupe la planification, la gestion des tâches, les alertes sur les stocks et les informations opérationnelles. Inventory Simulation and Optimization modélise la demande et les stratégies de réapprovisionnement avant tout engagement dans le monde réel. Agentic Finetuning Flywheel relie la génération de données d’entraînement, l’affinage de modèles open source et les retours sur les performances dans le monde réel.

Lire d’autres actualités

Plus d’actualités de FinanceVelix

Avertissement

Cet article de FinanceVelix fournit des informations générales et ne constitue pas un conseil personnalisé en matière financière, d’investissement, de droit ou de fiscalité. Les cours du marché, les taux d’intérêt et la conjoncture économique peuvent évoluer ; les investissements comportent un risque de perte. Les faits reflètent les informations disponibles au moment de la publication et peuvent changer. Vérifiez de manière indépendante les informations importantes et consultez un professionnel qualifié si nécessaire. La mention d’un actif, d’une entreprise ou d’un service ne constitue pas une recommandation.