« Les algorithmes nous permettent d'enrichir l'expérience client »

ManoMano est une entreprise data-driven, avec quels grands enjeux en matière de relation client ?

La marketplace réunit plus de 5 000 marchands, 7 millions de clients actifs (50 millions de visiteurs uniques par mois) qui échangent 16 millions de références. Ces chiffres montrent les gros enjeux posés en termes de volume de data. Nos sujets s'articulent autour de l'optimisation de l'expérience acheteur, de l'expérience vendeur et de l'efficacité de la plateforme logistique.

Votre équipe est chargée de développer des algorithmes pour améliorer l'expérience utilisateur, comment est-elle organisée et pouvez-vous citer quelques exemples de réalisation ?

ManoMano intègre plusieurs équipes dédiées à la data, dont une chargée de la collecte des données. Notre équipe de data scientists - une quinzaine de collaborateurs - est organisée en 4 sous-groupes : un groupe se concentre sur la création de moteurs de recommandation afin de proposer au consommateur des produits complémentaires aux achats effectués, un groupe optimise la pertinence des pages de search, un groupe s'occupe de la gestion du catalogue (en créant des algorithmes pour l'automatiser), et un groupe travaille sur l'expérience vendeur (stock et logistique).

Nous avons par exemple créé grâce aux algorithmes des carrousels de recommandation, disponibles à différents endroits du parcours, l'objectif étant de guider au mieux l'acheteur dans un catalogue très important.

Quels sont les grands chantiers ouverts et quel sera l'impact de l'IA générative sur l'expérience client ?

Nos grands projets sont reliés aux chantiers de l'entreprise et notamment à sa transition vers un modèle plus responsable via l'optimisation de la gestion des entrepôts, à la croissance du marché des professionnels et enfin au développement d'applications.

Notre rôle est d'accompagner chacun de ces chantiers. Par exemple, en matière de logistique, nous avons besoin de prédire les ventes le plus précisément possible pour optimiser la gestion du produit dans l'entrepôt. Nous utilisons des modèles de machine learning qui apprennent du passé pour prédire l'activité.

L'essor de l'IA générative fait également partie de nos priorités. Le domaine de la data science évolue très rapidement, nous adaptons nos algorithmes et nous les améliorons en continu suivant ces évolutions. L'IA générative apporte des modèles plus puissants, plus efficaces et élargit le champ des possibles. Nous pouvons envisager des cas d'usage innovants, par exemple, la génération de texte via un algorithme...

Les algorithmes nous permettent d'enrichir l'expérience client, leur valeur ajoutée en ce sens commence à être reconnue en Europe. Nous travaillons sur la capacité à offrir plus de conseils aux utilisateurs, à mieux les aiguiller et simplifier leur parcours