L'IA pour les descriptions produit dans des catalogues de milliers de fiches, sans contenu creux

Une boutique de trois cents produits peut se permettre que quelqu'un rédige chaque fiche à la main. Une boutique de huit mille, non. Dans les grands catalogues, on trouve en général un mélange de descriptions du fournisseur, de fiches vides et de quelques-unes travaillées avec soin. L'intelligence artificielle change la donne : ce qui demandait des mois de rédaction prend désormais quelques jours. Le problème, c'est qu'elle peut aussi produire huit mille textes qui disent la même chose avec d'autres mots, et cela ne vend pas et ne se positionne pas.

Cet article ne cherche pas à savoir si l'IA écrit bien, mais comment organiser le travail pour que le résultat soit utile quand le catalogue est grand.

Le problème n'est pas l'IA, c'est ce que vous lui donnez

Un modèle de langage rédige à partir de ce qu'il reçoit. Si vous ne lui transmettez que le nom du produit, il comblera avec des généralités : « design moderne », « haute qualité », « idéal au quotidien ». Ce sont des phrases qui pourraient figurer sur n'importe quelle fiche, et c'est pourquoi elles n'apportent rien ni au client ni à un moteur de recherche.

La qualité du texte dépend presque entièrement des données de départ :

• Caractéristiques réelles : dimensions, matériaux, compatibilités, composition, puissance, capacité.
• Contexte d'utilisation : pour qui, dans quelle situation, avec quoi il s'associe.
• Différences au sein de la famille : ce qui distingue ce modèle de son voisin.
• Questions que vos clients vous posent déjà par téléphone, e-mail ou chat.
• Restrictions : ce qu'on ne peut pas dire (allégations de santé, promesses de résultats, comparaisons avec des marques).

Avant de générer quoi que ce soit, regardez ce dont vous disposez. Si les caractéristiques sont vides, la première tâche est de les remplir, pas de rédiger. Un EAN bien renseigné permet d'interroger des bases de données produit publiques ; un tableau de spécifications du fournisseur peut être converti en caractéristiques PrestaShop. Avec cela, l'IA a quelque chose de concret à raconter.

Priorisez : toutes les fiches ne méritent pas le même effort

Avec des milliers de produits, tout traiter de la même façon est le moyen le plus rapide de dépenser du temps et de l'argent en API sans résultat. Classez le catalogue en trois groupes :

1. Ceux qui se vendent ou reçoivent des visites. Ils représentent généralement une petite partie du catalogue. Ici, une description complète en vaut la peine, relue par quelqu'un qui connaît le produit, avec une FAQ et des bénéfices clairs.
2. Ceux qui sont recherchés mais ne convertissent pas. Ils apparaissent dans Google avec des impressions et peu de clics, ou reçoivent des visites qui repartent. Ce sont eux qui gagnent le plus avec une meilleure fiche.
3. La longue traîne. Pièces détachées, tailles, références très techniques. Une description correcte, générée à partir de bonnes caractéristiques et relue par échantillonnage, suffit généralement.

Les données pour faire ce tri, vous les avez déjà : ventes dans PrestaShop, visites dans votre outil d'analyse, impressions et clics dans Search Console.

Des modèles par famille, pas une seule consigne pour tout

Une consigne unique (« rédige une description de 200 mots ») appliquée à tout le catalogue produit des fiches avec la même structure et le même ton, quel que soit le produit. Un modèle par famille ou par catégorie fonctionne mieux :

• Pour les pièces détachées, ce qui compte, c'est la compatibilité, la référence d'origine et la façon de vérifier que c'est la bonne pièce.
• Pour la mode, le tissu, la coupe, la façon dont il taille et comment le laver.
• Pour l'alimentation, l'origine, le format, la conservation et les allergènes, qui ont en outre leurs propres obligations légales.
• Pour l'équipement technique, les spécifications, l'usage recommandé et le contenu de la boîte.

Chaque modèle doit indiquer la structure, le ton de votre marque, la longueur approximative et, surtout, quelles données utiliser et ce qu'il ne faut pas inventer. Une phrase comme « si une donnée ne figure pas dans les informations fournies, ne la mentionne pas » évite une bonne partie des erreurs.

Travailler par lots, avec des brouillons

Générer des milliers de textes et les publier directement, c'est la recette du désastre. Le processus qui fonctionne est le suivant :

1. Lot d'essai de vingt ou trente produits d'une même famille.
2. Relecture complète de ce lot : données exactes, ton, répétitions, phrases creuses. Ajustez le modèle en fonction de ce que vous constatez.
3. Grand lot en brouillon : les textes sont enregistrés sans remplacer encore les actuels.
4. Relecture par échantillonnage, en comparant l'avant et l'après. Si un échantillon contient des erreurs, on corrige le modèle et on régénère le lot, pas fiche par fiche.
5. Publication, en notant la date pour pouvoir mesurer.

Travailler en arrière-plan, avec une file d'attente et une tâche planifiée, évite de bloquer le back-office et les coupures pour temps d'exécution dépassé qui surviennent en traitant des centaines de produits en une seule requête. Et conserver un historique de chaque modification permet de revenir en arrière si un lot tourne mal.

Quoi vérifier dans chaque échantillon

• Données : les dimensions, matériaux et compatibilités correspondent-ils à la réalité ?
• Différenciation : si vous lisez trois fiches de la même famille à la suite, les distinguez-vous ?
• Phrases de remplissage : « qualité exceptionnelle », « ne vous laissera pas indifférent ». Dehors.
• Allégations interdites ou risquées : santé, sécurité, résultats garantis.
• Cohérence avec la fiche : le texte ne doit contredire ni les caractéristiques ni le prix.
• Langues : si vous traduisez, les unités, tailles et expressions doivent être adaptées au pays.

Ce que Google pénalise, ce n'est pas l'IA

Google a déclaré publiquement que la façon dont un contenu a été produit lui importe peu ; ce qui compte, c'est qu'il soit utile. Ce qu'il sanctionne en revanche, c'est la génération massive de pages dans le but principal de manipuler les résultats, sans valeur pour le lecteur. Pour une boutique, la différence est concrète : une fiche générée par IA à partir de données réelles et relue aide l'acheteur ; mille fiches avec le même texte réordonné n'aident personne, qu'elles aient été écrites par une machine ou par une personne.

N'attendez pas non plus que la réécriture des descriptions fasse bouger le trafic du jour au lendemain. Mesurez par groupes de produits et sur des périodes de plusieurs semaines : impressions, clics, taux de conversion de la fiche et retours pour « ce n'est pas ce que j'attendais ».

Un détail technique : une boutique à jour

Traiter le catalogue en masse touche de nombreuses tables à la fois et dépend de tâches planifiées, de connexions à l'API du fournisseur d'IA et de versions récentes de PHP. Sur les boutiques avec un PrestaShop ou un PHP très anciens, les outils actuels ne peuvent souvent pas être installés, et ce qu'on économise en rédaction se perd en rustines. Avoir une boutique à jour fait partie du projet.

Comment le résoudre dans PrestaShop

Easy AI Magic Catalog Suite fonctionne dans le back-office avec votre propre clé OpenAI, Gemini, Claude, DeepSeek, Mistral ou Cohere. Son AI Mass Processor place produits, catégories ou pages CMS dans une file d'attente traitée en arrière-plan par une tâche planifiée, et génère les textes sous forme de brouillons : vous comparez l'avant et l'après et ne les appliquez qu'ensuite, avec un historique pour restaurer. AI Product Enrichment recherche des données par EAN, UPC ou ISBN dans des bases publiques, AI Features extrait les spécifications des descriptions et les convertit en caractéristiques, et AI Premium Bullets et AI FAQs complètent la fiche. Si le problème, c'est que les nouveaux produits tardent à être mis en ligne, AI Catalog Flow crée le produit depuis le mobile à partir d'une photo, avec ses catégories, ses images et ses déclinaisons, et applique les valeurs par défaut que vous définissez.