Génération automatisée de métadonnées: Solutions pour Inventaires SAP, Oracle et Microsoft Dynamics 10 minutes

Génération automatisée de métadonnées: Solutions pour Inventaires SAP, Oracle et Microsoft Dynamics

Imaginez que les descriptions et les catégories de vos produits en inventaire se génèrent automatiquement. Cette perspective est désormais accessible grâce à l’intelligence artificielle générative.

Comme tout projet d’innovation, on cherche à obtenir une hausse de la productivité, une réduction des coûts, une meilleure gestion des ressources dans le but ultime de gagner un avantage compétitif. Et c’est exactement ce que permet l’intégration de l’IA dans l’ERP.

Le cas d’usage présenté dans cet article, à savoir la génération de métadonnées, est définitivement une opportunité pour les entreprises dans le commerce de détail qui utilisent des ERP tels que SAP, Oracle et Microsoft Dynamics.

Avantages à intégrer l’IA générative au SAP / Oracle / Microsoft Dynamics

Recherche et recommandation améliorées
Grâce aux métadonnées générées avec précision, les fonctionnalités de recherche et de recommandation au sein de l’ERP peuvent être grandement améliorées. Par exemple, une recherche pilotée par l’IA pourrait fournir des résultats plus pertinents pour les utilisateurs à la recherche de produits ou de pièces spécifiques.

Enrichissement des données
Au-delà des métadonnées de base, l’IA générative peut également contribuer à enrichir les données produites. Par exemple, elle peut suggérer des produits potentiellement complémentaires ou à vendre en complément en se basant sur les métadonnées d’autres produits similaires.

Évolutivité / « Scale Up »
Pour les entreprises disposant d’inventaires vastes et en évolution constante, la mise à jour ou la création manuelle de métadonnées pour chaque produit peut être une tâche ardue. L’IA générative peut être mise à l’échelle pour gérer des milliers de produits, garantissant ainsi la génération et la mise à jour cohérentes des métadonnées.

Fonctionnement de l’IA générative et intégration dans SAP / Oracle / Microsoft Dynamics

Génération de métadonnées à partir de texte

Génération de métadonnées à partir d’une image

1. Génération des métadonnées

Génération automatique de descriptions
Pour les nouveaux produits, l’IA génère automatiquement des descriptions basées sur des produits similaires dans l’inventaire ou sur de brèves informations fournies par l’utilisateur.

Catégorisation et étiquetage
L’IA générative peut suggérer ou générer des catégories ou des étiquettes pour les produits en se basant sur leurs descriptions, leurs images ou d’autres attributs.

Localisation
Si vous opérez dans plusieurs régions, l’IA peut être formée pour générer des métadonnées de produits dans plusieurs langues, ce qui facilite la localisation des articles de l’inventaire.

2. Contrôle qualité et affinage

Boucle de rétroaction
Pour améliorer continuellement la précision, un mécanisme de rétroaction est mis en place, où les métadonnées incorrectes ou inadéquates générées par l’IA sont corrigées par l’humain. Ces données corrigées servent de données d’entraînement supplémentaires, affinant les résultats de l’IA au fil du temps.

Processus de validation
Avant que les nouvelles métadonnées générées ne soient acceptées, on procède à une étape de validation pour en assurer l’exactitude et la pertinence.

3. Intégration avec l’ERP

Le système d’IA générative peut être intégré à SAP, Oracle ou Microsoft Dynamics. Cela peut être réalisé via des intégrations API ou des modules personnalisés, garantissant que les métadonnées générées s’intègrent parfaitement dans le système de gestion des stocks.

Série sur l’intelligence artificielle générative

Cet article fait partie d’une série que nous avons produite pour aider les entreprises à mieux comprendre l’IA générative et ses possibilités.

• Les cas d’usage essentiels de l’intelligence artificielle générative
• Comment exploiter sans dérive les solutions d’intelligence artificielle générative en entreprise [Conférence sur demande]
• Pourquoi vous devriez utiliser ChatGPT en contexte d’entreprise

Génération de métadonnées avec l’intelligence artificielle [Vidéo avec Olivier Blais]

Dans cette vidéo, je détaille comment l’IA générative offre aux entreprises collaborant avec des solutions telles que SAP, Oracle et Microsoft Dynamics la possibilité de rationaliser la génération automatique des métadonnées de leurs produits en stock. L’application de cette technologie à ce contexte spécifique se révèle sans aucun doute parmi les perspectives les plus prometteuses dans le domaine du commerce de détail. Je vous souhaite une agréable écoute.

[Cet article est une transcription verbatim de la capsule vidéo d’Olivier Blais générée par des outils d’intelligence artificielle générative, corrigée par un humain.]

Introduction à l’IA générative pour la génération de métadonnées

Bonjour tout le monde. Cette semaine, on va parler d’un cas d’usage de l’intelligence artificielle générative qui m’intéresse particulièrement. Pourquoi? Parce que c’est un cas qui va vraiment sauver du temps, puis va nous aider à pouvoir régler un problème qui est quand même assez fastidieux, c’est de créer des métadonnées.

Je ne sais pas si vous le savez, mais pour qu’un magasin puisse afficher des milliers de produits sur un site web, par exemple ou pour s’assurer que tous les produits, que tous les items soient bien répertoriés. Bien, ça prend beaucoup de jus de bras, ça prend beaucoup de temps et ça prend des grandes équipes qui entrent et qui génèrent de l’information dans des systèmes. Souvent cette information là, c’est de l’information qui est des doublons, des fois, c’est de prendre de l’information qui vient d’un système, puis de la convertir, de l’amener vers un autre système. Des fois, c’est de pouvoir analyser une description d’un produit pour être capable de la catégoriser. Et ça c’est un requis, on en a toujours besoin, que ce soit dans des, dans des systèmes de style ERP. Que ça soit dans des systèmes de toutes sortes et c’est beaucoup de travail qui est requis.

Ici, ce qu’on se dit depuis le début, depuis des années, c’est qu’on va essayer de faire les choses le mieux possible. Donc on va se retrouver à faire des processus qui sont un petit peu plus efficaces. On va gagner des minutes ici et là en simplifiant le processus de génération de métadonnées.

Opportunité dans le commerce de détail

Par contre, avec l’IA générative, on amène des solutions qui vont changer de la façon qu’on génère notre information. Ici on a simplement besoin d’avoir une description de produit par exemple et de savoir c’est quoi les différents champs, c’est quoi les requis d’avoir quelques contraintes pour être capable de générer des métadonnées de façon très précise.

On va vraiment être capable de gagner non seulement mais en vitesse. On pourrait voir de réduire de 50 à 75% le temps que ça prend pour générer des métadonnées, mais aussi on va gagner en précision. On va être capable de générer de l’information, de beaucoup meilleure qualité.

Comment on procède pour générer les métadonnées

Comment ici ça se fait? C’est en se basant sur les métadonnées qu’on a déjà dans nos systèmes. Donc ici, on n’a même pas besoin de sortir de nos systèmes. On prend de l’information qu’on a déjà, puis on s’en inspire. On prend ces exemples-là et on les fournit à l’IA générative.

Alors on prend une description de produit, on prend des exemples de métadonnées et on dit essentiellement de répliquer cette structure-là. Et le tour est joué.

Application concrète de l’IA pour la génération de métadonnées

En fait, ici, je vais vous donner un exemple. On peut prendre une quincaillerie ou une épicerie par exemple. Prenons une épicerie, une épicerie, ça a beaucoup d’articles en inventaire.

On va à l’épicerie, il y a des dizaines de milliers d’article. Et à chaque mois, à chaque semaine, il va y avoir même des nouveaux articles. Donc ça, ce que ça veut dire, c’est qu’à chaque semaine, on a une équipe potentiellement d’une centaine de personnes, que leur tâche c’est de remplir de l’information sur une nouvelle sorte de tomate ou sur des nouvelles cannes de soupe pour être capable de bien la répertorier puis de pouvoir la vendre bien ça, c’est fastidieux, c’est long. Puis ça n’a pas une grande valeur ajoutée.

Ici ce qu’on parle c’est finalement tu prends de l’information qui est fournie par les fournisseurs, tu la rentres dans une solution d’IA générative et ça va te retourner les métadonnées qui sont nécessaires pour pouvoir les rentrer dans une solution ERP comme une solution SAP. Et bien à partir de cette solution SAP, quand les métadonnées sont entrées, le tour est joué et on peut se retrouver à vendre l’article puis l’ajouter sur les tablettes.

N’hésitez pas si vous avez d’autres idées de use cases, ça me fait plaisir d’en discuter.

Conclusion et perspectives

En conclusion, l’intégration de l’intelligence artificielle générative dans les pratiques commerciales ouvre la voie à des avancées significatives et transformationnelles.

L’approche de la génération de métadonnées s’appuie sur les informations déjà présentes dans les systèmes de l’entreprise, évitant ainsi les efforts inutiles et les redondances. En fournissant simplement une description de produit et des exemples de métadonnées, les entreprises peuvent obtenir rapidement et précisément les données nécessaires pour alimenter leurs systèmes ERP. Cette innovation simplifie et rationalise la gestion de l’inventaire, permettant aux équipes de se concentrer sur des tâches à plus forte valeur ajoutée et d’accélérer la mise sur le marché de nouveaux produits.

Le cas d’utilisation dans le domaine du commerce de détail n’est que le début d’une exploration plus vaste des possibilités offertes par l’intelligence artificielle générative.