Ces cas d’usage répondent à des intentions différentes. Chaque page détaille son périmètre, ses limites et les guides qui permettent de préparer le projet.
1. Catalogue propre en 7 jours
Objectif. Le cas d’usage Catalogue propre en 7 jours répond à un besoin précis : Détecter fiches incomplètes, doublons, attributs incohérents et erreurs bloquantes. Cette automatisation devient pertinente lorsque le volume rend le traitement manuel lent, irrégulier ou difficile à contrôler.
Donnée de départ. Le cadrage vérifie en priorité titres, descriptions et caractéristiques sources. Sans une source identifiable, un format stable et un responsable de la donnée, le scénario doit rester en préparation plutôt que d’exécuter une action incertaine.
Contrôle et limite. Jusqu'à 2 000 produits ; correction de 100 fiches. Le risque à surveiller est de inventer une caractéristique absente de la source. Une file d’exceptions, un journal des actions et une validation explicite sont ajoutés lorsque la conséquence ne peut pas être annulée facilement.
Mesure. Le résultat se suit notamment avec taux de fiches complètes. La valeur avant automatisation est relevée pour éviter d’attribuer au système un gain qui viendrait d’un changement de volume ou d’organisation.
2. Score qualité catalogue
Objectif. Le cas d’usage Score qualité catalogue répond à un besoin précis : Noter chaque fiche pour prioriser celles qui pénalisent la vente ou les canaux. Cette automatisation devient pertinente lorsque le volume rend le traitement manuel lent, irrégulier ou difficile à contrôler.
Donnée de départ. Le cadrage vérifie en priorité taxonomie, catégories et règles d’attributs. Sans une source identifiable, un format stable et un responsable de la donnée, le scénario doit rester en préparation plutôt que d’exécuter une action incertaine.
Contrôle et limite. Dix critères et un tableau de bord. Le risque à surveiller est de uniformiser le ton au point d’effacer la marque. Une file d’exceptions, un journal des actions et une validation explicite sont ajoutés lorsque la conséquence ne peut pas être annulée facilement.
Mesure. Le résultat se suit notamment avec nombre de doublons et incohérences. La valeur avant automatisation est relevée pour éviter d’attribuer au système un gain qui viendrait d’un changement de volume ou d’organisation.
3. Assistant fiches produits
Objectif. Le cas d’usage Assistant fiches produits répond à un besoin précis : Créer des titres, bénéfices et descriptions cohérents à partir de données fiables. Cette automatisation devient pertinente lorsque le volume rend le traitement manuel lent, irrégulier ou difficile à contrôler.
Donnée de départ. Le cadrage vérifie en priorité images, documents et droits médias. Sans une source identifiable, un format stable et un responsable de la donnée, le scénario doit rester en préparation plutôt que d’exécuter une action incertaine.
Contrôle et limite. Un gabarit, 100 produits, aucune invention de caractéristique. Le risque à surveiller est de classer un produit dans une mauvaise catégorie. Une file d’exceptions, un journal des actions et une validation explicite sont ajoutés lorsque la conséquence ne peut pas être annulée facilement.
Mesure. Le résultat se suit notamment avec délai de mise en ligne d’une référence. La valeur avant automatisation est relevée pour éviter d’attribuer au système un gain qui viendrait d’un changement de volume ou d’organisation.
4. Catégorisation IA
Objectif. Le cas d’usage Catégorisation IA répond à un besoin précis : Classer les nouveaux produits dans la bonne arborescence et proposer leurs attributs. Cette automatisation devient pertinente lorsque le volume rend le traitement manuel lent, irrégulier ou difficile à contrôler.
Donnée de départ. Le cadrage vérifie en priorité contraintes propres aux canaux de vente. Sans une source identifiable, un format stable et un responsable de la donnée, le scénario doit rester en préparation plutôt que d’exécuter une action incertaine.
Contrôle et limite. Une taxonomie, 2 000 références. Le risque à surveiller est de publier sans validation des contenus sensibles. Une file d’exceptions, un journal des actions et une validation explicite sont ajoutés lorsque la conséquence ne peut pas être annulée facilement.
Mesure. Le résultat se suit notamment avec taux d’acceptation des flux. La valeur avant automatisation est relevée pour éviter d’attribuer au système un gain qui viendrait d’un changement de volume ou d’organisation.
5. Normalisation des attributs
Objectif. Le cas d’usage Normalisation des attributs répond à un besoin précis : Uniformiser tailles, couleurs, matières, marques et unités. Cette automatisation devient pertinente lorsque le volume rend le traitement manuel lent, irrégulier ou difficile à contrôler.
Donnée de départ. Le cadrage vérifie en priorité historique des corrections et rejets. Sans une source identifiable, un format stable et un responsable de la donnée, le scénario doit rester en préparation plutôt que d’exécuter une action incertaine.
Contrôle et limite. Cinq familles d'attributs. Le risque à surveiller est de inventer une caractéristique absente de la source. Une file d’exceptions, un journal des actions et une validation explicite sont ajoutés lorsque la conséquence ne peut pas être annulée facilement.
Mesure. Le résultat se suit notamment avec conversion des fiches corrigées. La valeur avant automatisation est relevée pour éviter d’attribuer au système un gain qui viendrait d’un changement de volume ou d’organisation.
