Un client revendant du mobilier d’occasion sur WooCommerce publiait auparavant chaque fiche produit à la main : photographier l’objet, rédiger un titre, une description, renseigner la catégorie et les attributs (matière, couleur, dimensions approximatives). Cette saisie prenait en moyenne douze minutes par objet, un frein réel quand plusieurs dizaines de pièces arrivent le même jour d’un dépôt-vente.
Nous avons construit une extension qui génère automatiquement une proposition complète de fiche à partir d’une seule photo, laissant au vendeur la seule tâche de vérifier et ajuster avant publication.
Le déclenchement depuis l’écran produit
Un bouton « Générer depuis la photo » a été ajouté à l’écran d’édition produit WooCommerce, via add_meta_box() ciblant le type de contenu product. Une fois l’image principale importée, un clic sur ce bouton envoie l’image à l’API GPT-4 avec capacités de vision, avec un prompt structuré demandant une réponse JSON directement exploitable.
$prompt = "Analyse cette photo de meuble d'occasion et propose, au format JSON strict : "
. '{"titre": "...", "description": "...", "categorie": "...", '
. '"matiere": "...", "couleur": "...", "etat_estime": "..."}. '
. "Reste factuel, ne mentionne aucune marque si elle n'est pas visible.";
Le remplissage automatique des champs, en brouillon
La réponse JSON de l’API est décodée côté serveur puis utilisée pour préremplir les champs du produit, mais le statut reste systématiquement à draft tant que le vendeur n’a pas cliqué sur « Valider et publier ». Aucune fiche générée n’atteint jamais le statut publié sans ce passage explicite.
$donnees = json_decode( $reponse_api, true );
wp_update_post( array(
'ID' => $product_id,
'post_title' => sanitize_text_field( $donnees['titre'] ),
'post_content' => wp_kses_post( $donnees['description'] ),
'post_status' => 'draft',
) );
update_post_meta( $product_id, '_matiere_estimee', sanitize_text_field( $donnees['matiere'] ) );
update_post_meta( $product_id, '_couleur_estimee', sanitize_text_field( $donnees['couleur'] ) );
Ce que le vendeur corrige le plus souvent
Sur les 180 premières fiches générées par ce procédé, le vendeur a systématiquement ajusté le prix, jamais proposé par l’IA car totalement dépendant du marché de l’occasion et de l’état réel constaté à la réception, non visible sur une simple photo d’annonce. Les autres corrections fréquentes concernaient :
- l’état estimé, souvent jugé trop optimiste par l’IA face à une usure réelle visible seulement de près
- les dimensions, quand elles étaient devinées plutôt que mesurées, information que le prompt ne demandait volontairement pas de façon chiffrée
- la catégorie, parfois trop générique par rapport à l’arborescence spécifique de la boutique
Le gain de temps mesuré
Le temps moyen de mise en ligne d’une fiche est passé de douze minutes à environ quatre minutes, incluant la relecture et les corrections mentionnées ci-dessus. Sur un rythme de trente à quarante objets par semaine, ce gain représente plusieurs heures redonnées chaque semaine à une équipe qui compte seulement deux personnes.
Le prix d’un meuble d’occasion ne se lit jamais sur une photo, c’est resté, et cela restera sans doute longtemps, une décision humaine.
Un effet secondaire inattendu sur la cohérence du catalogue
Un bénéfice que le client n’avait pas anticipé au départ concerne la cohérence terminologique du catalogue : auparavant, chaque membre de l’équipe décrivait un même type de meuble avec ses propres mots (« buffet », « bahut », « enfilade » utilisés de façon interchangeable), ce qui compliquait la recherche interne sur le site. Le prompt de génération, en s’appuyant sur une nomenclature imposée pour le champ catégorie, a mécaniquement uniformisé ce vocabulaire d’une fiche à l’autre, un gain que personne n’avait mesuré à l’avance mais que l’équipe a rapidement apprécié.
En résumé
Générer titre, description et attributs à partir d’une photo permet de traiter en quelques minutes ce qui prenait auparavant un temps de saisie manuel conséquent, à condition de conserver un statut brouillon systématique tant que le vendeur n’a pas validé chaque champ. Le gain de temps mesuré, un facteur d’environ trois, s’accompagne toujours d’une vérification humaine sur les points que l’IA ne peut objectivement pas connaître, comme l’état réel ou le prix de revente.
