L'IA pour le contenu du catalogue

L'IA pour le contenu du catalogue consiste à utiliser des modèles de langage et d'image pour préparer les descriptions de produits, les attributs, les traductions et les images d'une boutique en ligne. Un modèle rédige vite un brouillon, mais il ne connaît pas les faits sur votre produit : c'est à vous de les lui donner et de vérifier le résultat.

En termes simples

Dans un catalogue de mille produits, le travail manuel sur les descriptions, les traductions en anglais ou en polonais et les photos prend des semaines. L'IA peut aider pour les brouillons. Mais une erreur dans un attribut (mauvaise matière, mauvaise taille, certification inventée) devient l'erreur de votre boutique : l'acheteur reçoit autre chose que ce qu'il attendait, et le retour ou la réclamation est pour vous.

Google le dit directement : les modèles génératifs prédisent des suites de mots probables plutôt que de retrouver des faits ; leur texte peut donc contenir des inexactitudes, et « il est essentiel de vérifier et de relire manuellement tout contenu d'IA » avant publication (Google Search Central). Cela vaut aussi pour le titre, la meta description, les données structurées et le texte alternatif.

Ce que vous pouvez confier à l'IA

Bonne pratique : donnez au modèle des données structurées (PIM ou tableau), demandez-lui de n'écrire qu'à partir de celles-ci et de marquer comme « inconnu » ce qui manque dans les données, au lieu de l'inventer.

Règles des plateformes

• Google Search. Le contenu d'IA n'est pas interdit. Le risque, c'est la production en masse de pages sans valeur : Google y voit une violation de sa politique anti-spam sur l'abus de contenu à grande échelle (Google Search Central).
• Google Merchant Center. Pour les images créées par IA, vous devez conserver la métadonnée IPTC DigitalSourceType avec la valeur `trainedAlgorithmicMedia` ; l'exigence s'applique depuis février 2024 et concerne les images principales, supplémentaires et d'ambiance (Google Merchant Center, specification changes). Pour le texte généré par IA, Google a ajouté en avril 2024 les attributs distincts `structured_title` et `structured_description` (même source). Vérifiez la spécification en vigueur avant de configurer le flux (flux produits).

Risques

Faits inventés. Il ne s'agit pas seulement des certificats. Ce sont aussi la taille, la compatibilité (« compatible avec l'iPhone 17 »), la composition des cosmétiques, les allergènes. Pour les produits d'entretien, l'alimentation et les produits pour enfants, une erreur peut avoir des conséquences qui dépassent l'argent.

Influence sur le choix de l'acheteur. Une étude de l'UC San Diego (présentée en décembre 2025) sur les résumés d'avis générés par IA : les personnes qui ont lu un résumé d'IA avaient 32 % de chances de plus d'acheter que celles qui ont lu les avis d'origine, et le ton des avis changeait dans 26,5 % des cas. L'échantillon est petit (70 personnes), et 18 méthodes testées pour réduire ce biais n'ont pas fonctionné sur tous les modèles (UC San Diego, 2026). À retenir : les résumés d'avis et les comparatifs rédigés par IA peuvent modifier la perception ; ne les publiez donc pas sans relecture.

Textes identiques. Quand mille descriptions sont rédigées d'après un même modèle, les pages ne se distinguent pas de celles des concurrents. Ajoutez ce que vous seul savez : les subtilités d'usage, les tailles sur le mannequin, les réponses aux vraies questions des acheteurs.

Il n'existe pas de données récentes sur la fréquence des erreurs de l'IA dans les descriptions de produits. Faites donc votre propre échantillon : vérifiez combien de descriptions sur 50 contiennent une erreur.

Comment organiser le contrôle de la qualité

1. Ne donnez au modèle que des données vérifiées : fiche fournisseur, tableau d'attributs.
2. Interdisez d'inventer : « s'il n'y a pas de données, écris "non précisé" ».
3. Vérifiez intégralement les 50 premiers résultats. Comptez les erreurs par type : taille, matière, compatibilité, traduction.
4. Ensuite, contrôles par sondage (par exemple un sur dix) et vérification complète pour les catégories sensibles : alimentation, cosmétiques, produits pour enfants, matériel électrique.
5. Notez qui a vérifié et quand, et signalez les images d'IA dans les métadonnées.
6. Surveillez les conséquences : la part des retours « non conforme à la description » par catégorie (retours).

Exemple (chiffres illustratifs)

Les chiffres sont inventés pour l'exemple. Une boutique a vérifié 50 descriptions de baskets créées à partir d'un tableau d'attributs. Dans 6 descriptions, l'IA a ajouté « membrane imperméable », qui ne figure pas dans le tableau. Quatre descriptions comportaient une mauvaise traduction du guide des tailles. Après modification de la consigne (« écris uniquement à partir des données du tableau »), les erreurs du premier type ont disparu, tandis que la traduction des tailles devait encore être vérifiée à la main.

Erreurs fréquentes

• Générer des descriptions sans données d'entrée (« écris une description des baskets Nike »).
• Publier des photos et des traductions sans relecture.
• Produire des pages en masse dans le seul but de générer du trafic.
• Ne pas signaler les images d'IA quand Google Merchant Center l'exige.

FAQ

Puis-je rédiger les descriptions de produits avec l'IA ? Oui, comme brouillon. Donnez au modèle des attributs structurés et vérifiez le résultat. Google n'interdit pas le contenu d'IA mais exige de la valeur pour l'utilisateur.

Google pénalisera-t-il les descriptions rédigées par l'IA ? Pas pour le simple usage de l'IA. Le problème, ce sont les pages en masse sans valeur.

Dois-je signaler les images d'IA dans Google Merchant Center ? Oui : les images créées par IA doivent conserver la balise IPTC `trainedAlgorithmicMedia` (exigence depuis 2024).

La traduction d'un catalogue par IA est-elle fiable ? Elle convient pour des brouillons, mais faites vérifier par une personne les tailles, les unités, les textes juridiques et de sécurité. Il n'existe pas de mesures récentes distinctes de la qualité de traduction des descriptions de produits.

Que vérifier en premier dans une description rédigée par l'IA ? Les matières, les tailles, la compatibilité, la composition, les certificats, la durée de conservation : tout ce qui peut être vérifié par rapport à la source.

Termes associés

• Système PIM
• Flux produits
• Fiche produit
• Variantes de produit
• Automatisation par l'IA pour une boutique en ligne

Sources

• Google Search Central. Guidance on using generative AI content on your website — developers.google.com/search/docs/fundamentals/using-gen-ai-content
• Google Merchant Center. Announcements (change log): AI-generated images metadata (February 2024) and structured title/description (April 2024) — support.google.com/merchants/announcements/6192467
• UC San Diego. How much does chatbot bias influence users? 09.02.2026 — today.ucsd.edu/story/how-much-does-chatbot-bias-influence-users-a-lot-it-turns-out