Générer une fiche produit par IA prend dix secondes. Obtenir une fiche que l’on peut publier sans la réécrire est une autre affaire. Entre les deux, il y a une question que la plupart des outils évitent : d’où viennent les informations ?
Cet article décrit une méthode de rédaction assistée par IA pour WooCommerce qui tient dans une règle : on ne rédige qu’à partir de données vérifiées. Elle vaut pour un catalogue de cent références comme pour dix mille, qu’il s’agisse de vin, de cosmétique, d’outillage ou de pièces détachées.
Pourquoi les descriptions générées déçoivent
Un générateur de descriptions reçoit un nom de produit, parfois une catégorie, et produit un texte. Le modèle de langage fait ce qu’il sait faire : écrire quelque chose de plausible. Pour une perceuse 12 V, il évoquera un couple « puissant », une batterie « longue durée », un mandrin « pratique ». Aucune de ces affirmations n’est fausse au sens strict, aucune n’est vraie non plus. Elles sont creuses.
Le second problème est plus grave. Poussé à être précis, le modèle avance des chiffres : 35 Nm, 1,2 kg, garantie 3 ans. Il les tient de sa mémoire d’entraînement, c’est-à-dire d’un mélange de produits voisins. Certains sont justes, d’autres appartiennent à un autre modèle, et c’est l’erreur qu’un client relèvera.
Le troisième problème est invisible sur la page mais pèse sur la boutique : rien n’est structuré. La description existe, les attributs restent vides, les filtres ne fonctionnent pas, le flux Google Shopping part sans données. La fiche a l’air remplie, la donnée produit n’existe toujours pas.
Commencer par la recherche, pas par la rédaction
Un rédacteur e-commerce compétent ne commence jamais par écrire. Il ouvre la fiche du fabricant, le PDF technique, deux ou trois pages de distributeurs, et il note ce qui est établi. C’est exactement ce qu’il faut demander à l’IA en premier.
Concrètement, la recherche part de l’identifiant le plus précis disponible : l’EAN, puis la référence fabricant, puis la marque et le modèle. Chaque requête ramène des pages. Toutes ne se valent pas. Une page du site de la marque vaut plus qu’une marketplace, qui vaut plus qu’un comparateur, qui vaut plus qu’un forum. Ce classement se formalise en un score de fiabilité par source, et il sert ensuite à arbitrer.
Il faut aussi accepter d’écarter des pages. Un résultat de recherche sur « Helvar PV-1235 » renverra la PV-1235, mais aussi la PV-1230 et le coffret PV-1235-K. Une page qui parle d’un autre produit doit être exclue avant l’extraction, sinon ses caractéristiques contaminent la fiche.
Les documents que vous avez déjà valent plus que le web
Pour une part du catalogue, le web ne sait rien : la cuvée d’un domaine, une crème formulée pour une enseigne, une pièce sans marque. En revanche, le vendeur a presque toujours quelque chose : une fiche technique PDF envoyée par le fournisseur, un catalogue de gamme, une photo de l’étiquette.
Ces documents doivent être la première source, avec la fiabilité la plus haute. Les modèles actuels lisent un PDF et une image directement : un tableau de caractéristiques dans une fiche technique, un millésime et un degré sur une étiquette, une composition INCI sur un packaging. Quand un document du vendeur et une page web ne sont pas d’accord, le document l’emporte.
Un schéma d’attributs par catégorie
Extraire des attributs sans cadre produit du désordre : « Poids », « poids net », « Weight », « Masse » pour la même information. La solution est un schéma canonique par catégorie, défini une fois : pour des vins, appellation, cépage, millésime, degré, contenance, garde, accords ; pour de l’outillage, tension, couple, poids, mandrin, batteries fournies, garantie.
L’extraction se fait ensuite contre ce schéma, source par source. Chaque valeur trouvée garde trois informations : sa source, la citation qui la justifie, et une confiance qui reflète la clarté de la mention (un tableau officiel vaut 1, une phrase ambiguë vaut 0,3).
Fusionner, et signaler les conflits plutôt que les cacher
Quand trois sources donnent le poids, on a trois entrées. La fusion consiste à les regrouper par attribut et par valeur normalisée, puis à faire voter les sources, chacune avec un poids égal à sa confiance multipliée par sa fiabilité. La valeur qui l’emporte devient l’attribut retenu, avec la liste de ses sources.
Le point important est ce que l’on fait quand le vote est serré. Un outil honnête ne tranche pas : il marque l’attribut en conflit, présente les options avec leurs sources, et laisse le marchand choisir. Un attribut appuyé par une seule source faible n’est pas retenu non plus : il est affiché comme « non confirmé » et n’apparaît pas dans le texte.
Rédiger contre la concurrence, pas dans le vide
Une fois les attributs établis, on peut rédiger. Mais rédiger quoi, et de quelle longueur ? La réponse est dans les pages qui se positionnent déjà sur la requête d’achat. En lisant les six ou huit premiers résultats, on obtient une longueur médiane, un plan type, la liste des attributs que tous affichent, la présence ou non d’une FAQ, et les questions que les internautes posent.
Ce brief guide la rédaction : viser un peu plus long que la médiane, couvrir les sections attendues, répondre aux questions réelles, apporter ce que les concurrents n’ont pas. Ce dernier point est celui qui compte pour Google comme pour les assistants IA : une page qui apporte une information absente ailleurs a une raison d’être citée.
Relire, automatiquement, avant de relire à la main
La dernière étape avant l’humain est une seconde passe de l’IA, avec un rôle différent : relecteur. Elle reçoit le texte et les attributs vérifiés, et elle vérifie que chaque chiffre, chaque matière, chaque mention d’origine ou de certification a une contrepartie dans les attributs. Elle contrôle aussi le style (pas de superlatifs creux, pas de familiarité) et les longueurs (title, meta description).
Cette passe attrape ce que le rédacteur laisse passer : un « garantie 3 ans » repris d’une source unique, une contenance déduite d’un produit voisin. Elle corrige, elle note, et elle produit une liste de remarques pour le relecteur humain.
Ce que cela change dans WooCommerce
Le résultat n’est pas une description, c’est une fiche : titre, description courte, description longue avec tableau technique, points forts, FAQ, balise title, meta description, mot-clé principal, étiquettes, texte alternatif de l’image, attributs globaux, GTIN. Les attributs alimentent les filtres et le flux Shopping, la FAQ produit des données structurées, les champs SEO remplissent Rank Math ou Yoast.
Et le contenu précédent est sauvegardé. Un catalogue se corrige par lots, on doit pouvoir revenir en arrière.
En pratique
Cette méthode est celle que nous avons mise dans Fichewise, une extension WooCommerce gratuite sur WordPress.org. Elle fonctionne avec vos propres clés API, ce qui ramène le coût à celui de l’API : de l’ordre de 0,15 EUR par produit. Testez-la sur trois fiches, regardez le panneau des sources, et jugez. La méthode détaillée décrit chaque étape.