Wayfair : Gemini enrichit un catalogue de 30M+ produits 67% plus rapidement et augmente la conversion des filtres d'environ 2%

• Wayfair: Helping customers create spaces they love with AI-powered discovery — Google Cloud (customer story), 2025
• Wayfair and Google Cloud Announce Expanded Partnership to Transform Online Retail with Gemini — Google Cloud Press Corner, 2025-01-12
• Wayfair Deploys Google AI to Scale and Enrich Product Catalogs — PYMNTS, 2025-01-12

Contexte

Depuis plus de deux décennies, Wayfair construit « la destination pour tout ce qui concerne la maison » : le catalogue en ligne de l'entreprise compte plus de 30 millions de produits provenant de plus de 20 000 fournisseurs dans le monde — pour tous les budgets, tous les styles et tous les espaces. La force de l'entreprise — son assortiment — est aussi sa plus grande douleur opérationnelle. Chaque annonce de produit doit avoir des attributs précis : couleur, style, matière, dimensions. Sans eux, les clients ne peuvent pas trouver les articles via la recherche et les filtres, et l'énorme sélection devient une source de frustration au lieu d'être un avantage.

Le 12 janvier 2025, en phase avec le NRF Big Show de New York, Wayfair et Google Cloud ont annoncé un partenariat élargi autour de Gemini, Vertex AI et Google Workspace. Le communiqué de presse a fixé deux fronts de travail : enrichir le catalogue de produits avec les modèles Gemini et augmenter la productivité des employés via Gemini dans Google Workspace — des brouillons d'e-mail dans Gmail à la synthèse de documents et aux modèles de présentation, y compris des « Gems » personnalisés pour des tâches spécialisées. Google Workspace est en cours de déploiement auprès de milliers d'employés dans le monde.

Il est important de voir la dynamique de ce cas : il n'a pas gelé en janvier 2025. La version actuelle de l'étude de cas Google Cloud montre le projet migrant de l'automatisation des balises en arrière-plan vers des scénarios orientés clients : un pilote de l'outil de conception d'IA Muse, un onglet Discover visuel dans l'application et le co-développement du Protocole de commerce universel (UCP) — la norme ouverte de Google pour le commerce agentique, où Wayfair est un partenaire fondateur. Le directeur technologique de Wayfair, Fiona Tan, encadre l'ambition : « Nous voulons éliminer les frottements pour nos clients, mais aussi explorer comment nous pouvons perturber et surcharger ce qu'ils faisaient auparavant. L'IA générative et les capacités agentiques nous permettent d'examiner à nouveau le processus et comment l'optimiser. »

Google, de son côté, positionne le partenariat comme une vitrine : « Wayfair redéfinit ce qui est possible dans le commerce de détail avec l'IA générative de Google Cloud », a déclaré Matt Renner, président du chiffre d'affaires mondial chez Google Cloud, lors de l'annonce. « En exploitant la puissance de Gemini et de Google Workspace, Wayfair n'automatise pas seulement les tâches complexes et augmente la collaboration des employés, mais crée aussi des expériences plus personnalisées et engageantes pour chaque client. »

Pour le marché, c'est l'un des déploiements commerciaux les plus instructifs de l'IA générative : il commence non pas par un chatbot tape-à-l'œil mais par la tâche fondamentale et ennuyeuse de la qualité des données du catalogue.

Problème

Baliser manuellement les attributs d'un catalogue de 30M+ articles est lent et coûteux et ne peut pas suivre le flux constant de nouveaux produits provenant de milliers de fournisseurs. Les lacunes et erreurs d'attributs frappent les revenus plusieurs fois : les clients ne trouvent pas les articles via les filtres, les mauvaises dimensions dans les annonces entraînent des retours, et les produits sous-décrits sortent simplement des recommandations.

L'autre moitié du problème se situe du côté du client. Acheter des meubles est une décision à haut niveau de considération : elle nécessite de la confiance et un minimum de friction. Pourtant, les clients ne peuvent souvent pas formuler leur requête en termes professionnels. « Partie du problème est que nos clients ne peuvent pas vraiment dire qu'ils veulent un « canapé mi-siècle » », dit Fiona Tan. « Ils peuvent savoir qu'ils veulent qu'il soit vert, mais c'est tout. » Le commerce électronique traditionnel avec un défilement manuel des pages devient rapidement accablant : un client peut être montré des centaines de canapés verts différents mais trouver difficile de réduire les options, parce qu'il ne peut pas nommer le style qu'il a en tête.

Ces deux problèmes sont imbriqués : tant que les attributs du catalogue sont incomplets et inexacts, aucune recherche « intelligente » ou recommandation d'IA ne peut fonctionner — il n'y a rien sur quoi s'appuyer. L'achat de meubles pour la maison, comme l'entreprise elle-même l'affirme, repose sur la création de la confiance et la réduction de la friction — et la confiance s'effondre au moment exact où un canapé livré ne correspond pas à ses dimensions indiquées. Enfin, l'échelle rend la tâche fondamentalement insoluble par les personnes : avec 30 millions de produits, même une petite part des arrivées mensuelles est un volume de balisage qu'aucune équipe de contenu ne pourrait être embauchée pour. Wayfair avait besoin d'un moyen d'enrichir le catalogue automatiquement, rapidement et avec une qualité suffisante pour construire l'ensemble de l'expérience client sur ces données — des filtres aux outils de conception.

Solution

La première étape de Wayfair a été de déplacer l'enrichissement du catalogue vers les modèles Gemini sur Google Cloud (sur la plate-forme Gemini Enterprise Agent dans la version actuelle de l'étude de cas ; sur Vertex AI dans le communiqué de presse de janvier 2025). Au lieu du balisage manuel, Gemini catégorise automatiquement les produits et renseigne les attributs tels que la couleur, le style et le sujet. L'effet est double : Wayfair peut intégrer les articles rapidement et les mettre à disposition des clients avec rapidité — tout en fournissant des annonces avec autant de détails riche et précis que possible. « En fin de compte, nous essayons de faire correspondre les meilleurs produits à nos clients », explique Tan. « S'assurer que les informations sur les produits sont aussi complètes que possible, nous l'enrichissons, est super important. Avec les capacités que nous avons maintenant, nous pouvons le faire à l'échelle. »

La multimodalité de Gemini a ouvert des scénarios adjacents qui n'étaient pas dans le plan original : détecter automatiquement les erreurs dans les dimensions de produit listées à partir de photos et signaler les matériaux inappropriés dans le contenu de l'annonce. C'est un motif typique des déploiements matures : le cas d'usage principal tire des cas « annexes », dont chacun se rembourse — une erreur de dimension sur un canapé garantit presque un retour.

L'étude de cas Google Cloud énonce la séquence explicitement : la « première étape » de Wayfair a été d'améliorer considérablement son catalogue de produits en automatisant l'enrichissement des données, et ce mouvement « a fourni une base solide pour faire progresser la découverte alimentée par l'IA » qui est plus intuitive et personnalisée. En d'autres termes, l'ordre de travail ici n'est pas un accident mais l'architecture délibérée du programme : d'abord les données, puis les produits clients construits dessus.

En plus du catalogue enrichi, l'entreprise construit une nouvelle couche de découverte de produits. Wayfair teste Muse — un outil de conception d'IA où un client tape une requête de n'importe quelle spécificité, de « moody 1920s style living room » à simplement « dining room », et obtient des images de pièces photoréalistes accompagnées de suggestions achetables du catalogue réel. L'application a gagné un onglet Discover avec la recherche visuelle. L'entreprise explore comment les modèles de la famille Gemini, y compris Nano Banana, aident les clients à visualiser les produits et à affiner leur style. « Maintenant, avec l'IA générative et les capacités multimodales qui accompagnent Gemini, je peux vous montrer tous les différents styles et à mesure que le client interagit, nous pouvons alors arriver à un style que vous voulez », dit Tan. « Vous pouvez trouver ce voyage très visuel et inspirant qui honnêtement n'existait tout simplement pas avant. » Sa formule pour l'objectif final : « Tout le monde devrait sentir qu'il a un copilote de design intérieur avec lui à chaque moment où il fait ses achats sur Wayfair. »

Le quatrième élément est le commerce agentique. Wayfair est un partenaire fondateur co-développant le Protocole de commerce universel (UCP) — la norme ouverte de Google établissant un langage commun entre les surfaces de consommation, les entreprises et les prestataires de paiement. L'UCP est destiné à permettre aux clients de découvrir les produits Wayfair, de les rechercher et de passer la commande directement depuis AI Mode dans Google Search et l'application Gemini — sans quitter Google, tandis que le détaillant reste le commerçant de référence. « La réalité est que nos clients font leurs achats sur nos plateformes, mais ils utilisent maintenant aussi des plateformes d'IA », explique Tan. « Vous voulez pouvoir fournir les capacités et l'expérience cohérente qui leur permettent de découvrir nos produits sur la plateforme d'IA. » Et elle souligne : « Le fait que le commerçant de référence soit toujours le détaillant est extrêmement important car nous avons tous construit sur notre promesse de marque. »

Le cinquième front est interne : Gemini dans Google Workspace pour des milliers d'employés (rédaction et réponse aux e-mails dans Gmail, synthèse et relecture de documents, modèles de présentation) plus des Gems personnalisés pour des tâches spécialisées.

Résultat

Les chiffres publiés se concentrent sur le front du catalogue. Selon le communiqué de presse conjoint Wayfair–Google Cloud : le temps nécessaire pour organiser les nouvelles annonces de produits et mettre à jour les existantes a chuté de 67% dans un catalogue de plus de 30 millions de produits. L'amélioration de la précision des attributs de produit (couleur, sujet) et la couverture de ces balises dans le catalogue ont amélioré les taux de conversion lorsque les clients utilisent les filtres d'environ 2%. L'entreprise estime les économies résultant de l'abandon du balisage manuel à des centaines de milliers de dollars par an.

Le cadrage compte. Tous les chiffres sont les estimations de Wayfair publiées par Google Cloud — le partenaire vendeur ; il n'y a pas d'audit indépendant. La métrique ~2% s'applique à la conversion dans les parcours basés sur les filtres, pas aux revenus du site. Les économies en dollars sont données sous la forme d'une plage « centaines de milliers » sans montant exact. La différence de formulation entre les documents est aussi révélatrice : le communiqué de presse dit que le temps de curation a été réduit « de 67% », tandis que la version ultérieure de l'étude de cas est plus prudente — « jusqu'à 67% plus rapide ». Enfin, il n'y a aucune métrique publique pour le moment pour Muse, l'onglet Discover ou l'UCP — ce sont des pilotes et des annonces, pas des résultats mesurés.

Analyse éditoriale. Primo : ce cas est un exemple rare et clair d'une stratégie « données avant vitrine ». Wayfair a d'abord corrigé la base (attributs du catalogue) et a ensuite seulement commencé à construire les produits clients dessus — Muse, recherche visuelle, commerce agentique. L'ordre inverse — une façade d'IA tape-à-l'œil en premier, les données après — est ce qui produit généralement des pilotes décevants. Deuxio : un gain de conversion ~2% sur les filtres dans un catalogue de 30M produits est l'économie classique des grands entonnoirs, où les petits pourcentages signifient plus que les démos bruyantes ; cela dit, l'impact en dollars absolus ne peut pas être évalué parce que Wayfair ne divulgue pas la part des sessions basées sur les filtres dans les ventes.

La troisième observation concerne l'UCP : le pari de Wayfair sur un protocole où le commerçant de référence reste chez le détaillant est une tentative d'entrer dans l'ère du commerce agentique sans céder la marge et les relations clients aux plates-formes. Si le commerce agentique devient un canal significatif, la qualité des attributs du catalogue — où ce cas a commencé — sera le billet d'entrée : un agent d'IA a besoin de données de produit précises et lisibles par machine encore plus qu'un humain. En ce sens, le balisage du catalogue « ennuyeux » semble être la partie la plus clairvoyante de tout le programme. L'arrière-plan du secteur confirme la direction : selon les données de PYMNTS Intelligence citées dans la couverture du cas, 92% des entreprises utilisent la personnalisation pilotée par l'IA pour la croissance et 77% des chefs d'entreprise classent l'IA générative comme la technologie émergente la plus impactante — la question a longtemps été non pas « si » mais « dans quel ordre ».

Leçons

1. Données avant vitrine : Wayfair a commencé non pas avec un chatbot client mais avec la qualité des attributs du catalogue — la base sous la recherche, les filtres, les recommandations et chaque produit d'IA ultérieur.
2. Un gain de conversion ~2% sur les filtres dans un catalogue de 30M produits est du vrai argent : les petits pourcentages sur les grands entonnoirs battent souvent les pilotes tape-à-l'œil.
3. La multimodalité paie dans les scénarios annexes : détecter les erreurs de dimension à partir de photos et signaler le contenu inapproprié étaient des avantages imprévus qui réduisent les retours et les risques.
4. Mesurez l'impact comme « vitesse + qualité » ensemble : 67% plus rapide n'a d'importance que parallèlement à une meilleure précision des attributs — sinon vous accélérez la production de déchets.
5. Un catalogue de qualité est le billet d'entrée au commerce agentique : les agents d'IA (UCP, AI Mode) ont besoin d'attributs précis et lisibles par machine encore plus que les humains.
6. Dans les canaux agentiques, défendez le rôle de commerçant de référence : Wayfair co-développe la norme précisément pour que le paiement sur les surfaces d'IA ne dépouille pas le détaillant de la marge et des relations clients.
7. Les chiffres publiés par le fournisseur sans audits indépendants devraient entrer dans votre propre cas commercial avec une remise et un test A/B obligatoire en interne — d'autant plus que la formulation du fournisseur s'assouplit avec le temps (« de 67% » → « jusqu'à 67% »).

Questions fréquentes