Wildberries : IA dans les opérations de marketplace — vision par machine en entrepôt, recherche neuronale et traitement des avis

• Корпоративный блог Wildberries: масштаб платформы, Техношкола, ML Meetup — Habr (блог Wildberries), 2024
• Warehouse robots at Wildberries — TAdviser, 2025-03
• Wildberries начал тестировать роборуки для сортировки товаров на складах — Habr (новости), 2025-03-11
• Автоматизация складов — опыт Wildberries — RoboTrends, 2025
• Wildberries объявила о запуске в Красном Бору нового роботизированного склада — Ведомости. Северо-Запад, 2025-12-25
• Wildberries теперь имеет право самостоятельно распределять товары продавцов по разным складам и регионам — Oborot.ru, 2026
• Wildberries тестирует нейросети, которые помогут покупателю искать и выбирать товары прямо в мобильном приложении — Oborot.ru, n/a
• Wildberries создала ИИ-помощника (ответы продавцов на отзывы) — CNews, 2026-02-20
• Возвраты на Wildberries: как сократить потери (отраслевые оценки доли возвратов) — Uniseller, n/a

Contexte

Wildberries est le plus grand marketplace de Russie, opérant depuis 2024 en tant que partie de la société fusionnée RVB (Wildberries & Russ). Selon le blog corporate de l'entreprise sur Habr, la plateforme traite des dizaines de milliards d'événements utilisateur et environ 15 millions de commandes par jour. Pour former des talents en ML, l'entreprise a ouvert sa propre Tech School (science des données, analytique) et a tenu son premier ML Meetup en septembre 2024.

Dans la robotique d'entrepôt, cependant, Wildberries est un entrant tardif : selon la source industrielle RoboTrends, l'entreprise n'a pris au sérieux l'automatisation d'entrepôt et la robotisation qu'en 2024, plus tard que de nombreux leaders de l'industrie. Cela donne au cas une dynamique particulière : ce n'est pas un programme d'automatisation de vingt ans comme celui d'Amazon, mais une marche forcée pour combler l'écart en deux à trois ans — avec du développement logiciel interne plutôt que des solutions clé en main.

Un cadre important : Wildberries divulgue sensiblement moins d'informations sur son IA que les banques ou Ozon. L'entreprise publie les flux de travail, les spécifications des robots et les objectifs — mais presque jamais les métriques commerciales d'impact. Ainsi, ce cas ne comprend que ce qui est documenté : les articles techniques du blog corporate, les actualités de lancement et les déclarations publiques des responsables d'unités. Tout ce qui va au-delà, nous le marquons explicitement comme absent du registre public.

Problème

Deux défis opérationnels à cette échelle sont visibles à partir des documents publics. D'abord, la dépendance de la logistique au travail manuel : le tri de millions de colis de tailles variées dans les entrepôts. Quinze millions de commandes par jour représentent un flux continu d'articles de toutes les formes et tailles, chacun devant être reconnu, saisi et dirigé vers la bonne cellule ; historiquement, ce sont les mains qui faisaient cela. L'entreprise a ressenti littéralement la fragilité du modèle : en janvier 2024, un incendie a détruit l'entrepôt de Shushary — et avec lui une part substantielle de la capacité du hub du Nord-Ouest.

Le deuxième défi est le positionnement de l'inventaire : les vendeurs ont du mal à prédire quels entrepôts régionaux verront de la demande pour leurs produits. Une erreur de positionnement signifie soit une livraison longue et coûteuse sur la moitié du pays, soit un stock gelé dans un entrepôt indésirable.

Le contexte industriel relève les enjeux : selon les estimations de prestataires de services tiers, environ 30 % des commandes de marketplace sont retournées en moyenne, et dans l'apparel et la chaussure, les retours atteignent 70 %. Chaque retour est un autre cycle de traitement d'entrepôt — les première et troisième douleurs s'amplifient mutuellement.

Enfin, Andrey Ulyanov, chef du département d'automatisation d'entrepôt de Wildberries, a publiquement tracé la limite du possible : l'automatisation complète de l'entrepôt, selon lui, reste une utopie — l'objectif réaliste est un hybride dans lequel l'automatisation couvre environ la moitié des processus. C'est un établissement d'objectifs inhabituellement sobre pour un marché habitué aux promesses d'« entrepôts sans lumière ».

Solution

Quatre flux de travail sont publiquement confirmés — et pour l'entreposage, les détails techniques sont maintenant connus.

Entrepôts. Depuis 2024, Wildberries construit un portefeuille d'automatisation : des robots d'étagères « goods-to-person » (l'article se déplace vers la personne, et non l'inverse), des chariots élévateurs robotisés pour le mouvement de palettes, un trieur à bande transporteuse verticale (selon RoboTrends, amorti en environ 6 mois grâce aux volumes d'expédition), et des robots de vision par machine industrielle transférant des marchandises entre les lignes de convoyeurs. En mars 2025, l'entreprise a commencé à tester des bras robotiques six axes avec des logiciels IA propriétaires : la vision par machine reconnaît les limites de chaque article, classe les articles par probabilité de « meilleure prise », détermine la position et le nombre de ventouses, et choisit une trajectoire efficace sans collision. Selon TAdviser, la productivité du manipulateur est d'au moins 950 unités par heure avec un taux de réussite de prise supérieur à 97 % ; l'exploitation industrielle a commencé sur une ligne de tri active à Koledino. « Nos robots sont un pas vers une logistique plus intelligente et plus efficace », déclare Andrey Fomin, chef du département de robotique WB Automation. L'étape suivante annoncée est un robot mobile autonome pour le transport de marchandises.

Le lancement de l'entrepôt de Krasny Bor a montré la mise à l'échelle de l'approche (première phase — 26 décembre 2025, 95 000 m² sur 154 000 prévus) : trois lignes de tri automatique verticales, des systèmes de convoyeurs et des robots pour le mouvement autonome de palettes ; le complexe remplace l'installation de Shushary brûlée et devient le hub pour l'ensemble du District fédéral du Nord-Ouest.

Positionnement. À partir de 2026 (un changement de conditions d'offre), l'entreprise elle-même redistribue les marchandises des vendeurs dans les entrepôts et régions en fonction de la demande — la prévision de positionnement est retirée au vendeur et gérée par des algorithmes de plateforme qui, selon RoboTrends, tiennent compte de l'historique des ventes et de la saisonnalité.

Expérience de l'acheteur. L'entreprise teste la recherche neuronale et la sélection de produits dans l'application et utilise la synthèse IA et le filtrage des avis.

Vendeurs. En février 2026, un assistant IA pour répondre aux avis a été lancé : le vendeur configure les paramètres une fois (par exemple, auto-publication des réponses uniquement aux avis 4-5 étoiles), puis le réseau neuronal fonctionne tout seul — analysant la fiche produit, le texte de l'avis et les réponses passées du vendeur, en ajoutant optionnellement des recommandations de produits complémentaires avec numéros d'article. Si la fiche produit manque de données, l'avis est laissé sans réponse — une sauvegarde délibérée contre les hallucinations.

Résultat

Wildberries divulgue toujours presque aucun résultat commercial quantitatif pour ses systèmes IA — la limitation honnête clé du cas. Ce qui est publié ce sont des indicateurs techniques : une productivité du bras robotique d'au moins 950 unités par heure, un taux de réussite de prise supérieur à 97 % (TAdviser), et un amortissement d'environ 6 mois pour le trieur à bande transporteuse (RoboTrends). L'objectif public de robotique d'entrepôt exprimé par Elena Obraztsova, directrice de l'automatisation de marketplace de Wildberries, est de réduire radicalement la dépendance au personnel d'entrepôt en un à trois ans ; son collègue Andrey Ulyanov plafonne honnêtement l'ambition à un hybride avec environ la moitié des processus automatisés. L'échelle de la plateforme (environ 15 millions de commandes par jour, des dizaines de milliards d'événements par jour) est confirmée par le blog corporate de l'entreprise.

La trajectoire, pendant ce temps, est visible à l'œil nu grâce aux lancements d'infrastructure : des premiers tests de robots industriels en 2024 à l'exploitation industrielle de manipulateurs à Koledino en 2025 et au lancement d'un hub entièrement robotisé à Krasny Bor avant la fin de 2025. Les lancements de produits IA (recherche neuronale, réponses IA aux avis, redistribution automatique des marchandises) se déroulent en parallèle avec le travail d'entrepôt.

À notre avis, le cas Wildberries est intéressant précisément comme modèle d'« IA sans communiqués de presse d'impact » : l'entreprise change son modèle opérationnel par le biais de conditions contractuelles et d'infrastructure plutôt que par des chiffres marketing. La redistribution automatique des marchandises en est l'exemple le plus clair : le système IA change la division des responsabilités entre la plateforme et le vendeur, et sa « métrique » est un document juridique, pas un pourcentage sur une diapositive. Pour les analystes de marché, c'est un rappel : l'absence de métriques publiques ne signifie pas l'absence de déploiement — mais l'attribution de pourcentages d'amélioration spécifiques à l'entreprise sans ses propres publications est hors limites.

Encadrez également correctement les chiffres techniques : 950 unités par heure et 97 % de prises sont les indicateurs de fiche technique d'un type de manipulateur sur le tri, pas « l'efficacité globale de l'IA de Wildberries » ; les estimations de retour industriel (30 %, jusqu'à 70 % dans l'apparel) sont un contexte de marché, pas des métriques de l'entreprise. À notre avis, l'élément le plus transférable du cas est l'établissement sobre d'objectifs d'Ulyanov : « un hybride avec ~ 50 % des processus automatisés » est un cadre plus honnête et réalisable pour la robotique d'entrepôt qu'un « entrepôt sans lumière » — et cela s'applique à la plupart des opérateurs logistiques.

Leçons

1. Tous les leaders du marché ne publient pas les métriques IA : pour Wildberries, les flux de travail, les spécifications des robots et les objectifs sont documentés, mais pas les effets commerciaux. Tous les « chiffres précis » sur l'IA de WB dans les études de cas tiers doivent être vérifiés par rapport aux sources primaires.
2. Le pari le plus mesurable de WB est opérationnel : la robotique d'entrepôt avec des indicateurs de fiche technique (950 unités/heure, >97 % de prise) et un objectif public explicite de réduire la dépendance au personnel en 1-3 ans.
3. L'établissement sobre d'objectifs dépasse les slogans : « l'automatisation complète de l'entrepôt est une utopie ; un hybride avec ~ 50 % des processus est réaliste » (Andrey Ulyanov) est un cadre plus honnête qu'un « entrepôt sans lumière ».
4. Un entrant tardif peut se déplacer rapidement : des premiers tests de robots (2024) à l'exploitation industrielle de manipulateurs et à tout un hub robotisé en moins de deux ans — grâce à des logiciels IA internes.
5. Le changement de la prévision de la demande du vendeur à la plateforme (redistribution automatique dans les entrepôts) montre un produit IA changeant les règles via les conditions contractuelles, pas l'interface utilisateur.
6. L'IA de marketplace sert trois audiences à la fois : l'entrepôt (robots), l'acheteur (recherche neuronale, avis) et le vendeur (assistant de réponse) — des projets distincts avec une économie distincte.
7. Les mesures de sécurité sont plus importantes que la couverture : l'assistant IA de WB laisse un avis sans réponse lorsque la fiche produit manque de données — un choix délibéré « mieux silencieux qu'halluciné ».
8. Les douleurs industrielles (environ 30 % de retours, jusqu'à 70 % dans l'apparel — estimations de tiers) sont un contexte légitime, mais l'attribution d'améliorations spécifiques à l'entreprise sans ses propres publications est hors limites.

Questions fréquentes