Fix Price a lancé un service VLM de contrôle des rayons et des étiquettes de prix dans 8 000 magasins

Fix Price a automatisé le suivi des présentations de produits et des étiquettes de prix dans ses 8 000+ magasins, en déployant un service de vision par ordinateur basé sur des Vision Language Models externes — sans développer de modèles ML propriétaires à partir de zéro et sans cycles d'entraînement de plusieurs années.

8 000 magasins, une tâche

Fix Price est un réseau de magasins à prix fixe avec un public de dizaines de millions de clients en Russie et dans la CEI. Plus de 8 000 points de vente signifient des milliers de rayons qui doivent être vérifiés chaque jour : les produits sont-ils correctement disposés selon le planogramme, chaque article a-t-il une étiquette de prix, n'y a-t-il pas d'espaces vides ? Le contrôle manuel à cette échelle n'est pas réaliste — on ne peut pas envoyer un auditeur dans chacun des 8 000 magasins chaque jour.

De plus, le coût de l'erreur est direct : un rayon vide ou une étiquette de prix incorrecte signifie une vente perdue ici et maintenant, plus une expérience client négative qui laisse des traces durables. Dans un réseau de cette taille, même un petit pourcentage de telles situations s'accumule en pertes financières tangibles. Le centre d'analyse de données de Fix Price a dû relever un défi : détecter automatiquement les violations de présentation et les erreurs de prix — rapidement, à l'échelle industrielle et sans investissements excessifs dans sa propre infrastructure CV.

Pourquoi VLM plutôt qu'un modèle personnalisé

L'approche classique en vision par ordinateur pour la vente au détail est d'entraîner un réseau de neurones personnalisé sur des photos annotées de rayons. L'approche fonctionne, mais nécessite des milliers d'images annotées, une équipe d'ingénieurs ML, une infrastructure d'entraînement et un long cycle en cas de changement d'assortiment. Fix Price a choisi une alternative — des Vision Language Models externes (VLM). Ce sont des modèles multimodaux qui peuvent analyser une image et répondre à des questions la concernant en langage naturel — un principe similaire à GPT-4o Vision ou Claude avec support d'images. Les principaux avantages de l'approche VLM dans ce cas :

• Démarrage rapide sans grand ensemble de données annoté
• Un modèle vérifie simultanément les présentations, les étiquettes de prix et la disponibilité des produits
• Les nouveaux types de vérifications sont ajoutés en changeant le prompt — sans réentraînement
• Flexibilité pour l'expansion vers de nouvelles catégories et formats de magasins
• Réduction des coûts de développement et de maintenance par rapport au CV personnalisé

Comment fonctionne le service

Les images proviennent de caméras de surveillance ou des appareils mobiles des employés du magasin. Le VLM reçoit une photo et analyse l'image selon un ensemble de critères : conformité au planogramme, présence d'une étiquette de prix pour chaque article, absence d'espaces vides sur le rayon. Le résultat est une liste structurée de violations liées à un magasin spécifique. L'employé responsable reçoit l'alerte et corrige le problème avant le contact avec le client. La vitesse de réaction augmente, les inspections manuelles diminuent.

«

Je pense que nous savons tous comment les clients réagissent à l'absence d'étiquette de prix ou à un prix incorrect — ce que ressent un client devant un rayon vide où manque le produit qu'il cherche », — Kristina Istratova, Responsable du Centre d'Analyse de Données, Fix Price.

Ce que cela signifie

Le cas Fix Price montre : les VLM ont abaissé la barrière d'entrée à la vision par ordinateur industrielle au point qu'une grande enseigne a pu lancer un service fonctionnel sans projet ML de plusieurs années. 8 000 magasins n'est pas un pilote, mais une charge de production réelle. Pour le reste du commerce de détail, c'est un signal clair : automatiser le contrôle des rayons ne nécessite plus son propre laboratoire ML.