Choco automatise la distribution alimentaire avec OpenAI et double la productivité commerciale

Choco montre comment les agents d'IA passent du statut d'outils d'appoint à celui d'infrastructure critique d'une entreprise réelle. La plateforme de distribution alimentaire a intégré l'API d'OpenAI au traitement des commandes et, selon ses propres chiffres, fait désormais transiter chaque année plus de 8,8 millions de commandes par le système, réduit la saisie manuelle jusqu'à 50 % et permet aux équipes commerciales de travailler deux fois plus efficacement sans élargir les effectifs.

Choco opère dans la food & beverage distribution et réunit dans un même système restaurants, fournisseurs et distributeurs. L'entreprise indique servir plus de 21 000 distributeurs et 100 000 acheteurs aux États-Unis, au Royaume-Uni, en Europe et dans les pays du golfe Persique.

Avec la croissance, le principal problème ne s'est pas révélé être les interfaces ni le CRM en tant que tel, mais le flux chaotique de commandes entrantes : elles arrivaient par e-mail, SMS, messages vocaux, photos de documents et même notes manuscrites. Les employés convertissaient ensuite tout cela à la main en commandes structurées pour les systèmes ERP, ce qui freinait la montée en charge et créait un risque permanent d'erreurs.

Selon l'entreprise, le plus difficile n'était même pas la reconnaissance du texte ou de la parole. La couche critique, c'est le contexte caché : les correspondances de SKU propres à chaque client, les unités de mesure habituelles, les schémas de livraison et d'autres détails qui restent en général dans la tête des employés de l'order desk. C'est pourquoi Choco a misé non pas simplement sur l'automatisation d'étapes standardisées, mais sur un système d'inférence capable de lever l'ambiguïté au moment où la commande arrive. En pratique, il s'agit de transférer le savoir opérationnel de la mémoire humaine vers une couche logicielle accessible 24h/24 et 7j/7, qui ne dépend ni d'une équipe de quart ni d'un employé en particulier.

Sur cette base, l'entreprise a lancé OrderAgent, un agent de traitement d'entrées multimodales qui accepte e-mails, SMS, images et documents et les transforme en commandes prêtes pour l'ERP. VoiceAgent a suivi, reposant sur la Realtime API : il permet aux clients de passer commande par téléphone avec une latence inférieure à une seconde, y compris en dehors des heures ouvrées.

Choco dit avoir choisi OpenAI pour la qualité des modèles, la multimodalité, les réponses structurées et la fiabilité en production. Sur le plan technique, le déploiement a mobilisé speech-to-text, embeddings et function calling, et l'équipe a bâti par-dessus sa propre boucle d'évaluation de la qualité : jeux de données de référence, surveillance continue et tests A/B. Le détail compte : dans ce type de système, il ne suffit pas de « brancher un LLM » ; il faut mesurer en permanence où le modèle se trompe et comment la qualité évolue sur des commandes réelles.

Les résultats ressemblent moins à une expérimentation qu'à une exploitation industrielle. Choco affirme que plus de 200 milliards de tokens transitent par OpenAI en production, que la prise de commandes fonctionne en continu et que le taux d'erreurs reste bas, avec des seuils d'automatisation configurables. Réduire la saisie manuelle jusqu'à 50 % libère les employés du traitement mécanique et les oriente vers des tâches à plus forte valeur, tandis que le doublement de la productivité commerciale sans embauche montre que l'effet ne se limite pas aux coûts d'exploitation et touche aussi l'efficacité commerciale.

L'aspect UX compte aussi : les clients n'ont pas eu à changer leurs habitudes. Ils envoient toujours leur commande par le moyen qui leur convient, et c'est le système qui s'adapte.

Choco met par ailleurs en avant des leçons de gestion. Première leçon : construire l'évaluation de la qualité dès le premier jour, même si l'équipe ne dispose que de 10–20 exemples annotés. Deuxième : les systèmes d'IA exigent leur propre observabilité ; les logs habituels ne suffisent pas si l'on ne voit pas les entrées du modèle, ses sorties et les raisons des échecs. Troisième : l'entreprise doit accepter dès le départ la nature probabiliste des LLM. Ces systèmes ne se comportent pas comme du code déterministe ; les attentes des utilisateurs, les SLA et les scénarios d'escalade doivent donc être conçus autrement.

C'est un signal assez mûr pour le marché : les gagnants ne seront pas ceux qui ont ajouté un chatbot le plus vite, mais ceux qui auront appris à bâtir des processus d'agents maîtrisés autour de données d'entreprise complexes.

Le principal enseignement du cas Choco est simple : les agents d'IA deviennent une nouvelle couche opérationnelle dans le B2B vertical, où la valeur ne vient pas d'une belle interface, mais de la capacité à démêler un flux de données réel et désordonné pour le transformer en action. Si ce modèle passe à l'échelle dans d'autres segments de la supply chain, le marché verra non pas une automatisation ponctuelle, mais le remplacement progressif de fonctions manuelles entières par des systèmes capables d'écouter, de lire, de clarifier le contexte et d'exécuter le travail eux-mêmes.