Claude et Ollama ont aidé un vendeur Ozon à traiter des certificats en une journée et à remettre 1 000 SKU en vente

Ozon a commencé à vérifier les certificats de couteaux avant que les nouvelles exigences n'entrent en vigueur, et pour un vendeur, cela s'est terminé par le blocage de presque tout l'assortiment. Au lieu de mois de téléchargement manuel de documents, il a assemblé un pipeline fonctionnel avec l'aide de Claude et Ollama qui a traité des centaines de fichiers en un jour et a aidé à remettre plus de 1000 SKU en vente.

Pourquoi tout s'est arrêté

L'auteur du cas vend des couteaux sur Ozon depuis plus de six ans et décrit les certificats de qualité comme une douleur constante. La plateforme changeait régulièrement les exigences : dans certains cas, les documents étaient obligatoires, dans d'autres ils n'étaient nécessaires que sur demande, et maintenant Ozon a décidé de se préparer à l'avance aux nouvelles règles qui entrent en vigueur le 1er octobre 2026. En un jour, la marketplace a bloqué environ 1000 SKU en raison de confirmations manquantes.

Auparavant, le problème était résolu manuellement : aller à la section des certificats dans Ozon Seller, télécharger un fichier, puis l'attacher aux produits un par un. Pour quelques fiches, c'est désagréable mais tolérable. Pour mille SKU, ce scénario devient des mois de travail monotone.

La situation était aggravée par le fait que les documents n'étaient pas stockés en PDF mais sous forme d'images JPEG sur Google Drive, ce qui rendait impossible d'extraire rapidement les numéros de certificats, les dates et les SKU à l'aide d'outils ordinaires.

Comment ils ont construit le pipeline

Pour ne pas épuiser les limites du modèle cloud sur des centaines d'images, l'auteur a déplacé la reconnaissance vers un modèle local qwen3-vl:8b via Ollama. Claude agit comme un navigateur d'ingénierie dans ce schéma : aidant à concevoir l'architecture, écrivant des scripts, expliquant les étapes de lancement et suggérant comment connecter l'OCR à l'API Ozon Seller. La simplification clé est venue après vérification de la documentation : il s'est avéré que les images n'ont pas besoin d'être publiées via des liens ou hébergées séparément.

"La découverte principale : l'API

Ozon accepte les fichiers directement via multipart/form-data".

Le scénario fonctionnel ressemblait donc à ceci :

• un dossier local contenant les certificats et les pièces jointes a été divisé en paires de fichiers ;
• Ollama a reconnu les numéros de certificats, les dates et les SKU à partir des images ;
• le script a téléchargé les fichiers vers Ozon via la méthode de création de certificat ;
• une demande séparée a obtenu la correspondance de offer_id et product_id ;
• l'étape finale a lié les certificats aux produits et enregistré un rapport CSV.

Où ils ont dû simplifier

Le système n'a pas fonctionné du premier coup. Au cours du processus, il s'est avéré que certains certificats et pièces jointes étaient liés par le nom de fichier, tandis que d'autres l'étaient uniquement par le numéro dans le document. Les noms de fichiers contenaient des fautes de frappe, certains certificats avaient des SKU dans la pièce jointe, d'autres directement sur la feuille principale.

Tout cela a cassé le scénario simple et a forcé la logique de traitement à être plus complexe, ce qui signifiait passer plus de temps à s'exécuter et plus de ressources du modèle local. Après plusieurs itérations, l'auteur, avec Claude, a abandonné l'automatisation trop complexe et a simplifié la tâche. Au lieu de lier avec précision chaque produit dans le certificat, il a été décidé de regrouper les produits par marque et de transmettre un certificat à Ozon avec les pièces jointes, tandis que de laisser une partie de la vérification du côté du marketplace.

Un tel compromis a immédiatement accéléré le pipeline : selon l'estimation de Claude, le temps de reconnaissance pour 225 paires de fichiers et plusieurs documents multipage a été réduit d'environ cinq heures ou plus à deux ou trois. L'exécution finale a confirmé que le schéma fonctionne pas seulement en test. La reconnaissance de 231 certificats a pris 3 heures 23 minutes à une vitesse moyenne de 52 secondes par document.

Le téléchargement vers Ozon a pris 34 minutes supplémentaires. Seuls 3 certificats n'ont pas pu être reconnus, soit moins de 1,3% du volume total. Si la modération réussit, le vendeur remet plus de 1000 articles en vente et ferme le problème qui aurait pris des mois auparavant.

Ce que cela signifie

Ce case démontre bien le rôle pratique des agents IA dans les opérations routinières : Claude ici n'a pas remplacé le modèle local, mais a conçu le processus, aidé à corriger les erreurs et a mené un utilisateur sans compétences en développement à un résultat fonctionnel. Pour les vendeurs et les petites équipes, c'est un signal que la combinaison de la reconnaissance de vision locale et de l'automatisation API est déjà capable de résoudre non pas des tâches de démonstration, mais des tâches opérationnelles.