Claude et Ollama aident un vendeur d'Ozon à traiter des certificats et à rétablir 1000 SKU en une journée

Ozon a commencé à vérifier en avance les certificats des couteaux, avant l'entrée en vigueur de nouvelles exigences, et pour un vendeur cela s'est soldé par le blocage de presque tout son catalogue. Au lieu de mois de téléversement manuel de documents, il a monté avec Claude et Ollama une chaîne de traitement qui a traité des centaines de fichiers en une journée et aidé à remettre en vente plus de 1000 SKU.

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 un casse-tête permanent. La plateforme changeait régulièrement ses exigences : parfois les documents étaient obligatoires, parfois seulement sur demande, et Ozon a maintenant décidé de se préparer à l'avance aux nouvelles règles qui entrent en vigueur le 1er octobre 2026. En un seul jour, la place de marché a bloqué environ 1000 SKU faute des justificatifs requis.

Auparavant, le problème se réglait à la main : ouvrir la section des certificats dans Ozon Seller, téléverser un fichier, puis y associer les produits un par un. Pour quelques fiches, c'est pénible mais supportable. Pour mille SKU, cela devient des mois de travail monotone. Autre aggravant : les documents n'étaient pas en PDF mais sous forme d'images JPEG sur Google Drive, si bien que les outils classiques ne pouvaient pas en extraire rapidement les numéros de certificat, les dates et les références.

Comment le pipeline a été construit

Pour ne pas griller les quotas d'un modèle cloud sur des centaines d'images, l'auteur a confié la reconnaissance au modèle local qwen3-vl:8b via Ollama. Dans ce montage, Claude a joué le rôle d'ingénieur-navigateur : il a aidé à concevoir l'architecture, écrit les scripts, expliqué les étapes d'exécution et suggéré comment relier l'OCR à l'Ozon Seller API. La simplification clé est venue après lecture de la documentation : il s'est avéré qu'il n'était pas nécessaire de publier les images par des liens ni de les héberger séparément.

«

La grande découverte : l'API d'Ozon accepte les fichiers directement via multipart/form-data. »

Le scénario final se présentait ainsi :

• un dossier local de certificats et d'annexes était découpé en paires de fichiers ;
• Ollama reconnaissait le numéro du certificat, les dates et les références à partir des images ;
• un script téléversait les fichiers eux-mêmes vers Ozon via la méthode de création de certificat ;
• une requête distincte récupérait la correspondance entre offer_id et product_id ;
• l'étape finale associait les certificats aux produits et enregistrait un rapport CSV.

Là où il a fallu simplifier

Le système n'a pas fonctionné du premier coup. En cours de route, il est apparu qu'une partie des certificats et des annexes étaient liés par le nom du fichier, et d'autres seulement par le numéro figurant dans le document. Les noms comportaient des fautes de frappe ; sur certains certificats, les références se trouvaient dans l'annexe, sur d'autres directement sur la feuille principale. Tout cela cassait le scénario simple et obligeait à étoffer la logique de traitement, donc à consommer plus de temps d'exécution et plus de ressources du modèle local.

Après plusieurs itérations, l'auteur et Claude ont renoncé à une automatisation trop complexe et simplifié la tâche. Plutôt que d'associer précisément chaque produit au sein d'un certificat, ils ont décidé de regrouper les produits par marque et d'envoyer à Ozon un certificat avec ses annexes, en laissant une partie du contrôle à la place de marché. Ce compromis a tout de suite accéléré la chaîne : selon l'estimation de Claude, le temps de reconnaissance pour 225 paires de fichiers et plusieurs documents de plusieurs pages est passé d'un peu plus de cinq heures à deux ou trois.

L'exécution finale en conditions réelles a confirmé que le dispositif fonctionne au-delà des tests. La reconnaissance de 231 certificats a pris 3 heures 23 minutes, soit une moyenne de 52 secondes par document. Le téléversement vers Ozon a duré 34 minutes de plus. Seuls 3 certificats n'ont pas pu être reconnus, soit moins de 1,3 % du total. Si la modération passe, le vendeur remet en vente plus de 1000 produits et boucle une tâche qui, auparavant, se serait étalée sur des mois.

Ce que cela signifie

Ce cas illustre le rôle concret des agents d'IA dans les opérations courantes : Claude n'a pas remplacé le modèle local, il a conçu le processus, aidé à corriger les erreurs et mené un utilisateur sans compétences de développement jusqu'à un résultat fonctionnel. Pour les vendeurs et les petites équipes, c'est le signe qu'associer reconnaissance visuelle locale et automatisation par API peut déjà résoudre des tâches opérationnelles réelles, et pas seulement des démonstrations.