Module IA de génération de fiches produits intégré à Medusa

Le contexte

Ce module est le prolongement direct de la boutique en ligne livrée pour Domorun — et il n'est pas arrivé par hasard après coup. Le client avait exprimé ce besoin dès le départ, en insistant sur un point : il voulait quelque chose de fluide, intégré à son back-office, pas un outil à côté.

Cette exigence a pesé dans le choix de MedusaJS comme moteur e-commerce, précisément parce qu'il rend ce type d'extension possible. Le module a été développé dans la continuité, sur la seconde moitié de juin 2026.

Le problème à résoudre

Pour chaque référence à mettre en ligne, il fallait :

relever les caractéristiques techniques, qui figurent sur l'emballage du produit ;
rédiger un titre clair et cherchable ;
rédiger un sous-titre accrocheur ;
produire une description commerciale qui donne envie, en s'appuyant sur ces caractéristiques ;
disposer de visuels exploitables, ce qui suppose souvent mieux qu'une photo prise dans un dépôt.

Multiplié par le nombre de références d'un catalogue de matériel de sécurité et de domotique, cela représente un volume de travail qui repousse indéfiniment la mise en ligne des nouveautés.

En phase de test, produire une fiche complète à la main — relevé des caractéristiques, rédaction, mise en forme — prenait environ un quart d'heure pour arriver à un rendu correct. Sur un catalogue de dizaines de références, ce temps se multiplie vite en journées entières, uniquement pour de la saisie.

Ce que j'ai mis en place

Un module natif au back-office Medusa, pour rester dans l'outil que le client utilise déjà.

Le principe : partir de l'emballage

Le point d'entrée est volontairement le plus simple possible pour l'utilisateur : une photo de l'emballage du produit.

Ce choix n'est pas anodin. C'est l'emballage qui porte l'information utile — marque, référence, caractéristiques techniques, compatibilités, mentions réglementaires. Photographier le produit nu donne une belle image mais aucune donnée. L'utilisateur peut ajouter accessoirement une photo du produit hors de sa boîte, mais l'emballage seul suffit à générer la fiche.

La génération de texte

Le module analyse l'ensemble des informations extraites de l'emballage, puis génère :

le titre ;
le sous-titre ;
la description principale.

Le tout rédigé dans un registre commercial — l'objectif explicite est que ça vende, pas que ça décrive. Un descriptif technique recopié depuis un emballage ne convertit pas.

J'ai utilisé un petit modèle GPT pour cette partie. La tâche est cadrée et répétitive : elle ne justifie pas un modèle coûteux, et un petit modèle bien piloté donne un résultat plus régulier qu'un modèle plus puissant mais moins contraint. Le prompt encode le registre attendu et le vocabulaire du secteur de la sécurité et de la domotique, pour que chaque fiche générée sonne comme si elle avait été écrite par quelqu'un qui connaît vraiment ces produits, pas comme un texte générique reformulé.

La génération d'images

C'est la partie qui va au-delà de la simple rédaction. Le module ne se contente pas d'associer la photo fournie : il génère des visuels produits, en laissant l'utilisateur choisir le type de rendu :

lifestyle — le produit mis en situation, par exemple installé dans une maison ;
détails — un plan sur le produit faisant ressortir ses caractéristiques principales ;
et d'autres types selon le besoin.

Un modèle Google assure cette génération d'images, choisi pour sa capacité à respecter fidèlement le produit source tout en le replaçant dans un nouveau contexte visuel — un point critique ici, puisqu'une caméra de surveillance générée avec un mauvais boîtier ou une mauvaise couleur ruinerait la fiche plutôt que de l'améliorer. Les visuels générés sont utilisés tels quels dans le flux normal, l'utilisateur ne les retouchant que s'il souhaite ajuster un détail avant publication.

L'orchestration : Vercel AI SDK plutôt que LangChain

Pour l'orchestration, j'ai retenu le Vercel AI SDK plutôt que LangChain.

Le raisonnement est simple, et c'est un arbitrage que je referais : le besoin et le mécanisme sont ici relativement simples — analyse d'image, puis génération de texte, puis génération d'image. LangChain apporte une machinerie d'abstractions conçue pour des chaînes bien plus complexes. Sur ce périmètre, c'est une usine à gaz : plus de dépendances, plus de couches à comprendre, plus de surface à maintenir, pour aucun gain.

Choisir l'outil à la mesure du problème est souvent ce qui distingue un module qui vit d'un module qu'on ne touche plus par crainte de le casser.

Le fournisseur de modèles : KIE

Je passe par KIE, un fournisseur du même type que fal.ai, qui agrège l'accès à plusieurs modèles. La raison est économique : à volume de tokens équivalent, les tarifs sont plus avantageux.

Sur un usage de génération de contenu appelé à monter en volume avec le catalogue, cet écart de coût unitaire finit par décider de la viabilité de la fonctionnalité.

Concrètement, une fiche complète revient entre 0,03 € et 0,05 €, selon le nombre de visuels générés. À cette échelle, le coût cesse d'être une variable à surveiller : un dirigeant peut mettre en ligne des dizaines de références sans que la facture IA devienne un poste de dépense à part entière.

Le garde-fou : rien n'est publié automatiquement

Le contenu généré arrive en proposition. L'utilisateur relit, ajuste, puis valide — rien n'est publié sans ce passage.

Dans les faits, le contenu proposé est rarement modifié avant publication. C'est le meilleur indicateur de la qualité du module : un contenu qu'on doit systématiquement retravailler ne fait économiser aucun temps, il déplace simplement le travail de la rédaction vers la correction. Ici, le garde-fou existe par principe — aucun dirigeant sérieux ne laisserait un système publier seul — mais il est rarement activé en pratique.

Les résultats

Le module a été livré dans une première version en deux semaines, en parallèle de la boutique elle-même — les deux projets ont avancé quasiment de front. Il est encore trop tôt pour un bilan chiffré sur le volume de fiches produites depuis la mise en service, mais le mécanisme est déjà validé : une photo d'emballage suffit à obtenir une fiche complète, rédigée et illustrée, pour un coût unitaire de quelques centimes et un contenu que le client retouche rarement.

Ce que j'en retiens

L'IA la plus utile n'est pas celle qui impressionne, c'est celle qui débloque la tâche que personne ne veut faire. Ce module ne remplace aucune compétence chez Domorun — personne n'y rédigeait des fiches produits par plaisir ni par expertise particulière. Il supprime un frein très concret : le temps de saisie qui retardait systématiquement la mise en ligne des nouveautés, au point qu'un produit reçu pouvait rester invisible du catalogue pendant des jours.

C'est aussi une bonne illustration de ce que je recherche quand je conçois un système IA pour un client : choisir des modèles à la mesure exacte du problème — un petit modèle de texte, un modèle d'image ciblé, une orchestration simple sans surcouche inutile — plutôt que d'empiler de la puissance qui coûte cher et complexifie la maintenance sans rien apporter à l'usage réel.