Traduit de l’original anglais. Les chiffres et les sources sont inchangés. Lire l’original en anglais
Walmart
Walmart utilise de grands modèles de langage pour créer ou améliorer les données de son catalogue
Lors de sa conférence de résultats d’août 2024, Walmart a déclaré avoir utilisé plusieurs grands modèles de langage pour créer ou améliorer plus de 850 millions de données de son catalogue produits. Les dirigeants ont indiqué que ce travail aurait exigé près de 100 fois les effectifs actuels.
Chiffres clés
Repris tels quels des sources. Copiez n’importe quel chiffre avec sa citation.
plus de 850 millions
Données de catalogue créées ou améliorées avec de grands modèles de langage1
près de 100 fois les effectifs actuels
Effectifs que le travail aurait exigés sans IA générative, dans le même délai1
environ 100 fois
Productivité de l’IA générative par rapport à des personnes traitant chaque page de présentation produit (estimation du PDG de Walmart U.S.)1
Ce que cela a demandé
Le coût, la taille de l’équipe et le calendrier ne sont pas communiqués dans les sources.
Le problème
Un catalogue de distribution doté d’une place de marché en forte croissance a besoin d’attributs et de descriptions exacts pour chaque article. La recherche, le placement des stocks et la livraison des commandes en dépendent. Faire ce travail à la main sur un catalogue de cette taille n’est pas envisageable.
Ce qu’ils ont construit
Walmart a utilisé plusieurs grands modèles de langage pour créer ou améliorer des données de catalogue, notamment les attributs et caractéristiques des articles. Lors de la conférence, le PDG Doug McMillon a déclaré que Walmart utilise des données et des modèles venus d’ailleurs et en construit aussi.
Comment ils s’y sont pris
Les sources ne décrivent ni le pipeline, ni les modèles, ni les contrôles. Elles indiquent seulement que les modèles ont été appliqués au catalogue et que de meilleures données ont permis de faire correspondre les articles à ce que les clients ont l’intention d’acheter, selon John Furner, PDG de Walmart U.S.
Résultats
McMillon a déclaré que les modèles avaient servi à créer ou améliorer plus de 850 millions de données de catalogue. Selon lui, sans IA générative, ce travail aurait exigé près de 100 fois les effectifs actuels dans le même délai. Lors des questions-réponses, Furner a indiqué que l’IA générative est environ 100 fois plus productive que des personnes traitant chaque page de présentation produit. Les deux comparaisons sont des estimations de la direction.
Enseignements pour votre projet
Commencez par un problème de données en arrière-plan qui soit vaste, répétitif et mesurable, comme le renseignement des attributs produits.
Reliez le travail sur les données aux résultats qui comptent pour le conseil d’administration. Walmart a relié la qualité du catalogue à la recherche, au placement des stocks et à la livraison.
Combinez modèles externes et modèles maison. Walmart a indiqué utiliser des modèles d’autres fournisseurs et en construire elle-même.
Réserves
- Les comparaisons d’effectifs et de productivité sont des estimations de la direction énoncées lors d’une conférence de résultats. Aucune base de référence ni méthode n’a été fournie.
- Walmart n’a nommé ni les modèles ni les fournisseurs.
Sources
- Walmart (WMT) Q2 2025 Earnings Call Transcript
The Motley Fool · 2024-08-15 · Conférence sur les résultats · fool.com
- Walmart executives say generative AI is 100 times more productive at updating product pages than people
Modern Retail · 2024-08-15 · Presse · modernretail.co
Résumé dans nos propres mots à partir des sources ci-dessus. Une erreur ? Consultez les corrections.