Aller au contenu

Étiquetage d’images par IA : transformer vos photos produit en données utiles

Une méthode simple pour ajouter des attributs visuels comme la couleur, le type, le style ou la matière à votre catalogue produit.

J

Julia Villegas

· 9 min de lecture · 378 vues
Étiquetage d’images par IA avec produits, échantillons de couleurs et matières

L’étiquetage d’images par IA consiste à analyser les photos de vos produits pour créer des attributs visuels, comme la couleur, le type, le style ou la matière, puis à les enregistrer comme champs du catalogue. Pour une boutique en ligne, c’est utile lorsque ces informations manquent, sont mal structurées ou varient trop d’un fournisseur à l’autre.

Qu’est-ce que l’étiquetage d’images par IA ?

L’étiquetage d’images par IA désigne l’utilisation d’une analyse visuelle pour identifier des caractéristiques visibles sur une photo produit et les transformer en données structurées.

Au lieu d’avoir uniquement une image de chaussure, votre catalogue peut contenir des champs comme :

  • couleur_principale = blanc ;
  • type_produit_visuel = sneaker ;
  • style_visuel = sportif ;
  • matiere_visible = cuir.

Dit simplement : la photo ne sert plus seulement à présenter le produit. Elle devient aussi une source d’information pour organiser, segmenter et activer votre catalogue.

Dans l’e-commerce, beaucoup de flux contiennent déjà des données commerciales : titre, prix, marque, stock, catégorie, URL de l’image ou disponibilité. Mais les attributs visuels sont souvent incomplets. Le problème apparaît notamment quand les fournisseurs utilisent des descriptions hétérogènes, quand les couleurs sont écrites de plusieurs façons, quand les titres mélangent marketing et caractéristiques produit, ou quand d’anciens articles n’ont jamais été enrichis correctement.

D’après la page Image Tagging d’AdMotion, l’IA peut étiqueter les photos produit avec des valeurs définies par le client, par exemple la couleur, le type, le style ou la matière, puis convertir ces étiquettes en champs du catalogue. Il s’agit d’un service géré Enterprise : l’équipe l’active et l’exécute par projet, avec une étape de vérification avant exploitation.

Il ne faut pas le traiter comme une vérité automatique. Les étiquettes doivent être relues sur des exemples, limitées à une taxonomie claire et éviter toute déduction sensible, subjective ou non vérifiable visuellement.

Pourquoi les attributs visuels comptent dans un catalogue produit

Un attribut est une caractéristique structurée d’un produit. Certains attributs viennent directement de votre plateforme e-commerce, comme le prix, la disponibilité ou la marque. D’autres décrivent ce que l’on voit sur l’image.

Produit Donnée commerciale Attribut visuel possible
Robe midi fleurie Prix, taille, marque couleur, motif, style
Canapé trois places Stock, catégorie, livraison matière, couleur, forme
Voiture d’occasion Kilométrage, modèle couleur extérieure, carrosserie
Lampe de table Marque, prix, disponibilité matière, style, type d’objet

Lorsque ces attributs sont bien structurés, vous pouvez les utiliser pour créer des ensembles de produits, filtrer par style ou couleur, adapter des créations publicitaires par famille visuelle, préparer des flux plus complets ou distinguer des produits qui semblent proches mais ne répondent pas à la même intention d’achat.

Par exemple, il y a une grande différence entre promouvoir “tous les sacs” et construire une sélection de “sacs noirs en cuir” pour une campagne précise. Le second cas nécessite des champs propres, cohérents et disponibles dans le catalogue.

Exemple fictif : une boutique sans attributs visuels

Prenons un exemple fictif. Une boutique appelée Maison Nord vend 8 000 produits de décoration : lampes, tapis, chaises, tables basses, coussins et textiles. Son catalogue contient le titre, le prix, la marque, la catégorie et le stock, mais pas d’attributs visuels fiables.

L’équipe marketing veut créer trois axes de campagne :

  1. produits de style scandinave ;
  2. produits dans des tons naturels ;
  3. produits avec des matières visibles comme le bois, le lin ou le métal.

Le problème : ces informations n’existent pas sous forme de champs propres. Certains titres indiquent “chaise bois naturel”, d’autres parlent de “finition chêne”, et d’autres encore n’affichent qu’un nom commercial. Les photos, elles, montrent pourtant clairement des différences de couleur, de matière et de style.

Dans ce cas, l’étiquetage d’images par IA peut servir à créer de nouveaux champs :

  • couleur_principale : beige, blanc, brun, noir, vert ;
  • matiere_visible : bois, métal, textile, verre, fibres naturelles ;
  • style_visuel : scandinave, industriel, rustique, minimaliste ;
  • type_produit_visuel : chaise, lampe, tapis, table, coussin.

Ces champs ne remplacent pas les données maîtres ni le jugement de l’équipe. Ils ajoutent une couche exploitable pour mieux segmenter, vérifier et activer le catalogue.

Avant de commencer : définissez une taxonomie contrôlée

La partie la plus importante n’est pas de “mettre de l’IA” sur vos images. La partie la plus importante est de décider quelles étiquettes vous acceptez.

Une taxonomie contrôlée est une liste fermée de valeurs autorisées. Au lieu de laisser apparaître dix manières de dire la même chose, vous définissez une structure claire.

Champ Valeurs recommandées Valeurs à éviter
couleur_principale noir, blanc, beige, bleu, rouge, vert bleu superbe, presque noir
style_visuel minimaliste, classique, sportif, urbain beau, premium, jeune
matiere_visible coton, cuir, bois, métal, verre semble cher, bonne qualité
motif_visible uni, rayé, floral, géométrique tendance, original

Votre taxonomie doit être utile pour vos décisions marketing. Si vous ne créez jamais de campagne autour de “lavande clair”, une valeur plus large comme “violet” peut suffire. À l’inverse, si la matière est centrale dans vos filtres, vos messages ou vos annonces, vous aurez besoin d’un niveau de précision plus fin.

Il faut aussi poser des limites. Vous ne devez pas inférer de caractéristiques sensibles, ni des attributs qui ne sont pas visibles ou vérifiables sur la photo. Si l’image ne permet pas d’identifier une matière avec suffisamment de confiance, il vaut mieux prévoir une valeur comme “non identifié” ou envoyer le produit en revue.

Comment étiqueter des images avec l’IA, étape par étape

1. Choisissez une tâche concrète

Ne commencez pas par “nous voulons tout étiqueter”. Commencez par un objectif opérationnel : créer des sets par couleur pour une période de soldes, séparer les produits par type visuel, identifier des styles pour différentes créations publicitaires ou compléter un champ de matière visible.

Plus la tâche est précise, plus il sera facile de définir des valeurs utiles et de vérifier les résultats.

2. Sélectionnez les champs visuels nécessaires

Pensez aux champs que vous pourrez ensuite utiliser dans des règles, des sets ou des flux. Les plus courants sont : couleur principale, couleur secondaire, type de produit visible, style, matière visible, motif, forme ou ambiance de l’image.

Tous les secteurs n’ont pas les mêmes besoins. La mode peut privilégier la couleur, le motif ou le type de vêtement. La décoration peut s’appuyer sur la matière, le style et la forme. L’automobile peut exploiter la couleur extérieure ou le type de carrosserie. Le voyage peut travailler certains types d’images ou ambiances, à condition de rester sur des éléments visibles et utiles pour la segmentation.

3. Définissez les valeurs autorisées

Pour chaque champ, créez une liste fermée. Évitez les synonymes inutiles et les valeurs trop subjectives.

Un bon attribut doit pouvoir servir dans une règle. Par exemple :

  • si couleur_principale est “rouge”, inclure dans un set “Saint-Valentin” ;
  • si style_visuel est “minimaliste”, inclure dans une famille créative dédiée ;
  • si matiere_visible est “bois”, inclure dans une sélection de produits naturels.

Si vous n’arrivez pas à imaginer une règle, un set ou un usage concret pour une valeur, c’est peut-être que ce champ n’est pas prioritaire.

4. Testez sur un petit échantillon

Avant d’appliquer les étiquettes à tout le catalogue, travaillez sur un échantillon. Incluez des produits simples, des cas ambigus et plusieurs catégories.

Vérifiez notamment :

  • si les valeurs sont trop larges ou trop détaillées ;
  • si certaines photos créent des erreurs récurrentes ;
  • si vous avez besoin de valeurs “autre” ou “non identifié” ;
  • si un champ ne sert finalement à aucune décision réelle ;
  • si certaines catégories nécessitent une taxonomie différente.

Cette étape évite de propager des erreurs à grande échelle.

5. Transformez les étiquettes en champs du catalogue

Le but n’est pas d’obtenir une liste d’étiquettes isolées. Le but est de créer des champs exploitables avec le reste des données produit : titre, prix, marque, catégorie, disponibilité, identifiant ou URL de l’image.

Une fois ces champs créés, vous pouvez les utiliser pour composer des sets, nettoyer certaines valeurs, exclure des produits ambigus ou préparer des versions spécifiques du flux.

6. Relisez avant d’activer vos campagnes

L’IA peut accélérer le travail, mais elle ne doit pas supprimer la relecture. Contrôlez des exemples par catégorie, en particulier pour les produits à forte valeur, les campagnes sensibles ou les attributs qui peuvent être confondus visuellement.

Documentez aussi votre taxonomie : ce que signifie chaque valeur, dans quels cas elle s’applique et que faire lorsqu’un produit est ambigu. Cela aide les équipes e-commerce, marketing et agence à parler le même langage.

Comment le faire avec AdMotion Image Tagging

Pour enrichir un catalogue qui manque d’attributs visuels, le module adapté est Image Tagging. Le fonctionnement pratique peut être résumé ainsi :

  1. Connecter la source du catalogue. Vous pouvez partir d’une boutique compatible ou d’un fichier ou flux produit. Le catalogue doit contenir les produits et leurs images.
  2. Mapper les champs existants. Les champs disponibles sont identifiés : identifiant, titre, image, prix, marque, catégorie, stock ou disponibilité, selon vos données.
  3. Définir la taxonomie d’étiquettes. Le client définit les valeurs utiles : couleur, type, style, matière ou autres attributs visuels pertinents.
  4. Activer le service géré. Image Tagging est une capacité Enterprise gérée : l’équipe AdMotion l’active et l’exécute par projet.
  5. Relire des exemples et les erreurs. Les étiquettes générées doivent être vérifiées avant usage. Il ne faut pas supposer une exactitude totale, ni utiliser des attributs douteux sans revue.
  6. Convertir les étiquettes en champs. Chaque étiquette devient un champ du catalogue, disponible pour la segmentation, les règles ou les flux.
  7. Utiliser ces champs dans des sets et règles. Vous pouvez construire des ensembles de produits à partir de ces attributs visuels.
  8. Publier le flux quand c’est nécessaire. Avec le Feed Manager, vous pouvez connecter, nettoyer et segmenter le catalogue avec des règles, puis publier chaque canal via une URL générée à chaque téléchargement.

Un point important : la fréquence d’import ou de mise à jour du catalogue et la fréquence de lecture du flux par chaque canal publicitaire sont deux choses différentes. Publier une URL mise à jour ne signifie pas que le canal affichera les changements instantanément.

Si vous utilisez ensuite ces attributs dans les créations, vous pouvez les combiner avec l’Éditeur de modèles, qui génère une image par produit à partir des champs du catalogue, comme la photo, le titre, le prix ou la marque. Pour les flux multi-canaux, Export Channels permet de préparer des flux pour Meta, Google, TikTok, Pinterest, Snapchat, Criteo, Microsoft Advertising, Thribee, ChatGPT et un canal personnalisé, avec un analyseur qui vérifie chaque flux par rapport à la spécification du canal.

Usages pratiques dans les sets, les règles et les flux

Une fois les étiquettes visuelles transformées en champs de catalogue, vous pouvez les exploiter à trois niveaux.

Sets de produits. Un set est un groupe de produits qui partagent une condition. Exemple : produits avec couleur_principale = rouge, type_produit_visuel = robe et disponibilité active.

Règles de catalogue. Une règle sert à modifier, filtrer ou normaliser des données. Exemple : si matiere_visible est vide, envoyer le produit en revue ; si style_visuel = sportif, l’inclure dans une famille créative spécifique.

Flux par canal. Un flux est une version du catalogue adaptée à une destination. Les attributs visuels peuvent aider à créer des versions plus propres ou mieux segmentées selon les besoins de chaque canal.

Objectif Étiquette utile Usage possible
Campagne cadeaux couleur, type sets thématiques par occasion
Soldes mode type de vêtement, style segmentation par famille visuelle
Décoration matière, style sets ou flux par tendance
Automobile couleur extérieure, carrosserie regroupement d’inventaire
Beauté teinte, format, type sélections par usage ou gamme

La règle à garder en tête : les étiquettes ne doivent pas rester dans un rapport. Elles doivent déboucher sur une action concrète : inclure un produit, l’exclure, choisir une création, déclencher une règle ou préparer un flux.

Erreurs fréquentes à éviter

La première erreur consiste à demander trop d’étiquettes dès le départ. Un catalogue avec dix nouveaux champs visuels peut sembler plus complet, mais il sera plus difficile à relire et à maintenir. Il vaut mieux commencer avec trois ou quatre champs qui ont une utilité claire.

La deuxième erreur est de mélanger attributs objectifs et jugements subjectifs. “Rouge”, “bois” ou “rayé” sont plus vérifiables que “élégant”, “premium” ou “pour les jeunes”. Si une valeur dépend trop de l’interprétation, reformulez-la ou supprimez-la.

La troisième erreur est de laisser les valeurs ouvertes. Si chaque produit peut recevoir une étiquette différente, vous obtiendrez du bruit : “bleu clair”, “bleu ciel”, “bleu pastel”, “azur”. Pour les campagnes et les règles, une liste plus courte fonctionne souvent mieux.

La quatrième erreur est d’ignorer les images ambiguës. Les ombres, les fonds colorés, les produits partiellement masqués ou les packs multi-produits peuvent créer des confusions. Ces cas doivent être relus ou recevoir une valeur prudente.

Vérification finale avant d’utiliser les étiquettes

Avant d’activer des sets, règles ou flux basés sur des attributs visuels, vérifiez cette liste :

  • la taxonomie contient des valeurs fermées et compréhensibles ;
  • chaque champ visuel a un usage clair en marketing, feed ou segmentation ;
  • un échantillon a été relu par catégorie ;
  • les produits ambigus ont une sortie prévue : revue, “autre” ou “non identifié” ;
  • aucun attribut sensible ou non visible n’est inféré ;
  • les étiquettes sont devenues des champs du catalogue ;
  • les règles et sets ont été testés sur des exemples réels ;
  • le flux est vérifié avant de copier son URL dans le canal ;
  • l’équipe sait que la mise à jour du flux et la lecture par le canal ne sont pas instantanément identiques.

Que faire cette semaine

  1. Choisissez une catégorie prioritaire. Commencez par une famille où les attributs visuels influencent vraiment vos décisions : mode, décoration, automobile, beauté, voyage ou immobilier.
  2. Définissez trois champs visuels. Par exemple : couleur principale, type de produit et style. Évitez de créer dix champs dès le premier test.
  3. Rédigez une taxonomie fermée. Listez les valeurs autorisées, supprimez les synonymes et décidez quand utiliser “autre” ou “non identifié”.
  4. Relisez un échantillon de produits. Incluez des cas faciles et difficiles. Notez les erreurs répétées et ajustez les valeurs avant d’étendre le traitement.
  5. Reliez les étiquettes à une action. Créez un set, une règle ou une version de flux qui utilise ces champs. Si vous avez besoin de transformer vos photos en données structurées, consultez Image Tagging d’AdMotion comme service géré Enterprise.

L’étiquetage d’images par IA fonctionne mieux lorsqu’il est traité comme un système de données, pas comme une expérience isolée. Avec une taxonomie claire, une revue humaine et un usage concret dans vos sets, règles ou flux, vos photos produit peuvent devenir une couche utile pour piloter votre catalogue.

Questions fréquentes

Que signifie l’étiquetage d’images par IA en e-commerce ?

Cela signifie analyser les photos produit pour extraire des attributs visibles, comme la couleur, le type, le style ou la matière, puis les enregistrer comme champs du catalogue. Ces champs peuvent ensuite servir dans des règles, des sets ou des flux. La revue humaine reste nécessaire, surtout lorsque l’image est ambiguë.

Quels attributs visuels faut-il étiqueter en premier ?

Commencez par les attributs que vous utiliserez dans une décision concrète : couleur principale, type de produit, style ou matière visible. Évitez les valeurs trop subjectives ou difficiles à vérifier. Une taxonomie courte et fermée est généralement plus utile qu’une longue liste impossible à maintenir.

Image Tagging d’AdMotion est-il disponible pour tous les projets ?

Image Tagging est une capacité gérée Enterprise. Le client définit la taxonomie de valeurs, l’équipe AdMotion active et exécute le service, puis les étiquettes sont vérifiées avant usage. Elles deviennent ensuite des champs du catalogue utilisables dans des sets, règles ou flux.

Sources

  1. Image Tagging de AdMotion — AdMotion
  2. Feed Manager de AdMotion — AdMotion
Partager:
J

Écrit par

Julia Villegas

Performance Marketing

Julia Villegas s'occupe du performance marketing d'AdMotion.

Articles similaires