AI Showreel l'analyse niveau grand cabinet, pour tout le monde
← La base
Preuve B Vivant confirmé

eBay

generation genAI de fiche produit a partir d'une photo

IndustrieRetail & e-commerceLevierActivation / conversionFamilleGénérationImplémentationPlateforme martechÉtapeachat
Pattern prouvé dans 4 industries encore vierge en Banque, assurance & fintech, Média & entertainment, Voyage & hospitality +8 Voir la carte du pattern
30%
Vendeurs US de l'app ayant essaye l'outil au moins une fois
"30% of U.S. sellers using the app on iOS or Android tried the tool at least once" S1

Avec Magical Listing (2023), eBay genere une fiche produit complete depuis une photo : 30% des vendeurs US de l'app l'ont essaye et plus de 95% d'entre eux ont utilise la description generee par l'IA.

L'essentiel

  • Generation genAI d'une fiche produit a partir d'une simple photo, avec revue du vendeur.
  • Outil Magical Listing, modeles vision et LLM eBay in-house dans le Seller Hub.
  • 30% des vendeurs US de l'app l'ont teste, plus de 95% ont garde la description IA.
  • Niveau de preuve B, statut vivant confirme.

Objectif

Reduire la friction de mise en vente, en particulier pour les vendeurs debutants confrontes au probleme du cold start, en generant automatiquement une fiche complete.

Le déploiement

L'outil Magical Listing genere une annonce a partir d'une simple photo prise ou televersee dans l'app eBay. L'IA analyse l'image et produit titre, description, date de sortie, categorie et sous-categorie, et se combine aux autres briques d'eBay pour suggerer prix et frais de port. Le vendeur revoit et edite avant publication. Objectif direct : accelerer la creation de fiches detaillees et coherentes, surtout pour les nouveaux vendeurs. Deploye a partir de fin 2023 dans le Seller Hub et l'app mobile.

Résultats Preuve B

30%
Vendeurs US de l'app ayant essaye l'outil au moins une fois
"30% of U.S. sellers using the app on iOS or Android tried the tool at least once" S1
95%+
Vendeurs ayant garde la description IA, avec ou sans edition
"more than 95% used the AI-drafted descriptions" S1

Metriques d'adoption et de retention communiquees par eBay et rapportees par la presse specialisee (Retail Dive, TechCrunch). Chiffres d'usage a l'echelle de la marketplace, mais pas de resultat financier direct.

Comment ça fonctionne

Architecture documentée
revue et edition Vendeur eBay Photo produit Vision + LLM eBay Fiche produit Seller Hub

La stack en détail

Comment ça tourne, concrètement

Pour les équipes ops
CadenceA la demande, a chaque creation de fiche par un vendeur.
Opéré parPlateforme eBay (in-house) ; le vendeur reste dans la boucle pour valider.
  1. 1
    Prise de photo client

    Le vendeur photographie ou televerse une image du produit dans l'app.

  2. 2
    Analyse et generation IA

    L'IA reconnait l'objet et genere titre, description, categorie et attributs.

  3. 3
    Suggestions complementaires IA

    La plateforme propose prix et frais de port a partir de ses autres briques.

  4. 4
    Revue et publication client

    Le vendeur edite si besoin puis publie l'annonce.

Le signal qui pilote

La qualite de la photo et la reconnaissance de l'objet. Sur un produit mal cadre ou peu identifiable, la fiche generee derape et le vendeur doit tout reprendre.

Comment vos clients perçoivent ce type d'usage

Études sourcées

Un ecart net separe les annonceurs des consommateurs : 77% des annonceurs voient l'IA positivement contre 38% des consommateurs (Yahoo/Publicis, 2024). Les mesures implicites confirment le rejet declare : en EEG, les pubs generees par IA produisent une activation memorielle plus faible que les pubs traditionnelles et sont decrites comme agacantes, ennuyeuses et confuses (NIQ, 2024). La disclosure a un effet ambivalent : elle augmente fortement la confiance quand elle est remarquee (Yahoo/Publicis), mais 27% des jeunes consommateurs disent faire moins confiance a une entreprise dont la pub est creee par IA (IAB, 2024).

77% vs 38%
Annonceurs qui percoivent l'IA positivement, contre 38% des consommateurs (2024)
72%
Consommateurs qui estiment que l'IA rend difficile de savoir quel contenu est authentique (2024)
+96%
Lift de confiance globale envers l'entreprise quand la mention IA d'une pub est remarquee (avec +47% d'attrait de la pub et +73% de credibilite de la pub) (2024)

Conditions d'acceptation

  • Une disclosure visible : quand la mention IA est remarquee, la confiance globale envers l'entreprise augmente de 96% (Yahoo/Publicis 2024)
  • Une qualite visuelle suffisante : les visuels IA de basse qualite augmentent l'effort cognitif et distraient du message (NIQ 2024)

Lignes rouges

  • Le contenu IA non declare puis identifie : 72% des consommateurs disent que l'IA rend l'authenticite difficile a etablir (Yahoo/Publicis 2024) et les marques utilisant des pubs IA sont plus souvent jugees inauthentiques ou non ethiques par les consommateurs que par les dirigeants (IAB 2024)
  • Les mannequins et personnes generes par IA : 46% des consommateurs n'en veulent pas dans la publicite, l'inquietude premiere etant les standards de beaute irrealistes (Attest 2025)

Sources : Yahoo / Publicis Media (terrain Ebco) 2024 · IAB (avec Attest) 2024 · NIQ (NielsenIQ) 2024 · Attest 2025

Voir l'acceptation complète : par pays, par usage, par génération

Comment répliquer

Inférence - non sourcé

Prérequis data

  • images produit
  • taxonomie de categories
  • referentiel d'attributs

Prérequis orga

  • modele vision-langage ou API
  • boucle de validation vendeur

Stack possible

  • modele multimodal image vers texte
  • mapping vers taxonomie catalogue
  • moteur de suggestion prix
Équipe pour opérer2 devs + 1 PM + 1 profil data pour la taxonomie et l'evaluation des sorties.

Le plan, étape par étape

  1. Étape 1
    Cadrer les champs a generer (titre, description, categorie, attributs) et la taxonomie cible.Livrable : Spec de la fiche generee et jeux de photos de test
  2. Étape 2
    Brancher un modele multimodal (API) sur le flux de creation de fiche.Livrable : Prototype photo vers fiche sur le catalogue de test
  3. Étape 3
    Construire le mapping vers la taxonomie et l'ecran de revue vendeur.Livrable : Fiche pre-remplie editable en pre-production
  4. Étape 4
    Ouvrir une beta a un segment de vendeurs et mesurer l'essai et la retention de la description.Livrable : Chiffres d'adoption et de retention sur la beta
  5. Étape 5
    Generaliser et suivre completude des fiches et temps de mise en vente.Livrable : Fonction en production avec tableau de bord d'adoption

Première étape : Brancher un modele multimodal sur le flux de creation de fiche et laisser le vendeur editer la sortie.

Sources

  1. S1 EBay's new AI tool generates product listings from photos Presse établie retaildive.com · 2023-09-11 · consulté le 2026-07-11 archive à générer
  2. S2 eBay rolls out a tool that generates product listings from photos Presse établie techcrunch.com · 2023-09-07 · consulté le 2026-07-11 archive à générer
  3. S3 Selling is now even easier with AI Officiel intéressé pages.ebay.com · 2024 · consulté le 2026-07-11 archive à générer