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

Flipkart

assistant d'achat conversationnel genAI

IndustrieRetail & e-commerceLevierActivation / conversionFamilleConversationImplémentationIA customÉtapeconsidération
Pattern prouvé dans 7 industries encore vierge en Banque, assurance & fintech, Média & entertainment, CPG & D2C +5 Voir la carte du pattern
1,3 million
Utilisateurs actifs mensuels engages
"Engaged Monthly Active Users (MAU): 1.3 million" S1

Lance en 2023, Flippi, l'assistant d'achat conversationnel genAI de Flipkart, tourne en production avec 1,3 million d'utilisateurs actifs mensuels engages, une conversion last-touch d'environ 1% et 68% d'avis positifs.

L'essentiel

  • Assistant d'achat conversationnel genAI (reformulation, intention, RAG, entites).
  • Architecture modulaire Flippi in-house adossee a OpenAI, iteree par A/B testing.
  • 1,3 million d'utilisateurs actifs mensuels engages, environ 1% de conversion, 68% d'avis positifs.
  • Niveau de preuve B, statut vivant confirme.

Objectif

Rapprocher le shopping en ligne de l'experience d'un vendeur en magasin : le client decrit ce qu'il veut en langage naturel, l'assistant l'aide a decouvrir, comparer et choisir, pour lever les frictions de decouverte produit et convertir plus.

Le déploiement

Flippi est l'assistant d'achat conversationnel genAI de Flipkart, lance le 4 octobre 2023 avant la grande operation Big Billion Days. Le client dit ce qu'il cherche et recoit des options a comparer, comme s'il parlait a un vendeur. Sous le capot, une architecture modulaire enchaine reformulation de requete, detection d'intention, RAG, reconnaissance d'entites et reduction de contexte pour traiter decouverte produit, personnalisation, identification d'offres et comparaison. D'apres l'article technique publie par les equipes Flipkart, le systeme tourne en production avec des cycles d'iteration par A/B testing, teste sur la recherche, le browse et les pages categorie. Il atteint 1,3 million d'utilisateurs actifs mensuels engages, une conversion last-touch d'environ 1%, et 68% d'avis positifs (pouce en l'air).

Résultats Preuve B

1,3 million
Utilisateurs actifs mensuels engages
"Engaged Monthly Active Users (MAU): 1.3 million" S1
environ 1,0%
Conversion last-touch
"Last Touch Conversion: ~1.0%" S1
68%
Satisfaction (part de pouces en l'air)
"thumbs-up share of 68%" S1
environ 32%
Amelioration de la capacite a repondre a la session sur la periode
"consistent improvement of approximately 32%" S1

Article technique chiffre publie par les equipes Flipkart (source officielle interessee, mesures de production et A/B tests), corrobore par la presse indienne etablie sur le lancement et le positionnement. Les chiffres viennent de la marque, pas d'un audit tiers, ce qui place a B.

Comment ça fonctionne

Architecture documentée
options a comparer Client dans l'appFlipkart Assistant Flippi(pipeline modulaire) Flippi (Flipkart) + OpenAI Catalogue produits,offres, comparaisons

La stack en détail

  • llm OpenAI Modele generatif sous-jacent ; l'assistant a ete presente comme ChatGPT-powered au lancement, sans que la version exacte du modele soit publiee
  • plateforme Flippi (architecture modulaire in-house) Pipeline construit par les equipes Flipkart : reformulation de requete, detection d'intention, reconnaissance d'entites, reduction de contexte
  • outil Couche RAG sur le catalogue Flipkart Recuperation des produits, offres et comparaisons dans le catalogue indexe pour composer les reponses
  • outil Cadre d'A/B testing in-house Cycles d'iteration en production sur la recherche, le browse et les pages categorie, avec mesure de conversion et de satisfaction

Comment ça tourne, concrètement

Pour les équipes ops
CadenceTemps reel a chaque session d'achat, avec iteration par A/B testing
Opéré parEquipe IA et produit de Flipkart qui tient l'architecture modulaire et les modeles
  1. 1
    Expression du besoin client

    Le client decrit en langage naturel ce qu'il cherche dans la recherche ou l'assistant.

  2. 2
    Comprehension de la requete IA

    Reformulation, detection d'intention et reconnaissance d'entites structurent la demande.

  3. 3
    Recuperation et reponse IA

    Le RAG va chercher produits, offres et comparaisons dans le catalogue et compose la reponse.

  4. 4
    Iteration equipe data

    Les equipes mesurent conversion, satisfaction et couverture des sessions et ajustent par A/B test.

Le signal qui pilote

La capacite a repondre a la session et la conversion qui en decoule. Si le catalogue et les offres ne sont pas bien indexes pour le RAG, l'assistant donne des reponses vagues ou fausses.

Comment vos clients perçoivent ce type d'usage

Études sourcées

Les consommateurs n'acceptent pas les chatbots par defaut : 64% prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (Gartner, 2024) et pres d'un utilisateur sur cinq du service client par IA n'en retire aucun benefice (Qualtrics, 2025). L'acceptation se construit sur trois conditions mesurees par Salesforce : savoir qu'on parle a une IA, pouvoir escalader vers un humain, comprendre la logique de l'agent.

64%
Consommateurs qui prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (2024)
53%
Consommateurs qui envisageraient de passer a un concurrent s'ils apprenaient que l'entreprise prevoit d'utiliser l'IA pour le service client (2024)
pres de 75%
Consommateurs qui veulent savoir s'ils communiquent avec un agent IA (2024)

Conditions d'acceptation

  • Etre informe qu'on parle a une IA et non a un humain (pres de 75% le demandent, Salesforce 2024)
  • Un chemin d'escalade clair vers un agent humain (45% plus enclins a utiliser l'agent IA, Salesforce 2024)
  • Une logique de l'agent clairement expliquee (44% plus enclins, Salesforce 2024)

Lignes rouges

  • Rendre l'humain injoignable : c'est la premiere inquietude des consommateurs sur l'IA dans le service client (Gartner 2024) et 50% craignent que l'IA les coupe du contact humain (Qualtrics 2025)
  • Remplacer le service client par l'IA sans alternative : 53% envisageraient de partir chez un concurrent (Gartner 2024)

Sources : Salesforce 2024 · Gartner 2024 · Qualtrics 2025

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

Comment répliquer

Inférence - non sourcé

Prérequis data

  • Catalogue produit riche et bien structure
  • Base d'offres et de promotions indexee pour le RAG
  • Historique de sessions pour mesurer la couverture et la conversion

Prérequis orga

  • Cadre d'A/B testing en production
  • Regle de transparence IA vis-a-vis du client
  • Equipe capable de tenir un pipeline modulaire (intention, RAG, entites)

Stack possible

  • LLM generatif
  • Couche RAG sur le catalogue et les offres
  • Modules de detection d'intention et de reconnaissance d'entites
Équipe pour opérer2-3 ML engineers + 1 PM + 1 data analyst pour la mesure, adosses a l'equipe catalogue

Le plan, étape par étape

  1. Étape 1
    Indexer le catalogue, les offres et les attributs produit pour le RAG ; definir le perimetre pilote sur une categorie a fort trafic.Livrable : Index catalogue interrogeable et perimetre pilote valide
  2. Étape 2
    Assembler le pipeline : reformulation de requete, detection d'intention, RAG, reconnaissance d'entites, avec un LLM du marche via API.Livrable : Assistant fonctionnel en environnement de test sur la categorie pilote
  3. Étape 3
    Lancer en A/B test sur la recherche et les pages de la categorie pilote, avec mention claire que le client parle a une IA.Livrable : Premier A/B test en production avec mesure conversion, satisfaction et couverture des sessions
  4. Étape 4
    Iterer sur les cas non couverts (reponses vagues, entites mal reconnues), puis etendre a d'autres categories.Livrable : Bilan chiffre du pilote et plan d'extension par categorie

Première étape : Indexer proprement le catalogue et les offres pour le RAG, puis lancer un pilote sur une categorie a fort trafic avec mesure de conversion.

Sources

  1. S1 Flippi: End To End GenAI Assistant for E-Commerce Officiel intéressé arxiv.org · 2025-07 · consulté le 2026-07-11 archive à générer
  2. S2 Flipkart Launches ChatGPT-Powered Shopping Assistant 'Flippi' Presse établie inc42.com · 2023-10 · consulté le 2026-07-11 archive à générer
  3. S3 Access. Convenience. Safety: Leveraging technology to empower every Indian's dreams Officiel intéressé stories.flipkart.com · 2024 · consulté le 2026-07-11 archive à générer