Instacart
recherche conversationnelle genAI
Ask Instacart, lance en mai 2023, est une recherche conversationnelle genAI qui combine l'API ChatGPT d'OpenAI et un catalogue de plus d'un milliard d'articles sur plus de 80 000 points de vente partenaires, deployee a tous les clients US.
Objectif
Transformer la barre de recherche en outil d'inspiration alimentaire pour lever l'indecision (quoi cuisiner, quoi acheter) et elargir le panier.
Le déploiement
Ask Instacart est une recherche conversationnelle integree a la barre de recherche de l'app. Le client pose une question alimentaire ouverte (idees d'accompagnement pour un plat, options adaptees a un regime) et l'outil renvoie des recommandations organisees plus des informations sur la preparation, les attributs produit et les considerations dietetiques. Il combine l'API ChatGPT d'OpenAI, les modeles maison d'Instacart et un catalogue de plus d'un milliard d'articles sur plus de 80 000 points de vente partenaires. Le modele est volontairement specialise sur les questions alimentaires. Lance le 31 mai 2023, deploye a tous les clients US dans les semaines suivantes.
Résultats Preuve C
Annonce officielle Instacart corroboree par la presse (Search Engine Land, communique PR Newswire). Preuve de passage a l'echelle par la couverture catalogue et le deploiement national, mais pas de resultat financier ou de metrique de conversion publiee. Encore vivant en 2026 (extension a l'app ChatGPT d'OpenAI).
Comment ça fonctionne
Architecture documentéeLa stack en détail
- llm OpenAI ChatGPT API interpretation de la question alimentaire ouverte et generation de la reponse
- llm Modeles ML proprietaires Instacart alignement de la reponse sur le catalogue et reranking des produits par point de vente
- infra Catalogue Instacart plus d'un milliard d'articles sur plus de 80 000 points de vente partenaires, avec attributs dietetiques et de preparation
- outil Garde-fous de perimetre thematique cadrage in-house limitant le modele aux questions alimentaires pertinentes
Comment ça tourne, concrètement
Pour les équipes ops-
1Question alimentaire ouverte client
Le client tape une question dans la barre de recherche plutot qu'un mot-cle produit.
-
2Comprehension et generation IA
L'API ChatGPT interprete l'intention, les modeles Instacart alignent la reponse sur le catalogue.
-
3Organisation des resultats IA
Les produits sont regroupes avec infos de preparation et attributs dietetiques, et matches aux campagnes sponsorisees des marques.
-
4Cadrage du perimetre equipe data
Le modele est bride pour ne repondre qu'aux questions alimentaires pertinentes.
La correspondance entre la question alimentaire et le catalogue partenaire local. Si un article n'est pas reference chez le retailer du client, la recommandation ne se convertit pas en panier.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLes 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.
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 sourcéPrérequis data
- catalogue produit large et localise par point de vente
- attributs dietetiques et de preparation
- campagnes sponsorisees marques
Prérequis orga
- accord d'usage d'une API LLM tierce
- garde-fous de perimetre thematique
Stack possible
- API LLM (ex. OpenAI)
- modeles de reranking maison
- RAG sur catalogue
Le plan, étape par étape
- Étape 1Enrichir le catalogue en attributs exploitables (dietetique, preparation, localisation par point de vente)Livrable : Catalogue enrichi et requetable par attribut
- Étape 2Definir le perimetre thematique et les garde-fous (ce que l'assistant refuse de traiter)Livrable : Spec de cadrage + jeu de questions de test
- Étape 3Brancher l'API LLM sur le catalogue et construire la couche de reranking maisonLivrable : Prototype de recherche conversationnelle sur un sous-ensemble du catalogue
- Étape 4Ouvrir une beta sur un segment de trafic et comparer a la recherche par mots-clesLivrable : Metriques d'engagement et d'ajout au panier vs recherche classique
- Étape 5Generaliser progressivement et surveiller la correspondance reponse-catalogue localLivrable : Deploiement complet + suivi de la conversion panier
Première étape : Restreindre le perimetre a un domaine (ici l'alimentaire) et brancher une API LLM sur le catalogue enrichi.
Sources
- S1 Bringing Inspirational, AI-Powered Search to the Instacart app with Ask Instacart Primaire archive à générer
- S2 Ask Instacart brings generative AI to Instacart's search experience Secondaire archive à générer
- S3 Instacart Launches New AI-Powered Food Inspiration Search Tool, Ask Instacart Presse établie archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.