Un magasin reçoit chaque mois des centaines d'avis et de retours, mais ils sont dispersés: le module d'avis de WooCommerce, la fiche d'établissement Google, les notes sur les places de marché Amazon et Cdiscount, les commentaires Facebook et Instagram, et le motif de retour qu'un caissier saisit en texte libre dans le document de retour de SAP Business One. Un responsable regarde les quelques pires notes sur Amazon parce qu'elles pèsent sur le classement des ventes, tandis que les problèmes systémiques, par exemple un modèle précis que tout le monde retourne parce qu'il taille petit, ne sont remarqués qu'après la saison, quand le stock a déjà été racheté.
Nous réunissons les sources d'avis et les motifs de retour dans un seul flux: les avis WooCommerce par l'API, la fiche Google, les notes Amazon et Cdiscount par l'export du portail vendeur, les commentaires Facebook, et les documents de retour de SAP Business One par un export périodique. Claude ou ChatGPT, via API, rattache chaque enregistrement à un sujet (taille, qualité, livraison, écart avec la description, service, prix), détermine le sentiment et le relie à un produit précis par la référence article SAP Business One ou par la commande WooCommerce. Les résultats sont écrits dans une table de données, à partir de laquelle un rapport Power BI montre la répartition par sujet, les produits aux problèmes les plus récurrents et l'évolution d'une semaine à l'autre. Chaque lundi, les responsables reçoivent une courte synthèse avec des exemples concrets et des liens vers les entrées d'origine. Les décisions sur l'assortiment, les descriptions ou le fournisseur sont prises par des personnes, et le système montre seulement où regarder. Le modèle s'exécute sur l'API d'Anthropic, sur Amazon Bedrock dans une région de l'UE ou sur la plateforme OpenAI sans entraînement sur vos données, et les noms des clients sont supprimés avant l'analyse.