Comment Amazon utilise l’IA pour détecter les produits endommagés avant de les expédier aux clients

Au cœur des centres de distribution d’Amazon en Amérique du Nord, des millions de produits de toutes sortes – de la nourriture pour chiens aux étuis de téléphone, des T-shirts aux livres – passent par des tunnels de balayage, où un modèle d’intelligence artificielle (IA) appelé « Project P.I. » (c’est-à-dire « détective privé ») utilise des outils de détective pour examiner les articles à la recherche de défauts. (c’est-à-dire « détective privé ») utilise des outils de détection pour examiner les articles à la recherche de défauts. L’objectif ? S’assurer que les clients sont toujours satisfaits de chaque commande qu’ils reçoivent.

Comment fonctionne le « détective privé » d’Amazon ?

S’appuyant sur une combinaison de technologies d’IA générative et de vision par ordinateur, le projet P.I. est capable de détecter des défauts tels que des produits endommagés ou des problèmes de couleur et de taille avant que les articles ne parviennent aux clients. En outre, le système peut aider à identifier les causes profondes de ces problèmes, ce qui permet de prendre des mesures préventives en amont pour éviter qu’ils ne se reproduisent.

Sur les sites où le système est disponible, le projet P.I. s’est avéré très efficace pour passer au crible les millions d’articles qui passent par les tunnels chaque mois, en identifiant avec précision tout problème de produit.

Avant d’être expédié au client, un article passe par un tunnel de lecture, où le projet P.I. utilise la vision artificielle pour analyser le produit et détecter tout défaut, tel qu’une couverture de livre pliée. Si un défaut est détecté, Amazon isole le produit afin qu’il ne soit pas expédié au client et mène une enquête plus approfondie pour déterminer s’il s’agit d’un problème plus large affectant des articles similaires.

Les employés d’Amazon qui examinent les articles signalés par le projet P.I. décident ensuite si l’article peut être revendu à prix réduit sur le site Deuxième chance d’Amazon, s’il doit être donné ou utilisé à d’autres fins. Le modèle agit comme une « deuxième paire d’yeux » pour les employés d’Amazon et contribue déjà à améliorer les inspections manuelles dans plusieurs centres de distribution d’Amérique du Nord. La technologie devrait être étendue à d’autres sites au cours de l’année 2024.

Garantir une expérience client plus durable

Le travail du Project P.I. ne s’inscrit pas seulement dans la culture centrée sur le client d’Amazon, mais aussi dans l’une des nombreuses façons dont l’entreprise utilise l’innovation en matière d’IA pour aider à intégrer ses efforts de lutte contre le changement climatique dans l’expérience client.

Empêcher les articles endommagés ou défectueux d’atteindre les clients est essentiel pour une expérience client positive, mais c’est aussi essentiel pour la planète. En effet, l’envoi par inadvertance d’articles imparfaits peut entraîner des retours non désirés, ce qui se traduit par un gaspillage d’emballages et des émissions de carbone inutiles dues à un transport supplémentaire.

« Amazon utilise l’IA pour respecter ses engagements en matière de développement durable avec l’urgence requise par le changement climatique, tout en améliorant l’expérience client », explique Kara Hurst, vice-présidente du développement durable mondial chez Amazon. « L’IA aide Amazon à s’assurer que nous ne nous contentons pas de ravir les clients avec des articles de haute qualité, mais que nous étendons cette obsession du client à notre travail de développement durable, en empêchant les articles imparfaits de quitter nos usines et en nous aidant à éviter les émissions de carbone inutiles liées au transport, à l’emballage et aux autres étapes du processus de retour. »

Prévenir les erreurs futures

Parallèlement, les équipes d’Amazon s’appuient sur un système d’IA génératif utilisant un LLM multimodal (MLLM) pour étudier les causes profondes des expériences négatives des clients. Lorsque nous prenons connaissance d’un défaut signalé par un client que nous n’avons pas pu identifier, nous utilisons ce retour d’information pour comprendre la cause et améliorer continuellement le système.

Le système examine d’abord les commentaires des clients, puis analyse les images capturées par Project P.I. dans les centres de distribution et d’autres sources de données pour confirmer la cause du problème. Par exemple, si un client contacte Amazon parce qu’il a commandé des feuilles simples mais qu’il a reçu des feuilles doubles, le système croise ces commentaires avec les images du centre de distribution et pose des questions telles que « L’étiquette du produit est-elle visible sur l’image ? » et « L’étiquette indique-t-elle des feuilles simples ou doubles ? »

Cette même technologie est prête à aider les partenaires commerciaux d’Amazon en rendant les données sur les défauts plus facilement accessibles. Par exemple, si un partenaire commercial a accidentellement apposé une étiquette de la mauvaise taille sur un produit, Amazon communiquera le problème afin d’éviter que l’erreur ne se reproduise.

Plus de 60 % des ventes dans la boutique d’Amazon proviennent de vendeurs indépendants, principalement des petites et moyennes entreprises, qui offrent un large choix de produits de qualité, des prix compétitifs et une grande facilité d’utilisation pour les consommateurs. En réduisant le nombre de produits défectueux expédiés aux clients, nous réduisons également le nombre total de retours. Le projet P.I. est un excellent exemple de l’attention que nous portons à l’amélioration de l’expérience des clients et des partenaires commerciaux.

Source de l’article ici.