Loops lève 3,5 millions de dollars en amorçage pour connecter la recherche par IA, l’assistance aux achats et les données du commerce de détail

Trouver un produit en ligne est facile. Déterminer s’il convient vraiment peut toutefois obliger à passer des résultats de recherche aux guides des tailles, aux pages produits, puis à une conversation avec le service client qui repart de zéro. Loops mise sur la nécessité, pour les distributeurs, de disposer d’une couche d’intelligence commune reliant ces différentes étapes.

Loops a annoncé une levée de fonds d’amorçage de 3,5 millions de dollars auprès de a16z speedrun, NTT Docomo, Connecticut Innovations, Alumni Ventures et Monday Capital. L’entreprise prévoit d’utiliser ces fonds pour développer ses produits, renforcer sa capacité à déployer ses solutions chez les clients et poursuivre son expansion à l’international, tout en construisant ce qu’elle appelle un système d’exploitation pour le commerce fondé sur l’IA.

La plateforme réunit la recherche, la découverte de produits, l’assistance aux achats, les opérations liées à la clientèle, l’enrichissement des produits et l’essayage virtuel. Son principe central est que ces fonctionnalités gagnent en utilité lorsqu’elles s’appuient sur une connaissance commune du catalogue du distributeur, de son contexte commercial et du parcours client.

Relier les différents éléments de l’expérience d’achat assistée par l’IA

Un distributeur peut déployer un moteur de recherche performant tout en laissant ses clients sans réponse à leurs questions. Il peut ajouter un assistant conversationnel, mais celui-ci a besoin d’informations exactes sur les produits et du contexte de ce que le client a déjà envisagé. Ajouter une autre application implique une intégration supplémentaire à maintenir.

Loops entend remédier à cette fragmentation en s’appuyant sur une couche commune. L’annonce décrit un cycle dans lequel l’amélioration des données du catalogue optimise la recherche, qui fournit à son tour du contexte à l’assistant d’achat ; les conversations mettent ensuite en évidence les informations manquantes sur les produits, auxquelles l’enrichissement peut apporter une réponse.

Prenons le cas d’une personne qui cherche une tenue pour un mariage en plein air, dans les limites d’un budget donné. Comprendre sa demande nécessite davantage que de repérer le mot « mariage ». Un système utile doit interpréter l’occasion, le plafond de prix, les préférences de style et les caractéristiques des produits, puis conserver ce contexte lorsque la personne pose des questions sur la coupe ou d’autres options. C’est le type d’expérience intégrée que Loops cherche à proposer.

Les descriptions des produits de l’entreprise expliquent qu’AI Search interprète les phrases complètes, les occasions, les budgets et les contraintes. Loops indique également que le classement des résultats peut tenir compte des objectifs de chiffre d’affaires et de marge du distributeur. Ce choix de conception est important : les objectifs commerciaux peuvent influer sur les articles adaptés qui apparaissent en premier, en plus de la pertinence par rapport à la demande.

Les données du catalogue sont le socle

Une grande partie du travail a lieu avant même qu’un client pose une question. Les catalogues de produits contiennent souvent des descriptions inégales et des attributs manquants. Si la matière, la coupe ou les consignes d’entretien d’un vêtement ne sont pas indiquées, un assistant, même éloquent, ne peut pas répondre de manière fiable aux questions sur ces détails en se contentant d’avoir l’air sûr de lui.

Selon l’entreprise, la fonctionnalité Product Enrichment de Loops complète les éléments de structure, les descriptions et les attributs manquants dans le catalogue. La présentation de la solution la décrit comme le socle qui aide la recherche et l’assistant à comprendre les stocks. Des informations mieux structurées peuvent faciliter la recherche et la comparaison des produits dans différentes interfaces.

L’assistant d’achat accompagne ensuite les clients dans leurs décisions en s’appuyant sur les informations du catalogue, notamment les stocks, les tailles et les politiques du distributeur. Loops indique que sa solution peut être déployée sur le site Web, l’application mobile et WhatsApp d’un distributeur. Son Marketplace Assistant répond aux questions sur les produits sur les places de marché, notamment Trendyol, à partir du catalogue et de l’identité de marque du distributeur.

L’essayage virtuel ajoute une dimension visuelle à ce parcours. Loops indique que les clients peuvent utiliser une photo pour voir les produits portés avant de se décider. La simulation visuelle et les conseils sur la coupe peuvent aider à évaluer un article, mais l’annonce ne démontre pas que l’une ou l’autre garantit une bonne taille ou élimine les retours.

L’enjeu technique plus général est celui de l’orchestration : coordonner des fonctionnalités spécialisées à partir d’informations communes. L’entreprise n’a pas fourni suffisamment de détails sur l’architecture dans son annonce pour permettre d’évaluer de façon indépendante sa pile de modèles, ses méthodes d’évaluation ou la manière dont l’ensemble du contexte client est conservé d’un canal à l’autre.

Ce que révèlent les premiers chiffres sur la clientèle

Loops fait état de plus de 70 clients et projets pilotes, de millions d’expériences d’achat prises en charge et d’un taux de conversion des projets pilotes en clients payants de 64 %. Ces chiffres témoignent d’une première traction commerciale, même si l’annonce ne précise ni la taille des cohortes sous-jacentes, ni les périodes concernées, ni les montants des contrats nécessaires à une évaluation plus détaillée.

L’annonce cite la chaîne de supermarchés turque A101 parmi les utilisateurs de la plateforme pour la navigation dans son catalogue et l’assistance aux achats. Dans la comparaison publiée par Loops, les sessions faisant intervenir la plateforme ont affiché un taux de conversion observé à l’achat environ 83 % supérieur à celui du segment de comparaison.

Ce résultat doit être interprété avec prudence. L’entreprise précise qu’il s’agit d’une observation et non d’une mesure randomisée. Les clients qui choisissent d’interagir avec un assistant peuvent avoir, dès le départ, une intention d’achat différente de celle des clients qui ne le font pas. Cette comparaison constitue un signal encourageant à examiner, mais elle ne démontre pas que Loops, à elle seule, a provoqué une hausse de 83 % du taux de conversion.

L’enseigne de mode Mavi est un autre exemple cité : elle utilise Loops pour proposer une recherche par IA et une aide aux achats axées sur le style, les occasions et la coupe. Ces déploiements illustrent le rôle que la plateforme est censée jouer auprès de catalogues variés, mais les questions liées aux efforts de mise en œuvre et à la reproductibilité des résultats financiers restent à éclaircir dans de futurs articles.

Un point de départ dans le commerce de détail pour l’IA verticale

L’histoire des origines de l’entreprise reflète les difficultés qu’elle cherche à éliminer. Les cofondateurs Ari Nazir et İlker Selim Zorluoğlu se trouvaient à Bali lorsque Zorluoğlu a tenté d’acheter un cadeau pour sa jeune fille, a contacté le détaillant et a attendu des heures avant d’obtenir une réponse. La vente n’a jamais eu lieu. Selon l’annonce, Nazir a créé le premier prototype en un week-end.

Loops considère désormais le commerce comme la première application d’une stratégie plus vaste : concevoir des systèmes d’IA étroitement adaptés aux connaissances, aux intégrations et aux flux de travail de secteurs particuliers. Les services financiers et l’énergie sont les prochains secteurs prévus. L’entreprise développe également des capacités spécialisées reposant sur de petits modèles de langage, destinées aux tâches pour lesquelles les connaissances du domaine et les contraintes de déploiement favorisent un modèle plus ciblé.

Ces ambitions dépassent le produit actuel destiné au commerce de détail et doivent être considérées comme des projets de développement. À court terme, il s’agit de déterminer si Loops peut transformer son expérience d’achat connectée en déploiements fiables et reproductibles, à mesure que sa clientèle s’élargit.

Le financement d’amorçage donne à l’entreprise les moyens de poursuivre ces travaux. Son potentiel repose sur un problème concret du commerce de détail : aider les clients à passer d’une description imparfaite de ce qu’ils recherchent à un achat en toute confiance, grâce à des informations exactes et à une assistance utile à chaque étape.