Uniformiser les données multi formats dans le marché des véhicules usagés grâce au NLP et aux LLM

Partager ce cas

Rendre les données comparables malgré la diversité des sources

Dans l’univers de la revente de véhicules usagés, l’accès à une information fiable, lisible et homogène est essentiel pour identifier les meilleures opportunités. Chaque année, entre 3 et 4 millions de véhicules sont mis sur le marché, générant un volume considérable de données, issues de sources multiples et hétérogènes. Les systèmes de classification varient d’un fournisseur à l’autre, ce qui complique considérablement la comparaison directe des véhicules. Pour ce client, le défi était double : agréger les données de manière structurée tout en les adaptant à ses propres critères d’évaluation, développés sur mesure pour guider ses décisions commerciales.

Des modèles NLP et LLM pour standardiser l'information à grande échelle

Explorai a déployé une solution reposant sur des modèles de reconnaissance du langage naturel (NLP) et des large language models (LLM) tels que GPT-3.5. L’objectif : automatiser la collecte des informations relatives aux véhicules, quel que soit le format ou la source, et les transformer en un format homogène, conforme au vocabulaire interne du client. Ces outils ont été entraînés à reconnaître, extraire, classifier et organiser les attributs clés de chaque véhicule selon la structure personnalisée définie par l’entreprise.

Une information centralisée, lisible et comparable

L’uniformisation des données a permis d’améliorer considérablement l’expérience utilisateur sur la plateforme web du client. Chaque fiche véhicule, peu importe sa provenance initiale, est maintenant présentée selon un format standardisé, facilitant la comparaison directe entre les options disponibles. Cela réduit le temps d’analyse nécessaire et améliore la confiance dans les données affichées.

Des décisions mieux informées, au service de la performance commerciale

Au-delà de l’aspect visuel, cette transformation permet aux analystes et gestionnaires d’accéder à une information structurée, alignée sur les critères internes de performance. Les décisions d’achat et de revente peuvent désormais s’appuyer sur des données nettoyées, classées et interprétables, renforçant la pertinence des arbitrages stratégiques. Cette solution positionne l’entreprise à l’avant-plan de l’innovation technologique dans le marché de la revente automobile.