Which AI Model Should Amazon Sellers Use? Wrong Question | Shubhash Sharma

Le domaine de l'e-commerce et de l'IA connaît une période très excitante avec l'apparition constante de nouveaux modèles. Récemment, des modèles comme GPG6 Astra, Fable 5.1, GPD6 Soul, Opus 5.5 et GPD6 Luna ont été lancés, ce qui soulève la question pour les vendeurs : quels outils utiliser ? Shubash Chararma, invité à discuter de ce sujet, affirme que la question "quel modèle utiliser ?" est mal posée. Il propose plutôt de se concentrer sur les tâches à accomplir et de choisir le modèle le plus adapté à chaque fonction. Il présente quatre "gains rapides" ou actions à mettre en œuvre immédiatement : 1. **Audit des agents** : Cesser d'embaucher pour des tâches qu'un agent IA peut effectuer. 2. **Espionnage concurrentiel** : Surveiller les prix des concurrents pour réagir rapidement. 3. **Tableau de bord de l'opérateur** : Créer une page unique génératrice de revenus. 4. **Opérateur de navigateur** : Automatiser des tâches répétitives une fois la recette établie. Pour l'**audit des agents**, Shubash suggère d'utiliser OPUS 5.5. Il faut lui fournir la liste des tâches effectuées par l'équipe la semaine précédente (même des notes vocales), les rôles de l'équipe et les coûts des erreurs. L'IA analysera ces données et identifiera les tâches qu'un agent pourrait prendre en charge. L'**espionnage concurrentiel** peut être réalisé en utilisant Astra. Le prompt est simple : s'inscrire aux newsletters de trois concurrents spécifiques, vérifier leurs listes de produits chaque semaine (en fournissant les liens Amazon) et demander un rapport mensuel sur les changements de prix, les promotions, les nouveaux produits, les avis et les tendances. L'IA devrait ensuite proposer trois actions à entreprendre. Il est recommandé d'utiliser une adresse e-mail dédiée pour s'inscrire aux newsletters des concurrents. Le **tableau de bord de l'opérateur** est une version simplifiée pour un gain rapide. Il s'agit de prendre un prompt, d'ajouter le rapport de règlement et les dépenses, puis d'obtenir un fichier hebdomadaire chaque lundi. Shubash souligne que la création d'un tableau de bord fiable est plus complexe qu'il n'y paraît et nécessite une grande précision des chiffres. Le **navigateur opérateur** est la fonction préférée de Shubash. Il s'agit d'utiliser le navigateur pour automatiser des flux de travail complexes. Par exemple, se connecter à un site de fournisseur (sans coller les mots de passe dans le chat, mais en utilisant un fichier sécurisé), coller un prompt spécifique et laisser l'agent répéter la tâche. Astra est recommandé pour cette tâche en raison de ses capacités avancées d'utilisation du navigateur. Gary, l'hôte, intervient pour souligner l'intérêt d'utiliser Astra pour l'opérateur de navigateur et l'espionnage concurrentiel, car il a constaté qu'Astra était plus performant que Claude pour l'utilisation du navigateur. Il demande ensuite un exemple plus précis pour l'audit des agents avec Opus 5.5, comme l'optimisation PPC ou la gestion des médias sociaux. Shubash répond que de nombreux acteurs de l'industrie se concentrent sur les aspects "brillants" et visibles du commerce, comme l'optimisation des listes de produits ou le PPC. Cependant, il faut regarder "sous le capot" où se trouvent les véritables défis et le travail nécessitant une réflexion approfondie : la comptabilité, la gestion des stocks (3PLs), la prévision et la gestion des fournisseurs. Il estime qu'Astra excelle dans les rendus 3D et les éléments visuels pour les médias sociaux, ce qui peut donner l'impression qu'il est intrinsèquement plus intelligent. En revanche, pour les tâches impliquant des chiffres et des logiques complexes, Opus ou Fable (basés sur Anthropic) sont supérieurs. Il donne l'exemple de l'audit des agents pour les tâches financières, comme s'assurer que les coûts des marchandises sont corrects, que le rapprochement du compte de profits et pertes est bien fait, ou que les déclarations de TVA sont gérées pour les vendeurs au Royaume-Uni. Ces processus peuvent être intégrés dans un agent IA. Shubash insiste sur le fait que la question "quel modèle est le meilleur ?" n'est pas la bonne. La question doit être reformulée en "quel travail doit être fait ?". Il compare cela à une table de routage : les modèles moins chers peuvent gérer de gros volumes de tâches simples, tandis que les modèles plus chers sont réservés aux décisions qui ont un impact financier significatif. Des modèles différents peuvent être utilisés pour des rôles différents. Par exemple, Opus 5.5 pour les tâches complexes et importantes financièrement, et Luna pour les tâches répétitives et volumineuses comme l'envoi d'e-mails de prospection. Le modèle en lui-même n'est pas le plus important ; c'est le "hardware" ou l'environnement dans lequel il opère qui compte. Il utilise l'analogie d'une voiture : le modèle est le moteur, mais tout le reste (le GPS, le livret de règles, le carburant, le tableau de bord) constitue le "hardware" qui assure le bon fonctionnement de la voiture. Il détaille six composantes essentielles du "hardware" qui entourent un modèle IA : 1. **Le travail (job)** : Les tâches et les étapes détaillées. 2. **Les règles de la maison (house rules)** : Les directives que l'agent doit suivre. 3. **Ce qu'il lit (what it reads)** : La source des données d'entrée. 4. **Le modèle lui-même (the model itself)**. 5. **Ce qui se passe quand ça tombe en panne (what happens when it breaks)**. 6. **Le contrôle (check)** : Comment faire confiance à la sortie du modèle. Parmi ces six éléments, seul le modèle n'est pas sous notre contrôle. L'obsession actuelle pour le modèle est donc mal dirigée. Pour le **travail**, il faut décomposer les tâches en petites étapes claires. Par exemple, au lieu de dire "rapprocher le relevé", il faut dire "rapprocher chaque ligne d'une commande et signaler ce qui ne correspond pas". Pour le **contrôle**, il est crucial de construire des évaluations qui vérifient les chiffres par rapport à une source fiable, et non pas seulement par rapport au système lui-même, car le système pourrait "pirater" ses propres résultats pour paraître correct. Un problème courant est la fiabilité des **sources d'entrée**. Shubash donne l'exemple d'une feuille de calcul Google Sheets contenant les coûts des marchandises. Si cette feuille n'est pas mise à jour ou tire des données d'une période obsolète (par exemple, avril alors que nous sommes au T4), les chiffres seront faux, même si le système de vérification interne de l'IA ne signale aucune erreur. Pour résoudre ce problème, il propose de connecter l'IA à un **compte de service Google Sheets**. Il s'agit de créer un nouveau projet dans Google Console, d'activer les API Sheets et Drive, de créer un robot sans règles, de télécharger la clé JSON et de la donner à Claude. Ensuite, il faut partager la feuille de calcul spécifique avec ce compte de service (qui a généralement "service" dans son nom) en lui donnant un accès en lecture seule. Cela permet à l'IA d'accéder aux données en temps réel. Il recommande également de mettre en place des "garde-fous" : si la feuille de calcul n'est pas modifiée depuis 7 jours, une alarme doit être déclenchée. La dernière partie de la session concerne la **confiance dans ce que l'on construit**. Il prend l'exemple d'une déclaration de TVA (similaire à la déclaration des taxes de vente aux États-Unis). Il a utilisé un outil fictif appelé "Scale MD" pour générer un résultat de TVA. Bien que l'outil puisse effectuer la tâche rapidement, il ne faut pas se contenter de soumettre le chiffre obtenu. Il est