Générer des titres produits avec l’IA de Channable : notre méthode

Un catalogue de plusieurs milliers de références contient toujours des titres produits que personne n’a jamais retravaillés : dupliqués entre variantes, tronqués dans les grilles Shopping, muets sur les attributs qui déclenchent l’achat. Les reprendre à la main est hors de portée. La fonctionnalité de génération de texte par IA de Channable rend le chantier faisable — la difficulté se déplace ailleurs.

Ce que la fonctionnalité fait, et ce qu’elle ne fait pas

La génération de texte par IA se trouve dans le module Optimiser de Channable, onglet « Texte généré par l’IA » (l’onglet voisin, « Attributs enrichis par l’IA », répond à un autre besoin : compléter des attributs manquants plutôt que réécrire des textes). Elle relève du forfait Core Pro.

Le principe : vous sélectionnez des champs de votre projet, vous écrivez un prompt, et l’IA rédige un texte — titre ou description — qu’elle enregistre dans un champ de sortie dédié. Vos valeurs existantes ne sont jamais écrasées tant que vous n’avez pas approuvé les résultats à la dernière étape.

Deux points qu’on oublie souvent de mentionner : la connexion IA est la vôtre (Gemini ou OpenAI, un mode essai étant disponible), et la génération est facturée sur votre propre compte, aux étapes de prompt et de valeurs générées. Ensuite, le modèle ne connaît de vos produits que ce que vous lui donnez : il ne consulte ni votre site, ni votre back-office.

C’est l’idée structurante de tout ce qui suit. La qualité des titres dépend d’abord des champs d’entrée, ensuite du prompt, et pas du tout de la « puissance » du modèle choisi. Un excellent prompt sur des champs incomplets produira des titres dupliqués ; un prompt moyen sur des champs bien choisis produira des titres exploitables.

Étape 1 : cibler les bons produits

Channable vous laisse filtrer les produits concernés par la génération, avec les mêmes règles que partout ailleurs dans l’outil. Sur un projet récent, nous avons ciblé 216 références, soit 2,3 % du catalogue.

Lancer une génération sur l’intégralité du catalogue est presque toujours une erreur, pour une raison qui n’a rien à voir avec le coût : un prompt performant est un prompt spécialisé. Les règles qui produisent un bon titre d’éventail d’arts martiaux — latéralité, longueur en centimètres, matière — ne veulent rien dire pour une housse de transport ou une paire de chaussures. En mélangeant les typologies, vous êtes condamné à écrire un prompt générique, et un prompt générique produit des titres génériques.

Notre découpage : un générateur par famille de produits homogène. Le critère de segmentation est la typologie produit, pas la performance commerciale. On commence par la famille la plus volumineuse ou la plus concurrentielle, on stabilise le prompt dessus, puis on duplique la logique.

Étape 2 : choisir les champs d’entrée (l’étape qui décide de tout)

C’est ici que se jouent la grande majorité des échecs, et c’est l’étape la moins documentée.

L’attribut de variation doit impérativement figurer dans les champs cochés. Cela paraît évident, ça ne l’est jamais en pratique. Si vos six éventails ne se distinguent que par la latéralité (gaucher / droitier) et que le champ qui porte cette information n’est pas sélectionné, l’IA reçoit six fois exactement les mêmes données. Elle produira six fois le même titre — et elle aura raison. Le symptôme ressemble à une défaillance du modèle ; c’est une erreur de configuration.

Méfiez-vous des champs qui remontent une liste au lieu d’une valeur. Sur ce même projet, le champ color s’affichait sous la forme list: Rouge|Noir|Rouge…, c’est-à-dire l’ensemble des couleurs disponibles pour le produit parent, et non la couleur de la ligne. Impossible pour le modèle de savoir laquelle attribuer. Le réflexe est de conclure que la donnée manque ; elle existe presque toujours ailleurs.

Le champ link est votre meilleur champ de secours. Le slug d’une URL produit contient très souvent l’information de variante que les champs structurés ont perdue : la couleur exacte, la latéralité, la contenance. Nous l’ajoutons systématiquement aux champs d’entrée, et nous demandons explicitement au prompt d’aller y chercher l’attribut discriminant. C’est la correction qui a débloqué le cas des éventails.

Vérifiez que les champs cochés sont réellement remplis. Un champ présent dans la liste peut être vide sur une partie des lignes. Le cas classique : un champ type_de_produit renseigné sur 60 % du catalogue, ou un meta title travaillé à la main sur certaines familles seulement. Le prompt s’appuiera dessus quand il existe, et improvisera quand il manque — d’où des titres incohérents d’une ligne à l’autre.

Enfin, ne cochez pas tout « au cas où ». Chaque champ supplémentaire ajoute du bruit dans le contexte et du volume facturé. Notre configuration type tourne autour de sept à huit champs : identifiant, titre d’origine, description, marque, attribut de variation, catégorie, et l’URL produit.

Étape 3 : écrire le prompt

Channable propose un prompt par défaut et un panneau de directives qui invite notamment à préciser les limites de caractères et la structure attendue. C’est un bon point de départ, insuffisant en production. Voici les règles que nous appliquons.

Ancrer un rôle et un contexte métier. « Tu es spécialiste des annonces Google Shopping pour [marchand], e-commerce français d’équipement d’arts martiaux » vaut mieux que « rédige un bon titre ». Le vocabulaire du secteur en dépend directement.

Poser une règle prioritaire sur l’attribut discriminant. Nous ouvrons systématiquement le prompt par une section dédiée : quel est l’attribut qui distingue deux articles du même produit, qu’il ne peut jamais être omis, et où aller le chercher — y compris dans le slug de l’URL, en listant les variantes de graphie à reconnaître. Sans cette instruction explicite, l’attribut se retrouve relégué en fin de titre, voire disparaît sur une partie des lignes.

Imposer une structure en blocs, dans un ordre fixe. Nous séparons les blocs par un pipe entouré d’espaces, dans un ordre stable : type de produit et attribut de variation, marque, matière ou caractéristique, couleur, puis longue traîne. La régularité visuelle compte autant que le contenu dans une grille Shopping.

Adopter une longueur hybride. Les 70 premiers caractères doivent se suffire à eux-mêmes, puisque c’est ce que l’utilisateur lit réellement ; la longue traîne prolonge ensuite le titre jusqu’à 140-150 caractères pour couvrir les requêtes secondaires. Précisez la borne haute en chiffres dans le prompt, sinon elle est dépassée.

Fixer la casse. Chaque bloc, longue traîne comprise, commence par une majuscule. Sans cette règle, la casse varie d’une ligne à l’autre et le flux paraît bricolé.

Formuler les interdits en redirections. « Pas de répétition entre les blocs » fonctionne mal seul ; « chaque terme n’apparaît qu’une fois dans le titre, longue traîne comprise » fonctionne. Même logique pour la syntaxe : plutôt que « ne fais pas de phrase », écrivez « chaque bloc est un groupe nominal, sans verbe conjugué ».

Le bouton « Générer 5 aperçus » est l’outil central de cette étape. On itère sur le prompt, pas sur le catalogue : cinq lignes bien choisies — idéalement plusieurs variantes du même produit — suffisent à révéler la quasi-totalité des défauts.

Étape 4 : lire les résultats avant d’approuver

L’écran des valeurs générées permet d’approuver, de modifier ou de régénérer ligne par ligne, avec un statut par valeur et un filtre pour n’afficher que les erreurs et avertissements. Traitez cette étape comme un diagnostic, pas comme une validation.

Notre grille de contrôle sur un échantillon, dans cet ordre :

1. Unicité entre variantes du même produit. Deux titres identiques = attribut de variation absent des champs d’entrée, ou champ multi-valeurs. Retour à l’étape 2.
2. Présence de l’attribut discriminant sur 100 % des lignes. Une seule ligne sans = règle prioritaire pas assez explicite dans le prompt.
3. Longueur. Dépassement systématique = borne haute absente ou longue traîne rédigée comme une phrase.
4. Répétitions entre blocs. Un mot en double = interdit mal formulé.
5. Stabilité entre deux runs. Relancez la génération sur le même échantillon : un attribut qui change d’attribution d’un run à l’autre n’est pas fiable (voir ci-dessous).

Deux options à manier avec prudence : le coût estimé de la régénération est affiché avant chaque relance, et l’approbation automatique des nouveaux produits ne devrait être activée qu’une fois le prompt stabilisé.

Étape 5 : appliquer et diffuser

Une fois approuvées, les valeurs alimentent le champ de sortie que vous avez désigné à l’étape 1. Ce champ devient un champ de projet comme un autre : vous le mappez ensuite sur les canaux de votre choix — Google Shopping, marketplaces, catalogues Meta — ou vous l’utilisez dans vos règles.

Nous conservons toujours le titre d’origine intact dans un champ distinct. Cela permet de revenir en arrière et, surtout, de comparer les performances des deux versions sur un même canal.

Les limites qu’il faut connaître

L’IA ne peut pas inventer ce qui n’existe pas. Si la contenance, la couleur ou la taille ne figurent nulle part dans les champs fournis ni dans l’URL, aucun prompt ne les fera apparaître. Le chantier est alors en amont, dans la donnée produit — c’est souvent la vraie recommandation à l’issue d’un premier test.

Le coût cumulé. Unitairement dérisoire, il se multiplie par le volume du catalogue et par le nombre d’itérations. D’où l’intérêt de travailler sur cinq aperçus avant toute génération complète.

En résumé

La génération de texte par IA de Channable n’est pas un bouton magique, c’est un outil de production qui récompense la rigueur en amont : segmentation propre, champs d’entrée choisis avec précision, prompt structuré, échantillon relu avant approbation. Bien configurée, elle règle en quelques heures un problème de titres dupliqués qu’aucune équipe ne traitera à la main sur plusieurs milliers de références.

C’est exactement le type de chantier que nous menons pour nos clients en tant qu’agence partenaire Channable. Si vos titres produits ne vous satisfont pas, parlons-en.