# Shopify réduit de 90 % les coûts de Sidekick avec NVIDIA > NVIDIA présente des cas européens où les modèles ouverts réduisent les coûts d’inférence, optimisent la recherche produit et simulent les entrepôts. Type : Actualité IA · Catégorie : Secteur · Publié le 2026-10-28 · Signal IA - Order & Chaos · Secteur : E-commerce Source : https://www.orderchaos.eu/signal-ia/actu/shopify-reduit-de-90-pourcent-ses-couts-grace-a-nvidia Tags : commerce, robotique, modèles ouverts, logistique, jumeaux numériques, open-source, ia-image, inference --- ## En résumé - Shopify réduit ses coûts de service de 90 % avec un modèle réentraîné. - Zooplus atteint 86 % de précision pour la recherche sémantique de produits. - Otto Group simule ses opérations d’entrepôt avant leur mise en œuvre physique. **Le signal :** Shopify réduit de 90 % ses coûts de service avec un modèle Nemotron réentraîné. **NVIDIA détaille** plusieurs déploiements européens associant modèles ouverts, calcul accéléré et intelligence physique dans le commerce. Shopify a réentraîné NVIDIA Nemotron 3.5 Lightning pour le sous-agent GraphQL intégré à Sidekick, son assistant destiné aux commerçants. Sur un test interne, ce modèle a dépassé un modèle de pointe en précision. Il a aussi réduit les coûts de service de 90 % et fourni des réponses sept fois plus rapides. Shopify utilise également la bibliothèque Megatron Bridge pour accélérer le réglage des modèles. NVIDIA NeMo RL sert à l’apprentissage par renforcement. Le sous-agent alimente notamment Sidekick Pulse, qui analyse une boutique et recommande des améliorations. [Megatron Bridge](https://docs.nvidia.com/nemo/megatron-bridge/0.1.0/index.html) accompagne cette chaîne technique. **Shopify élargit** ces gains à cinq autres usages grâce au logiciel d’optimisation d’inférence vLLM de NVIDIA. Les cas concernés sont l’enrichissement des catalogues, l’assistant commerçant, la simulation d’achat en ligne, la classification des taxonomies produits et les recommandations aux commerçants et aux acheteurs. L’entreprise indique une performance jusqu’à 4,5 fois supérieure. Elle rapporte aussi une baisse pouvant atteindre douze fois les coûts d’inférence. Zooplus a de son côté reconstruit sa recherche produit avec Infosys et des technologies NVIDIA. Un prototype prêt pour la production, déployé dans son environnement Amazon Web Services, a atteint 86 % de précision. Il combine recherche sémantique et attributs produits générés pour faciliter la recherche. ## Shopify réduit les coûts d’inférence de 90 % **Les images standardisées** constituent un autre axe d’application. Avec Vestiaire Collective, Photoroom standardise l’image principale d’environ 40 000 annonces quotidiennes dans 70 pays. Les annonces traitées ont affiché un taux de liquidité supérieur de 5 %. Elles ont aussi enregistré 3 % à 7 % de vues uniques supplémentaires par page produit. Le pipeline fonctionne sur des processeurs graphiques NVIDIA avec TensorRT et Triton Inference Server. NVIDIA Dynamo Snapshot peut aider les utilisateurs à répondre rapidement aux pics de demande. Omi a lancé ProductDrop, un flux de travail reliant chaque image générée à un jumeau numérique approuvé. Cette méthode vise à produire des créations à l’échelle d’un catalogue sans erreurs produit. **L’Oréal accélère** l’exploration de combinaisons d’ingrédients avec NVIDIA ALCHEMI. Son programme CreAItech associe les jumeaux numériques d’Omi à des environnements de marque générés. La recherche passe de mois d’expérimentation à des heures de criblage informatique, selon la description du déploiement. L’Oréal teste aussi CurieOS d’Orbital Industries avec OrbMol-v2, son modèle ouvert de simulation moléculaire. OrbMol-v2 est annoncé cinq fois plus rapide que des modèles comparables. Il affiche une erreur inférieure de 21 % à celle du meilleur modèle suivant dans sa catégorie. Le flux aide les chercheurs à identifier des combinaisons d’ingrédients pour solubiliser des filtres ultraviolets avant les essais en laboratoire. Omi exécute TRELLIS sur des processeurs NVIDIA RTX PRO 6000 Blackwell. ## Otto Group simule ses entrepôts à Haldensleben **La simulation physique** s’étend aux opérations logistiques et aux magasins. Otto Group a étendu son initiative d’entrepôt autonome sous supervision humaine à son plus grand centre logistique, situé à Haldensleben, en Allemagne. Le projet est développé avec Reply, à partir de bibliothèques NVIDIA Omniverse et sur Google Cloud. Les équipes logistiques peuvent concevoir, tester et optimiser des opérations entièrement en simulation avant toute mise en œuvre physique. ALLSIDES a lancé une usine de jumeaux numériques 3D. Son pipeline transforme des objets physiques en modèles SimReady en quelques minutes, avec une précision géométrique inférieure au millimètre. Ces modèles servent à simuler des magasins et à suivre les produits jusqu’au paiement, quelle que soit la lumière ambiante. **Les déploiements couvrent l’essayage avec AMIRI et les plateformes de commerce.** ALLSIDES travaille déjà avec adidas, Amazon, Nike, Zalando et Zara. Avec AMIRI, CATCHES rapporte une hausse de 55 % de la conversion, de 80 % des ajouts au panier et de 56 % des ventes brutes, après ajustement saisonnier sur des styles comparables. L’entreprise a lancé PredictiveFit et CASI, un agent de mode qui conseille les clients sur WhatsApp. CASI utilise notamment des modèles à poids ouverts, dont NVIDIA Nemotron 3, ainsi qu’Omniverse et le moteur physique Newton. À GTC Berlin, Nebius présente trois plans NVIDIA en accès anticipé. Ils portent sur la productivité des employés, la simulation des stocks et l’amélioration continue des modèles ouverts. Pour aller plus loin, consultez notre guide sur [réduire ses coûts grâce à l'IA](/signal-ia/guides/reduire-couts-ia-automatisations-pme-2026).