Le matching produits concurrents doit établir que deux fiches désignent la même référence commercialisable. Une ressemblance ne suffit pas : un prix correctement extrait devient inutilisable s’il concerne une autre capacité, un lot différent ou une offre reconditionnée.
Pourquoi le matching produits concurrents casse malgré les identifiants#
Un EAN ou un GTIN commun constitue une preuve forte, mais pas un verdict. Sur une marketplace, le code peut décrire la fiche parente tandis que le prix affiché dépend de la variante sélectionnée. Un marchand peut aussi publier l’identifiant d’une unité sur la page d’un carton.
La distinction produit alors des erreurs difficiles à repérer. Dans un exemple hypothétique, comparer une unité à 12 € avec un lot de trois à 27 € fait apparaître une baisse de prix. Le calcul est exact ; son objet ne l’est pas.
Le modèle de données GS11 distingue les différents niveaux d’une hiérarchie commerciale. Unité, pack, caisse ou palette peuvent recevoir leur propre GTIN. Le conditionnement appartient donc à l’identité vendue, pas aux détails que l’on vérifiera plus tard.
Même un identifiant apparemment propre peut provenir d’une donnée structurée périmée, perdre son zéro initial dans un tableur ou rester attaché à la variante par défaut. Il faut confronter le DOM, les données structurées et l’état réel de l’interface.
Le MPN exige la même discipline. Il n’a de sens qu’avec le fabricant ou la marque. Normaliser les espaces et les tirets est raisonnable ; supprimer tous les suffixes ne l’est pas. ABC-100-EU et ABC-100-US peuvent recouvrir des alimentations, des garanties ou des configurations distinctes.
Séparer l’identité du produit de la comparabilité de l’offre#
« Même produit » peut désigner le même objet physique, la même variante commercialisable ou un substitut fonctionnel. Ces relations répondent à des usages différents. Les réunir sous un score unique fait remonter des équivalents là où le repricing attend des SKU identiques.
Pour une comparaison tarifaire stricte, certains attributs confirment l’identité. D’autres doivent bloquer la décision.
| Attribut | Rôle | Divergence normalement bloquante |
|---|---|---|
| Marque et fabricant | Délimitent le modèle recherché | Produit compatible vendu sous une autre marque |
| MPN ou référence modèle | Apportent une preuve d’identité | Suffixe régional différent |
| Taille, capacité, couleur | Définissent la variante | SSD de 1 To face à un SSD de 2 To |
| Quantité et unité | Décrivent le conditionnement | Un flacon face à un lot de deux |
| Contenu du bundle | Détermine ce qui est acheté | Boîtier nu face à un kit avec objectif |
| État | Qualifie l’article vendu | Neuf face à reconditionné |
| Version ou marché | Établissent la substituabilité | AZERTY face à QWERTY |
La couleur peut rester secondaire dans une analyse d’assortiment et devenir bloquante pour une règle au SKU. Le contrat de matching doit donc partir de la décision aval. Il n’existe pas de seuil de confiance valable pour tous les usages.
Le vendeur tiers, les frais, l’expédition et la disponibilité ne définissent généralement pas le produit. Ils définissent l’offre comparable. Les stocker dans la relation d’identité rend celle-ci instable : un changement de vendeur suffit alors à casser un lien pourtant correct.
Conservez deux objets. Le premier relie les références et leurs variantes. Le second décrit l’offre observée : vendeur actif, état, stock, frais et mode de livraison. Cette séparation empêche aussi de confronter un prix neuf et livré à une annonce hors stock dont les frais apparaissent seulement dans le panier.
Faire des contradictions des règles de veto#
Un rapprochement robuste normalise les formats sans effacer l’information : casse, espaces, unités, séparateurs de référence et écritures de capacité. Il génère ensuite un ensemble limité de candidats par marque, famille, catégorie ou fragment de modèle. Comparer chaque référence à tout le catalogue augmente surtout le nombre de ressemblances trompeuses.
Chaque paire doit passer par deux mécanismes distincts :
- des vetos, déclenchés par une capacité, une quantité, une version ou un état incompatibles ;
- des signaux de confirmation, comme le titre, l’image, la marque ou des attributs incomplets.
Un bon score textuel ne doit jamais compenser une contradiction matérielle. Dans une grille hypothétique, deux téléviseurs voisins peuvent obtenir 90 % de similarité sur leur titre tout en mesurer 55 et 65 pouces. Le score aide à retrouver la gamme ; il ne prouve pas la variante. Une image constructeur commune ne tranche pas davantage.
Cette priorité donnée aux vetos impose un point de vue clair : mieux vaut laisser une paire sans match que valider silencieusement une référence erronée lorsque la donnée pilote un prix, un contrôle réglementaire ou un test. L’absence remonte comme un trou de couverture. Le faux positif, lui, se présente comme une information fiable.
Conserver la preuve produite dans le navigateur#
Un flux ou une fiche brute ne révèle pas toujours l’objet effectivement vendu. Le navigateur permet de sélectionner une variante, d’ouvrir un tableau replié, d’observer la mise à jour du prix et d’identifier le vendeur associé à l’offre active.
La trace utile ne se limite pas à l’URL. Elle comprend l’état sélectionné, les attributs décisifs, l’offre active, l’horodatage et, lorsque l’interface reste ambiguë, une capture. Sans cet état, reproduire le relevé devient impossible dès que la variante par défaut ou l’ordre des vendeurs change.
Cette exigence dépasse la surveillance des prix concurrents. Une extraction réglementaire, un relevé de disponibilité, une vérification de contenu ou un test de configurateur posent le même problème : la valeur n’a de sens qu’avec la page et l’état d’interface qui l’ont produite.
La preuve doit également expliquer la décision. Enregistrer seulement match = true ou un score oblige à recommencer l’enquête lors d’un audit. Conserver « MPN identique, capacité confirmée, quantité unitaire, état neuf » rend le lien contrôlable et permet de détecter ce qui a changé.
Mesurer les erreurs acceptées, pas le score annoncé#
Une promesse globale de matching, qu’elle affiche 95 % ou un autre chiffre, reste vide sans dénominateur. Elle peut porter uniquement sur les paires faciles, exclure les références sans résultat ou confondre confiance calculée et exactitude vérifiée.
Le jeu de contrôle doit être validé manuellement et stratifié par catégorie comme par difficulté. Il doit contenir des identifiants absents, des lots, des variantes proches, des vendeurs tiers, des bundles et des produits sans équivalent. Tirer des paires au hasard parmi toutes les combinaisons produirait un test artificiellement simple, dominé par des non-correspondances évidentes.
Trois mesures répondent à trois questions différentes :
- précision : quelle part des rapprochements acceptés est correcte ?
- couverture opérationnelle : quelle part des références ciblées possède au moins une correspondance exploitable ?
- rappel : quelle part des correspondances réellement disponibles a été retrouvée ?
La documentation de scikit-learn sur précision et rappel2 montre pourquoi le seuil ne peut pas maximiser mécaniquement les deux. L’abaisser peut récupérer des liens valides, mais aussi introduire des faux positifs.
Le volume rend les moyennes flatteuses dangereuses. Prenons une simulation, pas une mesure observée : sur 10 000 références, une couverture de 90 % donne 9 000 liens. Avec une précision hypothétique de 99 %, 90 liens erronés restent injectés dans les tableaux ou les règles automatiques.
Découpez donc les résultats par segment. Une moyenne élevée peut masquer une faiblesse sur les marketplaces, les bundles ou les produits à nombreuses variantes, précisément là où les décisions demandent le plus de sûreté.
Mettre l’ambiguïté en quarantaine#
Une sortie binaire oblige à accepter trop tôt ou à rejeter trop largement. Le dispositif doit distinguer acceptation automatique, quarantaine et rejet.
L’acceptation convient aux paires sans contradiction, confirmées par plusieurs signaux indépendants. La quarantaine reçoit les cas où un attribut déterminant manque, où plusieurs candidats restent plausibles ou où la page mélange les offres. Une divergence de quantité, d’état ou de référence modèle conduit au rejet, sauf contrat explicite de matching similaire.
La validation humaine doit exposer les écarts plutôt que juxtaposer deux fiches complètes. Références, variantes, conditionnements, vendeurs et sources doivent apparaître côte à côte, avec la raison du score et les éventuels vetos. La correction rejoint ensuite le jeu d’évaluation ; elle ne doit pas seulement fermer une tâche.
Auditez enfin un échantillon des liens acceptés. La quarantaine ne contient que les ambiguïtés détectées. Seul ce contrôle révèle les erreurs silencieuses. Un changement de titre, de vendeur, de variante par défaut, de conditionnement ou d’identifiant exposé doit déclencher une nouvelle vérification : un match validé décrit un état observé, pas une vérité permanente.
Sources et références
Montrez la tâche une fois. Anitask la rejoue.
Un agent travaille dans le vrai navigateur, à votre fréquence, et ne vous livre que les changements utiles.
Créer ma première automatisation
