Le matching produit : retrouver le même produit — ou son équivalent — dans un autre référentiel

Pourquoi c'est difficile

Le postulat de départ : chaque distributeur possède son propre référentiel produit, construit à sa manière. Chacun décrit et met en avant les mêmes produits avec ses libellés marketing, ses attributs maison, son ordre à lui — et n'expose presque jamais ses identifiants sur la fiche publiée. Deux fiches du même produit peuvent ainsi ne partager aucun mot. L'erreur la plus fréquente est alors de croire que les codes produits suffisent : le SKU d'un site n'est pas un identifiant universel, c'est un code interne propre à chaque distributeur — deux sites qui vendent le même produit lui donnent deux SKU différents. L'EAN/GTIN, lui, est mondial, mais il est souvent absent des référentiels ou des fiches publiées — et même présent, il n'est pas un point d'appui absolu : un même produit peut porter plusieurs EAN sur le marché, un par pays, ou des EAN distincts émis par le fabricant pour cloisonner ses circuits de distribution.

S'ajoutent les variantes (le même modèle en douze tailles et trois coloris), les conditionnements (l'unité, le lot de trois, le carton), les marques distributeur, les libellés commerciaux réécrits par chaque enseigne, et des fiches incomplètes des deux côtés. Comparer des chaînes de caractères ne suffit pas : il faut comprendre les caractéristiques.

Les signaux d'un rapprochement fiable

Un rapprochement sérieux croise plusieurs signaux et garde la preuve : quelle fiche a été retenue, quelles données y ont été lues, pourquoi le verdict a été rendu. Un match sans justification n'est pas auditable — donc pas utilisable pour des décisions qui engagent.

Et quand la donnée du client n'est pas disponible ?

Retour d'expérience : chez les acteurs implantés du e-commerce français, la donnée n'est pas toujours à portée de main. Les plateformes historiques portent leur legacy, et les équipes qui exploitent la donnée — la veille de prix, typiquement — n'ont souvent pas la main sur les référentiels eux-mêmes. Attendre un export propre du SI peut coûter des mois de projet interne.

En pratique, le rapprochement commence donc souvent par du sourcing — y compris chez le client lui-même : collecter ses fiches sur son propre site web, publiques et à jour, puis les compléter sur internet, pour récupérer tous les attributs, descriptifs et images nécessaires. C'est ce référentiel reconstitué qui rend possible un matching similaire de qualité — et même le matching identique. Le matching n'est pas une opération isolée : c'est le dernier maillon d'une chaîne qui commence par sourcer et enrichir.

Identique ou similaire : deux problèmes différents

Le matching identique répond à « est-ce exactement le même produit ? ». Le matching similaire (like-for-like) répond à « ce produit est-il un équivalent acceptable ? » — et cette question n'a de sens que si les critères d'équivalence sont explicites.

Pourquoi le similaire existe ? Parce que le matching identique a un angle mort structurel : les marques propres (MDD) et les exclusivités. Un produit que vous êtes seul à vendre n'a, par définition, aucune fiche identique chez les concurrents — et c'est pourtant là que le besoin de repère est le plus fort, puisque c'est vous qui fixez le prix. Votre lampe verte n'existe que chez vous ; le concurrent vend une lampe bleue comparable. Rien ne les reliera jamais en identique — mais c'est bien la lampe bleue qui vous dit si le marché est en promotion et si votre prix doit bouger. Le matching similaire construit ce repère : un équivalent défendable, qui sert d'indicateur de prix et de positionnement.

Une définition d'équivalence robuste distingue deux familles de critères : les critères obligatoires, éliminatoires — à commencer par la typologie produit : un mitigeur ne remplace pas un robinet simple, quelles que soient ses qualités — et les critères utiles, qui servent seulement à départager des candidats déjà valides. Les tolérances se déclarent explicitement (« dimensions ± 10 % »), et le tiers de marque se respecte : marques nationales premium, challengers de milieu de gamme, génériques et marques de distributeur ne s'équivalent pas librement. Règle de terrain : un écart d'un cran se signale, un écart de deux crans — proposer un générique face à une marque premium — s'interdit, même si toutes les caractéristiques concordent. Et en cas de doute sur le rang d'une marque, on la traite en milieu de gamme plutôt que de la déclasser à tort. Dernière précision d'usage : le tiers de marque ne s'applique qu'à l'équivalence — un matching identique reste valide quel que soit le tiers, puisque c'est le même produit.

D'où viennent les critères d'équivalence ?

Deux régimes coexistent. Quand l'entreprise a déjà sa doctrine d'équivalence — des critères par catégorie, hérités du métier — le bon réflexe est de brancher ces règles telles quelles : on relie chaque famille de produits à sa règle une fois pour toutes, et une correction se propage d'un coup à toute la catégorie. Quelques centaines de décisions écrites et révisables valent toujours mieux que des dizaines de milliers de décisions invisibles.

Mais ce que débloquent les agents IA, c'est le régime inverse : définir les critères produit par produit. Face à une référence donnée, l'agent lit la fiche, analyse l'image, identifie la typologie et les caractéristiques qui comptent pour ce produit précis — puis cherche l'équivalent sur cette base. Pas besoin d'un référentiel de règles préécrit : les critères sont dérivés au moment du match, et écrits avec le verdict pour rester contestables. C'est ce qui rend le matching similaire praticable sur des assortiments hétérogènes, là où rédiger des règles à la main pour chaque catégorie ne serait jamais terminé.

Où chercher les candidats ?

Un raccourci mérite d'être connu : les agrégateurs. Google Shopping et les comparateurs de prix regroupent déjà des offres autour d'un même produit — d'excellents indices de matching, à condition de les traiter comme des candidats à vérifier sur la fiche du site cible, jamais comme des verdicts.

Le crawl lui-même a changé de nature avec les agents. Hier, récupérer l'information imposait de développer un crawler par site — un investissement par concurrent, fragile à chaque refonte. Aujourd'hui, un agent navigue par lui-même : il découvre où un produit est vendu, ouvre la fiche et vérifie sur pièce.

Cette découverte débloque un service nouveau. Il fallait jusqu'ici figer sa liste de concurrents avant de lancer un benchmark de prix ; on peut désormais poser la question inverse — « où mes produits sont-ils vendus, et à combien ? » — et laisser les agents dresser la carte.

La couverture de marques, le filtre qu'on oublie

Chercher un produit sur un site qui ne distribue pas sa marque est inutile — et source de faux positifs. Avant de matcher, on établit la couverture : quelles marques du référentiel source le site cible vend-il réellement ? Le rapprochement des noms de marques est lui-même un petit problème de matching : suffixes juridiques à nettoyer (SAS, GmbH, Ltd), accents, graphies — un rapprochement flou avec un seuil de similarité élevé fait le tri. La liste des marques non couvertes est d'ailleurs un livrable en soi.

Les pièges classiques

• Les variantes — si une déclinaison du même modèle a déjà été rapprochée sur ce site, la fiche est souvent la même : autant réutiliser ce travail plutôt que de rechercher de zéro. Mieux : la fiche du distributeur liste souvent elle-même toutes les déclinaisons (le sélecteur de tailles et de coloris) — l'exploiter permet de matcher le bon variant, de proposer immédiatement les alternatives, et au passage de confirmer ses propres regroupements parent/variant.
• Les conditionnements — un lot de tailles différentes peut rester un match valide ; le rejeter mécaniquement fait perdre des correspondances réelles.
• Les écarts de prix — ils sont normaux entre sites et n'invalident pas un match ; en revanche, les classer (faible, notable, suspect) fait ressortir les erreurs probables.
• Les doublons — quand deux produits source pointent vers la même fiche cible, l'un des deux est faux : c'est un cas à détecter et à trancher explicitement, pas à ignorer. Et le principe qui aide à trancher : deux références qui coexistent dans un même référentiel sont par construction deux produits distincts — une différence existe forcément, il faut la trouver.
• Le segment d'usage — adulte et enfant, professionnel et grand public, intérieur et extérieur : à nature physique identique, ce sont des types non substituables. Un matelas enfant n'est jamais l'équivalent d'un matelas adulte, quelles que soient ses caractéristiques.
• Le vocabulaire de la cible — chercher un équivalent avec les mots marketing de son propre référentiel ne remonte que des produits marketés pareil. La recherche se formule dans le langage du site cible : la fonction et les caractéristiques discriminantes, jamais le nom commercial maison.

La discipline du verdict

Ce qui sépare un matching industriel d'un matching approximatif tient en quelques règles de discipline. Dans le doute, pas de correspondance — la rigueur prime sur le taux de matchs. Il est interdit de rationaliser une divergence (« acier laminé et zamac sont peut-être proches », « 1 L et 1,1 L c'est presque pareil ») : un attribut divergent se constate, il ne se négocie pas. Les verdicts intermédiaires — « peut-être », « non applicable » — sont bannis : chaque critère est conforme ou il ne l'est pas, et ce qui ne peut pas être comparé faute de donnée compte comme non conforme.

Le prix, lui, n'est jamais un critère éliminatoire — les écarts entre sites sont normaux — mais c'est un excellent signal d'alerte : un écart de plus du double doit être expliqué par une caractéristique différenciante (capacité, classe énergétique, technologie). S'il ne l'est pas, c'est probablement le mauvais produit — souvent la mauvaise variante du bon modèle, là où échouent la plupart des faux « identiques ».

Comment évaluer une prestation de matching

Quatre questions suffisent à séparer le sérieux du reste. Chaque match est-il prouvé — URL de la fiche, données extraites, justification du verdict ? Les « pas de correspondance » sont-ils justifiés, ou juste silencieux ? Les règles d'équivalence sont-elles écrites et révisables, ou enfouies dans un modèle ? Et le contrôle qualité existe-t-il — écarts de prix classés, doublons challengés, second regard sur les cas limites ? Un score de confiance global ne remplace aucune de ces réponses.

À quoi ça sert

Le besoin principal, c'est le pricing. Un acteur de la veille de prix ne peut piloter que ce qui est matché : chaque point de taux de match gagné, ce sont des produits de plus sur lesquels poser des règles tarifaires — s'aligner, se démarquer, réagir aux promotions. Augmenter le taux de match, en identique comme en similaire, c'est étendre la surface pilotable du référentiel : c'est là que se joue l'optimisation des prix.

S'y ajoutent le positionnement des marques propres et des exclusivités face à leurs équivalents concurrents, la substitution quand une référence disparaît, et les appels d'offres avec équivalents défendables.

Notions liées : matching produit · parent/variant · l'enrichissement de données produit