Textes produits et traductionsavec l’IA, mais dans les règles.

Pourquoi les textes produits pèsent sur le chiffre d’affaires

En magasin, on peut toucher un produit ; en ligne, la page produit remplace cette expérience. Les études sont donc sans ambiguïté. Dans le « State of Product Experience 2026 » de Syndigo, qui a interrogé 8’736 personnes, 83 % déclarent qu’elles quitteraient probablement une page produit si elles n’y trouvaient pas les informations recherchées. 26 % ont renvoyé un article au cours des six derniers mois parce que le contenu ne correspondait pas à leurs attentes. Les descriptions détaillées (52 %) comptent même davantage dans la décision d’achat que les rabais (49 %).^[1]

Une étude de Salsify aboutit à des résultats similaires : 54 % des personnes interrogées ont abandonné un achat à cause d’indications contradictoires, 71 % ont renvoyé un article en raison d’une description inexacte.^[2] Les deux études portent surtout sur les États-Unis et l’Europe. Les valeurs ne sont pas directement transposables, mais la tendance est claire.

Pour la Suisse, l’enquête 2025 de la FHNW auprès des commerçants en ligne apporte l’éclairage pratique. Deux tiers des 643 boutiques interrogées rédigent déjà leurs descriptions de produits avec l’IA, et presque toutes l’utilisent pour les textes et les traductions. Dans le même temps, neuf commerçants sur dix rencontrent des difficultés lors de l’introduction, et 75 % expriment des réserves quant à la sécurité des données.^[3] Le marché est assez grand pour prendre le sujet au sérieux : la consommation en ligne en Suisse a atteint CHF 15,8 milliards en 2025, soit 6 % de plus que l’année précédente.^[4]

Multilinguisme : en Suisse, ce n’est pas un bonus

Selon l’Office fédéral de la statistique, 62 % de la population indique l’allemand comme langue principale, 23 % le français et 8 % l’italien. Plusieurs réponses sont possibles.^[5] Qui vend uniquement en allemand ne s’adresse donc pas dans sa langue à une grande partie du marché intérieur.

L’étude « Can’t Read, Won’t Buy » de CSA Research, menée auprès de 8’709 personnes dans 29 pays, montre l’importance de cet aspect : 76 % préfèrent acheter lorsque les informations produit sont disponibles dans leur langue, et 40 % n’achètent jamais sur des sites dans une autre langue.^[6] Les données datent de 2020 et ne citent pas explicitement la Suisse. Elles restent utiles comme repère.

Dans une boutique, traduire ne se limite pas à la description. Il faut aussi traduire les titres, les variantes, les caractéristiques et les valeurs de filtre, les catégories, les titres SEO, les méta-descriptions et les textes alternatifs des images. S’il manque un de ces éléments, la page paraît à moitié traduite, et les filtres donnent des résultats différents d’une langue à l’autre.

Ce que Shopify et WooCommerce proposent techniquement

Les deux systèmes permettent de vendre en plusieurs langues, mais par des voies différentes. Le tableau suivant résume les principaux points tirés de la documentation des éditeurs.

État des pages des éditeurs : septembre 2026. Les fonctions et les limites changent régulièrement.

Pour les processus automatisés, l’interface est le point décisif. Chez Shopify, les traductions peuvent être écrites de manière ciblée par produit, metafield et metaobject. Un système peut ainsi détecter les produits nouveaux ou modifiés et ne traduire que ceux-ci, au lieu de retraiter tout l’assortiment à chaque fois.

Ce que dit Google sur les textes générés par IA

Google n’interdit pas les contenus créés par IA. Dans ses lignes directrices sur l’IA générative, Google demande que l’accent soit mis sur l’exactitude, la qualité et la pertinence, y compris pour les titres, les méta-descriptions et les textes alternatifs.^[15] Sous « scaled content abuse », les règles sur le spam citent toutefois expressément le cas où l’IA générative sert à produire de nombreuses pages sans valeur pour les utilisateurs. Il en va de même pour les reformulations ou traductions automatisées de peu d’utilité.^[14]

Pour les annonces Shopping, une règle supplémentaire s’applique : dans le Merchant Center, les titres et descriptions générés par IA doivent figurer dans des attributs dédiés et être signalés comme tels.^[16] Qui produit des données produit de manière automatisée devrait donc construire son flux en conséquence dès le départ.

Reprendre tels quels les textes des fabricants apporte peu. Face à des contenus identiques, Google choisit une page canonique, et les autres apparaissent alors plus rarement.^[20] De plus, les descriptions de produits assez longues peuvent être protégées par le droit d’auteur. C’est ce qu’a jugé en 2014 le tribunal régional supérieur de Düsseldorf pour l’Allemagne (réf. I-20 U 174/12).^[19] Des textes propres, spécifiques à chaque produit, sont donc la voie la plus sûre.

Cas particulier des denrées alimentaires : les mentions obligatoires vont sur la page produit

Qui vend en ligne des denrées alimentaires ou des compléments alimentaires doit fournir plus qu’un bon texte. Selon l’art. 44 de l’ordonnance sur les denrées alimentaires et les objets usuels (ODAlOUs), toutes les indications prescrites par le droit alimentaire doivent être disponibles dès l’offre en vente à distance. Font exception la date de durabilité et le lot. À la livraison, toutes les indications doivent être présentes.^{[17, 21]}

Selon l’OSAV, les mentions obligatoires comprennent notamment la dénomination spécifique, les ingrédients, la date, les conditions de conservation, l’adresse, le pays de production et la déclaration nutritionnelle, dans au moins une langue officielle.^[18] Pour le marché de l’UE, l’art. 14 du règlement concernant l’information des consommateurs sur les denrées alimentaires (INCO) applique le même principe.^[22]

À quoi ressemble un processus fiable

Les exigences ci-dessus conduisent à un processus qui a fait ses preuves dans la pratique. Ce n’est pas une norme, mais un ordre judicieux pour les boutiques qui comptent de nombreux produits.

1. Rassembler les données sources : indications du fabricant, fiches techniques, images et caractéristiques existantes au même endroit, par exemple dans des metafields ou un PIM.
2. Fixer les règles : ton, structure, longueur, affirmations interdites et un glossaire par langue.
3. Produire les textes uniquement à partir de faits : l’IA formule, mais n’invente aucune caractéristique. Si une indication manque, le champ reste vide et un signalement est émis.
4. Contrôler automatiquement : chiffres, dimensions, champs obligatoires et valeurs de filtre sont comparés aux données sources.
5. Traduire avec une terminologie : les termes techniques et les noms de marque restent uniformes ; les valeurs de filtre sont gérées dans chaque langue.
6. Valider les contenus sensibles : une personne vérifie les denrées alimentaires, les allégations de santé et les textes juridiques ; des contrôles par sondage effectués par des locuteurs natifs sécurisent les autres langues.
7. Ne traiter que les changements : les produits nouveaux ou modifiés passent automatiquement dans le processus, le reste n’est pas touché.

Avec cette structure, l’IA passe du statut de générateur de texte à celui d’étape de production contrôlée. La qualité dépend alors moins de chaque prompt que de données propres et de règles de contrôle claires.

Questions fréquentes