Ciama : transformer 12 contrôles produit en tableau de correction catalogue

1. Ciama, un référentiel produit partagé par les ventes et les connecteurs

Contrôler la présence des fondations avant de diagnostiquer la diffusion

Le PIM de Ciama réunit les références d’un compte avec leurs identifiants, leur nom, leurs dimensions, leurs images, leur marque, leur catégorie et leurs tags. Ces données alimentent plusieurs usages : navigation interne, rapprochement ERP, logistique, offres et reporting.

La qualité n’avait pas besoin d’une définition abstraite. Les premières questions étaient concrètes : le produit est-il identifiable, possède-t-il les dimensions minimales attendues, dispose-t-il de ses deux images et est-il rattaché aux dimensions de classement utilisées par le cockpit ?

Le périmètre livré porte sur tous les produits du compte, actifs comme inactifs. Il ne dépend ni d’un canal marketplace ni d’un statut de publication. Cette frontière compte : la vue mesure la complétude du référentiel Ciama ; elle ne simule pas les exigences variables d’Amazon, Mirakl ou d’un autre opérateur.

Le projet devait donc garder deux niveaux distincts. Le niveau macro permet de suivre la masse à traiter. Le niveau produit expose chaque champ manquant et ouvre la fiche détaillée. Entre les deux, les filtres servent à constituer une sélection de travail sans automatiser l’ordre métier des corrections.

2. Faire reposer tous les indicateurs sur les mêmes douze expressions

Une définition commune pour compter, filtrer et expliquer

Le chantier a commencé par fixer la notion de manque. Une chaîne vide vaut une absence pour les identifiants, le nom et les chemins d’image. Une dimension nulle ou inférieure ou égale à zéro vaut une absence. Une marque ou une catégorie doit être reliée ; au moins un tag doit exister.

Ces expressions sont réutilisées pour chercher les produits en erreur, compter chaque type d’anomalie et identifier les fiches conformes. Ce choix évite qu’un compteur annonce un résultat différent de celui du tableau auquel il renvoie.

La seconde étape a distingué les quatre indicateurs. La conformité travaille au niveau de la fiche entière ; le risque compte les produits ayant au moins une anomalie ; la couverture travaille au niveau des douze emplacements ; l’anomalie dominante compare les volumes de chaque manque.

La dernière étape a organisé l’action : recherche par référence, nom ou GTIN, filtres multiples, pagination, tri par dernière mise à jour, accès au produit et fenêtre séparée pour les références sans aucun manque. Chaque interaction conserve le compte comme frontière de lecture.

3. Avant le projet : la qualité existait comme constat dispersé

Des lacunes visibles dans les fiches, sans mesure commune

Une équipe pouvait découvrir un poids absent en préparant un flux logistique, une image manquante en ouvrant le produit ou un GTIN vide au moment d’un rapprochement. Chaque écran racontait un fragment du problème, rarement son ampleur.

Traiter au fil des découvertes favorise les cas les plus visibles. Une série entière de produits sans catégorie peut rester ouverte pendant que quelques images sont corrigées, simplement parce que personne ne voit les deux volumes côte à côte.

Un score unique aurait pu donner l’illusion de résoudre le sujet. Mais sans définition des critères et sans liste des produits concernés, un pourcentage global ne dit ni ce qui manque ni où intervenir.

Le projet a donc été cadré comme un cockpit de complétude. Sa promesse n’est pas de certifier toutes les exigences de vente ; elle consiste à rendre douze fondations du référentiel mesurables avec une file de correction correspondante.

4. Évaluer tous les produits du compte, sans filtre commercial caché

Actifs et inactifs partagent la même grille de complétude

Le dénominateur part de tous les produits rattachés au compte connecté. Aucun critère de stock, d’activité, de vente récente ou d’existence d’une offre ne réduit cette population.

Ce choix donne une vue de gouvernance du référentiel complet. Une ancienne référence incomplète pèse donc dans le score tant qu’elle reste dans le compte, même si elle n’est plus destinée à être diffusée.

La recherche peut réduire temporairement cette population à une référence, un nom ou un GTIN. Tous les indicateurs de la page sont alors recalculés sur ce sous-ensemble, ce qui permet d’étudier une famille repérée par son libellé sans changer la définition des contrôles.

Cette transparence évite de confondre qualité globale et qualité du seul assortiment actif. Si l’équipe veut piloter uniquement un périmètre commercial, ce filtre doit être ajouté explicitement dans une évolution ultérieure.

5. Définir douze contrôles de présence faciles à contester

Deux identifiants, un nom, quatre dimensions, deux images et trois rattachements

Le premier groupe vérifie l’identifiant ERP, le GTIN et le nom. Pour chacun, une valeur absente ou réduite à des espaces est considérée comme manquante. L’identifiant interne du produit reste distinct de son rattachement ERP.

Le deuxième groupe couvre le poids, la largeur, la hauteur et la longueur. Une valeur nulle, égale à zéro ou négative déclenche le signal. Le contrôle vérifie la présence d’une mesure positive, pas sa vraisemblance physique ni son unité d’origine.

Le troisième groupe contrôle séparément le chemin de vignette et celui de l’image principale. Une chaîne renseignée suffit au contrôle : cette version ne télécharge pas l’image pour vérifier sa disponibilité, sa résolution ou son contenu.

Le dernier groupe exige une marque, une catégorie et au moins un tag. Il vérifie les relations dans Ciama, sans juger que la catégorie est la meilleure ni que le tag correspond aux exigences d’un canal particulier.

6. Calculer la conformité comme une part de fiches entièrement complètes

Un produit OK satisfait les douze règles simultanément

Le « score qualité » affiché en tête de page divise le nombre de produits sans aucune anomalie par le nombre total de produits du périmètre courant. Le résultat est présenté avec une décimale.

Une fiche à laquelle il manque un seul tag n’entre donc pas parmi les produits conformes. Une fiche à laquelle il manque dix champs n’y entre pas davantage. Au niveau de cet indicateur, les deux sont comptées de la même manière.

Cette règle rend le score facile à expliquer : cinquante produits conformes sur cent donnent cinquante pour cent. Elle ne prétend pas mesurer la distance restante pour chaque fiche ; la couverture et le nombre moyen d’anomalies complètent précisément cette lecture.

Lorsque le catalogue est vide, le taux reste à zéro. Aucune conformité artificielle à cent pour cent n’est créée en l’absence de produit à contrôler.

7. Mesurer le risque comme la part de produits touchés

Au moins un manque suffit à faire entrer la fiche dans le backlog

Le taux de risque prend le nombre de produits qui satisfont au moins une des douze expressions de manque et le divise par le total du périmètre. Il constitue le complément logique du taux de conformité.

Ce compteur déduplique les produits. Une fiche sans GTIN, sans poids et sans image principale compte une seule fois parmi les produits touchés, même si elle alimente trois compteurs d’anomalies.

L’écran affiche également le volume absolu de produits concernés. Le pourcentage donne une proportion comparable ; le volume rappelle la charge potentielle de vérification.

Le libellé « risque catalogue » reste un raccourci d’interface. Il désigne ici un risque de complétude du référentiel, pas une probabilité de rejet calculée à partir de données marketplace.

8. Mesurer la couverture sur douze emplacements par produit

Une formule sensible au nombre total de champs manquants

La couverture part du nombre total d’emplacements contrôlables : douze multiplié par le nombre de produits. Elle additionne ensuite les signaux manquants de chaque critère et les retranche à cent pour cent.

Un catalogue de cent produits représente donc mille deux cents emplacements. Si soixante signaux manquent, la couverture atteint quatre-vingt-quinze pour cent, même si ces manques sont concentrés sur quelques fiches.

Contrairement au score de conformité, cet indicateur distingue indirectement une fiche presque complète d’une fiche très lacunaire. Il reste toutefois global : la page ne produit pas une note de couverture individuelle pour chaque produit.

La valeur est bornée au minimum à zéro et affichée avec une décimale. Les mêmes douze expressions alimentent son numérateur, ce qui garantit l’alignement avec les compteurs détaillés.

9. Rapprocher la masse de signaux du nombre de produits impactés

Une moyenne qui révèle la concentration des lacunes

Le nombre moyen d’anomalies divise tous les signaux manquants par le nombre de produits touchés. Une moyenne proche de un décrit un backlog diffus ; une moyenne élevée montre que les mêmes fiches cumulent plusieurs lacunes.

Ce calcul exclut les produits conformes du dénominateur. Il répond ainsi à la question « combien de contrôles échouent en moyenne sur une fiche déjà concernée ? », pas au nombre moyen de manques dans tout le catalogue.

Lorsque aucun produit n’est touché, la moyenne reste à zéro. Elle est affichée à côté du taux de risque pour éviter de lire un volume sans comprendre sa concentration.

Cette moyenne n’attribue aucune gravité. Un identifiant ERP absent et une vignette absente pèsent chacun un signal, même si leurs conséquences opérationnelles peuvent être différentes selon le contexte.

10. Faire ressortir l’anomalie la plus fréquente

Un classement par volume, sans pondération commerciale

Le cockpit compte séparément les produits concernés par chacun des douze manques, trie ces volumes par ordre décroissant puis affiche en tête l’anomalie dominante et son nombre de produits.

Un bouton applique immédiatement le filtre correspondant. Le signal macro devient ainsi une sélection consultable au lieu de rester un chiffre sans débouché.

Les quatre premières anomalies sont également présentées avec leur part du catalogue. Cette vue suffit pour repérer un problème systémique, par exemple une dimension jamais importée ou un lot sans catégorie.

La priorité est strictement volumétrique. Le canal, le stock, la marge, les ventes et le coût de correction ne modifient pas l’ordre. L’équipe conserve donc l’arbitrage entre fréquence et impact métier.

11. Combiner plusieurs lacunes pour isoler les fiches qui les cumulent

Un filtre sélectionné ajoute une condition obligatoire

Sans filtre, la table retourne les produits auxquels il manque au moins un des douze éléments. Dès qu’un filtre est choisi, seuls les produits qui présentent ce manque sont conservés.

Lorsque plusieurs cases sont cochées, les conditions s’additionnent avec une logique d’intersection. Choisir GTIN et image principale recherche les produits auxquels manquent à la fois le GTIN et l’image principale ; il ne rassemble pas deux listes indépendantes.

Ce comportement aide à former des lots cohérents. Une équipe peut cibler les références qui cumulent dimensions incomplètes et rattachement absent, puis traiter ce sous-ensemble dans un même chantier.

Les clés inconnues sont rejetées avant la recherche. La page accepte uniquement la liste fermée des douze contrôles, ce qui empêche un paramètre libre de modifier les expressions utilisées par le cockpit.

12. Rechercher par référence, nom ou GTIN

Le même périmètre textuel s’applique aux compteurs et aux listes

Le champ de recherche examine l’identifiant interne du produit, son nom et son GTIN. Une correspondance partielle suffit, ce qui permet de retrouver une racine de gamme ou un fragment d’identifiant.

La recherche n’est pas seulement appliquée à la table visible. Le total, les produits touchés, les compteurs par anomalie, la conformité et la couverture utilisent le même sous-ensemble.

Cette cohérence permet de saisir un motif puis de lire une photographie complète de ce périmètre. Le score affiché ne continue pas silencieusement à représenter l’ensemble du compte pendant que le tableau est filtré.

La recherche ne porte pas sur la marque, la catégorie ou les tags. Ces valeurs sont visibles dans le tableau lorsqu’elles existent, mais elles ne constituent pas encore des facettes de navigation de cette version.

13. Montrer chaque manque dans une grille directement actionnable

Valeur présente en vert, absence en rouge, produit accessible en un clic

La table présente la référence, le GTIN, le nom, quatre dimensions, les deux images, la marque, la catégorie et le nombre de tags. Les valeurs présentes sont distinguées des cellules manquantes.

Pour les dimensions, la valeur et son unité sont conservées afin que l’équipe ne voie pas seulement un état binaire. Pour les images, la table affiche OK lorsque le chemin est renseigné, sans charger le visuel.

La référence ouvre la vue d’ensemble du produit. Le cockpit localise la lacune ; la fiche détaillée fournit le contexte et le point d’entrée de la correction selon les droits et processus du compte.

L’identifiant ERP peut être utilisé comme filtre d’anomalie, mais il ne possède pas de colonne dédiée dans cette grille. La colonne Produit montre l’identifiant interne. Une référence qui ne manque que son rattachement ERP apparaît donc dans la sélection sans cellule ERP rouge correspondante : une limite d’interface assumée dans cette version.

14. Paginer le backlog du plus récemment modifié au plus ancien

Cinquante lignes par défaut, entre dix et deux cents

La page affiche cinquante produits par défaut. Le paramètre de taille est borné entre dix et deux cents afin de préserver une consultation raisonnable même si une URL reçoit une valeur extrême.

Les produits sont classés par date de mise à jour décroissante. Ce choix fait remonter les références récemment touchées, sans prétendre que leur correction est plus rentable ou plus urgente.

La pagination conserve le total de la sélection et indique combien de produits sont visibles sur la page courante. Les cases d’anomalie et la recherche déterminent ce total avant découpage.

Aucun tri interactif par nombre de manques n’est proposé. Le tableau est une file de constat ; l’anomalie dominante et les filtres fournissent la priorisation disponible dans le périmètre livré.

15. Séparer les fiches conformes sans les faire disparaître

Une fenêtre limitée aux deux cents références les plus récemment modifiées

Un bouton affiche le nombre de produits qui ne présentent aucun des douze manques. Il ouvre une fenêtre chargée à la demande plutôt que de mélanger ces références à la file de correction.

La fenêtre montre l’identifiant, le nom, le GTIN et la date de mise à jour. Elle reprend la recherche textuelle en cours et trie les résultats du plus récemment modifié au plus ancien.

La liste est limitée à deux cents produits. Le compteur global peut donc être supérieur au nombre de lignes visibles dans cette fenêtre ; celle-ci constitue un aperçu, pas un export exhaustif des fiches conformes.

Une référence peut être conforme aux douze contrôles et rester impropre à un canal précis. La fenêtre certifie uniquement l’absence des lacunes définies par ce cockpit.

16. Calculer les indicateurs sur l’état courant du catalogue

Aucune note persistée ni campagne de recalcul à attendre

Les compteurs et les listes interrogent directement les produits au chargement de la page. Une correction enregistrée dans le référentiel peut donc modifier la prochaine lecture sans attendre un job de scoring séparé.

Cette architecture évite une note matérialisée devenue obsolète après l’ajout d’une image ou d’une catégorie. La définition du manque reste centralisée dans les requêtes qui produisent toutes les vues.

En contrepartie, la page ne conserve pas l’historique quotidien du score. Elle montre une photographie courante et les dates de mise à jour des produits, pas une courbe d’évolution de la qualité dans le temps.

Il n’existe pas non plus de statut « corrigé » propre au cockpit. Une fiche quitte naturellement le backlog lorsqu’elle satisfait les douze expressions lors de la lecture suivante.

17. Conserver le compte comme frontière de chaque calcul

Totaux, anomalies, conformité et fenêtre partagent le même propriétaire

Le contrôleur part du compte de l’utilisateur connecté. Cet identifiant est transmis aux recherches de produits, aux compteurs d’anomalies et au calcul des références conformes.

La table principale ne peut donc pas élargir son périmètre lorsqu’un filtre est absent. Sans case cochée, elle signifie « toute anomalie du compte », jamais « tous les produits de la plateforme ».

La fenêtre des produits conformes reprend elle aussi le compte de la session. Son chargement asynchrone ne se fie pas à un identifiant de compte fourni par le navigateur.

Ce cloisonnement est essentiel car les indicateurs macro pourraient révéler la taille ou la structure du catalogue d’un autre vendeur même sans montrer ses fiches détaillées.

18. Préférer des règles binaires à une pondération difficile à défendre

Un score global simple, complété par plusieurs angles de lecture

Le premier arbitrage traite les douze contrôles à égalité. Cette simplicité rend chaque manque explicable et évite qu’une pondération non documentée masque un champ absent derrière une bonne note moyenne.

Le deuxième réserve le score principal aux fiches entièrement conformes. Pour mesurer les progrès intermédiaires, la couverture des emplacements et la moyenne d’anomalies apportent une lecture plus graduelle.

Le troisième classe les familles d’anomalies par volume, mais ne transforme pas ce volume en recommandation métier. Une lacune rare sur un produit stratégique peut rester plus urgente qu’un manque fréquent sur des archives.

Le quatrième ouvre la fiche produit plutôt que de corriger automatiquement. Le cockpit aide à trouver ; la modification reste soumise au référentiel maître et aux processus d’enrichissement du compte.

19. Dire clairement ce que le Data Quality Score ne mesure pas

Complétude interne ne signifie ni exactitude ni conformité à chaque marketplace

Une valeur présente peut être fausse. Un poids positif mais irréaliste, un GTIN mal formé, une image inaccessible ou une catégorie mal choisie satisfont encore le contrôle de présence correspondant.

La grille n’évalue ni description longue, ni attributs spécifiques de catégorie, ni variantes, ni traductions, ni documents réglementaires. Elle ne lit pas les rejets ou exigences propres à un canal marketplace.

Tous les produits du compte sont inclus sans tenir compte de leur activité ou de leur stock. Le score ne constitue donc pas un indicateur direct de part de catalogue vendable ou publiable.

Enfin, aucun chiffre d’affaires, marge, potentiel de vente, responsable, échéance ou coût de correction n’entre dans la priorité. Ces dimensions peuvent orienter le run, mais elles ne doivent pas être attribuées à cette version.

20. Ce qui change après la livraison

La complétude devient mesurable, explicable et reliée à une liste

L’équipe dispose d’abord d’un dénominateur clair : tous les produits du compte ou le sous-ensemble trouvé par la recherche. Les pourcentages cessent d’être des impressions produites par quelques fiches ouvertes au hasard.

Les quatre indicateurs évitent de réduire la qualité à un seul nombre. Conformité, risque, couverture et concentration décrivent respectivement les fiches terminées, la population touchée, le volume de champs renseignés et le cumul des manques.

Le classement par volume révèle les anomalies systémiques. Si presque tout un lot manque de largeur, une reprise de flux peut être plus pertinente qu’une correction manuelle produit par produit.

Les filtres en intersection forment des lots homogènes et la grille montre les valeurs à vérifier. L’accès direct à la fiche réduit le passage entre constat et intervention sans automatiser une modification risquée.

Enfin, cette preuve enrichit le catalogue PIM marketplace : avant de parler diffusion, les équipes savent désormais quelles fondations internes sont présentes et lesquelles restent à compléter.

21. Le scénario terrain qui résume le projet

Passer d’un taux global à un lot de produits précisément délimité

Une équipe ouvre le cockpit et constate que le risque touche une part importante du catalogue, tandis que la couverture reste élevée. La lecture combinée indique que beaucoup de produits sont concernés, mais que chacun cumule relativement peu de lacunes.

L’anomalie dominante est l’absence de catégorie. Un clic applique ce filtre et montre les références correspondantes. L’équipe ajoute ensuite le filtre de marque pour isoler les produits auxquels manquent les deux rattachements.

La sélection est plus petite et cohérente. Chaque ligne montre le nom, les dimensions, les images et les cellules absentes ; la référence ouvre le produit pour retrouver sa source et compléter les relations au bon endroit.

Après correction, les fiches quittent la liste lors de la lecture suivante. Le nombre conforme augmente, le risque baisse et la couverture progresse. Aucun statut manuel de clôture n’a été nécessaire.

Si l’objectif suivant consiste à comprendre pourquoi un produit complet reste absent d’un canal, l’équipe bascule vers la Listing Gap Matrix ou l’Offer Listing Matrix. Le contrôle de complétude a préparé le diagnostic sans se l’attribuer.

22. Relier complétude, référentiel et couverture des canaux

Trois diagnostics complémentaires plutôt qu’un score universel

Le projet connecteur ERP et référentiel métier explique comment les identifiants et objets sources sont rapprochés. Le contrôle de l’identifiant ERP prend son sens dans cette continuité.

La Listing Gap Matrix compte la présence des produits sur les canaux actifs. Elle répond à une question différente : une offre existe-t-elle, est-elle active ou manque-t-elle ?

L’Offer Listing Matrix descend dans les cellules produit, stock, canal et offre. Elle fournit le niveau de détail nécessaire lorsque la complétude interne est correcte mais que la couverture mérite encore une vérification.

Dans Ciama Marketplace, ces vues composent un parcours lisible : fiabiliser les fondations du produit, contrôler les relations avec les offres, puis confirmer le comportement de chaque canal.