Packaging : Square veut supprimer les frictions entre le brief et le rayon

Quand la loi européenne a évolué en imposant le retrait de la mention « sans parabènes », une grande marque de cosmétique a embauché une personne pendant trois mois. Sa mission : faire venir des packs de toutes les usines de tous les pays pour repérer à l’oeil nu où cette mention figurait.

Square, qui disposait déjà d’une base de données, a mis moins de trois semaines pour faire le même exercice et refaire les packs pour une autre marque de ce client, mais à cette époque sans IA. « Avec l’IA maintenant, nous serions sur trois jours », évalue Jean Ulrich, directeur général de Square.

Il s’exprimait mardi 13 octobre, lors de la journée Influence IA organisée par OUR(S), avec Thomas Combépine, architecte solution. Ensemble, ils ont présenté en démonstration trois cas d’usage : le brief, le contrôle et l’extraction de données.
Cette agence lyonnaise travaille surtout pour de grands groupes, dont des américains venus chercher son savoir-faire. Sa vision « data-centrée » lui a permis dès 2014 d’automatiser les déclinaisons de décors packaging, par variétés puis par langues. L’IA accélère cette logique.

Le problème tient au travail en silo : réglementaire, usine, marketing et prestataires détiennent chacun une partie de l’information. Plusieurs grands comptes ne disposent toujours pas d’une base centralisée de leurs décors packagings avec l’ensemble des textes et pictos ! On comprend que repérer un changement de pictogramme quand on modifie 40 000 décors par an n’a rien d’évident.

Le brief, source d’erreurs

Square explique ne pas utiliser « une IA » mais « une collection d’outils », dont une technologie baptisée « data vision » : « C’est comme si l’intelligence artificielle lisait et regardait ces éléments-là, et comprenait le sens du packaging », explique Thomas Combépine. Le système distingue, par exemple, un pictogramme réglementaire d’un QR code qui renvoie simplement au site de la marque. En démonstration, la solution ingère liste d’ingrédients, tracé de découpe, maquette et textes marketing, puis génère un brief visuel. Elle en déduit les zones de distribution et pré-positionne les blocs selon la charte.

L’enjeu est de taille : « la majorité des erreurs de la chaîne viennent du brief client », estime Jean Ulrich. Ainsi, les chefs de projet seniors peuvent passer entre deux à quatre heures à analyser chaque brief, avec le risque d’erreur que cela induit d’aller chercher la confirmation de l’information dans des sources différentes.

L’outil de Square produit un brief complet, par exemple pour un 1,5 litre de soda light destiné à la Finlande, avec codes-barres, QR code et contraintes techniques de l’usine. Il traduit aussi un master anglais en français et en néerlandais, en laissant de côté les éléments propres au produit.

Contrôler et extraire

Deuxième étape, le contrôle : comparer le fichier produit, en agence ou en interne, avec le brief, les règles de marque et la législation. Sur un coffret de Noël déjà imprimé, l’outil a produit un score de préparation face à une nouvelle législation datée du 12 août. Il signalait des points à risque : pictogrammes, visibilité du texte, attestation d’absence de métaux lourds…

Troisième étape, l’extraction « à grande échelle ». Chez les grands comptes, les bases de données sont « assez étanches » entre les unités des entreprises. Les modifications de dernière minute faites sur un pack n’apparaissent pas toujours dans les bases initiales. L’enjeu : disposer de la donnée exhaustive, celle qui est réellement en magasin.

En démonstration la solution Square, entraînée à reconnaître les pictogrammes, extrait et classe ceux de la marque comme les éléments réglementaires et le QR code. Elle récupère aussi le nom du fichier, les contenances, les claims, la liste d’ingrédients, le code de formule et l’adresse légale. Avec 40 000 artworks, retrouver tous les décors avec un logo « lapin » devient une recherche quasi instantanée.