MaPS AI : une architecture d’orchestration IA gouvernée pour vos données produit

L’intelligence artificielle transforme progressivement le rôle des plateformes de gestion de l’information produit.

Après avoir centralisé, structuré et fiabilisé les données, les solutions PIM et MDM doivent désormais permettre de les exploiter plus rapidement, à plus grande échelle et dans le respect des règles de gouvernance de l’entreprise.

Avec MaPS AI, MaPS System ajoute une couche d’orchestration intelligente à sa plateforme. Conçue selon une approche API-first, cette brique peut s’intégrer aux applications, aux workflows et aux services déjà présents dans le système d’information, y compris au sein d’architectures complexes ou fortement interconnectées.
Son rôle n’est pas d’imposer un modèle d’intelligence artificielle supplémentaire, mais de permettre à chaque entreprise de sélectionner, de configurer et de piloter les technologies les mieux adaptées à ses besoins.

MaPS AI se concentre sur l’orchestration de l’inférence, c’est-à-dire sur l’utilisation opérationnelle de modèles existants au sein des processus métier. La plateforme n’a pas vocation à entraîner des modèles propriétaires, ce qui évite d’imposer aux entreprises les infrastructures lourdes généralement associées à l’apprentissage de modèles.

L’objectif est de faire de l’IA un composant opérationnel du système d’information produit, sans abandonner le contrôle de l’architecture, de la validation des données ou de la maîtrise des coûts.

Du PIM centralisateur au PIM opérationnel et intelligent

La mission première d’un PIM ou d’un MDM consistait à constituer un référentiel fiable : centraliser les catalogues, harmoniser les attributs, contrôler la qualité des informations et distribuer les données vers les différents canaux ou parties prenantes.
Cette fonction reste fondamentale. Elle ne suffit cependant plus à répondre aux besoins actuels.
Les entreprises doivent gérer des catalogues toujours plus vastes, des données provenant de sources hétérogènes, des exigences de personnalisation croissantes et un nombre toujours plus important de canaux, de langues et de formats.
Dans ce contexte, l’enjeu n’est plus seulement de stocker et d’organiser l’information. Il faut aussi pouvoir l’enrichir, la contrôler, la traduire, la reformater et l’exploiter de manière industrielle.
Avec MaPS AI, le PIM devient une véritable plateforme d’exécution.
Intégrée aux processus de gestion des données produit, l’intelligence artificielle peut intervenir à différentes étapes du cycle de vie de l’information : extraction, modélisation, classification, enrichissement, contrôle qualité, traduction, adaptation éditoriale ou préparation des données pour les différents canaux de diffusion.

L’orchestration IA : choisir la bonne technologie pour chaque tâche

Tous les modèles d’intelligence artificielle ne présentent pas les mêmes caractéristiques.
Certains sont particulièrement performants pour la génération de contenus. D’autres sont davantage adaptés à l’analyse de documents, à la classification, au traitement multimodal, à la traduction ou à l’exécution de tâches répétitives à grande échelle.
S’appuyer sur un seul modèle pour l’ensemble de ces usages peut limiter les performances, augmenter les coûts ou créer une dépendance excessive vis-à-vis d’un fournisseur.
MaPS AI adopte une approche agnostique et multi-modèles. Selon la configuration retenue, la plateforme peut se connecter à différents fournisseurs de modèles d’intelligence artificielle, tels qu’OpenAI, Anthropic, Google ou Mistral AI. Elle peut également intégrer des modèles exploités dans une infrastructure contrôlée par le client, notamment par l’intermédiaire d’Ollama.
MaPS AI joue ainsi le rôle de couche d’orchestration entre les données, les workflows métier et les différents modèles d’intelligence artificielle.
Son architecture API-first facilite son intégration dans un système d’information existant. Les capacités d’IA peuvent être mobilisées depuis les processus MaPS, mais aussi être articulées avec d’autres applications, services ou composants métier, sans imposer une refonte globale de l’architecture.

Cette approche permet notamment de :

• sélectionner un fournisseur ou un modèle selon la nature du traitement ;
• réserver les modèles les plus avancés aux opérations nécessitant davantage de raisonnement ;
• affecter des modèles rapides et économiques aux traitements répétitifs ou volumineux ;
• faire évoluer les modèles utilisés sans reconstruire l’ensemble du processus métier ;
• limiter la dépendance de l’architecture à un fournisseur unique.

L’orchestration ne consiste donc pas simplement à multiplier les connexions avec différents modèles. Elle permet d’appliquer des règles de routage, de contrôle et de gouvernance à chaque utilisation de l’intelligence artificielle.
Elle porte principalement sur l’inférence : MaPS AI organise les appels aux modèles, leur intégration dans les workflows et le traitement de leurs résultats. L’entraînement de modèles propriétaires reste en dehors de ce périmètre, ce qui réduit les besoins en infrastructure spécialisée et facilite le déploiement des cas d’usage.

Une architecture alignée sur votre politique de gouvernance des données

L’intégration de l’intelligence artificielle dans un PIM soulève des questions légitimes.
Quelles données sont transmises ? À quel fournisseur ? Depuis quelle région sont-elles traitées ? Selon quelles modalités de conservation ? Qui détient les identifiants d’accès ? Comment les traitements peuvent-ils être contrôlés et audités ?
MaPS AI est conçu pour permettre à la DSI de conserver la maîtrise de ces décisions.
Selon l’architecture retenue, les connexions aux services d’IA peuvent être réalisées à partir des comptes et des identifiants API propres au client, plutôt qu’au travers d’un compte générique mutualisé par l’éditeur.

Cette séparation facilite l’application des politiques internes de sécurité, le suivi des usages et le contrôle de la relation avec chaque fournisseur.
L’entreprise conserve ainsi la capacité de déterminer :

• les fournisseurs autorisés ;
• les modèles accessibles ;
• les types de données pouvant être traités ;
• les utilisateurs habilités à lancer les traitements ;
• les processus dans lesquels l’IA peut intervenir ;
• les étapes nécessitant une validation humaine.

Cette architecture contribue à préserver la confidentialité des informations stratégiques, notamment les caractéristiques produit, les données fournisseurs, les documents techniques et les informations tarifaires.
La souveraineté des données reste toutefois une politique globale. Elle dépend également de l’hébergement de la plateforme, des régions de traitement choisies, des conditions contractuelles de chaque fournisseur, de la politique de conservation des données et des règles de sécurité appliquées par l’entreprise.
MaPS AI fournit ainsi une architecture permettant à chaque organisation d’appliquer sa propre politique de gouvernance de l’intelligence artificielle.

Un paramétrage contrôlé par l’IT

MaPS AI permet à la DSI de définir un cadre d’utilisation commun, plutôt que de laisser se multiplier les usages dispersés ou les connexions non gouvernées à des outils d’intelligence artificielle.

Les administrateurs peuvent configurer les fournisseurs, les modèles et les identifiants d’accès mis à disposition dans la plateforme. Ils déterminent ainsi les options accessibles aux utilisateurs et les règles applicables aux différents processus.
Cette centralisation permet de concilier autonomie métier et maîtrise IT.
Les équipes métier bénéficient de fonctionnalités d’intelligence artificielle directement intégrées à leurs processus de gestion de l’information produit. La DSI conserve, de son côté, le contrôle des connexions techniques, des autorisations, des modèles disponibles et des règles de gouvernance.

L’intelligence artificielle ne constitue plus un outil isolé utilisé en dehors du système d’information. Elle devient un service gouverné et intégré à l’environnement de données de l’entreprise.

Une approche FinOps pour surveiller et optimiser les coûts de l’IA

Le passage d’expérimentations ponctuelles à des traitements portant sur plusieurs milliers de produits change radicalement l’équation économique.
Une opération peu coûteuse lorsqu’elle est réalisée sur quelques fiches peut générer une consommation significative lorsqu’elle est appliquée à un catalogue complet, dans plusieurs langues et sur plusieurs canaux.
MaPS AI intègre une logique de suivi de la consommation permettant de visualiser l’utilisation des tokens selon les modèles ou les services sollicités.
Cette visibilité aide les équipes à comprendre les coûts associés aux différents traitements et à identifier les opérations les plus consommatrices.
L’orchestration permet également d’appliquer une stratégie d’optimisation coût-performance :

• utiliser des modèles économiques pour les classifications ou les contrôles exécutés en volume ;
• recourir à des modèles spécialisés pour l’extraction de données depuis des documents ;
• réserver les modèles les plus avancés aux enrichissements complexes ;
• limiter les appels inutiles grâce aux règles de workflow ;
• valider les résultats sur un échantillon avant de lancer un traitement massif.

La maîtrise budgétaire ne repose donc pas uniquement sur le suivi d’une facture. Elle commence dès la conception du workflow, par l’affectation du bon niveau de puissance à chaque tâche.
Cette approche FinOps permet à la DSI de suivre les usages, de comparer les coûts et d’ajuster progressivement les modèles utilisés en fonction des performances observées.

Des workflows adaptés aux exigences de chaque entreprise

Les cas d’usage de l’intelligence artificielle ne présentent pas tous le même niveau de risque.
La génération d’une suggestion de catégorie produit n’appelle pas nécessairement le même niveau de contrôle que la création d’une description publiée automatiquement sur un site e-commerce ou la transformation d’une donnée tarifaire.
MaPS AI permet d’intégrer les traitements d’intelligence artificielle dans des workflows configurés selon les règles de l’entreprise.
Une étape d’IA peut, par exemple, proposer une description, classifier un produit ou extraire des caractéristiques techniques.
Pour absorber les pics de charge et traiter des volumes importants sans bloquer les autres opérations, ces traitements peuvent être exécutés de manière asynchrone au moyen d’un système de files d’attente. Les demandes sont ainsi mises en queue et traitées progressivement en fonction des capacités disponibles.
Le résultat peut ensuite être :

• contrôlé automatiquement ;
• comparé aux données existantes ;
• soumis à des règles de qualité ;
• transmis à un collaborateur pour validation ;
• accepté, rejeté ou renvoyé pour correction.

L’entreprise peut ainsi définir différents niveaux d’autonomie selon la criticité du processus :

• exécution automatique pour les tâches simples et réversibles ;
• contrôle par échantillonnage pour les traitements industrialisés ;
• validation humaine systématique pour les contenus sensibles ;
• interruption du workflow lorsque les règles de qualité ne sont pas respectées.

Cette flexibilité permet de déployer l’intelligence artificielle progressivement, en commençant par des cas d’usage maîtrisés avant de l’étendre à des processus plus complexes.

De l’IA subie à l’IA gouvernée

L’intelligence artificielle ne remplace ni les règles métier ni l’expertise des équipes.
Elle automatise certaines opérations, accélère les traitements et facilite le passage à l’échelle. Sa valeur dépend néanmoins du cadre dans lequel elle est utilisée.
Sans gouvernance, l’IA peut entraîner une multiplication des outils, une perte de visibilité sur les données transmises, une hausse incontrôlée des coûts ou une hétérogénéité des résultats.
Avec MaPS AI, l’entreprise définit les modèles autorisés, les règles d’utilisation, les workflows concernés et les étapes de contrôle.
L’IA exécute les tâches fastidieuses, assiste les utilisateurs et veille à la cohérence des traitements. Les équipes métier conservent la maîtrise de la qualité finale, tandis que la DSI pilote l’architecture, les accès et la consommation.
En intégrant cette orchestration directement au cœur du PIM, MaPS System transforme l’intelligence artificielle en un levier gouverné de performance opérationnelle.