Stage AI Engineer, Agentic & e-commerce - F/H/N

About this role

Sujet de stage Automatisation de la mise à niveau agent-ready du catalogue produit. Sous-titre Audit, enrichissement automatique et mesure de visibilité d’un catalogue produit dans les parcours d’achat pilotés par agents IA. Le WHY Les agents IA deviennent progressivement des intermédiaires dans le parcours d’achat : ils recherchent, comparent, recommandent et, demain, pourront initier des transactions au nom des clients.

Pour un retailer, l’enjeu n’est plus seulement d’avoir un catalogue visible sur un site ou dans un moteur de recherche, mais de disposer d’un catalogue lisible, fiable et actionnable par des agents. Les missions Le stage consistera à concevoir et prototyper une chaîne d’automatisation permettant d’ évaluer et d’améliorer l’agent-readiness d’un catalogue produit e-commerce . Le/la stagiaire devra définir une grille de maturité , auditer un catalogue existant , identifier et visualiser les attributs manquants ou incohérents, proposer des enrichissements contrôlés par IA , générer un export compatible avec les standards de données produit et mesurer l’impact sur la découvrabilité via un benchmark de scénarios d’achat agentiques.

Une attention particulière sera portée à la GEO , ou Generative Engine Optimization : comment structurer les fiches produits, les données marchandes et les contenus d’aide à la décision pour que les produits soient compris, cités et recommandés par les moteurs génératifs et les agents IA. Le déroulement du stage Étape 1 : État de l’art e-commerce, agentic commerce et GEO Comprendre comment les agents IA transforment les parcours d’achat e-commerce et identifier les impacts pour les retailers.

Étape 2 : Définition d’un modèle de maturité agent-ready du catalogue produit Définir une grille permettant d’évaluer le niveau de préparation d’un catalogue produit pour les agents IA et les moteurs génératifs. Étape 3 : Audit automatique du catalogue avec visualisation Concevoir un outil permettant d’analyser automatiquement un catalogue produit existant, de détecter les gaps et de visualiser les zones prioritaires d’amélioration.

Étape 4 : Enrichissement IA et human-in-the-loop Prototyper une chaîne d’enrichissement assistée par IA permettant de compléter les données produit tout en gardant un contrôle humain sur les informations sensibles ou incertaines. Étape 5 : Benchmark GEO et mesure de visibilité agentique Mesurer l’impact des enrichissements sur la capacité des agents IA et moteurs génératifs à comprendre, retrouver, comparer et recommander les produits.