E-commerce mode : rédiger les fiches looks et analyser les avis avec Claude Code

C’était un vendredi en fin d’après-midi. On me demande de mettre en ligne, pour le lundi suivant, les fiches produit de 50 nouveaux modèles.

Les photos sont prises. Les mesures sont relevées. Mais pour chaque modèle, il faut écrire trois variantes de texte « comment porter la pièce », et y glisser les arguments qui marchent, repérés dans les anciens avis clients. 50 modèles × 3 variantes, ça fait 150 textes. Et tant qu’on y est, il faudrait aussi extraire des avis les plaintes sur la coupe et la matière, puis les reporter dans les descriptions.

Ce soir-là, j’avais vingt onglets d’avis ouverts pour faire des copier-coller, et à 23 h je murmurais « c’est mort pour ce soir ». Dans la mode en ligne, le travail de mise en fiche coince toujours au même endroit : la rédaction, une fois les photos et les mesures terminées.

C’est là que Claude Code m’a sauvé. Je lui confie le brouillon des textes et le tri des avis, et moi je passe du côté de celui qui corrige « ça, ce n’est pas la façon de parler de la marque ». Résultat : les 150 textes ont pris forme en une nuit. Aujourd’hui, je vous donne ce déroulé sous une forme prête à copier-coller.

Points clés

• Pour les textes de looks, donnez à l’IA « modèle, occasion, coupe » et elle sort d’un coup les brouillons. L’humain ne retouche que le ton et la voix de la marque.
• L’analyse des avis ne s’arrête pas au comptage des étoiles. On étiquette sur trois axes — coupe, matière, livraison — pour nourrir l’amélioration produit.
• On délègue à l’IA : brouillon, classement, résumé. L’humain bloque toujours les remises, le stock affiché et les affirmations qui touchent au droit de la consommation.
• On ne transmet que le nom du produit et la référence. Jamais le nom ni l’e-mail des clients : c’est la règle d’or des données personnelles.
• Pour 50 modèles, 4 heures de travail manuel sont passées à 30 minutes environ. Le retour sur investissement tient même au taux horaire.

La mise en fiche en e-commerce mode : où ça coince

Disons clairement à qui je m’adresse. Cet article vise les personnes qui montent les fiches produit d’une boutique de mode en ligne. Vous gérez la photo, la prise de mesures et la rédaction, puis après la mise en ligne vous lisez les avis pour améliorer. Souvent, une seule personne suit plusieurs marques à la fois.

Le déroulé du travail ressemble à ceci.

1. Photographier et mesurer les nouveautés reçues.
2. Saisir le nom du produit, la matière, le tableau des tailles.
3. Écrire les textes de looks et les idées de portés.
4. Mettre en ligne, puis lire les tendances quand les avis s’accumulent.
5. Reporter les plaintes sur la coupe et la matière dans les futures descriptions et les achats.

Là où on perd du temps, c’est aux étapes 3 et 5. Un texte demande 15 minutes, donc 50 modèles mangent une journée entière. L’analyse des avis s’arrête souvent à « tiens, beaucoup de 3 étoiles », sans qu’on mette des mots sur le pourquoi, et la livraison suivante arrive déjà. Du coup, la même plainte sur la coupe revient pendant six mois. C’est l’usure discrète de la gestion d’une boutique de mode.

Si c’est votre première fois avec Claude Code, installez d’abord l’environnement avec le guide de démarrage de Claude Code : la suite des étapes fonctionnera telle quelle.

Cas d’usage 1 : brouillonner 3 variantes de texte par modèle

Le premier gain, c’est la production en série des textes. On donne la référence, la catégorie, la matière et l’occasion visée, et trois brouillons aux tons différents sortent. L’humain ne fait plus que choisir et ajuster les tournures.

Séparons dans un tableau ce qu’on délègue et ce que l’humain tranche.

Étape	Délégué à l’IA	Tranché par l’humain
Idées de portés	○ 5 propositions	Vérifier que l’association existe en stock
Brouillon du texte	○ 3 versions par occasion	Reformuler dans la voix de la marque
Matière et entretien	△ ébauche seulement	Vérifier la cohérence avec l’étiquette de lavage
Affirmations « le moins cher », « garanti »	× ne pas générer	Supprimer au regard du droit de la consommation

Voici le prompt à copier-coller. Il part du principe que le texte ira sur la fiche, donc il interdit les affirmations excessives.

Tu es rédacteur pour une boutique de mode en ligne. Pour le produit
ci-dessous, écris 3 variantes de texte de présentation « comment porter ».

# Informations produit
- Référence : KN-2026SS-014
- Catégorie : pull oversize
- Matière : coton 60 %, acrylique 40 %
- Couleurs : ivoire / moka
- Occasions visées : trajet bureau, café du week-end, courses du quartier

# Conditions
- Chaque variante fait 120 à 160 caractères, ton vouvoyé et chaleureux
- Inclure toujours une pièce à associer (bas ou accessoire)
- Pas d'affirmation type « le moins cher », « garanti », « médical »
- Ne pas parler de taille : se concentrer sur l'ambiance et l'occasion

Format de sortie :
Variante 1 : texte
Variante 2 : texte
Variante 3 : texte

Le point clé : mettre « pas d’affirmation » dans les conditions. La mode touche vite au droit de la publicité, et effacer après coup un « affine la silhouette à coup sûr » devient une corvée. L’interdire dès la consigne réduit les retouches.

Cas d’usage 2 : étiqueter les avis sur 3 axes pour améliorer le produit

Le deuxième usage, c’est l’analyse des avis. Pour compter les étoiles, un tableur suffit. La valeur apparaît quand on trie le texte libre sur trois axes — coupe, matière/qualité, livraison/emballage — et qu’on met des mots sur l’action d’amélioration.

Voici une checklist pour relire la sortie de l’IA et limiter les oublis.

• Les mentions de coupe sont-elles classées en « grand / petit / normal » ?
• Les plaintes sur la matière sont-elles captées avec des mots concrets (fin, qui gratte, bouloche) ?
• Les remarques sur la livraison sont-elles séparées de l’évaluation du produit ?
• Le nombre d’occurrences d’une même plainte est-il compté ?
• L’action est-elle répartie entre « prochain achat » et « correction de la description » ?

Modèle de prompt pour le tri des avis. On demande un retour en tableau, plus facile à compiler.

Voici les avis d'un produit. Étiquette-les un par un sur les 3 axes
ci-dessous, puis propose 3 améliorations à la fin.

# Axes
1. Coupe : grand / petit / normal / non mentionné
2. Matière et qualité : bonne / plainte (détail) / non mentionné
3. Livraison et emballage : bonne / plainte (détail) / non mentionné

# Sortie
| N° | Coupe | Matière/qualité | Livraison/emballage | Résumé en une ligne |
Après le tableau, sous le titre « ## Améliorations », sépare ce qu'il
faut corriger au prochain achat et ce qu'on peut anticiper dans la description.

# Texte des avis
(coller ici, un avis par ligne)

L’astuce, c’est de demander « ce qu’on peut anticiper dans la description ». Par exemple, si « plus fin que prévu » revient 5 fois, avant de changer la matière, il suffit d’écrire dans la fiche « tissu léger et fluide » pour réduire l’écart d’attente. Voir les étoiles monter sans toucher aux achats n’a rien de rare.

Cas d’usage 3 : vérifier la qualité des textes par la machine

Le troisième usage, c’est la vérification. Relire 150 textes à l’œil laisse toujours passer un dépassement de longueur ou un mot interdit. On confie ce poste de garde à la machine.

Le script ci-dessous lit un JSON contenant les textes générés et vérifie automatiquement la longueur et les mots interdits. Avec Node.js, il fonctionne tel quel. Les affirmations à risque en mode sont rangées dans NG_WORDS : complétez selon les règles d’écriture de votre marque.

import { readFile } from "node:fs/promises";

// Cible : un JSON contenant un tableau [{ id, text } ...]
const items = JSON.parse(await readFile("./proposals.json", "utf8"));

const NG_WORDS = ["le moins cher", "garanti", "fait maigrir", "médical", "n°1", "le meilleur de France"];
const MIN = 120;
const MAX = 160;

let ng = 0;
for (const item of items) {
  const len = [...item.text].length; // compter aussi les caractères accentués
  const hits = NG_WORDS.filter((w) => item.text.includes(w));
  const problems = [];
  if (len < MIN || len > MAX) problems.push(`longueur ${len} (attendu ${MIN}-${MAX})`);
  if (hits.length) problems.push(`mots interdits : ${hits.join(", ")}`);

  if (problems.length) {
    ng++;
    console.log(`NG ${item.id} : ${problems.join(" / ")}`);
  }
}

console.log(`\n${ng} textes à corriger sur ${items.length} au total`);
process.exit(ng === 0 ? 0 : 1);

proposals.json ressemble à ceci. Si vous demandez à l’IA de générer les textes sous cette forme, le branchement devient simple.

[
  { "id": "KN-2026SS-014-A", "text": "Un pull oversize à l'allure douce. ..." },
  { "id": "KN-2026SS-014-B", "text": "Une pièce nette qui s'invite aussi au bureau. ..." }
]

Un seul passage de ce script avant la mise en ligne, et les mots interdits comme les longueurs cassées sont arrêtés à temps. En notant ces règles dans le CLAUDE.md, elles sont reprises à chaque fois : voyez les bonnes pratiques du CLAUDE.md pour stabiliser l’exploitation. Pour aller plus loin sur les prompts, le prompt engineering avancé est une bonne référence.

Ce qui change avant et après

Les chiffres rendent l’effet net. Ce sont mes estimations à la louche, à prendre comme ordre de grandeur.

Tâche	Avant	Après
Textes 50 modèles × 3	~4 h (base 15 min/texte)	~30 min (brouillon + retouche du ton)
Lire la tendance de 100 avis	~2 h	~20 min
Contrôle longueur/mots interdits	à l’œil, avec des oublis	automatique par script, zéro oubli

En gros, les textes et les avis m’ont fait gagner une dizaine d’heures par mois. À 18 € de l’heure, ça fait dans les 180 € mensuels. Et surtout, le temps libéré est reparti vers la direction photo et les décisions d’achat — ce qui pèse plus que le montant lui-même.

Ce qu’on délègue à l’IA, et la ligne que l’humain bloque

Tout déléguer parce que c’est pratique, et la mode en ligne provoque des accidents. Traçons la ligne nettement.

On peut déléguer : brouillon, classement, résumé, contrôle de forme. L’ébauche d’un texte, l’étiquetage des avis, les pistes d’amélioration. Là, l’IA est rapide.

L’humain doit toujours bloquer ceci.

• La décision finale sur les remises et les soldes (lié direct à la marge).
• Les affirmations « garanti », « le moins cher » et les promesses d’effet (risque juridique).
• Les mentions de stock et de date de réassort (une erreur devient une plainte de rupture).
• Les tournures qui touchent à l’univers de la marque (un ton mécanique fait fuir).

Pour partager cette ligne dans une équipe non technique, faites lire l’introduction à Claude Code pour non-développeurs : le sens de ce qu’on peut déléguer s’aligne vite.

Données personnelles et sécurité

Ici, pas d’improvisation. Dans l’analyse des avis, le texte contient parfois le nom de l’acheteur, un numéro de commande ou un bout d’adresse. Coller ça tel quel dans l’IA, on évite.

Les règles de terrain sont simples.

1. Ne transmettre à l’IA que le nom du produit, la référence, la catégorie, la matière et le texte des avis déjà publics.
2. Masquer nom, e-mail, téléphone, numéro de commande et adresse avant de transmettre.
3. Si un nom de personne traîne dans un avis, le remplacer avant de coller.
4. Ne pas saisir les coûts d’achat confidentiels ni le nom des fournisseurs.

Pour les noms dans les avis, un simple remplacement dans l’éditeur (anonymiser les noms suivis de « M. » ou « Mme ») évite la plupart des fuites. Ça paraît anodin, mais sauter cette étape suffit à perdre la confiance d’un coup, alors on la fait toujours.

FAQ

Q. Mes textes générés se ressemblent tous. R. Indiquez dans le prompt « les 3 variantes changent de ton (chic / décontracté / cosy) ». Changer seulement d’occasion rapproche le vocabulaire ; ajouter un axe de ton les disperse.

Q. J’ai des centaines d’avis, impossible de tout coller. R. Ne mettez pas tout d’un coup : faites des lots de 50 avec le même prompt, puis fusionnez seulement les tableaux à la fin. Plus le volume est gros, plus le script du cas d’usage 3 prend de la valeur.

Q. Redonner le ton de la marque à chaque fois est pénible. R. Rassemblez les tournures, les mots interdits et le style préféré de la marque dans le CLAUDE.md, et la consigne n’a plus à être répétée. Avantage bonus : c’est partageable en équipe.

Q. Je peux publier le texte tel quel ? R. Traitez-le comme un brouillon. Le ton, la voix de la marque et le contrôle des affirmations passent par l’humain. Le script du cas d’usage 3 est une aide, pas la décision finale.

Le résultat à l’épreuve du terrain

Les « 50 modèles pour lundi » du début, je les ai vraiment passés par ce déroulé.

Pour les textes, j’ai donné la référence, la matière et l’occasion, trois variantes chacune. Les 150 brouillons sont sortis en une vingtaine de minutes, et je n’ai fait qu’unifier le ton et supprimer deux « sûrement ce qui vous ira le mieux » qui traînaient. Passés au script, 7 dépassaient la longueur et 2 contenaient un mot interdit. Les attraper avant la mise en ligne, ça a tout changé.

Côté avis, j’ai vu que les 3 étoiles tenaient surtout à « taille un peu grande », et j’ai écrit par anticipation « coupe ample » dans la description. Savoir qu’on a un levier sans attendre le prochain réassort, c’est la vraie trouvaille.

Au final, le plus utile a été de séparer dès le départ ce que je délègue et ce que je bloque. Le brouillon à l’IA ; le ton, les affirmations et la coupe à l’humain. Depuis que j’ai tracé cette ligne, je murmure moins souvent « c’est mort » à 23 h. Pour cadrer le même flux en équipe, le plus rapide est de concevoir les règles d’exploitation lors d’une formation ou d’un accompagnement.

Pour les bases du droit de la publicité, parcourir le guide de la Direction générale de la concurrence (DGCCRF) aide à expliquer avec ses propres mots où se situe la ligne des affirmations.