IA générative & CSAT : levier clé pour renforcer la performance produit chez Decathlon

1. L’objectif

Chez Decathlon, les produits digitaux sont au cœur de l’expérience collaborateur et client.
Pour l’équipe Distribution & Approvisionnement (D&AP), la capacité à comprendre rapidement les retours utilisateurs est cruciale : chaque signal, chaque feedback, chaque score de satisfaction peut influencer la qualité de l’expérience offerte.

Mais un paradoxe freinait la performance :

• Les retours utilisateurs étaient bien collectés (via CSAT, Medallia, Google Forms), mais leur exploitation restait manuelle et laborieuse.
• Les Product Managers passaient plusieurs heures à chaque cycle à consolider, nettoyer et analyser des fichiers éparpillés, souvent source d’erreurs.
• Résultat : des insights disponibles trop tard, parfois peu fiables, et une perte d’agilité dans la prise de décision.

‍

L’objectif de la mission était clair :
Passer d’un processus artisanal et chronophage à une solution automatisée, fiable et intelligente, capable de transformer la masse des retours utilisateurs en insights directement activables pour les équipes Produit.

‍

2. Les chantiers menés

#1. Automatiser la collecte et centraliser la donnée

Objectif : fiabiliser la matière première en garantissant une donnée fraîche, homogène et directement exploitable par les Product Managers.

Détail :
Jusqu’ici, les retours utilisateurs (CSAT, Medallia, Google Forms) étaient consolidés manuellement dans des fichiers partagés. Ce processus était non seulement chronophage, mais aussi propice aux doublons et erreurs humaines.
Nos équipes ont conçu un pipeline de données automatisé, orchestré par GitHub Actions, pour centraliser l’ensemble des réponses dans une base PostgreSQL unique. Chaque donnée collectée est désormais automatiquement nettoyée, validée et consolidée, sans intervention manuelle.

Impact :
Les Product Managers disposent d’une donnée fraîche et fiable à chaque cycle, sans effort de consolidation. Résultat : plusieurs heures économisées par itération et un niveau de confiance renforcé dans les indicateurs utilisés pour orienter les décisions.

‍

#2. Valoriser les retours utilisateurs grâce à l’IA générative

Objectif : transformer une masse de verbatims bruts en insights concrets, activables et utiles à la décision produit.

Détail :
La donnée collectée ne représentait qu’un potentiel latent : pour générer de la valeur, il fallait lui donner du sens. Notre équipe a développé un moteur d’analyse basé sur des modèles de langage (LLM). Ce moteur identifie automatiquement les thématiques clés, met en lumière les points forts et faibles, et génère des recommandations actionnables.
Les Product Managers disposent ainsi de synthèses compréhensibles et directement exploitables, plutôt que de centaines de commentaires épars à interpréter.

Impact :
Les retours utilisateurs deviennent un levier stratégique de Product Management : les équipes Produit prennent des décisions plus rapides, mieux informées et orientées par la réalité terrain.

‍

#3. Standardiser et visualiser les indicateurs CSAT

Objectif : donner aux équipes Produit une vision claire, partagée et interactive de la satisfaction utilisateur.

Détail :
Nous avons conçu un tableau de bord ergonomique (React), permettant de visualiser les scores CSAT, d’explorer les tendances par produit et de suivre l’évolution dans le temps. Les indicateurs sont présentés de manière homogène, facilitant les comparaisons et les analyses transverses.
L’interface simple et intuitive a été pensée pour permettre une appropriation rapide par les équipes, sans expertise technique particulière.

Impact :
Les Product Managers disposent d’un langage commun et d’une vision standardisée des retours utilisateurs. Les discussions stratégiques gagnent en clarté et en efficacité, et les arbitrages produit s’appuient désormais sur des données partagées et lisibles par tous.

‍

#4. Réduire les erreurs et accélérer les cycles

Objectif : Libérer les équipes produit des tâches manuelles pour concentrer leur énergie sur l’analyse et l’action.

Détail :
En supprimant la saisie et la compilation manuelle des données, nous avons éliminé les sources d’erreurs humaines et la dépendance aux fichiers partagés. Le pipeline unifié permet de passer directement de la collecte des retours à l’analyse, en supprimant des étapes entières de traitement.

Impact :
Chaque cycle de collecte est désormais plus rapide et plus sûr : les équipes gagnent plusieurs heures par itération, qu’elles peuvent consacrer à des missions à forte valeur ajoutée comme l’amélioration produit et la stratégie utilisateur.

‍

#5. Préparer l’industrialisation et l’intégration dans l’écosystème Decathlon

Objectif : Passer du POC à une solution durable et intégrée, capable de couvrir un périmètre produit plus large.

Détail :
Au-delà du POC, l’enjeu était de poser les bases d’une version 2 plus robuste. En co-construction avec les équipes Produit et Tech de Decathlon, nous avons défini une trajectoire d’industrialisation incluant l’intégration à des outils comme Confluence, Datadog et le suivi GPM. Cette vision long terme permet d’inscrire le projet dans la continuité et de l’adapter aux futurs besoins du groupe.

Impact :
L’adoption du POC par l’équipe D&AP a validé sa valeur immédiate, tout en ouvrant la voie à une industrialisation à l’échelle du groupe. L’outil devient un socle de confiance pour l’avenir, capable de soutenir des cas d’usage élargis et de renforcer l’écosystème digital de Decathlon.

‍

3. Les résultats obtenus

Impact métier

• Plusieurs heures gagnées par cycle de collecte grâce à l’automatisation.
• Une fiabilité accrue des données, validées automatiquement et centralisées.
• Des insights activables permettant aux Product Managers de prendre des décisions plus rapides et plus pertinentes.

Impact stratégique

• Un alignement renforcé entre données terrain et décisions produit.
• Une adoption positive de l’équipe D&AP, convaincue par la valeur ajoutée de l’outil.
• Une trajectoire claire vers l’industrialisation et l’intégration à l’écosystème Decathlon.

Cette mission démontre comment l’IA générative et l’automatisation des pipelines de données peuvent transformer une contrainte opérationnelle en un levier stratégique de Product Management.

‍