1/ Pourriez-vous vous présenter et nous expliquer votre rôle chez PrestaShop ?
PrestaShop développe plusieurs types de produits : un CMS e-commerce open source, des solutions d’hébergement pour les marchands, et une marketplace sur laquelle les utilisateurs peuvent télécharger des modules qui étendent les fonctionnalités de leur boutique – un peu comme des extensions sur un navigateur.
Je suis Chief Product Officer chez PrestaShop depuis 2023 et manage trois grandes fonctions : le Product Management, le Design, et le Care (support client et formation).
Concrètement, l’équipe Product fait le lien entre ce que les clients ont du mal à faire et les développeurs qui construisent les solutions. On écoute, on comprend les problèmes, on priorise – pas ce qui serait sympa à avoir, mais ce qui va vraiment faire grandir le business.
Avant PrestaShop, j’ai travaillé pour de grandes marques comme Mappy, Photobox, SeLoger ou MeilleursAgents, et sur des produits tous très différents – apps, SaaS, outils internes, plateformes à grande échelle. Ce qui m’a amené chez PrestaShop, c’est la combinaison rare d’un logiciel open source avec une communauté mondiale (230 000 marchands, plus de 1 000 agences et développeurs, et plus de 150 partenaires) et un enjeu de transformation produit réel.
2/ Quelles fonctions back-office avez-vous choisi d’équiper en IA en priorité chez PrestaShop ?
Ce qui est intéressant avec PrestaShop, c’est que notre base open source a fait que l’IA était déjà présente dans notre écosystème avant même qu’on décide quoi que ce soit. Des développeurs tiers avaient déjà publié sur notre marketplace des modules IA – traduction automatique, chatbots, gestion de contenu. C’est la force du modèle open source : l’innovation n’attend pas.
Notre rôle a ensuite été de structurer cette présence IA autour de plusieurs axes.
Le premier, c’est l’infrastructure. Nous avons développé un serveur MCP officiel – le PrestaShop MCP Server – qui crée un pont standardisé entre les outils d’IA et les boutiques PrestaShop. Concrètement, un marchand peut depuis son interface Claude ou ChatGPT gérer ses produits, ses commandes, son catalogue, sans passer par le back-office. Les données restent sécurisées, les appels API passent par le serveur. Lancé publiquement en novembre 2025, il est documenté sur docs.mcp.prestashop.com.
Le deuxième axe, c’est la visibilité dans les moteurs IA. De la même façon que les marchands ont appris le SEO pour être visibles sur Google, une nouvelle discipline émerge : le GEO, pour Generative Engine Optimization. Nous avons lancé en septembre 2025 un module d’audit et d’optimisation des fiches produits pour les LLMs – ChatGPT, Gemini, etc. Chaque fiche reçoit un score sur 10, des recommandations concrètes générées par Gemini 2.5 Pro, et le marchand peut relancer l’audit après corrections pour mesurer sa progression. L’objectif est simple : rendre les catalogues « AI-ready » pour que les produits apparaissent dans les réponses des IA.
Le troisième axe, c’est le commerce agentique – permettre aux marchands de vendre directement depuis un agent IA. Nous travaillons avec les principaux PSP pour rendre ces fonctionnalités disponibles dès qu’elles seront opérationnelles en Europe, ce qui devrait se concrétiser dans le courant de 2026.
Le quatrième axe, c’est la simplification de l’expérience back-office elle-même. Nous construisons depuis début 2026 un assistant IA natif dans le back-office PrestaShop. Le marchand formule ses demandes en langage naturel – « mets en promotion les produits de cette catégorie qui ont peu de traction » – et l’assistant exécute directement. Il s’appuie sur la couche MCP comme infrastructure technique.
Enfin, un cinquième chantier mérite d’être mentionné tant il illustre ce que l’IA rend possible concrètement : notre équipe Data a développé un outil de migration automatique depuis WooCommerce vers PrestaShop. Le principe : l’outil se connecte à une boutique WooCommerce existante, migre l’intégralité des données – produits, clients, commandes, configurations – identifie les plugins actifs, trouve leurs équivalents sur notre marketplace et les installe automatiquement, et reproduit le design du site d’origine. Le tout orchestré par une IA savamment intégrée aux étapes clés. Résultat : une boutique migrée à l’identique en moins de 10 minutes, pour environ 2 dollars de tokens. C’est encore un protoype, avec une finalisation prévue avant l’été, mais c’est représentatif de ce que des équipes motivées peuvent construire rapidement quand elles s’emparent des outils IA.
3/ Sur quelles tâches l’IA vous fait-elle gagner du temps ou de la qualité aujourd’hui ?
L’ensemble des départements utilisent l’IA aujourd’hui, à des degrés divers selon les sensibilités et les métiers.
Les premiers gains ont été sur les tâches chronophages : prise de notes automatique en réunion ou synthèse de feedback client par exemple. Ce dernier point est particulièrement structurant pour nous. Nous baignons dans un flux de signaux permanent – interviews utilisateurs, rendez-vous commerciaux, tickets support, messages sur les forums, issues GitHub. Notre écosystème couvre des marchands, des agences, des développeurs, des prestataires de services, tous avec des besoins très différents. L’IA nous permet d’agréger tout ça et d’en extraire les traits saillants par segment. C’est un gain de qualité autant que de temps.
Dans les équipes Product et Engineering, l’IA est intégrée à l’ensemble du process de développement : évaluations des opportunités, rédaction de specs, release notes, documentation, et bien sûr le développement lui-même.
Côté outils, nous combinons Gemini via nos comptes Google Workspace, Notion AI pour la gestion documentaire et opérationnelle, et Claude pour les équipes Product et Engineering.
Au-delà du Product et de l’Engineering, d’autres équipes ont développé leurs propres usages. Les RH ont créé un bot qui répond automatiquement aux questions fréquentes des collaborateurs sur les congés et la politique interne. La Finance a un agent Slack qui traite les questions sur la gestion des contrats et des factures. Ce sont des initiatives qui sont nées dans les équipes elles-mêmes, pas imposées d’en haut – et c’est exactement ce qu’on cherchait à créer.
4/ Comment vos équipes ont-elles accueilli l’arrivée de l’IA dans leurs processus quotidiens ?
Avec un mélange d’enthousiasme et d’inquiétude – ce qui est parfaitement normal, et honnêtement sain.
L’enthousiasme, parce que le champ des possibles dans nos métiers est vertigineux. Ce que l’IA permet aujourd’hui dans le travail d’un PM, d’un designer ou d’un agent support aurait semblé irréaliste il y a 5 ou 10 ans. Et ça évolue vite : ce qui était vrai il y a trois mois ne l’est déjà plus tout à fait.
L’inquiétude, parce que la question « à quoi ressemblera mon métier demain ? » est légitime. Ce n’est pas la première fois que les équipes tech vivent une transformation de cette ampleur : internet, les smartphones, les design systems ont tous redistribué les cartes par exemple. La différence avec l’IA, c’est la vitesse à laquelle ça arrive et l’amplitude du changement.
Notre position chez PrestaShop est claire : soit on se rend acteur du changement, soit on le subit. Nous avons choisi la première option. Concrètement, ça passe beaucoup par l’auto-formation – il existe aujourd’hui une masse de contenus accessibles sur internet, et on peut même utiliser l’IA elle-même pour apprendre à s’en servir. Chacun peut s’approprier ces outils à son propre rythme, selon son métier. Les cas d’usage d’un profil marketing, d’un commercial ou d’un développeur sont finalement très différents, et qui mieux que la personne qui exerce ce métier pour imaginer comment l’IA peut l’aider ?
Nous avons aussi mis en place des temps d’échange hebdomadaires où chacun partage ses découvertes pour inspirer les autres. C’est informel, mais c’est l’un des leviers les plus efficaces qu’on ait trouvés pour accélérer l’adoption.
5/ Comment gérez-vous l’équilibre entre automatisation et supervision humaine, notamment sur les interactions clients ou les décisions à impact business ?
Notre conviction est qu’une automatisation totale n’est pas souhaitable – ni sur les interactions clients, ni sur les décisions à fort impact. Pas par principe, mais parce que le contexte le justifie.
Prenons le support client. Nous utilisons des outils qui pré-génèrent des réponses que nos agents valident, ajustent et envoient. Pourquoi cette supervision reste-t-elle nécessaire ? Parce que la force de PrestaShop – sa capacité de personnalisation quasi-illimitée – est aussi sa complexité. Chaque boutique PrestaShop est unique dans son intégration, ses modules, ses paramétrages. Il n’existe pas de réponse universelle qui couvre tous les cas. L’IA nous fait gagner du temps sur la formulation, l’agent apporte le contexte spécifique qui rend la réponse réellement utile.
Sur les décisions business, c’est le même raisonnement. L’IA accélère considérablement l’assessment – elle aide à structurer les options, à creuser les implications, à anticiper les effets de bord. Mais la décision finale appartient à l’humain. Le jugement, la prise en compte du contexte organisationnel, des relations, du moment – ça ne se délègue pas à un modèle.
Ce qui a changé dans notre façon de travailler, c’est moins la répartition des responsabilités que la vitesse à laquelle on arrive à une décision éclairée. L’IA compresse le temps d’instruction, pas le temps de jugement.
6/ Quelles limites de l’IA avez-vous identifiées jusqu’ici ?
Spontanément, je pense à trois limites concrètes, que nous avons toutes rencontrées.
La première, c’est la dépendance à la qualité des données en entrée. « Garbage in, garbage out » – mais amplifié. Une documentation produit incomplète ou contradictoire génère des réponses incohérentes, et le modèle ne signale pas le problème. Il répond avec le même aplomb quelle que soit la fiabilité de ce sur quoi il s’appuie. Cela nous a conduits à faire de la maintenance documentaire un axe de travail prioritaire – documentation technique, mais aussi process internes et logique de décision. Plus on donne de contexte fiable à un modèle, moins il hallucine.
La deuxième limite, c’est précisément les hallucinations. Sur des tâches de support, un modèle peut inventer une fonctionnalité inexistante ou citer une politique obsolète avec une totale assurance. La réponse n’est pas d’abandonner l’usage, mais de mettre en place des garde-fous dans les instructions des agents : ne jamais inventer de réponse, toujours citer des sources vérifiables, répondre « je ne sais pas » en l’absence de données fiables. Ce sont des règles simples, mais elles doivent être explicitement codifiées.
La troisième limite, c’est le coût à l’échelle. Ce qui fonctionne sur 100 requêtes devient problématique sur 100 000. Les modèles tournent aujourd’hui autour de quelques dollars par million de tokens – ce qui paraît faible, mais sur un produit à fort volume avec des prompts riches, la facture peut rapidement dépasser plusieurs milliers d’euros par mois. C’est pourquoi beaucoup d’équipes – y compris nous – architecturent des systèmes hybrides : modèle léger pour le triage, modèle complet uniquement sur les cas complexes.
L’IA est un outil puissant, devenu aujourd’hui incontournable. Savoir en comprendre et en gérer les limites fait partie intégrante de la maîtrise nécessaire à son utilisation.
Source: https://www.fevad.com/interview-du-mois-clement-paillasse-chief-product-officer-chez-prestashop/
.
