Problem
Les plateformes e-commerce standards accusent des taux d'abandon élevés lorsque la recherche textuelle échoue à capter l'intention exacte du client (notamment pour la mode ou la tech). L'enjeu technique consistait à concevoir un système transactionnel hautement sécurisé pour gérer un catalogue complexe, tout en intégrant une fonctionnalité de recherche visuelle sans impacter les temps de chargement (Core Web Vitals).
Solution
Nous avons déployé une architecture monolithique robuste sous Python (Django) avec une base de données relationnelle MySQL, garantissant l'intégrité stricte des transactions et des stocks. L'innovation majeure réside dans l'intégration d'un modèle d'analyse d'images (Computer Vision) via API : l'utilisateur soumet une photo, l'algorithme extrait les caractéristiques visuelles, et le système interroge la base de données pour afficher les produits similaires en moins de 2 secondes.
Architecture et sécurité logicielle Le développement ne s'est pas limité à la vitrine client (front-end). L'essentiel de la valeur réside dans le back-office sur mesure conçu pour les administrateurs. Il permet la gestion centralisée des flux logistiques, le suivi financier des commandes et le monitoring de la performance du moteur de recherche IA.
Le défi de la recherche visuelle (IA) Intégrer un modèle de Computer Vision exigeait de traiter les requêtes de manière asynchrone pour éviter de bloquer l'interface utilisateur. Lorsqu'un client photographie un smartphone ou un article précis, le système compare instantanément les vecteurs de l'image avec des milliers de références en base de données, transformant un processus de recherche frustrant en une conversion rapide.
Modélisation des données L'utilisation de MySQL a permis de structurer les données avec une intégrité référentielle stricte, essentielle pour un système e-commerce où la synchronisation entre l'inventaire réel, le panier utilisateur et le processeur de paiement ne tolère aucune faille de type "race condition" ou erreur de concurrence.
