22 novembre 2026

Croissant lance Rémi, assistant shopping IA qui intègre la valeur de revente

Croissant lance Rémi, assistant shopping IA qui intègre la valeur de revente

Croissant lance Rémi, assistant shopping IA qui intègre la valeur de revente

La plateforme américaine Croissant présente Rémi, un assistant shopping basé sur l'intelligence artificielle qui promet de personnaliser les recommandations en tenant compte non seulement des goûts et des habitudes d'achat, mais aussi de la valeur de revente des produits.

Une recommandation pensée pour la revente

Croissant explique que Rémi personnalise les suggestions « à partir des goûts, des achats passés et des habitudes des consommateurs ». Le système puise des signaux sur des plateformes comme Instagram, Pinterest ou LTK, ainsi que dans l'historique d'achats, pour identifier marques et styles préférés.

Selon Adrien Naeem, « Croissant s'appuie sur les données historiques couvrant 7 millions d'acheteurs et 32 millions de commandes pour alimenter ses propres modèles ». Ce socle de données vise à permettre à Rémi d'anticiper la valeur d'un produit une fois acheté et, ainsi, d'influer sur la décision d'achat.

« C'est le personal shopper qui devient aussi un conseiller en valeur résiduelle », résume Adrien Naeem, soulignant la double ambition du service : satisfaire le goût et optimiser la durabilité financière de l'achat.

Données et vie privée : l'autorisation au cœur du dispositif

Croissant précise que l'analyse des signaux externes et des historiques d'achat se fait avec l'autorisation des utilisateurs, afin d'agréger des informations issues des comptes (achats par e10mail, abonnements à des comptes sur des plateformes sociales, etc.). L'entreprise positionne Rémi comme un outil de conseil personnalisé, reposant sur des modèles entraînés sur un large corpus d'achats passés.

Enjeux business et marché de l'occasion

L'intégration explicite de la valeur de revente dans l'algorithme de recommandation signale une stratégie visant à rapprocher commerce primaire et marché de l'occasion. En recommandant des produits dont la dépréciation est maîtrisée, Croissant espère sans doute améliorer la satisfaction post-achat et encourager des cycles d'achat-resale plus fluides.

Laetitia Lamari insiste sur les implications : pour les marques et les distributeurs, un tel assistant peut modifier le mix marketing et la gestion de l'inventaire, en favorisant des références à fort potentiel de revente. Elle rappelle aussi que la confiance des consommateurs dépendra fortement des garanties apportées sur la protection des données et la transparence des critères de recommandation.

Perspectives et limites

D'un point de vue technologique, l'approche de Croissant est intéressante parce qu'elle combine préférences subjectives et métriques économiques. Mais le succès dépendra de la qualité des données, de la pertinence des modèles de prédiction de valeur et de l'adhésion des utilisateurs à partager des informations personnelles.

Adrien Naeem conclut sur une note pragmatique : Rémi ne se contente pas de « recommander le bon produit au bon moment », il cherche aussi à anticiper la valeur après l'achat, ce qui, selon lui, redéfinit la promesse du conseiller d'achat numérique.


Article rédigé à partir des interventions de Laetitia Lamari et Adrien Naeem.