De la détection des contrefaçons au taux de saturation de votre marque : tout ce que Marq AI vous montre

Avec la croissance fulgurante de l’e-commerce mondial, les problèmes de PI se multiplient et se complexifient. Dans cette série d’articles, nous voyons en détail, du point de vue des chefs de produit (PM), quels problèmes résolvent les produits de Marq AI et dans quelle direction ils évoluent.

Cet article repose sur un entretien avec Jay, responsable de l’offre contrefaçons chez MarqVision.

Au sommaire de cet entretien

1. Les intentions de départ

2. Les fonctionnalités clés

3. Les difficultés de conception et leurs solutions

4. Les orientations à venir

Pourquoi nous avons créé le tableau de bord Counterfeit de Marq AI

Avec la croissance rapide de l’e-commerce mondial, la contrefaçon est devenue un problème bien plus complexe et étendu qu’auparavant. Autrefois concentrée sur les marketplaces chinoises, elle s’étend désormais au monde entier, des États-Unis à l’Europe en passant par l’Asie du Sud-Est. De plus, avec l’essor des réseaux sociaux et du live shopping, les canaux de vente des contrefaçons dépassent les simples marketplaces pour gagner de multiples plateformes sociales, ce qui complique encore la détection et la réponse.

Le principal problème, c’est que les annonces de contrefaçons réapparaissent plus vite qu’on ne les détecte et qu’on ne les retire. Lorsqu’une marque agit manuellement en interne, supprimer une seule annonce prend plus de 30 minutes, et une autre réapparaît aussitôt après : un cercle vicieux sans fin.

La fonctionnalité Counterfeit de Marq AI a été conçue pour dépasser cette limite structurelle. Elle ne s’arrête pas à la détection : elle repose sur l’automatisation au service d’actions rapides et sur l’analyse par IA, pour libérer les équipes de marque des tâches répétitives et leur permettre de se concentrer sur une réponse plus stratégique.

Les fonctionnalités clés du tableau de bord Counterfeit de Marq AI

Q : Est-ce une demande de client qui vous a fait dire « Il faut absolument régler ça », ou avez-vous d’abord défini le problème en interne ?

L’une des plus grandes difficultés des responsables de marque face aux contrefaçons, c’était de mesurer les résultats de leurs actions et de les exploiter de façon stratégique. En interne aussi, nous avons conçu et fait évoluer de nombreuses fonctionnalités autour d’une question : « Comment montrer aux marques une valeur concrète, fondée sur le ROI ? »

Le fruit de cette réflexion, c’est le tableau de bord Counterfeit. Il est conçu pour aider les marques à quantifier les menaces auxquelles elles font face et à bâtir des stratégies de réponse efficaces sur cette base. Son point fort : des fonctionnalités qui permettent aux équipes non seulement de consulter les données, mais aussi d’en tirer des décisions stratégiques.

Par ailleurs, des signalements sont générés automatiquement à partir des annonces de contrefaçons détectées et peuvent être soumis directement aux plateformes, ce qui accélère nettement la réponse. Comme il n’est plus nécessaire de vérifier chaque annonce et de rédiger les signalements à la main, les équipes travaillent beaucoup plus efficacement, et les marques peuvent traiter plus de menaces, plus vite.

1) La détection des contrefaçons par IA

Autrefois, on ne s’appuyait que sur les informations de la fiche produit pour déterminer s’il s’agissait d’une contrefaçon ; aujourd’hui, l’IA analyse jusqu’au texte contenu dans les images, ce qui permet un jugement bien plus précis. Des détails faciles à manquer peuvent ainsi être repérés.

2) La rédaction automatique des signalements (FSD)

Nous avons récemment perfectionné la fonction de signalement automatique grâce aux LLM. En comparant produit authentique et contrefaçon, elle intègre directement dans le signalement les éléments détaillés (termes désignant une contrefaçon, lieu de fabrication, matières, tailles, etc.), pour une réponse plus rapide et plus efficace qu’une rédaction manuelle.

3) Le tableau de bord des résultats des actions

Le tableau de bord permet de voir d’un coup d’œil, en temps réel, les résultats des actions, le nombre d’annonces supprimées, leur valeur économique estimée et l’analyse des vendeurs.

La fréquence par pays ou par plateforme permet aussi d’identifier clairement les zones où le risque se concentre réellement. Il est arrivé, par exemple, qu’un responsable s’attende à ce que « le problème soit le plus grave en Chine », alors que la menace la plus forte venait en réalité de plateformes d’Asie du Sud-Est.

En particulier, le taux de saturation, un indice de risque de marché récemment introduit, va au-delà du simple décompte des suppressions : il visualise sous forme de chiffres et de tendances le niveau de risque auquel la marque est exposée.

Jusqu’ici, les responsables de marque devaient estimer le niveau de risque en assemblant des données fragmentées ; désormais, le tableau de bord Counterfeit de Marq AI leur permet de voir d’un coup d’œil les régions, canaux et vendeurs les plus risqués.

Q : Qu’est-ce que ces fonctionnalités changent pour les responsables de marque ?

D’abord, comme ils voient d’un coup d’œil où se concentre le risque, ils peuvent fixer immédiatement les priorités : quelles annonces ou quels vendeurs traiter en premier.

Ensuite, grâce à des indicateurs de résultats chiffrés, ils peuvent expliquer clairement l’efficacité réelle de leur stratégie de protection de marque et son ROI.

Surtout, l’automatisation de la rédaction des signalements et des actions, des tâches répétitives et chronophages, allège considérablement la charge des équipes. Elles peuvent désormais se concentrer davantage sur les décisions stratégiques importantes.

Les difficultés de conception et leurs solutions

Q : Qu’est-ce qui vous a le plus fait réfléchir en concevant et en développant le tableau de bord et les fonctions de surveillance et d’action ?

Nous nous sommes heurtés à deux grandes difficultés.

La première, c’est que les préjudices liés aux contrefaçons diffèrent d’un secteur à l’autre. Dans la mode, par exemple, les problèmes de taille ou d’impression sont fréquents ; dans la joaillerie, ce sont les matériaux et le placage ; dans la beauté, les ingrédients et les emballages modifiés. Et même au sein d’un même secteur, chaque marque rencontre des problèmes un peu différents. Nous nous sommes donc appliqués à construire une boucle d’apprentissage sur mesure, nourrie des données et des retours de chaque client, pour que l’IA apprenne correctement ces différences.

La seconde, c’est que les vendeurs malveillants et les habitudes de consommation évoluent extrêmement vite. Autrefois, les principales plateformes étaient des marketplaces mondiales comme AliExpress ou Shopee ; aujourd’hui, la vente de contrefaçons se propage sur les réseaux sociaux et en live streaming. Pour suivre ce mouvement, nous recueillons les retours de l’équipe opérationnelle et des clients et prévoyons d’étendre progressivement nos fonctions jusqu’à la surveillance du live streaming.

Q : Comment résolvez-vous ces problèmes ?

Tout n’est pas encore parfaitement réglé, mais lorsque nous entraînons nos modèles d’IA, nous nous attachons à intégrer en continu les données réelles des clients et les retours du terrain. C’est ainsi, selon nous, que les modèles peuvent gagner en précision.

Lorsque nous développons de nouvelles fonctionnalités, nous maintenons aussi une organisation qui recueille activement les retours internes et externes. En interne, l’équipe opérationnelle et les experts de la PI repèrent souvent les premiers les nouvelles méthodes des vendeurs malveillants. Par exemple, il y a quelque temps, on publiait simplement une photo et un prix avec la mention « Pour acheter, écrivez-nous en DM » ; aujourd’hui, les vendeurs évitent même les échanges en DM et redirigent directement vers des liens externes, ou vendent en live streaming pour ne laisser aucune trace. Nous partageons rapidement ces évolutions pour les intégrer au produit.

Les clients nous font aussi beaucoup de retours. Des questions comme « Nous voyons des signes de vente en live streaming ces derniers temps, pouvez-vous les détecter ? » ou « Pouvez-vous surveiller ce canal aussi ? » débouchent parfois sur de vraies améliorations. Au bout du compte, c’est en accumulant ensemble données et expérience, avec nos clients, que nous bâtissons un dispositif de réponse de plus en plus solide.

Les orientations à venir

Q : Y a-t-il des fonctionnalités pas encore développées que vous tenez à ajouter, ou des points que vous voulez améliorer à partir des retours clients ?

La fonctionnalité Counterfeit de Marq AI va au-delà de la simple détection et suppression de contrefaçons : elle évolue vers une solution au service de la stratégie commerciale des clients. Nous voulons nous concentrer sur trois grandes orientations.

La première, ce sont les modèles d’IA sur mesure. Chaque marque subit des menaces de PI différentes. Les problèmes d’une marque de mode n’ont rien à voir avec ceux d’une marque de beauté, et il existe des différences même au sein d’un même secteur. Nous modularisons donc, à partir des données des clients, des modèles d’IA adaptés à chaque situation, pour repérer plus précisément les signes d’atteinte.

Ensuite, une détection qui imite le comportement des consommateurs. Jusqu’ici, on se contentait de rechercher et de détecter les annonces de façon mécanique ; nous imaginons désormais un agent IA qui suive exactement le parcours d’achat d’un vrai consommateur. L’objectif est de permettre une « détection au plus près du réel », en tenant compte des mots-clés saisis, des descriptions de produits cliquées et du passage par les algorithmes de recommandation.

Enfin, le live streaming et la classification des données sur mesure. C’est ce que nos clients nous demandent le plus en ce moment. Les problèmes de contrefaçon surgissent désormais activement non seulement sur les marketplaces, mais aussi sur des canaux comme les réseaux sociaux et le live streaming. Nous étendons donc nos fonctionnalités pour permettre la surveillance dans ces environnements. Et au-delà d’un simple « c’est une contrefaçon / ce n’en est pas une », nous préparons une segmentation et une classification des données selon les critères de chaque client, directement exploitables pour la prise de décision stratégique.

Au fond, notre ambition est claire : faire de la lutte contre la contrefaçon un investissement plutôt qu’un coût. Non pas un simple outil de retrait, mais un outil qui permet de bâtir une stratégie fondée sur les données et de préserver la valeur de la marque. Voilà l’avenir que dessine Marq AI.

Un mot de MarqVision aux marques confrontées aux contrefaçons

Q : Qu’aimeriez-vous dire aux marques qui découvrent le tableau de bord et les fonctionnalités Counterfeit ?

Ceux qui ont déjà eu affaire aux contrefaçons le savent : supprimer quelques annonces ne règle rien. Elles réapparaissent dès qu’on les supprime, et de plus en plus vite. C’est pourquoi il devient essentiel d’adopter une vision à l’échelle des vendeurs et des réseaux, et non plus annonce par annonce.

L’indice de risque de marché, les indicateurs de résultats et les enseignements à l’échelle des vendeurs fournis par Marq AI sont précisément conçus pour cela. Au lieu d’un rapport qui se contente de dire « nous avons supprimé tant d’annonces », vous pouvez identifier quels groupes de vendeurs sont les plus menaçants et quels marchés sont les plus risqués en ce moment. Les responsables de marque ne réagissent alors plus à l’aveugle : ils peuvent mener des actions stratégiques, avec des priorités claires et des ressources utilisées efficacement.

Nous voulons insister sur un point : la lutte contre la contrefaçon est un investissement, pas un coût. Au-delà de la simple réduction des contrefaçons, elle peut devenir à long terme une stratégie qui préserve la valeur de la marque et améliore le ROI. Partenaire fiable de cette transformation, Marq AI continuera de construire avec ses clients des solutions de protection de la PI toujours plus précises.