SUCCESS STORY · ASTORE (GROUPE ACCOR)
Astore — Le benchmark produit industrialisé sur Snowflake
KPC a industrialisé le benchmark produit d'Astore sur Snowflake. Une facture scannée devient une recommandation chiffrée en quelques minutes sur des données réelles, pas sur des estimations.
IA Générative
Snowflake Cortex AI
Streamlit
Cortex Search
L’impact en quelques chiffres
Jours → min.
Durée d'un benchmark produit
750k
Références au catalogue Astore
~20
Commerciaux utilisateurs de l'outil
−15%
Gain mesuré sur un devis comparé au catalogue Astore (cas réel : 115 000 € vs 97 000 €)
L’impact en quelques chiffres
Jours → min.
Durée d'un benchmark produit
750k
Références au catalogue Astore
~20
Commerciaux utilisateurs de l'outil
−15%
Gain mesuré sur un devis comparé au catalogue Astore (cas réel : 115 000 € vs 97 000 €)
L’impact en quelques chiffres
Jours → min.
Durée d'un benchmark produit
750k
Références au catalogue Astore
~20
Commerciaux utilisateurs de l'outil
−15%
Gain mesuré sur un devis comparé au catalogue Astore (cas réel : 115 000 € vs 97 000 €)
RÉSULTATS
Les résultats pour Astore
De jours à minutes : la décision commerciale accélérée
Une facture chargée, une recommandation chiffrée en quelques minutes. Le commercial se concentre sur l'échange client. L'analyse Excel disparaît du parcours.
Les résultats pour Astore
Des recommandations sur données réelles
Les comparaisons s'appuient sur les factures réelles et le catalogue Astore, pas sur des estimations. Sur un cas réel, l'écart mesuré atteint 15% de gain.
Les résultats pour Astore
L'IA en production, invisible
Pas un POC : une application utilisée au quotidien par des commerciaux, sans compétence technique. L'IA travaille en coulisses.
RÉSULTATS
Les résultats pour Astore
De jours à minutes : la décision commerciale accélérée
Une facture chargée, une recommandation chiffrée en quelques minutes. Le commercial se concentre sur l'échange client. L'analyse Excel disparaît du parcours.
Les résultats pour Astore
Des recommandations sur données réelles
Les comparaisons s'appuient sur les factures réelles et le catalogue Astore, pas sur des estimations. Sur un cas réel, l'écart mesuré atteint 15% de gain.
Les résultats pour Astore
L'IA en production, invisible
Pas un POC : une application utilisée au quotidien par des commerciaux, sans compétence technique. L'IA travaille en coulisses.
RÉSULTATS
Les résultats pour Astore
De jours à minutes : la décision commerciale accélérée
Une facture chargée, une recommandation chiffrée en quelques minutes. Le commercial se concentre sur l'échange client. L'analyse Excel disparaît du parcours.
Les résultats pour Astore
Des recommandations sur données réelles
Les comparaisons s'appuient sur les factures réelles et le catalogue Astore, pas sur des estimations. Sur un cas réel, l'écart mesuré atteint 15% de gain.
Les résultats pour Astore
L'IA en production, invisible
Pas un POC : une application utilisée au quotidien par des commerciaux, sans compétence technique. L'IA travaille en coulisses.
Contexte & enjeux centraux
Les enjeux
Une centrale d'achat qui doit prouver ses gains, facture en main
Astore, centrale d'achat du groupe Accor, mutualise les volumes pour proposer aux hôteliers des prix inférieurs à ceux de leurs fournisseurs habituels. Pour convaincre un hôtelier non-client, ses commerciaux comparent la facture de ce dernier au catalogue Astore, 750 000 références, et chiffrent les économies réalisables.
Cette comparaison se faisait à la main, sous Excel, ligne par ligne : plusieurs heures, parfois plusieurs jours par demande, avec un résultat dépendant de l'expérience de chacun.
Passer de plusieurs jours à un résultat quasi immédiat par demande
Le rendre utilisable par des commerciaux non techniques, intégré au cycle de vente
Sortir de la dépendance à l'expérience individuelle pour des résultats homogènes
Fonder chaque recommandation sur des données réelles, pas sur des estimations
Contexte & enjeux centraux
Les enjeux
Une centrale d'achat qui doit prouver ses gains, facture en main
Astore, centrale d'achat du groupe Accor, mutualise les volumes pour proposer aux hôteliers des prix inférieurs à ceux de leurs fournisseurs habituels. Pour convaincre un hôtelier non-client, ses commerciaux comparent la facture de ce dernier au catalogue Astore, 750 000 références, et chiffrent les économies réalisables.
Cette comparaison se faisait à la main, sous Excel, ligne par ligne : plusieurs heures, parfois plusieurs jours par demande, avec un résultat dépendant de l'expérience de chacun.
Passer de plusieurs jours à un résultat quasi immédiat par demande
Le rendre utilisable par des commerciaux non techniques, intégré au cycle de vente
Sortir de la dépendance à l'expérience individuelle pour des résultats homogènes
Fonder chaque recommandation sur des données réelles, pas sur des estimations
Contexte & enjeux centraux
Les enjeux
Une centrale d'achat qui doit prouver ses gains, facture en main
Astore, centrale d'achat du groupe Accor, mutualise les volumes pour proposer aux hôteliers des prix inférieurs à ceux de leurs fournisseurs habituels. Pour convaincre un hôtelier non-client, ses commerciaux comparent la facture de ce dernier au catalogue Astore, 750 000 références, et chiffrent les économies réalisables.
Cette comparaison se faisait à la main, sous Excel, ligne par ligne : plusieurs heures, parfois plusieurs jours par demande, avec un résultat dépendant de l'expérience de chacun.
Passer de plusieurs jours à un résultat quasi immédiat par demande
Le rendre utilisable par des commerciaux non techniques, intégré au cycle de vente
Sortir de la dépendance à l'expérience individuelle pour des résultats homogènes
Fonder chaque recommandation sur des données réelles, pas sur des estimations
Notre approche
Toute la chaîne dans Snowflake, sans mouvement de données
Du document brut au livrable métier, sans extraction hors plateforme. L'IA est placée uniquement là où elle crée de la valeur : extraction, normalisation, matching et reste invisible pour l'utilisateur final.
Extraction & lecture IA
De la facture PDF aux données exploitables
La facture est chargée et lue automatiquement par extraction IA. Les libellés produits sont normalisés par un LLM pour être comparables au catalogue.
Cortex AI
AI Parse Document
LLM Complete
Matching & scoring
Rapprochement catalogue et priorisation
Chaque produit est rapproché du catalogue par recherche sémantique (Cortex Search), combinée à du fuzzy matching SQL et un LLM. Les recommandations sont ensuite scorées et priorisées automatiquement.
Cortex Search
SQL Fuzzy Matching
LLM Complete
Application & rapport
Validation métier et rapport PDF
Le commercial valide les recommandations dans une application Streamlit hébergée dans Snowflake. Il édite ensuite un rapport PDF avec écarts de prix et économies.
Streamlit (SPCS)
Snowflake
Rapport PDF
Notre approche
Toute la chaîne dans Snowflake, sans mouvement de données
Du document brut au livrable métier, sans extraction hors plateforme. L'IA est placée uniquement là où elle crée de la valeur : extraction, normalisation, matching et reste invisible pour l'utilisateur final.
Extraction & lecture IA
De la facture PDF aux données exploitables
La facture est chargée et lue automatiquement par extraction IA. Les libellés produits sont normalisés par un LLM pour être comparables au catalogue.
Cortex AI
AI Parse Document
LLM Complete
Matching & scoring
Rapprochement catalogue et priorisation
Chaque produit est rapproché du catalogue par recherche sémantique (Cortex Search), combinée à du fuzzy matching SQL et un LLM. Les recommandations sont ensuite scorées et priorisées automatiquement.
Cortex Search
SQL Fuzzy Matching
LLM Complete
Application & rapport
Validation métier et rapport PDF
Le commercial valide les recommandations dans une application Streamlit hébergée dans Snowflake. Il édite ensuite un rapport PDF avec écarts de prix et économies.
Streamlit (SPCS)
Snowflake
Rapport PDF
Notre approche
Toute la chaîne dans Snowflake, sans mouvement de données
Du document brut au livrable métier, sans extraction hors plateforme. L'IA est placée uniquement là où elle crée de la valeur : extraction, normalisation, matching et reste invisible pour l'utilisateur final.
Extraction & lecture IA
De la facture PDF aux données exploitables
La facture est chargée et lue automatiquement par extraction IA. Les libellés produits sont normalisés par un LLM pour être comparables au catalogue.
Cortex AI
AI Parse Document
LLM Complete
Matching & scoring
Rapprochement catalogue et priorisation
Chaque produit est rapproché du catalogue par recherche sémantique (Cortex Search), combinée à du fuzzy matching SQL et un LLM. Les recommandations sont ensuite scorées et priorisées automatiquement.
Cortex Search
SQL Fuzzy Matching
LLM Complete
Application & rapport
Validation métier et rapport PDF
Le commercial valide les recommandations dans une application Streamlit hébergée dans Snowflake. Il édite ensuite un rapport PDF avec écarts de prix et économies.
Streamlit (SPCS)
Snowflake
Rapport PDF
Nos clients
Nos clients
Ils nous font confiance.
Ils nous font confiance.
Un projet ?
Laissez-nous vous guider
vers une transformation réussie.
Vos données. Vos processus. Vos contraintes.Un échange centré sur ce qui peut réellement fonctionner chez vous.
Un projet ?
Laissez-nous vous guider
vers une transformation réussie.
Vos données. Vos processus. Vos contraintes.Un échange centré sur ce qui peut réellement fonctionner chez vous.
Un projet ?
Laissez-nous vous guider
vers une transformation réussie.
Vos données. Vos processus. Vos contraintes.Un échange centré sur ce qui peut réellement fonctionner chez vous.