Rufus lit-il vos images ? Ce qui est documenté et ce qui ne l'est pas

« Rufus lit vos images » est devenue l'une des phrases les plus répétées du contenu destiné aux vendeurs Amazon, et l'une des moins sourcées. On la répète parce qu'elle est plausible et parce qu'elle vend des prestations. Cet article fait ce que le genre évite en général : il sépare ce qu'Amazon a réellement publié de ce que la profession déduit des brevets et de ses tests, dit clairement ce qui relève de quoi, puis donne des recommandations valables dans les deux cas — car presque tout ce qui rend une image lisible pour un modèle la rend lisible pour un humain pressé.

D'abord, le nom a changé

Le 13 mai 2026, Amazon a remplacé la marque Rufus par Alexa for Shopping, en intégrant l'assistant d'achat à Alexa+ et en le plaçant dans la barre de recherche principale plutôt que dans une fenêtre de chat distincte. Amazon indique que Rufus continue de fonctionner derrière cette nouvelle façade : c'est l'étiquette qui a disparu, pas le système. En Europe, où l'assistant est arrivé en bêta fin octobre 2024 au Royaume-Uni, en Allemagne, en France, en Italie et en Espagne, le nom que vous voyez dépend de votre place de marché et de la date à laquelle vous regardez.

Pour l'ordre de grandeur, Amazon a donné ses propres chiffres lors de ses résultats trimestriels : environ 250 millions de clients ont utilisé Rufus en 2025 et, au deuxième trimestre 2026, Amazon évoquait plus de 350 millions d'acheteurs sur les douze mois précédents, avec des interactions multipliées d'une année sur l'autre. Ce sont des données d'entreprise, pas une mesure indépendante, mais elles sont attribuables — ce qui n'est pas le cas de la plupart des chiffres qui circulent sur ce sujet.

Ce qu'Amazon documente réellement

L'article technique d'Amazon Science consacré à Rufus décrit ce sur quoi il a été entraîné et ce qu'il interroge : le catalogue produits, les avis clients, les questions-réponses de la communauté et des informations publiques du web. Il détaille un LLM d'achat maison, la génération augmentée par récupération et l'inférence sur Trainium et Inferentia. Il ne mentionne ni images, ni vision par ordinateur, ni OCR, ni multimodalité. L'annonce de lancement non plus : les mêmes quatre sources.

Cela mérite qu'on s'y arrête. En août 2026, nous n'avons trouvé aucune déclaration d'Amazon affirmant que l'assistant d'achat lit les visuels de votre galerie. Amazon n'a d'ailleurs publié aucune consigne d'optimisation Rufus destinée aux vendeurs : ni page d'aide, ni checklist, ni spécification d'image. Tout article qui cite Amazon sur ce point cite autre chose.

Ce qui est observable, sans passer par les brevets

L'absence de déclaration n'est pas une preuve d'absence, et les indices visibles ne manquent pas : Amazon applique bel et bien des modèles de vision aux visuels des fiches. Ce qui manque, c'est la preuve concernant ce consommateur-là.

• Amazon a commencé à remplacer le texte alternatif des images de contenu A+ rédigé par le vendeur par des descriptions générées automatiquement, en Europe d'abord. Quelque chose, chez Amazon, regarde ces images et les décrit assez bien pour un lecteur d'écran.
• Amazon Lens et Lens Live rapprochent une photo prise par l'acheteur du catalogue, et Amazon indique que l'assistant est disponible au sein de cette expérience. Apparier une photo à un produit, c'est de la vision par ordinateur par définition.
• Les règles A+ rejettent les images dont le texte est illisible sur mobile — une règle applicable seulement si quelque chose lit ce texte.

Donc : Amazon applique de façon démontrable de la vision aux images de fiches. Reste l'étape que personne hors d'Amazon n'a confirmée : savoir si l'assistant conversationnel interroge le résultat de cette vision quand il répond à « est-ce que ça ira pour un tour de taille de 76 cm ? ».

Ce que la profession déduit, et avec quelle solidité

La version la plus diffusée dit : l'assistant utilise l'OCR pour extraire le texte des infographies et des emballages, plus une couche d'étiquetage visuel qui tire de la photographie le contexte d'usage et des attributs, et traite le tout comme du contenu citable à côté de vos puces. Les preuves avancées sont des demandes de brevet Amazon et des tests menés sur des fiches.

Deux réserves. Un brevet décrit une capacité revendiquée, pas une fonctionnalité déployée ; les grands groupes brevettent bien plus qu'ils ne mettent en production. Et les tests au niveau de la fiche isolent mal l'image du reste, puisque l'assistant dispose aussi de votre titre, de vos puces, de vos attributs, de vos avis et de vos questions — qui disent en général la même chose que vos infographies. Un test où l'assistant « connaît » une donnée figurant uniquement dans une image serait significatif ; la plupart des tests publiés ne sont pas cela.

Notre position honnête : c'est plus probable qu'improbable, et ce n'est pas établi. Voyez-y une raison d'écrire clairement sur vos images, pas une raison de repenser toute votre série autour d'un modèle dont personne ne sait spécifier le comportement.

L'écosystème a déjà tranché en pratique

L'outillage a bougé indépendamment de ce qui est prouvé. Helium 10 a ajouté début 2026 un mode orienté Rufus à son Listing Builder — son propre article, daté du 25 mars 2026, décrit une bascule qui prend un ASIN, repère les manques dans les questions posées par les acheteurs et réoriente le texte pour y répondre. Le même produit propose Visual Product Intelligence, qui lit une image produit importée et en pré-remplit les champs de la fiche.

Cette seconde fonction est l'indice le plus parlant. Un éditeur fait assez confiance à l'extraction d'attributs depuis une image pour bâtir un flux de travail dessus. La capacité est devenue banale. Supposer qu'Amazon la possède aussi n'a rien d'audacieux.

Rendre les images lisibles par une machine sans les enlaidir

Voici la partie utile, et la raison pour laquelle rien de ce qui précède n'a besoin d'être tranché. Chacune des recommandations ci-dessous améliore l'image pour un humain distrait sur son téléphone : se tromper sur le modèle ne coûte donc rien.

1. Une affirmation par image, rédigée en phrase. « Rentre dans un porte-gobelet de voiture standard » vaut mieux que « COMPATIBLE PORTE-GOBELET ! », pour un lecteur comme pour tout ce qui analyse du texte. Les fragments en capitales perdent des deux côtés.
2. Des chiffres avec leurs unités, explicites. « 1,9 L / 64 oz », « tour de taille 76–96 cm », « indice IPX7 ». Les nombres ambigus sont précisément là où humains et modèles devinent.
3. Une vraie typographie, contrastée, à une vraie taille. Sans serif, foncé sur clair, interlignage généreux, et pas en travers de la zone la plus chargée de la photo. La règle A+ contre le texte illisible sur mobile est le plancher, pas l'objectif.
4. Jamais de contradiction entre l'image et la fiche. Si l'image dit 64 oz et le champ d'attribut 1,8 L, vous avez créé un conflit qu'un humain règle en partant et qu'un modèle règle de façon imprévisible. La cohérence entre image, puces et attributs structurés est l'habitude la plus rentable de toute cette liste.
5. Remplissez d'abord les champs structurés. Matière, usage prévu, compatibilité et dimensions ont leur place dans les champs d'attributs de Seller Central, où Amazon les traite comme des données vérifiées. L'image en est la seconde copie, lisible par un humain, pas l'unique. Ces champs sont détaillés dans notre checklist d'optimisation de fiche.
6. Répondez à des questions, pas à des mots-clés. Le basculement que représente l'assistant va de l'appariement de chaînes à la réponse à une intention : pour qui, compatible avec quoi, différent en quoi, fait de quoi. Votre galerie devrait répondre aux six questions que vos avis et votre section questions montrent comme réellement posées.
7. N'entassez pas de mots-clés dans les images. Rien ne prouve que ça marche, cela dégrade l'image, et le texte dense et illisible est explicitement rejeté en A+.

Notez ce qui n'y figure pas : pas de texte caché, pas de calques invisibles, rien qui écrive pour la machine au détriment du lecteur. Qui vous vend une esthétique « optimisée Rufus » qu'un humain lit moins bien vous vend une dégradation certaine contre un gain non démontré.

Ce qui nous ferait changer d'avis

Concrètement : une page d'aide Amazon ou un article d'Amazon Science citant les images comme source de récupération ; ou un test contrôlé où une donnée présente uniquement dans une image — ni dans le titre, ni dans les puces, les attributs, la description, les avis ou les questions — ressort dans une réponse de l'assistant, de façon reproductible sur plusieurs fiches. D'ici là, écrivez vos images pour qu'une personne fatiguée dans le métro les comprenne en quatre secondes. Cela a toujours été le travail. Graflio construit la série à partir de la fiche et de ses avis et conserve chaque titre en calque de texte modifiable, ce qui compte surtout parce que le point quatre devient bon marché à maintenir. Les affirmations restent les vôtres, tout comme les règles de notre article sur le texte sur les images.