Cinquante mille références,
une seule allée.

Oui. PostgreSQL avec index GIN sur les attributs JSONB et sur les facettes encaisse largement deux cent mille références avec des temps de réponse sous quatre-vingts millisecondes sur filtres complexes — à condition de pré-calculer les facettes en arrière-plan (Celery) plutôt que de tout recompter à chaque requête.

Le vrai goulet n'est jamais Postgres — c'est l'absence de queries optimisées côté Django (N+1, prefetch_related oubliés, requêtes en boucle dans les templates). On audit ça systématiquement via django-silk pendant le build, on cadre les seuils acceptables, on ne livre pas avec une page de fiche produit à plus de cent cinquante millisecondes.

Postgres full-text (tsvector + GIN) est suffisant jusqu'à trente mille SKU et des requêtes simples — "vis inox 6×40 torx" trouve la bonne référence, le ranking est correct, la performance OK.

Au-delà, ElasticSearch apporte le ranking sémantique (le terme "perceuse 18 volts" remonte les bonnes références même si la fiche dit "drill 18V"), la tolérance aux fautes de frappe (l'acheteur tape "knipex" avec un X mal placé, ça passe), la synonymie multi-marques (Bosch et Makita renvoient des résultats croisés sur les références équivalentes) et les facettes calculées à la volée avec des temps stables même sur volumes lourds.

On déploie un seul nœud ES à la mise en ligne, puis on scale si nécessaire. La sync Django → ES passe par django-elasticsearch-dsl avec tâche Celery sur les signaux post_save.

Oui. Le mapping et le périmètre sont cadrés en phase 02 avec votre intégrateur ERP — chacun a ses spécificités.

Sage 100 et Sage X3 — API REST officielle. Sync stock, tarifs, clients, articles, commandes en temps réel ou quasi (poll 5–15 min selon volume). Webhooks sortants depuis le site pour les commandes.

Cegid — connecteur ODBC ou export programmé. La sync stock se fait toutes les heures, les tarifs à la demande, les commandes en push direct.

EBP — API REST récente (EBP en ligne) ou export CSV planifié pour les versions anciennes. Divalto — webservices SOAP, plus verbeux mais stable. On a aussi traité Odoo (XML-RPC), Cegid Quadra et Sage Business Cloud.

Un modèle Equivalence relie deux références par un type (concurrent direct, ancienne référence, rupture définitive, alternative compatible) et un score de confiance (0 à 100, ajustable par votre équipe technique).

À l'affichage de la fiche, on remonte les équivalences pertinentes triées par score décroissant — un acheteur qui cherche une perceuse Bosch en rupture voit la Makita compatible en haut, puis la DeWalt, puis une référence ancienne du catalogue.

Le panier maintient l'historique de la référence demandée même si l'acheteur valide une équivalence — utile pour la traçabilité commerciale (qui demandait quoi à l'origine) et pour les statistiques de rupture.

Les équivalences peuvent être importées en masse via CSV, alimentées par votre équipe technique au fil de l'eau, ou suggérées automatiquement par un script de matching sur les attributs (mêmes dimensions, même puissance, même tension).

Oui. L'acheteur dépose son CSV (SKU + quantité), le site lit, valide chaque ligne — la référence existe ou non, le stock est suffisant, le MOQ est respecté, une équivalence est proposée si rupture. Affichage d'un preview ligne par ligne avec correctifs proposés, puis ajout au panier en une seule action.

Format CSV libre — point-virgule ou virgule, avec ou sans entête, dans n'importe quel ordre de colonnes. Mapping des colonnes au premier import (l'acheteur dit "la colonne 1 c'est la réf, la colonne 3 c'est la quantité"), puis mémorisé pour les imports suivants.

Pour les très gros paniers (deux cents lignes et plus), le traitement passe en arrière-plan via Celery avec une barre de progression. L'acheteur ne reste pas bloqué sur la page.

Six à dix semaines selon la qualité de l'export catalogue source. Le développement n'est pas le goulet — Django, PostgreSQL et ElasticSearch absorbent largement le volume.

Le travail réel : normalisation des attributs (unités cohérentes, formats harmonisés, libellés clairs), nettoyage des doublons, mapping des équivalences, harmonisation des unités de vente (à la pièce, par cent, au kg…), récupération des médias (photos produit nommées correctement).

Si votre catalogue actuel est dans un fichier Excel propre exporté de l'ERP : six semaines. Si l'arbo doit être refondue et les attributs harmonisés à partir de fiches PDF : plutôt dix semaines, avec une phase de data cleaning en parallèle du build.