Comment Adidas utilise Databricks
adidas a créé un chatbot d'IA générative reposant sur le RAG, qui analyse le sentiment exprimé dans les avis sur ses produits et fournit des analyses aux décideurs produit, y compris aux utilisateurs non techniques. Il utilise Databricks pour l'embedding, la recherche vectorielle, le déploiement de modèles, la gouvernance et le suivi des expériences.
Voir la preuve capturéeL’usage : comment Adidas déploie Databricks
adidas built a RAG-based GenAI chatbot that analyzes sentiment across its product reviews and returns insights to product decision-makers, including nontechnical users. It uses Databricks for embedding, vector search, model serving, governance and experiment tracking.
Autres résultats publiés
Chiffres publiés dans l’étude de cas de Databricks. usedby ne les mesure pas de façon indépendante.
More efficient prompt engineering and smaller context windows reduced token input size by 98.5%, from 200,000 to just 3,000 tokens per query.
Through GenAI, adidas improved review analysis efficiency by up to 30–40%, cutting down extensive manual workloads across global teams.
91.67% cost savings
Le témoignage du client
L'infrastructure d'IA générative que nous avons mise en place permet déjà de répondre à des cas d'usage qui vont au-delà des avis sur les produits,Traduction automatique de l’anglaisVoir l’original
The GenAI infrastructure we built is already enabling use cases beyond product reviews,Les autres outils IA utilisés par Adidas
Autres relations publiques recensées sur usedby.
Explorer la stack IA de AdidasLes clients de Databricks dans le secteur Mode et habillement
Des entreprises du même secteur, avec une preuve publique.
Voir tous les clients de DatabricksConsulter la source
Cette synthèse repose sur l’étude de cas publiée par Databricks. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.
databricks.com- Dernière vérification
- 5 nov. 2026
Ouvrir la capture Ce que dit le témoignage, et ce que nous avons vérifié
Ce que nous avons comparé à la page.
- Le chiffre : 60%Vérifié
Imprimé mot pour mot sur la page, près du nom de Adidas.
- L’extrait cité plus hautVérifié
Copié mot pour mot depuis la page, près du nom de Adidas.
- Adidas utilise DatabricksVérifié
Ligne de niveau Confirmé.
- Le résultat lui-mêmeNon vérifié
Nous le citons ; nous ne l’avons pas mesuré.
Latency dropped by 60%, cutting average response time from 15.5 seconds to six. More efficient prompt engineering and smaller context windows reduced token input size by 98.5%, from 200,000 to just 3,000 tokens per query.









