Netflix a testé un modèle de langage pour choisir ce qu’il vous propose
Les recommandations de Netflix reposaient sur des indicateurs conçus à la main par ses ingénieurs pendant des années. L’entreprise a essayé à la place un modèle de langage (le type d’IA qui lit et écrit du texte, comme ChatGPT), à qui l’on raconte en phrases ce que chaque abonné a regardé.
Le système s’appelle GenRec, et Netflix vient d’en publier les résultats. Le principe : au lieu de convertir le comportement d’un abonné en colonnes de chiffres, on l’écrit en texte. Ce qui a été lancé, combien de temps, ce qui a été abandonné en cours de route, les pouces levés ou baissés, les ajouts à la liste, tout devient une sorte de conversation entre l’abonné et le service. Le modèle lit cette conversation, puis note en une seule passe tous les titres qu’il pourrait mettre en avant.
La méthode se déroule en deux temps. Netflix part d’un modèle ouvert, l’entraîne d’abord sur son catalogue et ses données d’usage, puis lui apprend à classer les titres. Résultat mesuré hors production : 1,6 % de qualité de classement en plus que le système maison, avec environ quarante fois moins d’exemples annotés à la main lors de la seconde étape. En conditions réelles, sur 10 % du trafic pendant quatre semaines, l’activité sur la page d’accueil (clics et lancements de lecture) progresse de 0,115 % à court terme et de 0,006 % sur la durée, deux écarts faibles mais statistiquement significatifs.
Les gains paraissent minuscules. À l’échelle de Netflix, ils se comptent en heures de visionnage. Le plus intéressant est ailleurs : ce que des équipes d’ingénieurs construisaient pendant des années, indicateur par indicateur, s’obtient désormais en décrivant le comportement des clients en langage ordinaire. Un historique de commandes propre et bien tenu devient une matière exploitable sans équipe de spécialistes, y compris pour une boutique en ligne de taille modeste.