Les progrès fulgurants de l'intelligence artificielle (IA) ont non seulement profondément transformé les objectifs et les finalités du travail des technologues, mais aussi leurs méthodes de travail. Le concept futuriste de code informatique générant du code informatique n'est plus synonyme de Skynet devenu opérationnel, et il n'est plus nécessaire d'avaler une pilule rouge pour en constater les effets. L'IA est désormais une force tangible, subtile et quasi omniprésente qui influence nos choix et interactions quotidiennes.

De la sélection subtile de nos playlists musicales à la sélection instantanée de la prochaine vidéo dans notre fil d'actualité, en passant par les voix robotiques agréables dans nos cuisines et la fenêtre sombre qui fait les devoirs de nos enfants, l'influence de l'IA imprègne nos vies. Pour les responsables techniques – directeurs techniques et développeurs seniors – cette transformation représente à la fois une opportunité et un défi. La capacité d'exploiter les grands modèles de langage (LLM), aussi bien pour écrire ou réécrire rapidement du code que pour s'en dispenser complètement, est devenue, en l'espace de trois ans, un prérequis pour les entreprises à la pointe du développement logiciel.

En nous appuyant sur les connaissances actuelles du domaine, nous examinerons cette tendance à travers le prisme de la recherche et la manière dont elle se manifeste déjà dans la capacité des grands modèles de langage à juger de la pertinence et de l'intention d'une requête de recherche certes rapide, parfois brève et presque toujours hors contexte. Si l'expérience de recherche est un élément central des expériences e-commerce dynamiques et centrées sur l'utilisateur depuis presque aussi longtemps que le terme « e-commerce » existe, jamais auparavant les moteurs qui se cachent derrière ces simples barres de recherche n'ont été aussi performants pour interpréter quelques mots seulement et guider les consommateurs ou clients potentiels vers leurs achats les plus pertinents avec un minimum de difficultés. Déterminer l'intention d'un utilisateur à partir d'aussi peu d'informations relève presque de la télépathie, mais cela repose sur un art subtil et une science approfondie.

Cet article vise à dépasser les questions théoriques de « quand » et « où » l’IA (et plus précisément les LLM) peut-elle jouer un rôle dans l’expérience de recherche du consommateur (les réponses étant respectivement « maintenant » et « partout »). Il se concentre ici sur le « comment » pratique. Il analysera les dernières tendances en matière d’interaction homme-IA, proposera un cadre stratégique pour l’utilisation des LLM afin d’améliorer significativement les efforts de développement, et offrira des exemples de code concrets, notamment dans les secteurs du commerce de détail et du e-commerce qui obtiennent de meilleurs résultats grâce à l’intégration des LLM, et plus particulièrement en ce qui concerne la mise en place rapide et efficace d’expériences de recherche de nouvelle génération.

Ce que nous allons construire

Après tout, vous recevez probablement des conseils en permanence : vos parents vous disent d’économiser votre argent, vos beaux-parents vous expliquent comment tondre la pelouse, vos enfants vous interdisent d’utiliser tel ou tel mot. Si vous avez déjà saisi l’idée, vous pouvez passer à la suite. Mais si vous souhaitez une définition plus formelle, Émile Contal, docteur en apprentissage statistique, définit la personnalisation comme une pratique dans laquelle :

« Le contenu est modifié en fonction de certaines variables personnelles. Il peut s’agir de vos achats précédents sur une boutique en ligne, de votre âge, de votre lieu de résidence ou tout simplement de l’appareil que vous utilisez… Ce qu’un utilisateur reçoit diffère de ce qu’un autre utilisateur reçoit. »

La recommandation, en revanche, nécessite de « filtrer un ensemble d'éléments en fonction du comportement historique d'un utilisateur (généralement ses préférences ou son historique d'utilisation). Ainsi formulée, la recommandation est une forme de personnalisation. » Certains pourraient objecter, de manière pédante, qu'une recommandation doit nécessairement reposer sur la personnalisation, car que sont vos habitudes d'achat, de clics ou de navigation passées si elles ne sont pas personnelles ? Ces données sont peut-être même plus personnelles que les informations démographiques. D'autres, comme Contal, affirment que la connaissance de l'activité passée et l'historique nécessaires à une recommandation sont autant de façons de personnaliser. Quoi qu'il en soit, il est clair que les deux sont inextricablement liés, car une bonne recommandation n'est pas générale. Vos parents conseillent à tout le monde d'économiser, quelles que soient les circonstances, vos beaux-parents donnent à tous les mêmes conseils pour tondre la pelouse et vos enfants, espérons-le, ont appris qu'il ne faut jamais jurer. Les bonnes recommandations sont personnalisées. Cet article du blog d'Algolia définit une recommandation personnalisée, dans le cadre de la recherche sur le site, comme suit :

…une suggestion pertinente générée par un moteur de recommandation (ou système de recommandation) utilisant un algorithme et des options de filtrage basées sur les informations connues concernant le parcours du client sur le site.