Nous avons tous déjà utilisé une boîte de recherche.
Son objectif est bien défini : vous tapez quelque chose et vous obtenez des résultats correspondant à ce que vous recherchiez.
Si vous êtes sur un site d’e-commerce, ces résultats sont des produits ou des services.
C’est en tout cas ce qui devrait se passer, mais tous les fournisseurs de services de recherche ne sont pas en mesure de fournir des résultats pertinents, personnalisés et optimisés pour des indicateurs importants de l’e-commerce tels que les conversions, le chiffre d’affaires et le taux d’ajout au panier.
Malgré les trous déjà présents sur le marché, une évolution est en train de se produire sous le paysage actuel de la recherche sur site e-commerce, et elle a fait grand bruit dans le tribunal de l’opinion publique au cours de l’année écoulée.
En effet, l’ IA générative est entrée dans le chat avec ChatGPT, l’un des nombreux modèles de base désormais disponibles.
De plus en plus de gens sont également curieux de la technologie qui sous-tend l’IA générative, connue sous le nom de « grands modèles de langage » ou LLM, qui utilise des quantités massives de données pour apprendre, répondre et même générer un langage semblable à celui d’un humain pour différentes requêtes.
La puissance des LLM a même été comparée à celle du cerveau humain.
Cependant, nous devons comprendre que les LLM sont une pièce à deux faces – d’un côté, il y a toutes les possibilités d’apprentissage en profondeur et d’innovation, et de l’autre, il y a une bonne dose de risque.
Si les grands modèles linguistiques présentent un potentiel considérable, ils ont également un long chemin à parcourir en termes de développement (actuellement, des questions valables sont soulevées quant à l’éthique et aux risques potentiels associés à la course mondiale à l’IA).
Il est particulièrement important de garder à l’esprit que les LLM possèdent de nombreuses capacités puissantes (et dangereuses), telles que « Do Anything Now », qui permet de détourner l’objectif de l’IT à des fins d’amusement ou d’enrichissement personnel.
Tout compte fait, il ne s’agit pas d’une technologie parfaite – bien que préformés, les LLM nécessitent des perfectionnements et des ajustements continus pour garantir une précision et une pertinence constantes.
Malgré cela, une grande question demeure dans l’esprit des professionnels du commerce : Quelle est la place des LLM dans un scénario d’achat ?
Est-ce possible aujourd’hui ?
Étant donné que l’intelligence artificielle n’a jamais été (et ne sera jamais) une ligne finie tracée dans le sable, cette question est plus complexe et multiforme qu’il n’y paraît.
L’IA devrait déjà être intégrée dans la recherche sur site e-commerce.
L’IA dans la recherche e-commerce aujourd’hui génère des revenus en utilisant une combinaison d’algorithmes de rappel et de classement et de données d’entraînement pour fournir les résultats les plus pertinents qui correspondent à l’intention de votre acheteur.
Cela se produit grâce à la combinaison d’un modèle de transformation, comme le traitement du langage naturel (NLP), et de l’apprentissage automatique (ML). Le NLP analyse le contexte des requêtes des acheteurs et le ML apprend à connaître votre entreprise en analysant ces comportements.
Cette IA auto-apprenante devient chaque jour plus intelligente et peut s’adapter rapidement aux besoins en constante évolution de vos clients tout en continuant à évoluer.
Mais pour réussir dans le paysage concurrentiel actuel, votre entreprise devra considérer vos clients comme étant plus que de simples « clients ».
Les gagnants du commerce électronique trouvent les « chercheurs ».
Ils regardent au-delà de l’identité singulière d’une personne en tant que « consommateur » pour découvrir leur véritable motivation à vouloir un certain produit ou service, puis construisent des expériences digitales d’achat qui leur sont spécifiques.
C’est là que l’IT et les modèles d’apprentissage automatique peuvent aider énormément, qu’il s’agisse de croquer des données sur les produits et les clients pour fournir des insights et des suggestions d’optimisation ou d’offrir des recommandations basées sur des produits similaires.
En regardant vers l’avenir, nous devons reconnaître que le potentiel des LLM à révolutionner la recherche dans le commerce électronique réside dans leur capacité à fournir aux acheteurs les informations et les résultats dont ils ont besoin sans l’assistance typique requise par une barre de recherche traditionnelle.
Pourquoi l’e-commerce devrait-il se préoccuper des LLM et de l’IA générative ?
Comme nous le savons tous probablement, ChatGPT a pris la conversation sur l’IA générative au courant dominant et a fourni un environnement où tout le monde pouvait interagir avec elle.
Non seulement il a suscité de nombreuses discussions sur les utilisations actuelles de l’IT dans le secteur de l’e-commerce, mais il a également amené de nombreux professionnels à se demander à quoi ressemblent les LLM lorsque nous imaginons l’avenir de l’e-commerce.
Les LLM présentent de nombreux cas d’utilisation potentiels dans le secteur de l’e-commerce, en particulier lorsqu’il s’agit pour les marques et les retailers d’aider leurs clients à travers la barre de recherche :
- Précision basée sur le LLM – L’utilisation d’un modèle de langage étendu pour l’optimisation de la recherche marque une évolution significative dans la recherche de produits en rendant plus précises et pertinentes les recherches sur le torse et la longue traîne, telles que « chaussures de course pour hommes » ou « chaussures de randonnée pour femmes taille 8 ».
La précision basée sur le LLM élargit la couverture de la recherche à travers des requêtes à la fois larges et très spécifiques – cruciales pour relier les utilisateurs aux produits qui les intéressent vraiment – ce qui met en évidence l’immense valeur de la compréhension de l’intention de recherche. - Rappel de recherche basé sur les LLM – L’intégration d’outils tels que les synonymes, les corrections orthographiques et les règles de relaxation avec les LLM améliore le rappel de recherche en identifiant les similitudes et les significations sémantiques dans les requêtes, surpassant ainsi les systèmes traditionnels de correspondance de texte.
Cette approche améliore les résultats de recherche pour des besoins nuancés, tels que « chaussures de course bonnes pour les genoux », en se concentrant sur l’intention sémantique plutôt que sur les seuls mots-clés. - Assistants d’achat virtuels – Alimentés par les LLM, la technologie vectorielle et la personnalisation, les assistants d’achat virtuels sont prêts à transformer le service client en ligne en une expérience conversationnelle et intuitive qui va au-delà des chatbots.
En comprenant les requêtes complexes, en connectant les acheteurs avec des produits adaptés grâce à la reconnaissance sémantique et en adaptant les interactions en fonction des données client, le commerce conversationnel fusionne la commodité du commerce en ligne avec la touche personnalisée des interactions en magasin.
Tout revient au chercheur et à la libération du plein potentiel de son parcours client à l’aide de l’IA générative.
Prenons l’exemple d’une personne qui cherche à décorer son salon avec des tons neutres et terreux, mais qui ne sait pas comment exprimer ce « désir » dans une requête de recherche.
Bien que les termes de recherche puissent être inconnus du demandeur, un LLM peut apporter un contexte à son besoin particulier par le biais d’une simple conversation.
Nous devons considérer l’IA comme la version numérique de la révolution industrielle – les modèles linguistiques vont révolutionner notre monde et notre mode de vie.
Néanmoins, nous devons trouver un équilibre entre l’innovation et la créativité inhérentes aux modèles linguistiques et l’ingéniosité humaine.
Étant donné que le secteur de l’e-commerce se concentre au laser sur la construction de meilleures expériences d’achat, nous ne devrions pas avoir peur de rester ouverts d’esprit aux possibilités futures.
Si vous souhaitez en savoir plus sur les grands modèles de langage ou sur l’intelligence artificielle en général, consultez le blog Bloomreach.