L’état du marché
Constat 1 : Le manque de conseil technique au consommateur
- Le développement du commerce en ligne et la baisse de la part de marché des magasins spécialisés a accru la demande d’un contenu prescriptif (tests) de qualité sur internet.
- Or, la qualité globale des contenus proposés aux consommateurs par Google s’est détériorée. Le moteur a progressivement gommé les distinctions entre les liens payants et le contenu naturel, au détriment de l’utilisateur. Il ne distingue pas les contenus en fonction de leur pertinence, mélangeant les tests éditoriaux de qualité avec des tests fictifs parfois basés sur les commentaires consommateurs (Amazon) ou servant d’accroche à une offre commerciale.
- Par ailleurs, les moteurs IA proposent des équipements sportifs sur la base de contenus « scrapés » à partir de sources : 1) dont elles ne sont pas capables d’évaluer l’objectivité et la légitimité technique, 2) qu’elles ne citent pas (!), 3) pouvant dater de l’apprentissage du modèle, c’est-à-dire souvent périmées (!).
NB : Pour la petite histoire, il nous est arrivé de constater que Chat GPT, interrogé sur le choix de certains matériels, reproduisait (sans le citer) le contenu de… Gearscore.com.
Constat 2 : Difficultés de rentabilisation des tests pour les éditeurs
Les éditeurs de tests ont pour leur part des difficultés à rentabiliser leurs contenus :
- Les tests demandent des moyens importants,
- Ils sont souvent mal exploités, diffusés sur des supports avec une audience restreinte, souvent dans une seule langue, limitant ainsi le retour sur investissement
- Les moteurs IA spolient leur contenu éditorial pour le proposer à l’internaute, sans aucun retour pour l’auteur.
Constat 3 : Difficulté d’exploitation commerciale des tests par les marques et les distributeurs
Les marques peuvent consacrer des budgets importants pour la mise à disposition de matériel à destination des éditeurs, pour des retours parfois limités. Elles ne disposent pas d’outil permettant de synthétiser les performances de leurs produits testés et des produits concurrents à l’échelle mondiale, en vue d’améliorer la conception et la commercialisation des produits.
Par ailleurs, les distributeurs n’ont pas aujourd’hui la possibilité d’intégrer facilement des références aux tests dans leurs pages e-commerce.
La solution Gearscore
Le plate-forme Gearscore vise à augmenter les performances des différents acteurs en améliorant :
- La qualité de l’information apportée au consommateur, via la sélection des tests, leur centralisation sur une plate-forme et la mise à disposition de contenus traduits,
- La visibilité des tests, des éditeurs de test et des produits testés, en particulier à l’international,
- Le retour sur investissement pour les éditeurs de test et les marques,
- L’exploitation commerciale ou marketing des tests.
Concrètement, son rôle consiste à :
- Sélectionner les tests en fonction de différents critères, pour isoler le contenu véritablement informatif (V1),
- Analyser chaque test produit grâce à l’IA (V1),
- Centraliser les tests sur la plate-forme (V1) avec lien vers le site de l’éditeur,
- Proposer une version traduite des tests dans différentes langues des tests, respectant la mise en page originale des éditeurs et les liens publicitaires (V1),
- Proposer au consommateur un agent conversationnel IA permettant de le conseiller sur la base du contenu des tests, avec une redirection systématique vers les différentes sources exploitées (V2 en développement),
- Proposer aux éditeurs un revenue-share sur la redirection vers des offres commerciales (V3),
- Proposer des données et/ou widgets permettant aux distributeurs de s’appuyer sur les résultats des tests (V3) pour améliorer les taux de transformation sur leur plate-forme e-commerce,
- Proposer aux fabricants des rapports leur permettant d’avoir un avis qualitatif sur le positionnement technique de leurs produits et ceux de la concurrence sur le marché.
Un mot sur l’IA
L‘IA est au centre du projet Gearscore. Il faut cependant bien comprendre comment l’IA générative fonctionne, ses lacunes, et comment elle est exploitée par Gearscore.
Qu’est ce que l’IA générative ?
Contrairement à ce que beaucoup de gens pensent, il n’y a pas (encore) d’intelligence dans l’IA. C’est de la donnée pure, scrapée sur internet, intégrée dans une base de donnée vectorielle, sur laquelle le « moteur IA » fait des calculs vectoriels, permettant de manipuler des concepts sémantiques pour produire un réponse à la question posée par l’utilisateur.
Quelles sont ses lacunes ?
Il en résulte du concept même de l’intelligence artificielle générative un certain nombre de limitations :
- L’IA, plus ou moins dépourvue d’intelligence, ne peut résoudre que des problèmes documentés (dont elle a appris la réponse). Elle peut parfaitement se trouver en échec devant un problème qu’un enfant de 10 ans peut résoudre.
- L’IA a un comportement non-deterministe. Les valeurs (« paramètres ») composant un vecteur (par exemple définissant le mot « ski ») de différentes dimensions (pour schématiser les différents « sens » auxquels il est possible d’associer le mot « ski ») sont assimilables à des coefficients de probabilité. Contrairement à un algorithme classique, elle ne fournit pas un résultat dont on peut être certain. L’IA donne donc un résultat « probable ». C’est la raison pour laquelle elle peut se tromper ou « halluciner ».
- L’IA est dépendante du contenu scrapé sur internet. Or ce contenu n’est pas extensible et est déjà très largement exploité.
- Les performances de l’IA dépendent exponentiellement des moyens techniques mis en place pour son entrainement. En d’autres termes, il faut de plus en plus de puissance de calcul pour obtenir une même progression de performance.
- Pour ces deux raisons, le potentiel futur de l’IA générative est limité, en attendant l’arrivée de l’AGI.
- Un grande partie des données utilisées datent de la période de pré-entrainement et sont souvent obsolètes.
- La qualité de la réponse dépend de la qualité du contenu utilisé. L’IA, dépourvue d’intelligence, n’a pas de sens critique permettant d’évaluer la pertinence d’une source, d’une question ou d’une réponse.
Comment l’IA est-elle utilisée dans Gearscore ?
Une fois que l’on a pris en compte ses limites, l’IA est un outil extraordinaire permettant manipuler des concepts sémantiques : traduire, analyser le sens d’un texte, proposer une réponse à une question, etc. Dans le cadre du projet Gearscore, elle est utilisée, après la sélection humaine des tests sur la base de critères de qualités et actuels, pour analyser les contenus des tests. Dans une deuxième étape, elle est utilisée pour répondre aux questions techniques des consommateurs, tout en renvoyant l’internaute vers les sources utilisées.