Cet article a été traduit automatiquement par IA et peut contenir des erreurs.
Comment Mirakl s’appuie sur l’écosystème d’IA en expansion de NVIDIA sans renoncer au choix des modèles
Lorsqu’un produit est mal catégorisé sur une marketplace, les conséquences n’ont rien d’abstrait. Un acheteur ne trouve pas ce qu’il cherche. L’annonce d’un vendeur disparaît des bons résultats. La catégorisation des produits n’est qu’un exemple parmi d’autres des résultats concrets que l’IA apporte aux opérateurs de plateformes et aux vendeurs. La même précision s’applique à la qualité des catalogues, au scoring des vendeurs, au support client, à la prédiction des délais de livraison et bien plus encore.
Derrière chaque donnée, il y a un vrai produit, une vraie transaction, une vraie expérience client. Et lorsque l’IA qui traite ces données se trompe, les opérateurs perdent des revenus, les vendeurs perdent en visibilité et les clients perdent confiance.
C’est pourquoi l’IA que Mirakl (opens in a new tab) conçoit pour le commerce ne peut pas reposer sur une approche générique, valable pour tous. C’est aussi pourquoi l’open source fait partie de la stratégie IA de Mirakl depuis le tout début : c’est le moyen le plus efficace de construire une IA qui fonctionne vraiment dans le contexte précis et exigeant du retail et des opérations de marketplace.
Pourquoi l’open source est au cœur de la stratégie IA de Mirakl depuis toujours
Le premier modèle d’IA en production de Mirakl a été développé en 2020 avec FastText, une boîte à outils open source qui représente les mots sous forme de vecteurs numériques qu’un système peut comparer. Sa mission était concrète : repérer les produits susceptibles d’avoir été placés dans la mauvaise catégorie et, lorsque le niveau de confiance était suffisant, suggérer une correction à l’opérateur de la marketplace.
Le choix d’un modèle open source répondait à une logique d’ingénierie simple. Plutôt que de concevoir un système de zéro, l’équipe pouvait partir d’un modèle ayant déjà appris des schémas utiles à partir d’importants volumes de texte, puis l’affiner avec des exemples propres au commerce. Le résultat : un modèle plus précis, plus facile à contrôler et plus rapide à faire évoluer, qui a surtout produit de vrais résultats business : moins de produits mal catégorisés, une meilleure pertinence de recherche et un catalogue de meilleure qualité pour les opérateurs et leurs vendeurs.
Cette approche – partir d’une base solide, l’adapter avec précision aux besoins du commerce, l’évaluer rigoureusement et garder la maîtrise de la façon dont les résultats sont exploités – guide depuis chaque décision de Mirakl en matière d’IA. À mesure que les modèles gagnent en capacités et en taille, le principe reste le même ; ce qui a changé, c’est son poids stratégique.
Des modèles spécialisés aux LLM : comment l’IA de Mirakl a évolué avec le commerce
Pendant des années, l’open source chez Mirakl a surtout répondu à un choix de qualité et d’efficacité. Aujourd’hui, c’est aussi un choix de souveraineté. Pour comprendre pourquoi, il faut observer ce qui a changé dans le paysage mondial de l’IA.
Le marché des modèles d’IA s’est de plus en plus concentré et il est devenu sensible sur le plan géopolitique. L’accès aux capacités d’IA de pointe passe par un petit nombre de fournisseurs, et cet accès peut être perturbé par des facteurs sans lien avec la technologie : évolutions réglementaires, changements de conditions de licence ou décisions politiques qui déterminent quels modèles peuvent être utilisés sur quels marchés. Les entreprises qui ont construit leur infrastructure d’IA exclusivement sur des API tierces (envoyer une requête, recevoir une réponse, sans jamais détenir le modèle) ont peu d’options lorsque ces conditions changent. Elles dépendent de la disponibilité continue d’un service qu’elles ne maîtrisent pas.
Les modèles open source et open weight changent fondamentalement cette dynamique. Lorsque Mirakl peut héberger un modèle en interne, c’est-à-dire dans sa propre infrastructure et selon ses propres conditions, l’IA continue de fonctionner quelles que soient les évolutions du marché. Pour les opérateurs internationaux qui gèrent des marketplaces traitant chaque année des milliards d’euros de GMV, cette continuité est une exigence business.
Comment Mirakl choisit le bon modèle d’IA pour chaque tâche de commerce
Héberger une plateforme logicielle et héberger de l’IA sont deux défis différents, mais chez Mirakl, le niveau de service attendu est identique : zéro interruption et sécurité de niveau entreprise.
C’est pourquoi Mirakl a investi dans une plateforme d’inférence, c’est-à-dire le système qui exécute en production des modèles d’IA entraînés, fondée sur des technologies open source. L’objectif de conception est l’indépendance vis-à-vis des processeurs graphiques (GPU) : quel que soit le matériel ou le fournisseur cloud qui fournit la puissance de calcul, Mirakl peut déployer l’ensemble de sa pile d’IA par-dessus. Grâce à cette architecture, aucun fournisseur d’infrastructure ne devient une dépendance critique, et de nouvelles capacités GPU, d’où qu’elles viennent, peuvent être mises en service sans reconstruire le système.
Cette flexibilité a des effets concrets sur les coûts et la résilience. Quand les modèles sont passés de systèmes compacts dédiés à une tâche à des grands modèles de langage (LLM) dix à cent fois plus volumineux, l’infrastructure nécessaire pour les exécuter a grandi dans les mêmes proportions. La capacité à répartir les charges de travail entre fournisseurs, à optimiser les coûts et la latence et à assurer la continuité quoi que fasse un fournisseur donné transforme l’investissement dans l’infrastructure en avantage concurrentiel.
C’est là que NVIDIA (opens in a new tab) joue un rôle central dans la stratégie de Mirakl. En s’appuyant sur le calcul accéléré de NVIDIA, y compris via des fournisseurs cloud européens comme Scaleway (opens in a new tab), Mirakl peut proposer à ses clients des modèles open source avec la vitesse, la fiabilité et l’échelle qu’ils attendent de l’ensemble de la plateforme.
Pourquoi l’IA du retail doit être spécialisée, et pas seulement puissante
Les modèles d’IA généralistes sont devenus vraiment impressionnants. Ils savent rédiger, raisonner, traduire et résumer sur un très large éventail de tâches. Mais une grande polyvalence ne remplace pas la précision qu’exige le retail.
Le commerce implique des tâches d’IA aux exigences remarquablement variées : classer un produit dans la bonne taxonomie, vérifier qu’il respecte les standards de qualité d’un opérateur de marketplace, détecter si un article retourné correspond à ce qui était initialement mis en vente, évaluer la fiabilité d’un vendeur en matière d’expédition. Chacun de ces problèmes a sa propre structure de données, ses propres règles et sa propre définition de la précision.
C’est là que le rapport qualité-coût de l’IA open source prend toute sa valeur. Un modèle plus petit, bien affiné, surpasse souvent un modèle généraliste bien plus grand sur une tâche définie, pour une fraction du coût d’inférence. En combinant plusieurs modèles, fournisseurs et méthodes d’affinage, Mirakl obtient systématiquement le meilleur résultat pour chaque problème tout en maîtrisant les coûts à grande échelle.
Les enjeux business d’une erreur sont directs. Les données produits constituent la couche opérationnelle qui relie le stock d’une marque à la décision d’un acheteur. Et lorsque l’IA prend des milliers de décisions par seconde sur des millions de produits, même de faibles taux d’erreur ont un impact important sur les revenus : recherches manquées, confiance des vendeurs érodée, conversions perdues.
Comment l’IA open source se traduit en résultats concrets pour les opérateurs et les vendeurs
Le principal bénéficiaire de cette approche n’est pas Mirakl. Ce sont tous les opérateurs qui créent et gèrent une marketplace, et tous les vendeurs qui comptent sur cette marketplace pour atteindre leurs clients.
Catalog Transformer de Mirakl (opens in a new tab), qui associe des modèles ouverts hébergés en interne à des services propriétaires, a déjà intégré plus de 70 millions de produits. Une telle échelle n’est possible que si l’IA est à la fois précise et efficace : elle prend des données fournisseurs dans des formats et des structures variés et les transforme en contenus prêts pour le catalogue, conformes aux standards de l’opérateur, sans dénaturer le produit. À ce volume, la différence entre un modèle généraliste et un modèle affiné se mesure dans la qualité du catalogue, la confiance des opérateurs et la performance des vendeurs.
La même logique s’applique aux autres fonctionnalités d’IA de la plateforme : de l’analyse multilingue du support client et du scoring de la qualité des vendeurs à la prédiction des livraisons et à la documentation assistée par IA.
Chacune répond à un problème précis, avec des données précises et des critères de réussite précis. Chacune profite d’une stratégie d’IA qui privilégie le contrôle, l’adaptabilité et la capacité à s’améliorer en continu.
Les clients de Mirakl bénéficient d’une IA façonnée selon les exigences réelles du commerce, hébergée dans des conditions conformes aux exigences des entreprises et conçue pour continuer à fonctionner quelles que soient les évolutions du marché.
Au-delà de l’adoption : comment Mirakl contribue à son tour à l’écosystème de l’IA open source
La stratégie IA de Mirakl restera hybride. Les modèles propriétaires des principaux fournisseurs continuent d’offrir puissance et rapidité pour l’expérimentation. Les modèles open source et open weight apportent contrôle, adaptabilité et résilience. Hugging Face (opens in a new tab), récemment racheté par NVIDIA, reste au cœur de ce travail : registre de modèles, environnement de développement et plateforme de déploiement. Toute l’infrastructure GPU pour l’entraînement et l’inférence repose sur le calcul accéléré de NVIDIA.
La prochaine étape du parcours open source de Mirakl consiste à contribuer davantage à la communauté, notamment en publiant potentiellement des modèles open weight entraînés sur des défis propres au commerce.




