Dans le cadre de la première journée de la conférence RecSys 2019 à Copengahen, Sandhya Sachidanandan a présenté son travail réalisé en collaboration avec Richard Luong et Emil Joergensen sur la recommandation de produits en ligne chez IKEA.
L’idée de ce travail était d’extraire des associations de produits à l’aide de réseaux neuronaux convolutionnels (CNN), et d’utiliser ces associations pour suggérer des recommandations de produits pertinents aux visiteurs du site de e-commerce d’IKEA. En d’autres termes, une image d’un intérieur créé par les designers d’IKEA sert de point de départ à une analyse permettant de détecter les objets qui « vont » ensemble. Étant donné que les images utilisées ont été réalisées par des stylistes IKEA, on peut logiquement supposer que les objets apparaissant ensemble sur l’image s’accordent bien d’un point de vue stylistique et peuvent donc être recommandés.
Approche méthodologique
3 méthodes ont été comparées par les auteurs :
- plus proches voisins (nearest neighbours en anglais) extraits à l’aide d’un CNN pré-entraîné
- plus proches voisins extraits à l’aide d’un réseau neuronal siamois (voir explication en anglais ici)
- matrice de gram
L’intérêt des réseaux convolutionnels pour la recommandation de produits
L’idée que j’ai trouvée intéressante est que les associations de produits ont été extraites sur la base de « styles », c’est-à-dire d’images produites par des stylistes IKEA. A la base de la recommandation se trouvent donc des perceptions humaines de ce à quoi peut ressembler un intérieur élégant. En d’autres termes, les algorithmes de recommandation ont été alimentés avec une touche humaine, ce qui me semble être une idée particulièrement intéressante; non que les algorithmes ne soient pas alimentés par un travail humain à la base, mais plutôt qu’un réseau neuronal est ici chargé « d’interpréter », d’analyser de manière structurée ce que le style représente. Cela ressemble au final assez fort à l’annonce récente par HBO de son outil « recommandé par l’humain« .
Bien entendu, tous les produits présentés sur ces photos sont d’origine IKEA. Je me suis alors demandé pourquoi il était nécessaire d’utiliser une approche algorithmique aussi complexe pour détecter des objets parfaitement identifiables dans le catalogue IKEA. N’aurait-il pas été suffisant de lister les références des produits présents sur la photo et de les recommander entre eux ? Au final il se serait agit d’une règle métier plutôt qu’une recommandation algorithmique.
Une idée commerciale à développer par IKEA
Dans un élan de générosité voici une idée d’application que j’offre à IKEA.
Pour moi, l’approche technique mentionnée ci-dessus prendra tout son sens lorsque des images non produites par IKEA pourront être analysées et qu’un équivalent issu du catalogue IKEA pourra être proposé.
Imaginez le scénario suivant : vous êtes sur pinterest et vous trouvez la photo d’un magnifique intérieur que vous aimeriez reproduire chez vous (à moindre coût). Comme vous n’avez aucune idée des magasins où vous pourriez acheter les différentes pièces de mobilier et de décoration, vous téléversez la photo sur le site Web IKEA (après avoir créé un compte bien sûr). L’image est analysée et les équivalents les plus proches dans le catalogue de produits IKEA sont trouvés et vous sont recommandés.
En cours de route, IKEA pourrait même apprendre beaucoup de choses. Imaginez qu’une certaine image ou un certain style soient régulièrement analysé et qu’aucun produit vraiment équivalent ne soit trouvé, cela pourrait inciter IKEA à développer les produits manquants.
Elle n’est pas bonne cette idée ? Si je l’ai eue c’est qu’elle existe sans doute déjà quelque part.
Photo : shutterstock
Publié dans Divers.
