LinkedIn lance cette semaine sa nouvelle recherche de personnes alimentée par l’IA, après une attente apparemment très longue pour ce qui aurait dû être une offre naturelle pour l’IA générative. Cela intervient trois ans après le lancement de ChatGPT et six mois après le lancement par LinkedIn de son offre de recherche d’emploi basée sur l’IA. Pour les leaders techniques, cette chronologie illustre une leçon clé pour les entreprises : déployer une IA générative dans des environnements d’entreprise réels est un défi, surtout à une échelle de 1,3 milliard d’utilisateurs. C’est un processus lent et brutal d’optimisation pragmatique.
Le fonctionnement du produit repose sur un moteur d’IA qui comprend l’intention de la recherche, contrairement à la recherche basée sur des mots-clés de LinkedIn. Le système reconnaît la sémantique, permettant ainsi de trouver des profils pertinents même si ces derniers n’utilisent pas les mêmes termes que la requête. L’IA tient compte à la fois de la pertinence et de l’utilité, en mettant en avant les connexions de premier degré de l’utilisateur qui peuvent servir de pont vers l’expert recherché.
LinkedIn a développé une approche reproductible en plusieurs étapes pour parvenir à ce résultat. Après le succès de sa recherche d’emploi basée sur l’IA, l’entreprise a appliqué ce même processus à un défi beaucoup plus important. Le parcours de LinkedIn offre un guide technique pour passer d’un pilote réussi à un produit à l’échelle d’un milliard d’utilisateurs.
Le produit de recherche de personnes a nécessité une architecture en deux étapes pour gérer le volume massif de données. Le modèle de recherche d’emploi, quant à lui, a permis d’optimiser le processus de recherche et de classement des résultats. LinkedIn a su tirer des leçons de ses succès précédents pour relever ce nouveau défi avec succès.
En conclusion, l’approche de LinkedIn met en lumière l’importance de la pragmatisme et de l’optimisation continue dans le développement de systèmes d’IA. Plutôt que de se concentrer sur des modèles spécifiques ou des systèmes agencés impressionnants, l’accent est mis sur la maîtrise du pipeline de développement, avec une attention particulière accordée à la co-conception, à la distillation et à l’optimisation rigoureuse.