Bamboche recense plusieurs milliers d’activités et offre la possibilité aux utilisateurs de trouver des idées adaptées à leurs envies, en tenant compte de leur localisation et de leurs goûts. OpenStudio a été sollicitée pour développer un système capable de rendre ces suggestions plus pertinentes et personnalisées, avec pour objectif d’offrir une expérience utilisateur engageante.
Pour résumer, il s’agit d’allier pertinence, complexité et performance. Le principal défi résidait dans la capacité à proposer des résultats pertinents et personnalisés malgré des contraintes multiples. Il fallait gérer un volume important de données, tout en respectant des critères complexes : localisation géographique, centres d’intérêt, périodes spécifiques, etc.
Par ailleurs, le moteur devait offrir des performances élevées et être suffisamment flexible pour évoluer dans le temps et intégrer de nouvelles fonctionnalités.
La première étape de tout projet d’IA est de réunir et analyser des données. En effet, pour garantir la pertinence des recommandations, OpenStudio a mis en place un système de collecte de données basé sur Matomo, un outil de suivi qui analyse les interactions des utilisateurs avec l’application. Ces données ont été centralisées dans une base de données répliquée et un back-end spécialement conçu pour un traitement asynchrone des données. Ce dispositif permet non seulement de suivre
Le moteur de contenu repose sur des algorithmes hybrides combinant plusieurs approches. L’analyse dite User-Based regroupe les utilisateurs aux comportements similaires pour proposer des recommandations pertinentes, tandis que l’approche Item-Based s’attache aux caractéristiques intrinsèques des activités proposées. Ces méthodes servent à générer des recommandations adaptées à chaque utilisateur, tout en assurant une mise en avant dynamique des contenus selon des critères contextuels et pondérés comme l’importance relative de la date ou de la popularité.
Nous avons opté pour une API que l’application interroge avec des critères géographiques, temporels ou même des priorités éditoriales. L’API propose quant à elle des recommandations basées sur les centres d’intérêt de l’utilisateur en tenant compte de ces critères. Le traitement asynchrone des données permet à l’API de maintenir des temps de réponse courts et assure ainsi à l’application et à son utilisateur une navigation fluide. Conçue pour être modulable, la solution développée par OpenStudio est pensée pour évoluer facilement. De nouvelles fonctionnalités peuvent être ajoutées sans remettre en cause l’architecture existante, offrant ainsi à l’application une grande capacité d’adaptation.
Ce projet a bénéficié de la synergie avec un autre développement mené par OpenStudio : Thelia AI, un moteur de recommandation pour le CMS e-commerce Thelia. Les deux projets ont partagé leurs approches méthodologiques et algorithmiques, s’enrichissant ainsi chacun des innovations de l’autre. Plus généralement, je trouve que cette collaboration illustre bien l’expertise d’OpenStudio dans la création de solutions sur-mesure et évolutives.