L’équipe recommandation de Google vient de publier un article qui reconnaît que le prochain gain dans les systèmes recsys industriels ne réside plus à l’intérieur du modèle. AgenticRecTune, déployé dans un système de recommandation en production, conçoit le pipeline comme cinq agents LLM qui ajustent les poids de fusion et les seuils de routage entre le pré-classement, le classement et le re-classement. Les gains annoncés sont obtenus sans réentraîner aucun modèle de récupération. Pour les retailers qui exploitent le même pipeline, la marge restante dans le système a quitté le ranker.

Publié sur arXiv en avril par Xidong Wu et ses collègues, l’article nomme ses cinq agents appuyés sur Gemini : Actor, Critic, Insight, Skill et Online. Actor propose des configurations ; Critic les élague selon des garde-fous avant que le moindre trafic ne touche le système. Online pilote les tests A/B de façon autonome, tandis qu’une boucle Insight–Skill entretient ce que les auteurs appellent un « Skillhub auto-évolutif » — une mémoire de ce qui a fonctionné, organisée par étape. Le framework optimise les poids de fusion de valeurs à la récupération, la logique de combinaison des scores sur les multiples objectifs du ranker, et la politique de diversité au re-classement. Il ne réentraîne rien. Il coordonne.

Le goulot d’étranglement s’est déplacé parce que le pipeline recsys a cessé d’être un problème de classement unique pour devenir un problème de coordination dont aucune équipe n’est propriétaire de bout en bout.

Le recsys industriel s’est découpé en étapes il y a longtemps, et chaque étape a depuis acquis sa propre équipe et sa propre fonction de perte. Le pré-classement optimise un rappel peu coûteux sur des millions de candidats. Le classement optimise un score multi-objectifs combinant probabilité de clic, durée de session, conversion et risque de retour. Le re-classement impose la diversité, les règles métier, les quotas d’emplacements sponsorisés et les fenêtres de fraîcheur. Les transferts entre ces étapes — les fusions de scores, les seuils de routage, les coupures de candidats — sont configurés manuellement, audités rarement, et ajustés par celui qui a déposé le dernier ticket. L’argument de Google est que ces transferts constituent désormais le plus grand gisement de gains non extraits dans le système, et que ce gisement est trop vaste pour continuer à le confier à des humains.

La contre-argument honnête est que cela n’a de sens qu’à grande échelle, et quasiment nulle part ailleurs. AgenticRecTune a été conçu pour un système traitant un volume suffisant pour faire tourner de nombreux slots A/B en parallèle tout en laissant à l’agent Critic quelque chose dont apprendre. Un retailer de taille moyenne ne peut pas isoler un gain marginal d’engagement de son plancher de bruit dans un délai raisonnable, ce qui signifie que les agents proposent dans le vide. La condition dans laquelle cette thèse échoue est claire : si le trafic est trop faible pour du A/B autonome, l’architecture relève de la recherche, pas du déploiement. La conception suppose le volume.

Là où la thèse tient, l’architecture transparaît dans l’expérience client. Un pipeline configuré par des agents autonomes présente trois signatures vues de l’extérieur. La variance de latence commence à se comprimer parce que Critic préfère les seuils de routage qu’il a déjà vus se stabiliser. L’assortiment se renouvelle visiblement d’une semaine à l’autre dès lors que la politique de diversité n’est plus ce paramètre que personne n’a pensé à revisiter. La réorganisation d’une session à l’autre s’accélère à mesure que le Skillhub mémorise les configurations qui ont fonctionné pour des cohortes que l’équipe n’a pas encore définies. Les retailers qui travaillent encore avec des poids de fusion manuels, des cycles de réglage trimestriels et une politique de re-classement unique sur toutes les surfaces paraîtront plus lents et plus rigides face aux pairs qui ont évolué.

Les catalogues mode punissent l’étape de re-classement plus sévèrement que la plupart des secteurs, et c’est là que cette architecture devient visible en premier. Des catégories comme les robes portent une forte redondance de SKU, des références quasi-identiques déclinées en coloris, et un renouvellement saisonnier qui rend la politique de diversité structurante plutôt que cosmétique. Les travaux de Zalando de décembre 2024 sur les réseaux de neurones graphiques et l’approche documentée de Stitch Fix mêlant filtrage collaboratif, modélisation latente des préférences et curation humaine montrent que le squelette d’un pipeline multi-étapes est déjà en place dans la catégorie. La question est de savoir qui installe la couche agent au-dessus de ce squelette. Les retailers qui le feront observeront des gains en diversité, fraîcheur et exposition de la longue traîne qui ont résisté à l’optimisation mono-modèle pendant des années.

Rien de tout cela n’exige un nouveau ranker, et c’est là l’essentiel. Si un retailer continue de traiter le recsys comme un problème de modèle, ses data scientists continueront à chasser de maigres gains hors ligne qui ne se reproduisent pas en ligne. La vision par la coordination dépense le même temps humain différemment : moins d’expériences par trimestre, davantage livrées, des configurations qui s’accumulent. Si l’architecture fonctionne comme le suggère l’article, le choix apparaîtra dans le feed avant d’apparaître dans un rapport financier. C’est l’ordre dans lequel la plupart des décisions architecturales du retail finissent par s’annoncer.