Le fil shopping appris de ByteDance booste toujours les publicités avec un chiffre fixé à la main
OneTrans-GSR, le système de ByteDance, confie la composition d'un fil e-commerce à un seul modèle entraîné contre une récompense qui note des listes entières, et affiche des gains en GMV par utilisateur, en rachat et en valeur annonceur. La valeur annonceur ne figure pas dans cette récompense : elle est pilotée par un bonus publicitaire constant choisi par des humains, dont le balayage de l'article montre qu'il pèse sur la conversion des acheteurs, et dont la valeur en production n'est jamais révélée.

Neritus Vale
Les ingénieurs e-commerce de ByteDance ont confié l’assemblage d’un fil shopping à un seul modèle appris, qu’ils présentent comme un pas « au-delà des heuristiques conçues par des humains ». Le modèle décide désormais de la place des fiches produit, des vidéos courtes, des livestreams et des publicités. L’intensité avec laquelle il pousse les publicités dépend surtout d’une constante choisie par des humains, et l’article ne dit pas à quelle valeur elle a été fixée.
OneTrans-GSR a été déposé sur arXiv le 3 novembre par la Global E-Commerce Recommendation Foundation Team de ByteDance. Il remplace le reranking, qui choisit et ordonne des éléments déjà notés en amont, et le mix-ranking, qui entrelace des contenus issus de canaux métier distincts. Un seul décodeur écrit désormais la liste, entraîné par apprentissage par renforcement contre un modèle de récompense qui note des listes entières. Le terrain d’application est seulement décrit comme « un système de recommandation industriel à grande échelle pour l’e-commerce ».
Le test en conditions réelles opposait la nouvelle politique à l’ancienne cascade. Les comptes ont été répartis au hasard pendant une semaine, « l’ensemble de règles métier » étant maintenu fixe. L’article ne précise pas si le bonus publicitaire, ou son équivalent dans l’ancien système, fait partie de cet ensemble, même si l’introduction range le « boosting commercial » parmi les règles construites à la main de l’ancien système. La valeur marchande brute (GMV) par utilisateur a progressé de 2,63 % et le taux de rachat de 2,03 % ; les deux écarts sont statistiquement significatifs. L’article ne définit jamais le dénominateur du GMV et ne publie aucun taux de conversion.
Le résumé de GSR promet de générer la liste d’affichage « de bout en bout », mais l’introduction est plus prudente. L’article OneRec de Kuaishou affirmait en 2025 qu’il « remplace le cadre d’apprentissage en cascade par un modèle génératif unifié ». L’introduction de GSR garde les règles en vue : « Ce qui change, c’est le rôle des règles, pas leur présence. »
Les règles qui subsistent sont celles que nous avons appelées politique de merchandising en juillet. Pendant le décodage, des masques et des ajustements de score régissent l’espacement entre types de contenu et catégories, la déduplication des produits, les quotas d’exposition et l’« exposition publicitaire ». Une récompense d’entraînement distincte, pondérée à un dixième de la principale, favorise moins de lassitude, plus de découverte et l’exposition des nouveautés sans historique. Les auteurs reconnaissent que cette pondération de la récompense « ne peut pas imposer d’exigences propres à une position ».
Face à l’ancien système, ces règles font un travail que l’apprentissage n’a pas absorbé. Lors des tests hors ligne sans les ajustements de décodage, les listes de GSR présentaient 3,41 % de lassitude en plus que celles de l’ancien système : davantage d’expositions répétées à des catégories non cliquées. Leur part d’éléments nouveaux baissait aussi. Avec les ajustements activés, la lassitude passait 7,65 % sous celle de l’ancien système, sans que la découverte le rattrape. Face aux références triées par score, la politique apprise seule réduisait la lassitude de 19,41 % à 40,91 %.
La valeur annonceur ne fait pas partie des objectifs du modèle de récompense ; l’introduction indique qu’elle est « contrôlée pendant le décodage ». La récompense combine les clics, commandes, GMV et rachats prédits, avec des pondérations « réglées comme des hyperparamètres » et non publiées. L’article reproche pourtant aux systèmes construits à la main qu’il remplace leurs « pondérations de fusion réglées manuellement ». Les publicités reçoivent quelque chose de plus brutal : un bonus constant ajouté au score de chaque candidat publicitaire ; l’augmenter « échange de l’engagement utilisateur contre de la valeur annonceur ».
Le balayage de l’article montre ce que vaut ce réglage. La valeur annonceur augmentait à chaque palier testé : 0,71 % avec un bonus de 0,05, 1,83 % à 0,1 et 4,61 % à 0,3, chaque fois par rapport à l’absence de bonus, comme le graphique le trace. Tout réglage non nul faisait aussi baisser le taux de conversion au niveau de l’utilisateur, d’environ 0,5 % aux deux paliers inférieurs et d’environ 0,74 % au palier supérieur. Les auteurs concluent : « Choisir un point de fonctionnement en production exige de considérer les deux résultats avec le respect des règles. »
En production, la valeur annonceur a progressé de 2,06 % face à l’ancienne cascade, et l’article ne dit pas quel bonus était appliqué. Le palier supérieur du balayage apportait à lui seul 4,61 %, mais par rapport à l’absence de bonus et non à l’ancien système, et l’article ne précise pas si le balayage a été mené en ligne ou hors ligne. La métrique n’est jamais définie ; le graphique nomme son axe « ROI2 ». Aucun lecteur ne peut distinguer ce que la politique a appris de la position du réglage.
Le tableau de production est plus complet que celui de Kuaishou, mais il n’a toujours pas de taux de conversion. Le générateur publicitaire de Kuaishou traité ici le 2 novembre n’était évalué en ligne que sur le revenu ; ce tableau ajoute à la GMV par utilisateur la valeur annonceur, le rachat et la latence. L’article qualifie ses contrôles de listes de « proxys hors ligne plutôt que de mesures directes de la réponse des utilisateurs ». Ni ces contrôles ni le tableau ne comptent les emplacements attribués aux publicités.
Un test en conditions réelles a contredit le verdict du modèle de récompense lui-même. Une variante entraînée contre un seul modèle de récompense obtenait de meilleurs scores hors ligne, mais n’a relevé la GMV par utilisateur que de 1,41 %, comme le montre le tableau 9. Les auteurs y voient un résultat « cohérent avec des erreurs de la récompense proxy », un risque que des chercheurs d’OpenAI ont mesuré en 2023, mais précisent que le test ne permet pas d’en identifier la cause. Les 2,63 % de la variante par ensemble correspondent au gain annoncé en tête, ce qui laisse penser que c’est ce scoreur que ByteDance a déployé.
Étape après étape, les articles OneTrans de ByteDance font entrer la cascade dans les modèles et laissent le compromis publicitaire à l’extérieur, sous la forme d’un réglage. En septembre, OneTrans-V2 a fondu la récupération et le classement dans un seul transformeur, avec les publicités parmi les objectifs pilotés par un « décalage métier » dont « l’intensité est exposée comme paramètre en ligne ». Il publiait aussi une part sponsorisée : 33,7 % des expositions de son récupérateur étaient des éléments sponsorisés. GSR, dont l’auteur correspondant est le même, n’en publie aucune pour la liste finale.
L’objection la plus forte est qu’un réglage est le bon choix de conception. Décider quelle part d’un fil vendre est une décision commerciale, et un réglage explicite est plus facile à auditer qu’une pondération enfouie. La GMV par utilisateur et les achats répétés ont tout de même augmenté sous les mêmes règles. Pour que la thèse tombe, il faudrait que le réglage compte peu : la politique atteindrait des résultats similaires où qu’on le place.
Les preuves de l’article disent le contraire. Une seule constante fait varier la valeur annonceur de montants qui encadrent le gain en production, avec un coût de conversion que le balayage enregistre. L’article ne définit aucun dénominateur de GMV et ne publie aucun taux de conversion en production, de sorte que ce coût n’a aucun point de comparaison. Un réglage explicite n’est auditable qu’une fois publié, et celui-ci ne l’est pas.
L’article ne mentionne jamais l’habillement ni les vendeurs ; ce qui suit pour les vendeurs de vêtements relève donc de l’extrapolation. Si un fil de ce type portait l’emplacement promu d’un vendeur, le bonus publicitaire déciderait de combien une fiche payante est remontée au-dessus des éléments organiques. Une pénalité de similarité abaisse aussi le score de tout élément ressemblant à ceux placés au-dessus de lui : une seconde robe noire obtient ainsi un score inférieur à la première. La valeur de production de ces deux réglages n’est pas publiée.
ByteDance a automatisé la mise en page et conservé, sous forme de réglage, l’inclinaison en faveur des annonceurs.
Si les plateformes continuent de déclarer des gains annonceurs sans le bonus qui les sous-tend, les vendeurs ne peuvent pas distinguer un meilleur modèle d’un réglage plus élevé. Le remède tient en trois chiffres : le bonus appliqué, la variation de conversion et la part d’emplacements donnée aux publicités. Aucune puissance de calcul ne décide de la part d’un fil à vendre, et l’article de ByteDance montre que cela reste un choix.