Le tout dernier modèle produit d’Alibaba obtient un score supérieur de 28,9 points pour classer correctement un vêtement lorsque son étape de raisonnement est activée. Sur Fashion200K, l’ensemble public d’images de vêtements et de leurs descriptions, la précision à placer le même vêtement dans la bonne catégorie ne s’est améliorée que de 1,2 point par rapport à son prédécesseur, MOON2.0. L’étiquette de catégorie a presque cessé de livrer de l’information ; ce qu’elle omet, en revanche, continue d’en livrer. MOON3.0, publié sur arXiv le 1er avril et révisé le 5 août, se présente comme un article sur la précision. À la lecture des tableaux, c’est en réalité un article sur qui a le droit de passer outre un classement.

MOON3.0 met par écrit ce qu’il pense qu’est un produit avant de l’encoder. Face à une image et un titre, le modèle génère d’abord un raisonnement structuré : des dimensions d’attributs et leurs valeurs, « Couleur : Beige, Marron », « Éléments de design : Motif de chien ». Ce n’est qu’ensuite qu’il émet le vecteur à 256 dimensions utilisé par le système de récupération. Supprimez cette étape de raisonnement, et la précision de classification sur le benchmark maison d’Alibaba, MBE3.0, chute de 86,40 % à 57,52 %. La performance réside dans le raisonnement, pas dans l’encodeur qui se trouve en dessous.

La taxonomie n’était pas fausse, seulement trop mince — et une taxonomie mince tient le coup jusqu’au jour où arrive quelque chose capable de lire ce qu’elle a laissé de côté.

La lignée MOON tourne déjà au sein d’une activité publicitaire bien réelle, ce qui explique pourquoi ses tableaux de benchmark se lisent comme une feuille de route plutôt que comme une curiosité académique. MOON Embedding, l’article de déploiement publié par la même équipe en novembre, affirme que MOON est « entièrement déployé à tous les stades du système publicitaire de recherche de Taobao, y compris la récupération, la pertinence, le classement, etc. ». Il rapporte une amélioration du CTR en ligne de +20,00 % sur cinq itérations à pleine échelle, le gain le plus important que l’équipe enregistre sur la prédiction de clics. MOON3.0 ne porte aucun résultat en ligne qui lui soit propre et n’est mesuré qu’hors ligne, la position normale pour une version qui n’a pas encore été mise en production. Récupération, pertinence et classement forment trois systèmes distincts dans la plupart des architectures de retail occidentales, chacun avec son propriétaire, son fournisseur et sa capacité de dérogation ; chez Taobao, ils s’appuient sur une seule et même représentation, et MOON2.0 et MOON3.0 partagent suffisamment d’auteurs et de convention de nommage pour se lire comme des versions successives l’une de l’autre, bien qu’aucun des deux articles ne le dise explicitement. Une consolidation de ce type ne s’annonce jamais comme un changement de gouvernance.

La différence pratique entre une règle de catégorie et un embedding tient au chemin d’écriture. Un merchandiser peut ouvrir une règle de mise en avant, lire « promouvoir la maille pendant cette fenêtre », modifier la fenêtre, et savoir exactement ce que la grille va faire. Un embedding n’offre aucun geste équivalent : on peut observer le classement d’un article, mais on ne peut pas en modifier la raison. Les retailers s’engagent dans cette voie plus vite qu’ils n’en évaluent le prix. Dans le sixième rapport annuel d’Algolia sur la recherche ecommerce, mené par Coleman Parkes Research auprès de dirigeants du retail et de l’ecommerce, 61 % déclarent prévoir de déployer de l’IA agentique dans les douze mois à venir — une majorité, mais pas encore un consensus. Garantir au retailer le contrôle sur la technologie arrive en troisième position parmi les facteurs qui motivent cette adoption, à 37 %, derrière l’intégration système et le retour sur investissement.

L’objection la plus solide à cette lecture est que MOON3.0 serait en réalité plus auditable que ce qu’il remplace, pas moins. L’article revendique que ses représentations sont interprétables, et cette revendication n’est pas vide : le modèle produit une liste d’attributs lisible avant d’encoder, ce qu’un simple encodeur d’image n’a jamais fait. Pour que l’argument développé ici s’effondre, il faudrait que ce raisonnement survive jusqu’en production, qu’il décrive ce qui a fait bouger le vecteur, et qu’il soit modifiable par un merchandiser avec un effet prévisible sur le classement. Le stockage de ce raisonnement est une décision à laquelle personne ne s’est engagé, et l’argument de vente de l’article lui-même reste le vecteur à 256 flottants, pas le texte qui l’a produit. La question de savoir si le raisonnement décrit vraiment ce qui a fait bouger le vecteur se règle par la récompense : chaque raisonnement généré est noté par rapport à un composite qui inclut le rang de récupération de l’article correct, de sorte que l’explication est sélectionnée pour ce qui améliore le rappel. Sur la troisième condition, il n’existe aucun mécanisme du tout.

La conception de la récompense plafonne aussi ce que le modèle est incité à remarquer. La qualité des attributs est notée pour sa cohérence factuelle avec l’image et l’étiquette existante de l’article, avec un bonus pour les valeurs d’attributs supplémentaires qui s’arrête à quatre. Une récompense de longueur distincte ne rapporte plus rien une fois que le raisonnement dépasse un seuil de tokens, une limite que les auteurs imposent pour contenir la latence. L’explication est donc budgétée, et ancrée à l’étiquette du catalogue qu’elle est censée dépasser. Rien de tout cela n’est malhonnête ; ce n’est simplement pas conçu pour quiconque en dehors du système de classement.

Ce qui remplace la règle de catégorie, c’est le seul levier qui se comporte encore de façon prévisible : celui qu’on paie. Kroger a intégré de la publicité dans son assistant d’achat IA dès le premier jour, comme nous le rapportions plus tôt aujourd’hui, et ce choix de conception se généralise car, lorsqu’un merchandiser ne peut plus faire remonter un style en modifiant une règle, acheter l’emplacement reste le seul moyen de le faire bouger. Si les représentations conscientes du raisonnement continuent de fondre récupération, pertinence et classement en un seul vecteur, la surface inspectable d’un assortiment se réduit à ce que le retailer a choisi de conserver. Ce choix se fait cette année, au moment des achats, par des personnes qui peuvent encore demander si le raisonnement est conservé, s’il est journalisé en regard du classement qu’il a produit, et ce qu’un acheteur est autorisé à en faire. La taxonomie n’est pas mise à la retraite. Elle est rétrogradée : elle ne décide plus, elle se contente de rendre compte.