L'agent de Taobao règle le pipeline de recommandation à chaque visite, et une requête sur cinq reçoit la version allégée
Sur certaines surfaces marketing de Taobao, l'agent MARS règle le pipeline de recommandation pour chaque acheteur et fait passer environ un cinquième des requêtes par deux des quatre étapes seulement, pour ce que son rapport appelle les visites d'« abus de promotion » et de simple passage. Les gains annoncés, jusqu'à 7,34 % de GMV, sont des moyennes sur l'ensemble des acheteurs, et le rapport ne donne aucun chiffre pour les requêtes servies par la version courte.

Neritus Vale
Sur certaines surfaces marketing de Taobao, un agent d’IA configure désormais le pipeline de recommandation pour chaque acheteur, sans jamais choisir un seul produit. Il décide de la quantité de machinerie de classement qu’une visite mérite. Environ une requête sur cinq, indique un rapport technique publié le 18 novembre, reçoit une version allégée. Ses résultats sont des moyennes portant sur tous les acheteurs : ils ne permettent donc pas de savoir ce que ces requêtes sont devenues.
Une recommandation Taobao traverse quatre étapes : la récupération rassemble les candidats, le pré-classement les élague, le classement leur attribue un score de clic et d’achat, et le re-classement compose la page. En temps normal, selon le rapport, ce sont les ingénieurs qui fixent les canaux, les quotas, les modèles et le dosage des scores de chaque surface, et tous les acheteurs qui y passent partagent ces réglages.
Le système du rapport, MARS, confie ces réglages à un petit modèle, Qwen3-0.6B, entraîné au départ sur les sorties du plus gros Qwen3.6-Max. Chaque configuration est rédigée à l’avance, vérifiée puis mise en cache par acheteur et par surface, de sorte que le pipeline n’attend jamais. Selon la surface, de 85 % à 95 % des requêtes utilisent ses réglages ; les autres reçoivent la configuration par défaut. Les résultats sont ceux de Taobao lui-même : le rapport porte une mention de copyright de Taobao.
Les réglages numériques de l’agent sont bornés : chaque quota de récupération ne peut s’écarter que de 20 % au plus de la valeur par défaut des ingénieurs. Le mode, lui, est un levier plus grossier. Full exécute toutes les étapes, Streamline supprime le pré-classement, et Minimal ne garde que la récupération et le classement. Minimal saute donc le re-classement, là où d’autres chercheurs de Taobao ont récemment construit un évaluateur sur le fil principal pour prédire où les acheteurs cessent de faire défiler.
Le prompt de l’application de subventions attribue à chaque outil un coût sur une échelle de dix points, le re-classeur génératif étant le plus cher de ceux qui y figurent. Après avoir lu le profil de l’acheteur et son comportement récent, le modèle doit trancher en « considérant conjointement la pertinence, la performance et le coût d’invocation ».
Environ un cinquième des requêtes passent en Minimal et presque toutes les autres en Full, une répartition arrondie unique que le rapport dit valable pour chaque surface. L’agent choisit Minimal, selon le rapport, pour les requêtes présentant des « tendances à l’abus de promotion ou à la pseudo-exposition », comme une entrée centrée sur la promotion suivie de très peu d’interactions avec les articles, ou des visites de simple passage. L’objectif est « d’économiser des ressources de serving ». La façon dont ces requêtes se répartissent entre ces profils ou d’autres n’est pas indiquée.
Dans la mini-application Ten-Billion Subsidy de Taobao, venir pour une offre et à peine naviguer peut suffire à justifier un classement moins poussé.
Rationner le calcul par requête a un précédent chez Taobao. DCAF, déployé en 2020 dans la publicité display de Taobao, partait du constat que les serveurs dépensaient une « puissance de calcul égale » pour des requêtes dont la valeur pouvait « varier considérablement ». Ses auteurs ont attribué à chaque requête un calcul « personnalisé » selon sa valeur et ont annoncé les mêmes résultats commerciaux avec 20 % de calcul en moins. Le rapport cite d’autres prédécesseurs, qui ajustent des budgets au sein d’un pipeline fixe ; MARS y ajoute un modèle qui lit les clics, achats et recherches de l’acheteur et choisit lui-même le pipeline. Dans le schéma d’entraînement du rapport, un exemple schématique qui conserve le pipeline complet ouvre son raisonnement par un verdict : « L’utilisateur est un client typique, sensible aux prix, très fréquent et dépensant peu. »
Les tests ont porté sur cinq surfaces marketing : la mini-application Ten-Billion Subsidy, un canal de ventes flash, le fil affiché après le paiement dans le service de commerce instantané de Taobao, la grille marketing de la page d’accueil et les espaces de campagne. Le rapport ne compte pas parmi elles le fil principal de la page d’accueil de Taobao.
Chaque test a duré deux semaines, les acheteurs étant affectés au hasard à l’agent ou aux anciens réglages, chaque bras recevant 5 % du trafic de la surface. Le V2P est la part des acheteurs exposés à des recommandations qui ont acheté, l’uCTR la part de ceux qui ont cliqué, et le pCTR le nombre de clics par impression. Les résultats pour les surfaces d’achat et les surfaces de clic suivent, avec les intervalles nominaux du rapport.
| Surface | Indicateur, variation relative vs témoin, % [intervalle à 95 %] | Indicateur, variation relative vs témoin, % [intervalle à 95 %] |
|---|---|---|
| Ten-Billion Subsidy (Baiyibutie) | V2P +5,22 [+4,58 ; +5,86] | GMV +7,34 [+6,18 ; +8,51] |
| Vente flash (Miaosha) | V2P +3,88 [+2,62 ; +5,15] | GMV +4,83 [+4,15 ; +5,50] |
| Après paiement en commerce instantané (ShangouPostPay) | V2P +2,24 [+0,10 ; +4,43] | GMV +7,17 [+1,56 ; +12,77] |
| Grille marketing de la page d’accueil (MarketingBlock) | uCTR +1,08 [+0,47 ; +1,70] | pCTR +0,99 [+0,08 ; +1,90] |
| Espaces de campagne (Dacu) | uCTR +2,27 [+1,13 ; +3,42] | pCTR +3,47 [+2,24 ; +4,71] |
Tous les intervalles excluent zéro, certains de justesse, et tous sont « nominaux ». Le V2P et l’uCTR sont des taux calculés par utilisateur ; pour le pCTR, les auteurs renvoient la prise en compte du regroupement des impressions au sein d’un même utilisateur, et pour le GMV celle de la corrélation d’un jour à l’autre, à une « réanalyse hors ligne future ».
Ce sont des moyennes sur tous les acheteurs affectés, trafic de repli compris : les requêtes servies en Minimal s’y trouvent donc incluses. Le rapport ne donne aucun chiffre de clic, d’achat ou de GMV par mode de pipeline, et sa section sur les limites reconnaît que les gains agrégés « n’identifient pas directement » ce que chaque décision de serving apporte. Quand l’article TriGen d’Alibaba a ventilé un test par marché, deux marchés sur six avaient vendu moins que le groupe témoin selon les estimations ponctuelles, sous un agrégat positif.
Le résumé associe la part de Minimal à une latence de serving moyenne inférieure de 12 ms à celle de la production, un écart que le rapport qualifie d’« associé ». Ce chiffre porte sur l’ensemble du déploiement, pas sur Minimal seul ; le niveau de référence n’est jamais donné, et le chiffre exclut le coût d’exécution du modèle. Les ablations sont, de l’aveu du rapport, des exécutions en ligne uniques avec estimations ponctuelles seulement.
La meilleure défense de Taobao consisterait à dire que ces requêtes ne perdent rien. Un acheteur de passage, ou venu pour une seule offre subventionnée, n’étudiera peut-être jamais la liste, et les étapes sautées auraient donc été du gaspillage. Les récompenses d’entraînement de l’agent comptaient d’ailleurs les clics et les achats, jamais le coût. Pour que cette défense tienne, il faudrait que les acheteurs derrière les requêtes Minimal cliquent et achètent autant qu’ils l’auraient fait avec le pipeline complet.
Rien dans le rapport ne le montre. Celui-ci qualifie ses scores commerciaux, qui correspondent aux clics, paniers et achats enregistrés, de « proxys concordants plutôt que de réponses causales », et ses propres données montrent que la configuration peut nuire. Dans un test de prompt en direct, un agent partiellement entraîné et privé des consignes écrites des ingénieurs a fait chuter le taux d’achat des ventes flash d’environ 27 %.
Alibaba présente son assistant d’achat Qwen comme l’auxiliaire de l’acheteur : en mai, le groupe a dit que Qwen permettait aux acheteurs de Taobao de « parcourir, comparer, passer commande et gérer les livraisons ». MARS, lui, travaille derrière le comptoir. Si ce modèle se répand, l’effort qu’un recommandeur déploie pour une visite devient un verdict rendu d’avance par un modèle, à partir du dossier de l’acheteur et de l’allure de la requête.
Le rapport n’imprime aucune ligne pour les requêtes servies en Minimal, alors que Taobao consigne chaque configuration servie face aux achats « par identifiant d’utilisateur et horodatage ». Son économie se compte en millisecondes ; ce que le raccourci a coûté à ces acheteurs, lui, n’est pas compté.