Comment Amazon Marketplace évalue la qualité du contenu avec Amazon SageMaker AI
Amazon a détaillé une méthode d'évaluation de la qualité des contenus A+ de ses fiches produits, reposant sur des modèles vision-langage (VLM) hébergés sur Amazon SageMaker AI. Les contenus A+ sont les modules visuels enrichis de la page produit, où les marques combinent texte, images et vidéo pour raconter leur produit. Selon Amazon, les vendeurs qui les utilisent augmentent leurs ventes de 8 à 20 % par rapport à ceux qui n'en ont pas. Au lieu de noter chaque élément séparément, la méthode génère un instantané de la page complète, tel que le voit le client, et demande à un VLM de l'évaluer globalement. Les scores sémantiques du VLM sont ensuite combinés à des signaux de lisibilité issus de la reconnaissance optique de caractères (OCR) dans un classifieur CatBoost léger, entraîné sur des annotations d'experts. La technique SHAP explique les décisions du classifieur et en tire des recommandations concrètes. Un composant de génération par diffusion produit en outre des visuels améliorés à partir de ces signaux. Le pipeline complet, de l'ingestion des données et de l'annotation jusqu'à l'hébergement des modèles, l'explicabilité et la supervision en production, s'exécute sur SageMaker AI.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →
L'enjeu est de rendre la qualité éditoriale mesurable et exploitable à grande échelle. Les contenus A+ ne sont soumis à aucune contrainte stricte, ni de ratio d'image ni de nombre de mots, ce qui laisse une grande liberté créative mais produit de fortes disparités. Les grandes marques dotées d'équipes de design internes côtoient de petites structures aux moyens limités. Un simple score chiffré ne les aide guère. Les vendeurs ont besoin de recommandations précises pour transformer un contenu moyen en contenu cohérent, pertinent et utile. Pour les clients, cela signifie des fiches plus claires et de meilleures décisions d'achat. Pour les vendeurs, cela promet des revenus accrus et des relations plus durables avec leur clientèle.
Cette approche répond aux limites des méthodes existantes. Les modèles classiques de vision par ordinateur savent repérer une image floue ou une faute de grammaire dans une liste à puces, mais ils ne voient pas comment les éléments fonctionnent ensemble. Les VLM associent un encodeur d'image, souvent un Vision Transformer comme celui de CLIP, à un grand modèle de langage, via un petit connecteur. Entraînés à suivre des instructions, ils peuvent évaluer une image selon une grille de critères sans entraînement spécifique, et un réglage fin sur des exemples annotés rapproche leurs jugements de ceux des réviseurs humains. Analyser la page comme un tout permet de capter la qualité qui naît de l'agencement entre modules hétérogènes. La combinaison d'un VLM et d'un modèle statistique léger et explicable vise à concilier compréhension sémantique, robustesse et transparence, tout en tenant compte des particularités de chaque catégorie de produits.
Pas d\'impact direct sur la France/UE