Amazon : du machine learning dans le e-commerce

Dans quelle mesure les technologies d’apprentissage automatique (machine learning)*, exploitées notamment par les systèmes de guidage GPS ou les « assistants personnels » comme Siri et Cortana, peuvent-elles améliorer l’expérience des internautes sur les sites e-commerce ?

C’est la problématique abordée par Amazon dans le cadre d’une refonte de son système d’affichage des avis de consommateurs.

Les premières modifications ont été appliquées la semaine passée aux États-Unis, sur certaines pages de produits. Elles se traduisent, selon le groupe américain, par l’affichage d’évaluations « plus pertinentes » pour aiguiller les acheteurs.

Ce nouveau dispositif est fondé sur plusieurs critères, dont la date de publication des avis (les plus récents sont favorisés), l’identité de leur rédacteur (vérification de la preuve de consommation) et le nombre d’internautes ayant trouvé l’information utile.

Autant d’indicateurs qui auront aussi une influence sur le nombre d’étoiles (de 0 à 5) affichées en regard du produit. Sachant que jusqu’alors, il s’agissait d’une simple moyenne de toutes les évaluations laissées.

Comme le souligne Cnet.com, Amazon, dont le modèle économique repose pour partie sur ces avis de consommateurs, cherche aussi à refléter plus efficacement les changements apportés par les constructeurs sur certains de leurs produits, mais qui ne sont pas nécessairement mentionnés dans les descriptifs – typiquement, une révision d’ergonomie ou l’ajout d’une fonctionnalité.

Pour l’entreprise dirigée par Jeff Bezos, cette initiative s’inscrit dans la lignée des poursuites amorcées en avril contre plusieurs sites accusés de publier de faux avis de consommateurs.

Il s’agit là d’un véritable enjeu à en croire cette enquête menée en France par la DGCCRF (Direction générale de la concurrence, de la consommation et de la répression des fraudes) et selon laquelle 45 % des avis publiés en ligne sont biaisés.

Trois cas principaux se présentent : suppression de tout ou partie d’un avis négatif, traitement différencié (les avis positifs sont publiés plus rapidement)… et tout simplement rédaction de faux avis, souvent publiés sur plusieurs canaux pour davantage d’efficacité.

Face à cette situation, l’AFNOR (Association française de normalisation) a érigé, il y a deux ans, la norme NF Z74-501, volontaire et « générique » pour faire le tri entre les bonnes et les mauvaises contributions.

* Destiné à remplir des tâches difficiles à réaliser par des moyens algorithmiques classiques, le machine learning est depuis peu une brique du cloud d’Amazon Web Services, dans le cadre d’une offre « à la demande ».

Crédit photo : Twin Design – Shutterstock.com