L’IA ne peut pas corriger vos mauvais flux à elle seule — voici pourquoi votre rôle reste essentiel !

Description de l’épisode

Vous pensez que l’IA peut nettoyer toute seule des flux produits désordonnés ? Pas si vite. Dans ce PPC Town Hall, le CEO d’Optmyzr, Frederick Vallaeys, échange avec le fondateur de DataFeedWatch, Jacques van der Wilt, sur les raisons pour lesquelles les campagnes Shopping pilotées par l’IA ont toujours besoin d’une supervision humaine.

Ils explorent les défis liés aux hallucinations de l’IA, la hausse des coûts de l’automatisation et le rôle croissant des moteurs de recherche pilotés par l’IA comme Perplexity. Si vous gérez des annonces Shopping, cette conversation regorge d’insights à ne pas manquer.

Points clés de l’épisode

Les campagnes Shopping de Google propulsées par l’IA promettent automatisation et efficacité, mais l’IA ne vaut que par les données que vous lui fournissez. Si vos flux produits sont en désordre, aucune IA ne pourra les transformer magiquement en campagnes performantes.

Voici les principaux enseignements de l’échange entre Fred et Jacques sur la manière de faire fonctionner l’IA pour l’optimisation des flux tout en gardant le contrôle et en obtenant les meilleurs résultats.

1. L’IA a besoin de bonnes données pour fonctionner efficacement

L’automatisation de la gestion des flux n’est pas nouvelle, mais l’IA fait passer les choses à un niveau supérieur. Le défi ? L’IA s’appuie sur des données structurées et exactes pour produire de bons résultats. Si votre flux produit contient des attributs manquants, des prix incorrects ou des descriptions vagues, l’IA ne pourra pas corriger ces problèmes toute seule.

« Si quelqu’un recherche “Levi’s 501 men’s blue jeans size 32” et que cette expression exacte figure dans le titre du produit, Google a un haut niveau de confiance dans le fait qu’il s’agit d’une bonne correspondance. L’IA a toujours besoin de données structurées pour fonctionner de manière optimale, » a expliqué Jacques.

À retenir : l’IA améliore l’optimisation, mais les annonceurs doivent s’assurer que leurs flux contiennent des données propres, exactes et complètes.

2. L’IA joue un rôle majeur dans l’optimisation des flux

L’IA peut améliorer la structure des flux produits en complétant des attributs manquants comme les couleurs, les tailles et les catégories. Mais l’IA n’est pas parfaite, et une supervision humaine reste nécessaire pour valider les résultats.

Jacques a expliqué comment DataFeedWatch utilise l’IA pour optimiser les flux :

• Automapping des attributs à partir des données de la boutique
• Réécriture des titres et descriptions grâce à l’IA
• Catégorisation automatisée pour différentes plateformes publicitaires

Cependant, les annonceurs doivent toujours vérifier les optimisations générées par l’IA afin d’en garantir l’exactitude et la pertinence.

« Quiconque vous dit avoir construit un système d’IA parfait ment. C’est toujours une combinaison d’IA, de tests A/B et de supervision humaine. »

 

- Jacques van der Wilt

3. Le passage à la recherche visuelle et conversationnelle

Le comportement des consommateurs évolue, et la recherche pilotée par l’IA change la manière dont les gens trouvent des produits. Au lieu de taper de simples mots-clés, les utilisateurs recourent désormais à la recherche vocale et visuelle, ainsi qu’à des assistants conversationnels IA comme ChatGPT.

Fred a partagé son expérience lors de la recherche d’un iPad : « J’ai eu une conversation de cinq minutes avec ChatGPT, en expliquant mes besoins, et il m’a détaillé toutes les options. »

Des plateformes comme Perplexity travaillent même sur la recherche produit pilotée par l’IA, où les titres et descriptions pourraient être réécrits dynamiquement pour mieux correspondre à l’intention de l’utilisateur.

« Perplexity interprétera probablement les données produits d’une manière beaucoup plus pilotée par l’IA que ce qui est actuellement fait sur Google, Bing ou d’autres plateformes, » a expliqué Jacques.

Cette évolution signifie que l’optimisation des flux ne se limite plus aux mots-clés : il s’agit aussi de structurer les données de manière à ce que l’IA puisse les interpréter efficacement.

4. Le coût de l’IA à grande échelle

Les optimisations pilotées par l’IA ne sont pas gratuites. Lorsque les annonceurs commencent à appliquer l’IA à des milliers de produits, les coûts d’API peuvent rapidement s’accumuler. Jacques a souligné un défi majeur :

« Nous avions des utilisateurs avec 500 000 produits qui s’attendaient à des optimisations générées par l’IA instantanément. Mais chaque appel à OpenAI coûte de l’argent, et à cette échelle, cela devient insoutenable. »

Pour gérer efficacement les coûts, les annonceurs doivent :

• Choisir les bons modèles d’IA pour différentes tâches (modèles coûteux pour les tâches critiques, modèles moins chers pour le traitement en masse)
• Prioriser les optimisations IA là où elles ont le plus d’impact
• Tester et affiner les résultats générés par l’IA avant un déploiement complet

5. L’IA est un outil, pas un remplacement de la stratégie humaine

Le principal enseignement de cette discussion ? L’IA est un outil puissant, mais ce n’est pas une solution miracle. Les annonceurs doivent toujours :

• S’assurer que leurs flux contiennent des données structurées et exactes
• Surveiller les changements générés par l’IA pour en vérifier la qualité et la pertinence
• Garder une longueur d’avance sur l’évolution des tendances de recherche et des plateformes pilotées par l’IA

Comme l’a dit Jacques :

« L’IA n’a pas de sens en soi. C’est juste un outil pour améliorer ce que nous faisons déjà. »

6. L’avenir de l’IA dans la recherche visuelle et l’optimisation des flux

À terme, l’IA évoluera vers une meilleure compréhension des images, mais elle ne remplacera pas du jour au lendemain les données structurées. Jacques a souligné que la puissance de calcul reste une limite lorsqu’il s’agit de traiter des images à grande échelle.

« Le traitement des images par l’IA nécessite une puissance de calcul importante. Nous avançons vers une IA capable de comprendre les visuels, mais elle ne remplacera pas les données structurées du jour au lendemain. »

Pour l’instant, les flux produits structurés restent la colonne vertébrale d’une recherche et d’une publicité efficaces pilotées par l’IA.

Tirez le meilleur parti de l’optimisation des flux pilotée par l’IA avec Optmyzr

L’IA peut améliorer l’optimisation des flux, mais elle fonctionne au mieux lorsqu’elle est associée à une supervision humaine et à des ajustements stratégiques. Des outils comme Optmyzr aident les annonceurs à garder le contrôle de leurs campagnes Shopping en fournissant :

• Des audits de flux personnalisés pour identifier les données manquantes ou de faible qualité
• Des insights pilotés par l’IA pour des optimisations intelligentes
• Des règles automatisées pour éviter que de mauvaises données n’affectent les performances

Vous n’êtes pas encore client Optmyzr ? C’est le meilleur moment pour vous inscrire à un essai gratuit de 14 jours avec toutes les fonctionnalités.

Des milliers d’annonceurs — des petites agences aux grandes marques — dans le monde entier utilisent Optmyzr pour gérer chaque année des milliards de dépenses publicitaires.

Vous obtiendrez également les ressources nécessaires pour démarrer, ainsi qu’un support expert de notre équipe pour répondre à vos questions et vous aider à maximiser vos résultats.

Transcription de l’épisode

Frederick Vallaeys : Bonjour et bienvenue dans un nouvel épisode de PPC Town Hall. Je m’appelle Fred Vallaeys. Je suis votre hôte, et je suis également le CEO et cofondateur d’Optmyzr, un outil de gestion PPC.

Pour l’épisode d’aujourd’hui, nous recevons Jacques van der Wilt, le fondateur de DataFeedWatch. Il a créé l’entreprise en 2008 et possède une grande expertise en gestion des flux et sur la manière dont cela s’applique à la publicité e-commerce sur différentes plateformes.

La gestion des flux de données était autrefois un processus très manuel : beaucoup de feuilles de calcul. Malgré l’automatisation introduite par les outils au fil des ans, l’essor de l’IA générative et sa capacité à travailler avec des données structurées bouleversent profondément la manière dont ces processus sont gérés.

J’ai hâte d’entendre Jacques nous expliquer comment l’IA transforme la gestion des flux, quel impact elle a sur la publicité e-commerce, et de vous laisser avec quelques conseils et tactiques actionnables que vous pourrez appliquer à vos campagnes.

Sur ce, lançons-nous dans cet épisode de PPC Town Hall.

Jacques, bienvenue dans l’émission. Ravi de vous avoir avec nous !

Jacques van der Wilt : Fred, merci beaucoup. Merci de m’accueillir.

Frederick Vallaeys : Oui. Et nous allons faire cet épisode en anglais, n’est-ce pas ? Même si nous parlons tous les deux néerlandais.

Jacques van der Wilt : Oui, mais nous voulons que les autres comprennent ce que nous disons. Donc on va parler anglais.

Vous allez devoir composer avec mon accent, qui est bien plus marqué que celui de Fred, qui est devenu un vrai Américain, mais je suis sûr que nous raconterons l’histoire correctement en bon anglais.

Frederick Vallaeys : Oui, c’est vrai. Et si nous ne comprenons pas, il y a toujours l’IA générative, les transcriptions et les traductions.

Mais Jacques, d’où nous appelez-vous aujourd’hui ?

Jacques van der Wilt : Je suis dans mon bureau à Amsterdam. Même si Datafeedwatch est une entreprise américaine, la plupart d’entre nous vivent en Europe, nous sommes une entreprise remote-first, et je dirige la société depuis Amsterdam, avec beaucoup de personnes en Pologne et dans plusieurs autres pays ; c’est ainsi que le monde fonctionne aujourd’hui.

Frederick Vallaeys : Alors, une petite anecdote rapide. Quand j’ai quitté Google il y a 12 ans, j’ai lancé mon agence et je l’ai vendue à une société appelée SalesX, basée à Foster City, et je travaillais depuis ce bureau. Un jour, j’avais besoin d’aide pour la gestion des flux de données, alors j’ai cherché en ligne et j’ai trouvé Datafeedwatch, puis j’ai regardé l’adresse, et c’était littéralement le bureau situé deux portes plus loin de celui de SalesX.

Je suis donc allé à pied jusqu’à chez vous, mais malheureusement, vous aviez déjà quitté Foster City pour un autre emplacement. C’est comme ça que j’ai rencontré Jacques pour la première fois, parce que je demandais aux gens : Où est passé tout le monde ? Et quelqu’un a mentionné : Oh oui, Jacques est néerlandais. Nous avons donc eu cette connexion immédiatement.

Mais Jacques, parlez-nous un peu de ces débuts. Qu’est-ce qui vous a poussé à créer une société comme DataFeedWatch ?

Jacques van der Wilt : Oui, c’est une excellente introduction, Fred, parce que Foster City me rappelle beaucoup de souvenirs. Nous n’avons pas commencé avec DataFeedWatch — nous avons commencé avec WordWatch, qui était un système automatisé de gestion des enchères. À l’époque, Google n’avait que les annonces de recherche, des annonces textuelles, et nous avons fait tourner WordWatch pendant un certain temps. Nous avons levé des fonds et tout ça, et mon cofondateur a dit : Allons en Californie et vendons-le. J’ai répondu : Mon gars, on vient juste de lever des fonds, on ne va pas à San Francisco ; c’est trop cher. C’était notre premier moment néerlandais ; nous étions économes.

Nous avons fini par nous mettre d’accord sur Foster City. Nous sommes d’abord allés à San Jose et y avons passé un an. WordWatch est devenu une histoire classique de startup internet des débuts : des fondateurs enthousiastes lèvent un million d’euros, construisent un produit, brûlent la majeure partie de l’argent en moins d’un an et se retrouvent avec quelque chose qui n’était pas conçu pour le grand public. C’était trop de niche, pas aussi abouti qu’il aurait dû l’être, et au final, l’entreprise a échoué.

J’ai fini par restructurer cette société et me demander : d’accord, quelle est la suite ? Vers 2011–2012, Google a introduit un nouveau format publicitaire appelé Product Listing Ads. C’était totalement nouveau, avec des images de produits, des titres, des prix, et cela nécessitait quelque chose appelé un flux de données. Nous avons vu une opportunité, car nous avions des clients intéressés par les annonces Shopping via WordWatch, mais ils avaient des difficultés avec les flux.

Le processus était un cauchemar. Ils devaient demander à leurs développeurs un fichier CSV contenant les bonnes données de leur boutique. Avant même de pouvoir lancer une campagne Shopping, ils avaient déjà passé des mois en développement et dépensé des dizaines de milliers de dollars. Au bout d’un moment, mon équipe était frustrée. Ils ont dit : C’est nul.

Alors nous nous sommes demandé : Et si nous construisions un moyen de créer des flux de données optimisés ? À l’époque, il n’existait pas beaucoup de solutions, et celles qui existaient étaient coûteuses. Comme nous étions une entreprise technologique, nous nous sommes dit : allons bricoler quelque chose.

Nous avons construit un prototype rudimentaire : moche, basique, avec seulement trois fonctionnalités. Mais ça marchait. Il se connectait aux boutiques, téléchargeait les données, nous permettait de renommer et de combiner des champs, et d’ajouter des valeurs statiques. À lui seul, cela résolvait 80 % des problèmes que nous rencontrions. Nous avons vite compris : c’est mieux que WordWatch.

Alors nous avons pivoté. Nous avons amélioré l’interface, ajouté davantage de fonctionnalités, et au printemps 2013, nous l’avons lancé sur le marché sous le nom de DataFeedWatch. Il s’est avéré être un bien meilleur business, et il ne cesse de croître depuis 11 ans.

Aujourd’hui, nous avons beaucoup plus de fonctionnalités, beaucoup plus de clients. Environ 40 % sont aux États-Unis, 40 % en Europe de l’Ouest, et 20 % en Australie, en Nouvelle-Zélande et dans 50 à 60 autres pays. Le besoin reste toujours le même : les annonceurs ont besoin de flux de données pour Google, Facebook, Criteo, TikTok et d’autres plateformes. Ils ont besoin de flux optimisés parce que les données de leurs boutiques ne sont pas excellentes, et ils ont besoin de mises à jour fréquentes, parfois toutes les heures, parce que les stocks, les titres et les prix changent rapidement.

Le cœur du métier est resté le même, mais les fonctionnalités, l’organisation et le support se sont développés. Même après la vente de l’entreprise à cars.com il y a quelques années, je suis toujours heureux de diriger DataFeedWatch.

Et cela nous amène au sujet d’aujourd’hui : l’IA. Je suis un grand fan de l’IA en général, spoiler alert. Mais la vraie question est : quel est l’impact de l’IA sur l’optimisation des données, l’e-commerce et l’industrie dans son ensemble ? C’est le prochain chapitre. L’IA m’a donné une nouvelle énergie, un nouvel intérêt et beaucoup plus d’opportunités.

Frederick Vallaeys : Belle histoire. Cela fait donc deux optimistes technologiques sur cet appel. Voyons quelles histoires optimistes nous pouvons vous raconter.

Quant à l’IA, commençons du point de vue du consommateur. Comme vous l’avez dit, au début, les moteurs Shopping étaient assez basiques. Ils n’étaient pas à jour et les résultats affichaient des produits qui n’étaient plus disponibles parce qu’il n’y avait pas de flux de données. Puis les flux de données ont été introduits, et soudain, nous avons eu des images avec des prix.

Aujourd’hui, nous voyons des aperçus IA, des outils comme Perplexity, et toutes sortes de nouvelles façons pour les consommateurs de faire leurs achats.

Récemment, je cherchais un iPad. Mais je n’avais pas besoin d’un iPad professionnel. Je voulais juste quelque chose pour regarder des films dans l’avion, un peu plus grand que mon téléphone, et plutôt que d’aller sur le site d’Apple ou sur des sites d’avis technologiques, j’ai décidé d’avoir simplement une conversation vocale d’environ cinq minutes avec ChatGPT. Je lui ai expliqué ce que je voulais en faire, et il m’a expliqué les différents modèles ainsi que leurs avantages et inconvénients.

Et j’ai trouvé que c’était une expérience fantastique. Vraiment géniale. Parlez-nous de l’évolution du comportement des consommateurs dans l’e-commerce, puis peut-être de la manière dont cela se relie à ce que nous faisons avec les flux.

Jacques van der Wilt : Oui, je pense que vous avez déjà raconté l’histoire, et je pense que beaucoup de consommateurs ne sont pas aussi avancés que vous sur le sujet ; chaque enfant à l’école utilisera ChatGPT pour écrire de meilleurs textes et trouver de meilleures réponses, et ainsi de suite.

Les consommateurs vont donc de plus en plus enrichir leur propre recherche produit avec bien plus que le simple fait de googler le nom d’un produit. Cela va évoluer. Et ce que nous observons, bien sûr, c’est que toutes les organisations liées à la recherche ou aux réseaux sociaux voient ce besoin des consommateurs et développent à toute vitesse pour le concrétiser.

Oui, je lis aussi à ce sujet. Il est clair que la position de Google comme moteur de recherche numéro un pourrait être menacée pour la première fois. Il existe une nouvelle technologie qui pourrait le dépasser.

C’est pourquoi Google pousse Gemini, Facebook a Llama, et ChatGPT, du moins pour l’instant, a été le mastodonte du secteur.

Mais de nombreux autres acteurs arrivent sur le marché, et pour revenir à l’optimisation des données, à l’achat de produits et à l’e-commerce. J’ai lu aujourd’hui que Perplexity prévoit quelque chose de similaire à un merchant center. Ils veulent que les détaillants fournissent des données produits, et Perplexity les interprétera probablement d’une manière beaucoup plus pilotée par l’IA que ce qui est actuellement fait sur Google, Bing ou d’autres plateformes.

Nous n’en sommes qu’à la surface et il y a un iceberg incroyable en dessous. L’IA va avoir un impact sur tout, en particulier sur la recherche eCommerce, et elle pourrait redéfinir complètement le secteur.

Frederick Vallaeys : Oui, je suis tout à fait d’accord. L’IA va redéfinir pas mal de choses dans notre manière de travailler. Mais le développement de Perplexity est particulièrement intéressant, alors creusons un peu plus ce sujet.

Je pense avoir compris que le flux que nous fournissons à Google est interprété de manière assez littérale, n’est-ce pas ? Votre titre est votre titre, votre description est votre description, et dans la plupart des cas, ces éléments sont affichés exactement tels quels dans l’annonce.

Mais avec Perplexity, on dirait plutôt un cadre que l’IA va interpréter, résumer et potentiellement enrichir. Elle pourrait ajuster le titre pour le rendre plus engageant ou optimiser la manière dont l’information est présentée afin d’obtenir de meilleurs résultats.

Est-ce bien ce qu’ils visent ? Et si oui, comment nous adapter à ce type d’environnement, où nous ne fonctionnons plus avec les contrôles stricts de Google, où les mots-clés sont des mots-clés et le texte publicitaire est du texte publicitaire, mais où nous fournissons plutôt des données brutes et laissons l’IA les façonner comme elle l’entend ?

Jacques van der Wilt : Je pense que si vous envoyez votre flux de données à Google, ils utiliseront aussi l’IA pour l’interpréter. Mais bien sûr, Google a une longue histoire de développement de cette technologie, qui l’a menée là où elle en est aujourd’hui avec Gemini. Cette expérience et une infrastructure établie font une différence.

Cela signifie aussi que Google et des entreprises comme Perplexity ou Bing auront des trajectoires différentes en matière de recherche pilotée par l’IA et d’optimisation des flux. Les nouveaux acteurs sont arrivés sur le marché avec l’IA comme fondation, alors que Google affine son approche depuis des années. Ce contraste influencera probablement l’évolution de chaque plateforme.

Quant à savoir dans quelle mesure l’IA optimisera les flux produits, je ne pense pas que ce soit leur priorité. Les moteurs de recherche, qu’il s’agisse de Google, Perplexity ou Bing, se concentrent fondamentalement sur l’interprétation de la requête du consommateur et sur sa correspondance avec le meilleur résultat possible, qu’il s’agisse d’un résultat organique ou d’une annonce. C’est là que nous verrons l’IA avoir le plus grand impact en premier.

Depuis longtemps, je prêche — et je continue de le faire — que l’optimisation des titres produits dans les flux de données est essentielle. Si quelqu’un recherche « Levi’s 501 men’s blue jeans size 32 » et que cette expression exacte figure également dans le titre du produit, l’algorithme de Google aura un haut niveau de confiance dans le fait qu’il s’agit de la bonne correspondance. Cela augmente les chances que l’annonce soit diffusée, ce qui entraîne davantage d’impressions, un CTR plus élevé et, au final, de meilleures conversions.

Lorsqu’un consommateur voit exactement ce qu’il cherchait, il est plus susceptible de cliquer, ce qui conduit à un CTR plus élevé et à de meilleurs taux de conversion. Cela crée un lien direct entre l’optimisation des données et la performance des campagnes.

Avec l’IA, les consommateurs peuvent exprimer leurs besoins de manière plus détaillée et plus naturelle. Au lieu de simplement rechercher « nouvel iPad », comme vous l’avez mentionné, Fred, ils pourraient dire : « J’ai besoin de quelque chose pour l’avion, plus grand que mon iPhone, mais je n’ai pas forcément besoin d’un iPad. » En fournissant davantage de contexte, ils donnent au moteur de recherche un ensemble de signaux plus riche à exploiter.

L’IA sera alors bien meilleure pour interpréter ces signaux et déterminer les meilleures recommandations produits. Cela peut signifier répondre directement à la requête de l’utilisateur ou sélectionner les annonces les plus pertinentes. Au lieu de simplement faire remonter 20 correspondances potentielles, l’IA pourrait intelligemment réduire la sélection aux cinq options les plus pertinentes et les afficher.

Cela profite à la fois au consommateur et au détaillant. Le consommateur obtient un résultat hautement pertinent, ce qui le rend plus susceptible de revenir vers ce moteur de recherche, qu’il s’agisse de Perplexity, Google ou d’une autre plateforme. Et pour les détaillants, de meilleures correspondances signifient plus d’impressions et un engagement plus élevé, ce qui génère au final davantage de ventes.

Frederick Vallaeys : Maintenant, l’exemple que vous avez donné avec un Levi’s 501 est un produit très structuré. Donc si vous cherchez un Levi’s 501, il est évident qu’il faut trouver un Levi’s 501. J’ai récemment rénové ma salle de bain chez moi.

Par exemple, lorsque je cherchais des meubles, je pouvais penser à Ikea comme marque, mais au-delà de ça, je n’avais pas de nom précis en tête. Ma recherche consistait plutôt à décrire ce que je voulais : un panneau avec une légère texture, une nuance de bleu moderne et un type de plan de travail spécifique. C’était une recherche très visuelle.

Une autre expérience qui m’a marqué, c’est lorsque j’éditais des photos de ma famille pour nous transformer en avatars. Ma fille voulait se voir dans le film Barbie, alors j’ai téléchargé sa photo et demandé à l’IA de la rendre plus Barbie. Avant de faire la moindre modification, l’IA a d’abord décrit l’image, et c’était d’une précision stupéfiante.

Elle a dit quelque chose comme : « Il y a une fille qui porte un t-shirt rose avec un motif de licorne qui ressemble à un mélange entre un narval et une licorne. » Le niveau de détail était hallucinant.

Cela m’amène à une grande question : quelle importance le titre du produit a-t-il dans ce nouveau monde piloté par l’IA ? Si l’IA peut analyser des images et en extraire des détails comme les textures, les couleurs et des éléments de design uniques, les titres auront-ils encore autant d’importance ? Au lieu de s’appuyer sur des correspondances parfaites de mots-clés, l’IA va-t-elle simplement « vectoriser » les produits, ce qui lui permettra de comprendre et d’associer les articles en fonction de leurs caractéristiques réelles, même si le titre n’en est pas une description exacte ? Pensez-vous que cela va fondamentalement changer le fonctionnement de la recherche ?

Jacques van der Wilt : Yo, Fred, je ne pense pas que ce soit vraiment une question de l’un ou l’autre, je pense que tu viens de décrire une évolution.

Si nous recherchons un aménagement de chambre, nous pourrions aussi téléverser quelques photos de chambres que nous avons vues chez des amis ou collectées sur Pinterest. Ou peut-être que tout se passera simplement sur Pinterest puisque les images y sont déjà. L’expérience de recherche va devenir de plus en plus visuelle.

Cela dit, je ne pense pas qu’on passera du recours aux titres aux visuels du jour au lendemain. Le traitement d’images par l’IA nécessite une puissance de calcul importante, beaucoup d’énergie, des puces coûteuses et d’autres ressources. Et avec les images, cette demande ne fera qu’augmenter.

Bien sûr, nous explorons activement des moyens d’utiliser les images comme source principale d’informations produit et d’en extraire un maximum de données. Mais même dans ce cas, il est probable que tout ne puisse pas être déduit uniquement des images. Envoyer des centaines de milliers d’images à un serveur situé à l’autre bout du monde pour les traiter prend du temps.

Donc, je ne dis pas que cela n’arrivera pas ; je dis simplement que cela n’arrivera pas du jour au lendemain. Les équipes techniques trouveront des moyens de rendre cela plus rapide, avec moins d’énergie et des coûts de traitement plus faibles. Et une fois qu’elles y seront parvenues, je pense qu’on finira par arriver exactement à ce que tu décris.

Frederick Vallaeys : Oui, non, c’est un très bon point. L’échelle est un facteur majeur ici.

Les expériences que vous lancez sur le plan GPT gratuit, ou même sur le plan GPT à 20 $, sont amusantes et intéressantes, mais lorsque vous devez déployer l’IA sur 100 000 produits, vous devez l’intégrer dans une API. Et là, selon le modèle que vous utilisez, vous êtes sur des coûts d’environ 60 $ par million de tokens. Ces coûts peuvent grimper très vite.

Mais une évolution prometteuse, c’est que s’il existe un modèle à 60 $ par million de tokens, il existe aussi une option à 2 $ par million de tokens. En tant que marketeur, une partie du processus d’optimisation consiste à déterminer quel grand modèle de langage (LLM) ou quel modèle de vision est suffisamment bon pour fournir les résultats dont vous avez besoin sans faire exploser les coûts pour des gains seulement marginaux.

Et cela m’amène à ma prochaine question, Jacques : quels sont tes LLM et modèles de vision préférés ? Lesquels utilises-tu ? Et quelles sont les façons les plus intéressantes dont tu as vu des marketeurs déployer l’IA ?

Jacques van der Wilt : Ça fait beaucoup de questions d’un coup, je n’ai pas vraiment de LLM préféré.

En ce moment, je pense que ChatGPT fournit encore les meilleurs résultats en termes de qualité. Mais comme tu l’as mentionné, le faire tourner à grande échelle peut devenir très coûteux. C’est pourquoi il existe tant d’autres modèles de langage qui sont presque aussi bons, mais avec des tarifs différents.

S’il y a une course à l’armement en ce moment, c’est bien celle des LLM. Les entreprises travaillent frénétiquement à améliorer leurs modèles, et chaque mois, ou tous les deux mois, nous voyons de nouvelles versions de près d’une douzaine de LLM différents, tous de plus en plus performants.

À l’heure actuelle, l’intérêt pour l’IA se partage entre ses promesses et ses menaces. Les menaces vont des inquiétudes liées à l’IA dans la guerre aux problèmes comme les images générées par l’IA.

Pour revenir à ton exemple, j’ai créé de nombreuses images avec l’IA en fournissant une description, et même si les résultats étaient souvent impressionnants, il y avait toujours quelque chose qui clochait. Peut-être que le type sur l’image avait trois yeux, ou deux mains sur un seul bras, ou qu’il était assis derrière le volant d’une voiture mais tourné vers l’arrière. Les hallucinations de l’IA restent un défi majeur.

Cela dit, nous ne sommes qu’au début de ce parcours. Le rythme des améliorations sera incroyable. En général, les gens ont tendance à surestimer ce que l’IA peut faire à court terme, mais à sous-estimer à quel point elle progressera avec le temps. Nous allons revoir ce schéma se reproduire ici.

Attends, c’était quoi la question déjà ? Ah oui, mes LLM préférés !

Eh bien, je n’en ai pas.

Frederick Vallaeys : Je suis d’accord avec toi. Donc, j’utilise principalement ChatGPT d’OpenAI. Pas forcément parce que c’est mon préféré, mais parce que je vois qu’ils se dépassent tous les uns les autres. Et au final, ils semblent tous arriver au même endroit et aux mêmes capacités. ChatGPT a eu l’une des premières API vraiment solides, donc nous nous y sommes accrochés très tôt.

Cela dit, je garde un œil sur ce que font les autres modèles. Si OpenAI ne publie pas rapidement une certaine fonctionnalité, je peux explorer des alternatives. Mais pour tout ce que nous faisons à grande échelle, OpenAI reste notre solution de référence. Mais nous n’utilisons pas toujours les derniers modèles, parce qu’ils sont beaucoup plus chers.

Et pour des tâches comme la génération de mots-clés ou les suggestions de textes publicitaires, cela ne vaut pas 30 fois le coût pour une annonce à peine meilleure. En revanche, pour quelque chose comme la rédaction de scripts publicitaires, j’utilise les derniers modèles comme O1 parce qu’il est nettement meilleur. O1 est la première version de GPT qui m’a donné une réponse correcte du premier coup avec une seule instruction ; il rédige réellement un script qui fonctionne sans problème.

Avec GPT-4.0, je devais généralement revenir trois ou quatre fois pour corriger des erreurs avant d’obtenir un script exploitable. C’est toujours plus rapide que de l’écrire manuellement, mais dans ce cas, le surcoût d’O1 en vaut la peine.

Jacques van der Wilt : Oui, exactement. Quand il s’agit d’un seul script, le coût n’est pas un gros problème. Mais quand il faut générer des mots-clés pour des centaines de milliers de produits, c’est une autre histoire.

C’était d’ailleurs l’un des premiers défis que nous avons rencontrés en développant notre optimisation de flux alimentée par l’IA. Nous proposions des titres, descriptions et autres attributs optimisés par l’IA, et les gens s’inscrivaient, connectaient une boutique avec 500 000 produits, ou même 10 boutiques avec 100 000 produits chacune, et s’attendaient à des optimisations générées par l’IA instantanément.

Mais chaque produit traité signifiait payer OpenAI une fraction de centime. Et à cette échelle, les coûts grimpaient très vite. Pour une seule inscription, nous pouvions accumuler des milliers de dollars de frais d’API juste pour générer des valeurs IA pour tous leurs produits.

Évidemment, ce n’était pas viable. Personne ne pouvait se le permettre, ni nous, ni eux. Nous avons donc dû passer à un modèle payant. Et honnêtement, je détestais ça. Parce que si vous êtes un vrai client, quelqu’un de sérieux qui veut utiliser l’outil pendant des années, et pas juste profiter gratuitement de valeurs optimisées par l’IA avant de partir, vous finissiez par être facturé simplement parce que vous avez une grande boutique.

Imaginez avoir accès à un excellent outil avec de puissantes optimisations IA, pour qu’on vous dise ensuite : « Vous êtes en essai gratuit, mais avant d’obtenir la moindre IA, vous devez me payer 5 000 $. » Ce serait une expérience terrible. Je préférerais ne pas proposer d’IA du tout plutôt que de faire subir ça aux clients. Et les alternatives n’étaient pas beaucoup mieux : forcer les utilisateurs à passer à une formule coûtant 1 000 $ de plus par mois juste pour accéder à l’IA ? Cela ne me semblait pas juste non plus.

Donc, avant même de commencer à intégrer l’IA dans notre plateforme, nous avons eu cette exacte conversation sur la montée en charge. Notre objectif était de proposer l’IA soit gratuitement (ce que nous faisons actuellement), soit, si ce n’était pas possible, à un coût raisonnable.

C’est ce qui a guidé notre approche : comment pouvions-nous créer notre propre écosystème IA en tirant parti de notre expérience, d’un développement intelligent, de la montée en charge dans le cloud et des technologies existantes pour faire fonctionner cela ? Parce que même si nous savons que les coûts de l’IA finiront par baisser, nous ne savons pas quand ni à quelle vitesse, et je n’allais pas rester à attendre que cela arrive.

Frederick Vallaeys : Je veux en parler davantage, mais cela m’a amené à une autre réflexion. Lors d’une conférence récemment, quelqu’un m’a demandé, avec la profusion de solutions d’IA qui existent. Comment en choisir une ? Et comment avoir la certitude que cet outil sera encore là dans quelques années, pour ne pas investir dans quelque chose qui va échouer ? Là où ta question m’a amené, c’est que oui, il peut y avoir une entreprise d’IA qui vous offre toutes ces capacités et des centaines de milliers de titres optimisés. Mais comme tu l’as dit, elle perdrait potentiellement énormément d’argent avec ça.

Donc, cela pourrait être une entreprise qui disparaît dans un an ou deux. Et vous, vous avez investi toutes vos capacités, vos workflows là-dedans. Alors, comment penses-tu que les consommateurs et les annonceurs devraient réfléchir au choix des outils d’IA lorsqu’il y a autant d’options ?

Jacques van der Wilt : Cela dépend vraiment. D’abord, du secteur dans lequel vous évoluez. Si vous avez besoin d’une capacité d’IA qu’il faudra intégrer profondément dans vos opérations, et peut-être aussi dans vos processus, vos logiciels, etc. Alors imaginez ce qui se passe si cette entreprise fait faillite : c’est comme perdre un membre, ou quelque chose comme ça, pour cette société.

Mais si votre activité est, laissez-moi parler pour moi. Si votre activité est l’optimisation de données, et que vous souscrivez à un outil qui vous fournit des valeurs IA pour les différents attributs que vous devez optimiser. Alors c’est optimisé, c’est dans votre flux Google ou Facebook, et rien ne change.

Et si votre fournisseur fait faillite, vous devrez en trouver un autre qui optimisera les valeurs pour les nouveaux produits que vous ajoutez à votre flux. Donc, la capacité à changer de fournisseur est probablement très importante, plus importante que tout le reste. Sinon, comme tu le dis, vous investissez profondément dans quelque chose.

Nous ne savons pas ce qui va se passer à court terme avec cette nouvelle industrie.

Frederick Vallaeys : Mon point de vue là-dessus est peut-être un peu différent : vous avez déjà investi dans des outils et des workflows que votre équipe utilise maintenant, qu’elle comprend et qu’elle apprécie, espérons-le. Beaucoup de ces outils ajoutent probablement les mêmes capacités d’IA que celles que développent les nouveaux acteurs purement IA.

Et donc, les nouveaux acteurs de l’IA, ils peuvent faire un meilleur travail pour dire : « Hé, nous sommes les plus récents, les meilleurs, la toute dernière IA. » Mais pensez au coût de changement et à la formation de toute votre équipe, n’est-ce pas ? Que ce soit la gestion des flux de données, un logiciel d’optimisation PPC ou votre système de gestion de la relation client, tout cela.

Il y avait cette excellente citation : nos outils utilisent l’électricité. Nos outils utilisent l’IA, tous les outils utilisent l’IA à ce stade. Ils utiliseront l’IA à un moment donné. Vous n’avez donc pas besoin d’aller chercher le nouvel outil. Vous devriez parler à votre fournisseur actuel et communiquer avec lui. Oh, peut-être que j’ai vu une super démo de quelqu’un qui faisait ça et, oh, c’est juste une simple intégration avec Open AI.

Nous ferons ça aussi pour vous. Et ainsi, vous n’avez pas à bouleverser tous vos workflows.

Jacques van der Wilt : Oui, non, c’est un très bon point, Fred. Oui. Et cela faisait aussi clairement partie de notre réflexion : nous n’avons jamais considéré l’IA comme quelque chose de séparé. Oh, maintenant nous avons de l’IA, ça a l’air bien. C’est l’air du temps, mais cela ne veut rien dire.

Il y a 30 ans, les gens disaient : « Je suis sur Internet. » Eh bien, félicitations, non ? Et l’IA va fonctionner de la même manière. Comme Internet, ce n’est qu’un réseau qui relie tout et rend tout plus simple. L’IA n’a pas de sens en soi. Donc, vous voulez l’utiliser en tant que fournisseur, comme nous le faisons, nous voulons utiliser une nouvelle technologie qui se trouve s’appeler IA pour améliorer ce que nous faisons déjà.

Et je pense qu’il existe beaucoup d’outils qui fonctionnent comme ça. Et peut-être que ce sont des choix plus sûrs qu’un nouvel arrivant qui dit : « Hé, je suis nouveau, nous avons été fondés il y a trois mois, et maintenant nous utilisons l’IA pour faire tout ce que vous faisiez avec cet autre outil depuis cinq ans. » Je ne dis pas que cela ne peut pas se faire, mais si c’est intégré, vous pouvez.

Vous pouvez continuer avec tout ce que vous avez déjà et qui est intégré dans votre organisation.

Frederick Vallaeys : C’est probablement un choix plus sûr. Donc DataFeedWatch, on dirait que vous avez fini par développer vos propres capacités d’IA. Parle-nous un peu de ce qui est intéressant dans l’IA chez DataFeedWatch. Qu’est-ce que cela permet aux annonceurs de faire ?

Jacques van der Wilt : Oui. J’ai une petite histoire sur la façon dont j’ai commencé avec l’IA, en particulier. J’ai commencé il y a cinq ou six ans avec l’IA. Tu sais pourquoi ? J’étais lancé avec Daily Feet Voyage. Tout se passait bien.

Et puis, je crois que beaucoup de fondateurs souffrent parfois de ça. Les choses vont si bien, nous grandissons si vite et gagnons tellement d’argent. Et si je perdais tout ? Et puis je me suis dit : d’accord, alors qu’est-ce qu’il faudrait pour que je perde absolument tout ? J’y ai réfléchi et, oui, nous avons un outil d’optimisation de flux de données.

Il est très convivial et intuitif. Les gens arrivent, optimisent leurs flux, ils font le Levi’s 501, blablabla. Tout va bien, mais c’est quand même du travail. Et le client doit encore se demander : « D’accord, si je crée un titre pour des vêtements, qu’est-ce qu’il faut y mettre ? » Alors je me suis dit : d’accord, s’il existait demain un nouvel outil de flux quotidien qui dirait simplement : cliquez ici et votre flux est optimisé et prêt.

Alors je me dis : d’accord, nous sommes morts. Parce que tout le monde irait là-bas, car ce serait le flux parfait. Il suffirait de trois clics. Je n’aurais pas à réfléchir, je n’aurais pas à travailler, je n’aurais pas à cliquer et ce serait fait. Et puis je me suis dit : d’accord, développons ça.

Si c’est le genre d’entreprise qui pourrait, vous savez, mettre une activité hors jeu, je devrais devenir cette entreprise et commencer à esquisser, littéralement à faire des wireframes de la manière dont cela devrait fonctionner. La fonctionnalité d’IA intégrée que nous avons aujourd’hui dans Daily Watch, je l’ai en fait conçue il y a cinq ou six ans, née essentiellement de la peur.

Et, peut-être que ce n’est pas littéralement la même chose, mais c’est plus ou moins le même principe. Et puis, bien sûr, je me suis dit : oh, c’est génial. Je vais être cette entreprise et nous allons nous mettre au travail. J’ai recruté de nouvelles personnes et, mon Dieu, c’était tellement difficile. Nous avons réussi à mettre en place quelques bases, mais oui, après deux ans, j’ai abandonné.

Oui. Et puis Open AI, GPT est arrivé, comme pour dire : le moment est venu. C’est maintenant qu’il faut le faire. Oui. Nous nous sommes mis au travail immédiatement. Et maintenant, j’ai pu concrétiser la vision que j’avais il y a cinq ans, donc c’est génial. Et c’est aussi la raison pour laquelle je suis un tel fanatique de l’IA.

Frederick Vallaeys : Excellent conseil. Je pense que tous ceux qui nous écoutent aujourd’hui, que vous soyez dirigeant d’agence ou chef d’entreprise, réfléchissez à ce qui vous inquiète pour votre activité ou à la grande vision de ce que vous avez peut-être un jour pensé pouvoir accomplir et qui n’était pas possible à l’époque, et voyez comment l’IA générative peut vous y amener, n’est-ce pas ?

Qu’il s’agisse d’une application que vous avez toujours voulu créer, il est tellement plus facile de créer une application maintenant, tellement plus rapide qu’avant. Ou de votre branding. Cela est devenu beaucoup plus simple. Tant de choses sont désormais possibles. Il ne s’agit plus de dire « je ne peux pas », mais de dire « je n’ai pas encore ».

Et maintenant, c’est le moment de commencer.

Jacques van der Wilt : Exactement. Si vous êtes fondateur, si vous dirigez une agence ou si vous dirigez une entreprise technologique et que vous n’explorez pas au moins ce que l’IA peut faire pour votre activité, alors vous devriez commencer à vous inquiéter la nuit, n’est-ce pas ? Le train est parti et vous feriez mieux d’être à bord ou de monter bientôt.

Il n’est pas trop tard, mais le moment, c’est maintenant. Et pour revenir à ta question, Fred, nous avons aussi dû réfléchir à ce que nous devions exactement créer. Notre priorité est de permettre aux clients de construire des flux de données optimisés, car meilleur est le flux, meilleure est la donnée, et au final, meilleures sont les performances des campagnes.

Donc nous allons continuer à faire cela ; c’est notre cœur de métier, et cela doit être fluide. Même si l’IA intervient, nous voulons nous assurer que le client reste aux commandes. Alors, par où avons-nous commencé ? D’abord, j’avais cette vision : vous devriez pouvoir cliquer une fois, et cela devrait simplement fonctionner.

Nous avons étendu notre automapping afin que, dès que vous connectez votre boutique, nous analysions tout ce qu’elle contient. Si vous souhaitez vendre sur Google, nous faisons automatiquement correspondre chaque attribut requis par Google à partir des données disponibles dans votre flux source. Et chaque champ qui peut être optimisé par l’IA est déjà optimisé.

Ensuite, nous voulions simplifier les choses : vous voyez vos données, et vous cliquez simplement sur « enregistrer ». C’est votre optimisation en un clic. Nous avons mis cela en place.

Mais l’IA peut faire encore plus. Nous ne faisons que commencer. Un défi majeur auquel les clients sont confrontés est l’absence de données. Supposons que vous ayez 100 000 produits, et que 10 000 d’entre eux n’aient pas de valeur de couleur. Si vous vendez des vêtements, Google refusera ces produits.

Vous pouvez corriger cela manuellement en créant un fichier Excel listant les couleurs et en extrayant les valeurs à partir des descriptions. Mais c’est fastidieux, et vous risquez d’en oublier quelques-unes. Jusqu’à présent, c’était la meilleure solution. Mais aujourd’hui, l’IA peut détecter automatiquement ces valeurs manquantes et les compléter pour vous. Nous fournissons même un champ séparé pour toutes les valeurs de couleur trouvées par l’IA.

Il en va de même pour les tailles et d’autres attributs ; vous ne voulez pas y perdre du temps. Il suffit de cocher la case, et c’est terminé.

Ensuite, il y a la catégorisation. Qui aime la catégorisation ? Personne. Google a simplifié les choses en disant : « Ne vous inquiétez pas, les catégories ne sont plus obligatoires, nous nous en chargerons pour vous. » Ils utilisent l’IA pour cela. Mais pour d’autres canaux, avoir les bonnes catégories reste crucial pour de meilleures performances.

Ainsi, l’IA prend les types de produits de votre flux source et les mappe vers les catégories de Google, Facebook ou toute autre plateforme. C’est un travail fastidieux, mais pas de souci, il suffit de cliquer sur « enregistrer », et c’est fait pour vous.

Parfois, les descriptions sont absentes. Et, avec tout le respect que nous devons à nos clients, parfois elles ne sont pas bien rédigées. Certaines sont excellentes, mais beaucoup ne le sont pas, car elles sont floues, trop longues ou simplement mal structurées. L’une des choses que l’IA fait exceptionnellement bien, c’est réécrire le contenu, en y intégrant des informations supplémentaires et en le rendant plus concis. Cela donne des descriptions bien meilleures.

Comme nous ne gérons pas encore les images, revenons aux titres, que nous avons évoqués plus tôt, Fred. Nous avons donc créé un système qui, parce que c’est aussi notre expérience qui compte, n’est-ce pas ? Au final, les humains comptent vraiment.

Nous avons construit un système basé sur notre expertise parce qu’au final, les humains comptent vraiment. J’ai une équipe avec 10 ans d’expérience en optimisation de données. Nous avons développé un cadre pour 200 catégories de produits, pour lesquelles nous connaissons le format idéal du titre.

Ensuite, nous demandons à l’IA d’identifier le produit et de réécrire le titre pour inclure les bons attributs dans le bon ordre. Elle extrait également des détails pertinents des descriptions pour enrichir le titre. C’est essentiel pour optimiser les titres et améliorer les performances des campagnes.

Frederick Vallaeys : Tout cela a du sens. Il y a donc certains champs que vous devez absolument renseigner pour éviter les refus de flux. Ensuite, il y a des champs facultatifs : les remplir aide simplement à mieux faire correspondre vos produits dans les bonnes situations.

Et puis il y a des champs comme le titre et la description. Vous les avez déjà, mais ils peuvent être sous-optimaux. L’IA peut les améliorer, mais comment mesure-t-on cela ?

Jacques, si votre description d’origine était un désastre et que l’IA la réécrit pour qu’elle sonne mieux à la lecture : comment savoir concrètement qu’elle performe mieux ?

Jacques van der Wilt : Ce que nous ne faisons pas directement, c’est prendre les titres que nous optimisons nous-mêmes puis mesurer les performances, par exemple dans la campagne Google Shopping. Parce qu’il y a tellement de facteurs qui définissent le résultat d’une campagne. Mais nous permettons aux clients de faire des tests A/B avec différents titres.

Ils peuvent donc tester leur titre d’origine par rapport aux titres générés par l’IA. Si vous le faites à grande échelle, vous devriez commencer à voir au moins des signes, ou dans vos analyses, que cela se produit effectivement. Mais nous, au-delà de mesurer l’impact réel dans la campagne, nous utilisons la technologie et des humains, beaucoup d’humains, pour vérifier aussi, en substance, si ces titres sont effectivement meilleurs qu’avant.

Nous avons un système que nous utilisons avec l’IA, très original, pour vérifier la qualité. Bien sûr, il y a toujours un risque que l’IA dise : « Hé, ce que je viens de créer est absolument le meilleur, non ? » Donc oui, j’y ai introduit un peu d’objectivité. Mais au final, nous faisons aussi appel à plus de la moitié des personnes qui travaillent dans mon entreprise pour vérifier régulièrement les titres et les descriptions afin de nous assurer que, si ce n’est pas parfait, ce n’est au moins pas faux.

Et ensuite, s’il manque des éléments, nous modifions le système pour qu’à l’avenir, ils ne manquent plus. Quiconque vous dira : « J’ai l’IA et j’ai créé le système parfait » mentira. Ce n’est pas possible, ou du moins pas cette année ni l’année prochaine. Mais c’est une combinaison d’IA, de véritables tests A/B et d’humains à l’ancienne pour garantir la qualité des contenus générés par l’IA.

Est-ce que c’est vraiment dans le bon ordre ? Et si vous voulez, oui. D’accord. Attention, spoiler : ce que nous constatons maintenant, c’est que nous avons des clients qui ont rédigé les titres parfaits, n’est-ce pas ? Donc n’utilisez pas l’IA. C’était déjà vraiment très bien. Vous saviez ce que vous faisiez. Il n’y a donc aucune raison de l’utiliser.

Il y a peut-être une petite chance qu’elle s’en empare et que le résultat ne soit pas aussi parfait que dans votre esprit. Mais en général, surtout avec beaucoup de produits, avec des milliers ou des dizaines de milliers de produits, il est presque physiquement impossible de faire cette optimisation titre par titre manuellement, et si vous aviez le temps, alors vous, je pense, l’humain qui sait ce qu’il fait, feriez encore un meilleur travail dans la plupart des cas.

Frederick Vallaeys: Et je pense que lorsqu’il s’agit de ces GPT, vous pouvez aussi leur fournir des exemples de titres et de descriptions très performants que vous avez eus par le passé, et la performance est mesurée à partir de vos KPI et des données issues de Google Ads que vous leur donnez comme jeu de données, n’est-ce pas ? Et vous pouvez dire : rédige mes nouveaux titres.

Plutôt dans le style des plus performants, et le système détectera automatiquement ce qui relève de la structure, de la grammaire, de l’appel à l’action. Ensuite, il prendra ce concept et l’appliquera à différents produits, tout en produisant quelque chose qui devrait, en théorie, également offrir de meilleures performances en suivant la méthodologie qui a fonctionné par le passé.

Jacques van der Wilt: Et c’est essentiellement comme ça que vous entraînez votre propre système à s’améliorer. En continu.

Frederick Vallaeys: Non, c’est excellent. Donc si les gens veulent l’essayer, je mettrai cela dans les notes de l’épisode, mais dites aux gens où ils peuvent aller pour cet essai. Et s’ils veulent en savoir plus sur vous ou entendre ce que vous pensez, comment peuvent-ils vous suivre ?

Jacques van der Wilt: Oui. Vous pouvez nous contacter sur datafeedwatch.com. Vous pouvez aussi simplement vous inscrire à un essai gratuit de deux semaines pour tester tout ce que j’ai dit. Je verrai si cela vous plaît avant que vous ne nous payiez le moindre centime, et il vous suffit d’indiquer mon nom sur LinkedIn et de m’inviter. Ensuite, nous pourrons discuter.

Frederick Vallaeys: Parfait. Et nous mettrons cela dans les notes de l’épisode, Jacques van der Wilt, et DataFeedWatch. Jacques, merci beaucoup d’avoir été avec nous aujourd’hui et d’avoir partagé certaines de vos réflexions sur l’IA dans le contexte des flux de données. Merci à tous de nous avoir regardés aujourd’hui. Si vous avez apprécié cet épisode et que vous souhaitez être informés, veuillez vous abonner.

Nous aimerions aussi beaucoup une note, en particulier ces notes cinq étoiles que nous apprécions. Si vous souhaitez d’autres sujets, n’hésitez pas à me contacter et à me dire de quoi nous devrions parler, peut-être en suggérant d’autres invités. Je suis toujours ravi de recevoir des suggestions. Sur ce, merci d’avoir regardé PPC Town Hall, et à la prochaine.