Pour offrir des expériences de divertissement de nouvelle génération, la qualité des modèles de langage à grande échelle (LLM) dépend entièrement de la qualité des données auxquelles ils ont accès

Dans notre quête permanente d'informations, les outils et les comportements en matière de recherche évoluent. Désormais intégrée aux moteurs de recherche traditionnels, l'intelligence artificielle offre ce qu'un algorithme de correspondance par mots-clés ne peut pas fournir : une expérience conversationnelle à la fois personnalisée et itérative.

Dans le domaine du divertissement, cependant, la plupart des fournisseurs ne sont pas encore en mesure d’offrir les mêmes performances que les chatbots génératifs populaires basés sur l’IA, tels que ChatGPT et Gemini. Cela s’explique par le fait que les grands modèles linguistiques (^LLM¹) mis à la disposition des entreprises ne sont pas « ancrés » dans des sources de connaissances externes issues du monde réel.

En raison de l'adoption rapide de l'IA, il existe un décalage entre les attentes des entreprises qui souhaitent exploiter les modèles de langage (LLM) pour leurs propres besoins. Cependant, pour que les LLM d'entreprise puissent offrir les expériences de contenu de nouvelle génération dont ils sont capables, l'accès à des données fiables et spécifiques à leur secteur est primordial.

Dans le domaine de la découverte de contenu, les attentes vis-à-vis de l'IA sont déjà très élevées.

Résoudre le problème de la découverte de contenus dans un paysage télévisuel fragmenté

Les modèles de langage à grande échelle (LLM) apportent de nouvelles fonctionnalités et un immense potentiel à l'expérience télévisuelle. Ils offrent notamment des capacités de recherche considérablement améliorées, permettant aux téléspectateurs de poser des questions extrêmement complexes qui dépassent largement les limites de la recherche traditionnelle. Les LLM peuvent également réécrire ou enrichir de manière dynamique la description d'un film ou d'un épisode afin de la rendre plus actuelle, voire plus pertinente sur le plan géographique, pour chaque utilisateur.

Dans certains secteurs spécifiques, les données relatives à la formation et à l'apprentissage doivent être bien plus approfondies que ce que peut offrir l'Internet grand public. Dans le secteur du divertissement, les attentes des consommateurs, alimentées par les progrès technologiques, ne cessent de croître. Au vu des prévisions du secteur concernant^{les dépenses liées à} l'OTT et à la télévision payante^², les fournisseurs de contenu ont tout intérêt à affiner leurs propositions de valeur respectives.

À l’heure où 26 % des Américains déclarent savoir ce qu’ils veulent regarder sans parvenir à^{le trouver3}, l’IA a le pouvoir de les aider. Mais dans ce domaine, même les chatbots les plus populaires peinent à s’en sortir. Une étude de Veed Analytics datant de 2025 sur l'utilisation des chatbots pour la découverte de contenu, par exemple, a révélé que seuls deux tiers des résultats fournis par^{les chatbots} testés4 identifiaient correctement où trouver une émission spécifique. Et, ce qui est peut-être moins satisfaisant du point de vue de l'utilisateur, seuls 31 % fournissaient le lien direct vers le titre de l'émission.

En matière d'amélioration de la recherche de contenu, les modèles de langage de grande envergure (LLM) présentent trois avantages majeurs par rapport aux bases de données traditionnelles et aux fonctions de recherche rudimentaires :

• Des capacités de recherche sémantique nettement améliorées
• Catalogues de contenu exhaustifs et harmonisés
• Fonctionnalités puissantes de classement et de tri

Le paysage actuel du contenu est trop vaste pour être exploré à l'aide des fonctions de recherche traditionnelles, même au sein d'une même plateforme ou d'un même service. L'introduction de l'IA générative pour la recherche et la découverte de contenu va entraîner une transformation radicale de l'expérience utilisateur, susceptible de réduire considérablement le mécontentement des téléspectateurs, alors que la surabondance et la fragmentation des contenus nuisent au plaisir global de regarder la télévision — à condition, toutefois, qu'elle fournisse des résultats précis. 

Pour en savoir plus, téléchargez notre Recherche et découverte télévisuelles à l'ère de l'IA . 

Notes

1. Les LLM sont un type d'IA générative qui crée du contenu à partir de modèles appris.
2. PwC prévoit que les dépenses des consommateurs consacrées aux services OTT (OTT3) et à la télévision payante atteindront 318,5 milliards de dollars en 2029.
3. Enquête Gracenote 2025 surstreaming de servicesstreaming .
4. ChatGPT, Claude, Gemini, Perplexity