Dans le secteur des médias, les fournisseurs de divertissement commencent à recourir à l'IA pour personnaliser les expériences de recherche et de découverte des utilisateurs, face à une offre de contenus et de services de plus en plus saturée. La plupart d'entre eux ne disposent toutefois pas des moyens nécessaires pour offrir les mêmes performances que les chatbots populaires, ce qui pourrait nuire à l'expérience utilisateur.
Contrairement à ceux utilisés dans les chatbots populaires tels que ChatGPT, les grands modèles linguistiques (LLM) proposés sous licence aux entreprises ne sont pas connectés à des sources de connaissances externes issues du monde réel (ce qu’on appelle le « grounding »). Il s’agit plutôt de puissants cerveaux IA qui n’ont accès à aucune information ne faisant pas partie de leur apprentissage.
66 % des consommateurs estiment que l'IA jouera un rôle important dans la qualité des expériences de divertissement
– Enquête Gracenote de 2026 sur l'utilisation de l'IA Gracenote
Cette étude compare l'utilisation d'un modèle de langage de grande envergure (LLM) ancré dans la réalité à celle d'un LLM non ancré dans la réalité pour la recherche et la découverte de vidéos. Les résultats de cette étude, qui a porté sur 2 600 séries télévisées et films provenant de 13 pays, soulignent l'importance d'utiliser des données fiables et faisant autorité pour offrir des expériences de découverte de contenu complètes, factuelles et actualisées.
Le sport en direct et l'actualité sont les nouveaux poids lourds des chaînes FAST
Les téléspectateurs de FAST ont désormais le choix entre 26,6 % de programmes d'actualité et 37,5 % de programmes sportifs de plus qu'il y a un an.
Pourquoi votre diplômé en droit (LLM) pense que « The Madison » se trouve dans le Wisconsin
Les modèles de langage de grande envergure (LLM) joueront un rôle clé dans la découverte de contenus, mais les stratégies d'IA efficaces ne reposeront pas sur des modèles plus volumineux.
L'IA est-elle capable de trouver le bon épisode d'une série télévisée ? Pas de manière fiable.
Sans données de référence adéquates, les réponses fournies par les modèles LLM concernant des épisodes de séries télévisées seront généralement erronées.