NEW YORK — 10 juin 2026 — Gracenote, la division spécialisée dans l’intelligence de contenu de Nielsen, a publié aujourd’hui son dernier rapport intitulé « Les lacunes de l’IA : pourquoi les grands modèles linguistiques (LLM) non ancrés ne peuvent pas résoudre le problème de la découverte de contenu ». Cette étude examine la précision avec laquelle un grand modèle linguistique (LLM) de premier plan a répondu à des questions sur des films et séries télévisées populaires parmi 2 600 titres dans 13 pays. En comparant les réponses basées uniquement sur des données d'entraînement à celles fondées sur l'intelligence Gracenote , l'étude a révélé que le LLM non ancré avait généré des informations erronées pour toutes les métadonnées mesurées concernant 506 titres, soit près d'un sur cinq.
Ce rapport intervient alors que streaming et autres fournisseurs de divertissement commencent à se tourner vers les modèles de langage (LLM) pour aider les spectateurs à s'y retrouver face à un choix pléthorique et à des catalogues fragmentés. Les éléments testés — des résumés et des distributions aux genres, en passant par les années de sortie et la durée des films — sont précisément ceux que le public utilise pour choisir ce qu'il va regarder et que les services utilisent pour décrire, organiser et recommander des contenus. Les résultats montrent que l'efficacité de la découverte de contenus basée sur l'IA dépend entièrement de la qualité des données qui sous-tendent cette expérience.
« Les utilisateurs se moquent bien de savoir d’où vient une mauvaise réponse. Si elle est erronée, ils en tiennent le service pour responsable », a déclaré Tyler Bell, vice-président senior chargé des produits chez Gracenote. « C’est pourquoi l’ancrage est essentiel. Pour les entreprises qui développent la prochaine génération de solutions de découverte de contenus de divertissement, l’IA générative ne tiendra ses promesses que si elle s’appuie sur une intelligence de contenu vérifiée, capable de remplacer les hypothèses plausibles par des faits précis — ce qui permettra de réduire les frictions, d’approfondir l’engagement et de renforcer la fidélité. »
Parmi les autres informations, on peut citer :
Comme le souligne clairement le rapport, aucun modèle de langage (LLM) ne sera exempt d’hallucinations en 2026 — ce qui représente un risque particulier pour les systèmes d’IA censés fournir à grande échelle des réponses précises et actualisées dans le domaine du divertissement. Pour les entreprises qui développent des expériences de recherche, de découverte et de recommandation basées sur l’IA, l’ancrage permet de transformer les capacités du modèle en confiance de la part des utilisateurs. L’intelligence de contenu de référence Gracenoteoffre cette base de deux manières : via l’octroi direct de licences de données ou via son Video MCP Server, qui se connecte au graphe de connaissances mondial de l'entreprise en matière de divertissement. Grâce à cet accès, les LLM peuvent aller au-delà des hallucinations qui semblent plausibles et fournir des réponses plus fiables qui réduisent la friction avec les spectateurs, renforcent l'engagement et fidélisent davantage le public.
Gracenote les conclusions de ce rapport lors du StreamTV Show, qui se tiendra le 18 juin à Denver, où Nandita Arora, directrice principale des produits chez Gracenote, participera à la table ronde intitulée «Réinventer la découverte de contenu ». Cette session examinera comment l'intelligence artificielle, la personnalisation, la recherche unifiée et les nouvelles approches en matière d'expérience utilisateur sont en train de transformer la manière dont streaming mettent les spectateurs en relation avec les contenus.
Le rapport complet, intitulé « Les failles de l'IA : pourquoi les modèles de langage généraux (LLM) non contextualisés ne peuvent pas résoudre le problème de la découverte de contenu », , est disponible en téléchargement ici.
Gracenote 2 600 titres de films et de séries télévisées populaires dans 13 pays : l'Australie, le Brésil, le Canada, la France, l'Allemagne, le Japon, le Mexique, les Pays-Bas, la Corée du Sud, l'Espagne, la Suède, le Royaume-Uni et les États-Unis. L'étude a comparé les réponses d'un modèle de langage de grande envergure (LLM) non ancré, chargé de répondre en s'appuyant uniquement sur les données d'entraînement, avec celles d'un modèle ancré dans les données vidéo Gracenote via un serveur MCP. Les réponses ont été évaluées en fonction d'attributs objectifs, notamment le titre, la description, les acteurs, les genres, l'année de sortie et la durée, le cas échéant. Comme ces attributs peuvent être vérifiés de manière indépendante, les résultats fournissent une vision quantifiée de la manière dont l'ancrage affecte la précision et la fiabilité des réponses générées par l'IA dans le domaine du divertissement.
Gracenote la division « intelligence de contenu » de Nielsen. Nous harmonisons la manière dont l'écosystème mondial des médias et du divertissement répertorie les contenus et les métadonnées associées, permettant ainsi leur circulation entre les créateurs, les distributeurs, les plateformes et les annonceurs. En offrant une couverture inégalée de plus de 50 millions de titres et plus de 80 000 chaînes et catalogues, nous rendons possibles les expériences modernes de recherche, de découverte et de navigation qui connectent les gens à la télévision, aux films, à la musique et au sport qu'ils aiment, dans plus de 70 langues et dans plus de 80 pays. Pour plus d'informations, rendez-vous Gracenote.com ou suivez-nous sur LinkedIn.
Mark Yamada
mark.yamada@nielsen.com
Les programmes sportifs, qui constituent désormais un pilier des services de SVOD à l'échelle mondiale, représentent aujourd'hui 5 % de l'offre globale des principaux fournisseurs.
Le rapport Gracenotesur l'IA souligne que, si les recherches dans le domaine du divertissement basées sur l'IA sont en hausse, la confiance des consommateurs envers l'IA reste à la traîne.
Les métadonnées Gracenote aident Samsung à offrir des expériences de recherche et de découverte optimisées par le LLM.
Remplissez le formulaire pour nous contacter !
Nous avons bien reçu votre demande et notre équipe est impatiente de vous aider. Nous examinerons rapidement votre message et vous répondrons dans les meilleurs délais.