Implémenter un moteur de recommandation pour promouvoir l’accès à la culture

Contexte

Le Pass Culture offre aux jeunes de 15 à 18 ans un budget pour explorer la diversité de la culture en France. En collaboration avec l'équipe data du Pass Culture, nous avons optimisé le moteur de recommandation afin de mieux cibler les offres culturelles et enrichir les pratiques culturelles des jeunes.

Le Challenge

La collaboration entre le Pass Culture et Theodo Data & AI a eu pour but d’utiliser notre expertise en Intelligence Artificielle pour améliorer l’algorithme de recommandation de l’application. Nos experts ont pu résoudre les deux défis présentés par le Pass Culture : augmenter la diversification des offres réservées par les utilisateurs tout en améliorant la qualité des recommandations.

La Solution

Nous avons utilisé notre expertise en MLOps pour rendre l’entraînement du modèle scalable. Une bonne utilisation d’outils tels que Airflow, Google Cloud Platform et Tensorflow nous ont permis d’augmenter considérablement la volumétrie de données utilisée pour entraîner le modèle.

Après avoir optimisé la pipeline d’entraînement, nous avons implémenté un nouveau modèle de recommandation en s’inspirant des architectures utilisées par e-Bay ou encore Youtube.

Stack Technique

Les résultats

Nous avons utilisé les données de clics des utilisateurs sur l’application comme feedback implicite du moteur de recommandation, afin de pallier la disparité des données de réservations précédemment utilisées.

12%

D'augmentation sur la conversion et la diversification des réservations

-75%

Du temps d'entraînementde l'algorithme