Ce que l’IA va apporter à LinkedIn en #Short
- L’utilisation de l’intelligence artificielle est au cœur de l’amélioration de la pertinence du fil d’actualité sur LinkedIn.
- LinkedIn utilise des « incorporations » pour transformer des identifiants rares en espaces d’incorporation, ce qui permet de capturer des relations et des schémas importants entre les données tout en réduisant la complexité des calculs.
- LinkedIn a considérablement augmenté la taille de ses modèles, permettant une personnalisation plus fine et une meilleure prise en compte des interactions complexes.
- L’utilisation de la parallélisation des modèles a considérablement amélioré l’efficacité de la formation, permettant de former des modèles de plusieurs milliards de paramètres en un temps raisonnable.
- LinkedIn a migré d’un modèle de service externe à un service en mémoire, permettant une livraison plus rapide des caractéristiques et une meilleure flexibilité pour les modélisateurs.
Voici comment LinkedIn investi l’IA sur sa plateforme
Répondant à sa quête d’amélioration continue, LinkedIn a récemment apporté des améliorations significatives à son architecture. Ces améliorations ont été conçues pour optimiser l’efficacité des processus tout en maintenant des performances exceptionnelles.
Cette modernisation vise à élever la qualité du service et à faciliter l’implémentation d’autres innovations à grande échelle au sein de la plateforme. Nous allons donc nous y intéresser dans cet article.
Le rôle de l’IA dans cette recherche d’amélioration
L’IA est au cœur de la stratégie d’amélioration de la pertinence du fil d’actualité de LinkedIn. En tirant parti de l’apprentissage en profondeur, la plateforme explore de très grands ensembles de données pour :
- Découvrir des schémas complexes
- Identifier des relations pertinentes
- Offrir un contenu plus ciblé et significatif à chaque membre
Les incorporations personnalisées
Pour transformer des identifiants peu fréquents en espaces d’incorporation, LinkedIn a adopté une approche que l’on peut qualifier de novatrice.
Ces espaces d’incorporation capturent des informations essentielles, notamment les préférences de chaque membre et leurs interactions passées.
Cette technique permet de simplifier les calculs tout en conservant la richesse des informations. Résultat ? Une personnalisation plus développée et à des recommandations plus précises.
Grâce à l’utilisation de ces incorporations personnalisées, LinkedIn est en mesure de recommander du contenu pertinent et engageant à chaque membre. En se basant sur les interactions passées, les préférences et les relations professionnelles, le fil d’actualité devient une source inestimable de contenu qui répond aux besoins spécifiques de chaque utilisateur.
Adoption de la parallélisation des modèles et changement dans l’infrastructure de service
En parallélisant les modèles d’apprentissage, LinkedIn a optimisé l’efficacité de la formation de ses modèles. Cette approche a permis de réduire considérablement le temps nécessaire à la formation de modèles de plusieurs milliards de paramètres, tout en garantissant des résultats de haute qualité.
LinkedIn a également fait des changements dans son infrastructure, évoluant d’un modèle de service externe à un modèle de service en mémoire, ce qui a permis de fournir des caractéristiques plus rapidement et avec plus de flexibilité. Cette transition a non seulement amélioré l’efficacité opérationnelle, mais a également renforcé la capacité d’innovation des modélisateurs !
Bonus : Résolution du problème de « Démarrage à Froid »
Un défi majeur auquel LinkedIn fait face est le « démarrage à froid », c’est-à-dire la difficulté de recommander du contenu pertinent aux nouveaux membres ou aux éléments récemment ajoutés.
Grâce à ces changements, et notamment aux incorporations personnalisées, LinkedIn a trouvé une solution à ce problème en associant les nouveaux éléments à des espaces d’incorporation existants, ce qui permet d’établir des relations et des similitudes même avec peu d’informations.
Avantages des modèles de grande taille
L’expansion significative de la taille des modèles au sein de l’écosystème LinkedIn a joué un rôle essentiel dans l’amélioration de la pertinence du contenu proposé aux membres. Cette augmentation de la capacité des modèles à gérer des volumes massifs de données et à capturer des informations complexes a eu un impact direct sur la personnalisation offerte aux utilisateurs.
En élargissant leur envergure, les modèles sont désormais en mesure d’analyser des interactions plus subtiles, des schémas plus profonds et des nuances qui échapperaient autrement à une modélisation moins étendue. Cette personnalisation plus fine et détaillée a donc logiqument entraîné une amélioration significative de la qualité des recommandations fournies aux membres.
Désormais, le fil d’actualité LinkedIn peut mieux saisir les intérêts spécifiques, les préférences et les habitudes professionnelles de chaque utilisateur.
Avant de se quitter…
Si cet article sur la valeur ajoutée de l’IA à LinkedIn vous a plu, n’hésitez pas à le partager sur les réseaux sociaux et à vous abonner à notre newsletter digitale pour recevoir nos prochains articles.
Vous pouvez également suivre nos meilleurs articles via notre flux RSS : https://www.leptidigital.fr/tag/newsletter-digitale/feed/ (il vous suffit de l’insérer dans votre lecteur de flux RSS préféré (ex : Feedly)).
Nous sommes aussi actifs sur LinkedIn, Twitter, Facebook et YouTube.
Pour toute question associée à cet article, n’hésitez pas à utiliser la section « commentaires » pour nous faire part de votre remarque, nous vous répondrons (avec plaisir) dans les meilleurs délais.

Titulaire dans master en marketing international et management, je m’intéresse au marketing et au digital au sens large. Pour me contacter : [email protected]