Atelier

Lección 9 — Projet final : le moteur produits

Cahier des charges et données du moteur produits

5 min de lectura

Este contenido aún no está traducido. Se muestra la versión original.

Cahier des charges et données du moteur produits

Le besoin

Une boutique en ligne fictive vend 60 produits dans 10 rayons. Elle veut :

  1. une barre de recherche qui comprend les reformulations (« faire le ménage sans y penser ») et les visiteurs étrangers ;
  2. un bloc « produits similaires » sur chaque fiche ;
  3. un rapport des doublons du catalogue, à faire valider par l'équipe produit ;
  4. une exploration des regroupements naturels du catalogue ;
  5. une mesure de qualité rejouable à chaque changement.
flowchart TB
  subgraph Donnees["Données (fictives)"]
    G["generer_produits.py"] --> P["produits.json : 60 fiches dont 3 quasi-doublons"]
    R["requetes_eval.json : 31 requêtes, 4 langues"]
  end
  subgraph Moteur["moteur.py"]
    I["indexer"] --> C["chercher"]
    I --> S["similaires"]
    I --> D["doublons"]
    I --> K["clusters"]
  end
  P --> I
  R --> E["evaluer.py : rappel@5"]
  C --> E

Les données

Les fiches sont inventées : noms de produits et de marques fictifs, prix d'exemple. generer_produits.py les écrit dans produits.json à partir d'une liste en dur, pour que tout le monde ait exactement le même catalogue.

files/generer_produits.py (extrait)
FICHES = [
    # (catégorie, nom, description, prix en euros)
    ("Chaussures", "Trailrun Gecko", "Chaussure de trail à crampons de 5 mm pour terrains boueux et rocailleux, membrane respirante.", 129),
    ...
    # Quasi-doublons volontaires (même produit, rédaction différente)
    ("Chaussures", "Trail Gecko (coloris forêt)", "Chaussure de trail running avec crampons de 5 mm, pensée pour la boue et les rochers, tige respirante.", 129),
]
FichierContenuRôle
produits.json60 fiches : id, categorie, nom, description, prixle catalogue à indexer
requetes_eval.json31 requêtes, langue, produits pertinentsle jeu de référence
index/vecteurs.npymatrice (60, 768)généré par moteur.py indexer
index/produits.sqlitefiches + empreintesgénéré par moteur.py indexer

Les critères d'acceptation

CritèreSeuilMesuré par
Rappel@5 globalau moins 0,90evaluer.py
Rappel@5 en anglais, espagnol, allemandau moins 0,90 chacunevaluer.py (par langue)
Meilleur que la recherche par mots-clésoui, sur chaque languecolonne BM25
Doublons connus retrouvés3 sur 3, aucun faux positifmoteur.py doublons
Coût de réindexation sans changement0 appelmoteur.py indexer deux fois
Tests sans clétous vertspytest -q

Pourquoi générer le catalogue à partir d'une liste en dur plutôt que de demander à un LLM à chaque exécution ?

Quels fichiers peut-on supprimer sans perte, car ils se régénèrent ?

Exercice : 5 requêtes de plus

Ajoutez 5 requêtes à requetes_eval.json qui mettent le moteur en difficulté : au moins une avec négation, une très courte, une avec une faute de frappe. Notez vos prédictions avant de lancer evaluer.py.

Voir la solution

Exemples possibles :

{"requete": "casque mais pas pour l'avion, pour courir", "langue": "fr", "pertinents": ["P020"]},
{"requete": "thé", "langue": "fr", "pertinents": ["P007"]},
{"requete": "aspirateur robo", "langue": "fr", "pertinents": ["P055"]},
{"requete": "cadeau pour quelqu'un qui télétravaille", "langue": "fr", "pertinents": ["P013", "P014", "P016", "P017", "P051", "P054"]},
{"requete": "regalo para un aficionado a los discos", "langue": "es", "pertinents": ["P023"]}

Les négations sont un point faible connu des embeddings : « pas pour l'avion » contient « avion » et peut remonter le casque de voyage. Les requêtes très courtes donnent peu de contexte. Les fautes de frappe légères passent souvent bien. Mesurez pour savoir.

Résultat obtenu

Génération du catalogue le 2026-10-15 :

$ python generer_produits.py
60 fiches écrites dans produits.json

Et un aperçu des identifiants (les 3 dernières fiches sont les quasi-doublons de P001, P019 et P037) :

P001 Trailrun Gecko               P002 Asphalte Flow                       P003 Randonnée Cimes Mid
P019 Casque Silence Pro           P020 Écouteurs Sport Fil-Libre           P021 Enceinte Galet
P037 Tente Dôme 3 places          P038 Sac de couchage Grand Froid         P039 Réchaud gaz Mini-Flamme
P058 Trail Gecko (coloris forêt)  P059 Casque Silence Pro - édition noire  P060 Tente Dôme 3 personnes

Je sais faire

  • Traduire un besoin métier en fonctions du moteur (recherche, similaires, doublons, clusters)
  • Préparer des données fictives reproductibles avec une vérité terrain
  • Écrire des critères d'acceptation mesurables
  • Enrichir un jeu de requêtes avec des cas difficiles
Siguiente