Des recommandations à partir des goûts exprimés en conversation

LLéna

ChatGPT a proposé des recommandations de livres après qu’un auteur lui a décrit en détail ses goûts littéraires, dans une expérience signalée sur Hacker News. Il a suggéré 5 livres que l’auteur ne connaissait pas et qu’il aurait envie de lire ; le modèle a aussi correctement estimé si celui-ci aurait aimé plusieurs ouvrages déjà lus. L’auteur précise que ce premier essai repose sur un échantillon très réduit : il ne permet pas de conclure que les recommandations seraient fiables pour d’autres lecteurs, ni que l’expérience se reproduirait dans d’autres conditions. À partir de cet essai, l’auteur a créé un prototype qui analyse des conversations avec un grand modèle de langage pour en extraire les préférences d’un utilisateur, puis les conserver dans un profil évolutif. Ce profil sert ensuite à orienter des recommandations, et il est conçu séparément des conversations, afin de conserver les préférences dans le temps sans les confondre avec l’historique des échanges. Le prototype envisage de stocker ces données localement ou dans un service infonuagique choisi par l’utilisateur, plutôt que sur un serveur central ; le choix du lieu de stockage revient donc à l’utilisateur dans le fonctionnement envisagé. L’auteur avance que cette approche pourrait réduire les données personnelles transmises aux services de recherche, notamment par pseudonymisation, mais indique ne pas savoir si ce bénéfice pour la vie privée est réaliste. L’efficacité de la méthode au-delà des livres, son caractère novateur et son utilité pour d’autres utilisateurs restent à établir : le prototype explore une piste, sans démontrer qu’elle fonctionne largement.