Projets

Quand le Big Data permet de prédire le comportement des internautes

« Nos algorithmes brassent des volumes de données de l'ordre de 20 To par jour » indique Julien Simon, Vice-Président de Criteo en charge de l'ingénierie.

PublicitéCriteo est un acteur de la publicité en ligne qui compte comme clients quelque 3000 sites marchands de grandes marques. Sa plate-forme collecte des données sur le web (sessions de navigation, flux de données historiques ....). Puis elle les analyse en temps réel et prédit le taux de clic sur des bannières sur mesure, qui n'existent pas encore.

Si ce taux est jugé suffisant, la décision est prise de générer effectivement ces bannières, notamment en sélectionnant les produits susceptibles d'intéresser l'internaute, mais aussi en y intégrant de nombreux éléments de personnalisation.

Plus d'un milliard de bannières sont ainsi construites et affichées chaque jour sur des centaines de milliers de sites web. Soit plus de 30 milliards de requêtes HTTP. « Nous devons optimiser deux facteurs : la prédiction de clics et la recommandation de produits », résume Julien Simon, vice-président en charge de l'ingénierie chez Criteo. Ce processus doit en effet être réalisé en moins de 10 ms. Une contrainte d'autant plus importante que les algorithmes brassent des volumes de données (anonymes) de l'ordre de 20 To par jour.

Parallèlement à cette application de production, des analyses sont réalisées afin de tester la meilleure combinaison de variables, en vue d'optimiser encore la prédiction de clics.

L'interview en vidéo