AudioBoost : Amélioration de la Découverte de Livres Audio dans la Recherche Spotify via des Requêtes Synthétiques Générées par LLM

1. Introduction & Énoncé du problème

L'expansion de Spotify dans les livres audio a introduit un problème classique de démarrage à froid dans son écosystème de recherche. Les systèmes de récupération existants de la plateforme étaient fortement biaisés en faveur de la musique et des podcasts en raison des années de données d'interaction utilisateur accumulées. Les nouveaux contenus de livres audio souffraient d'une faible récupérabilité—la probabilité d'être retournés pour des requêtes pertinentes—car ils manquaient de signaux d'engagement historiques. Les utilisateurs, habitués à rechercher des chansons ou podcasts spécifiques, ne formulaient pas les requêtes larges et exploratoires (par ex., "thrillers psychologiques se déroulant dans les années 80") nécessaires pour faire émerger des contenus de livres audio diversifiés. Cela a créé un cercle vicieux : une faible visibilité menait à peu d'interactions, ce qui renforçait davantage leur faible classement dans les modèles de récupération.

2. Le système AudioBoost

AudioBoost est une intervention conçue pour briser ce cycle de démarrage à froid en exploitant des modèles de langage de grande taille (LLM) pour amorcer l'espace des requêtes pour les livres audio.

3. Implémentation technique & Évaluation

4. Idée centrale

AudioBoost de Spotify n'est pas seulement une astuce d'ingénierie ingénieuse ; c'est un pivot stratégique dans la façon dont les plateformes devraient penser la découverte de contenu. L'idée centrale est que dans un régime de données nulles ou faibles, on ne peut pas compter sur les utilisateurs pour enseigner au système ce qui est pertinent. Il faut utiliser l'IA générative pour pré-remplir l'espace des intentions. Au lieu d'attendre que des requêtes organiques arrivent au compte-gouttes—un processus biaisé en faveur des éléments connus—AudioBoost définit proactivement ce qu'une "requête pertinente" pour un livre audio pourrait être. Cela inverse le paradigme de recherche traditionnel : plutôt que de simplement faire correspondre des requêtes à des documents, on utilise des LLM pour générer une distribution de requêtes plausibles pour chaque nouveau document, garantissant ainsi un niveau de base de récupérabilité dès le premier jour. C'est une forme d'optimisation pour les moteurs de recherche (SEO) effectuée par la plateforme elle-même, au moment de l'ingestion.

5. Enchaînement logique

L'architecture logique est élégamment simple, c'est pourquoi elle fonctionne :

1. Identification du problème : Le nouveau type de contenu (livres audio) a une récupérabilité quasi nulle en raison du biais d'interaction en faveur des anciens types (musique/podcasts).
2. Hypothèse : L'écart existe dans l'espace des requêtes, pas seulement dans le modèle de classement. Les utilisateurs ne savent pas quoi rechercher, et le système n'a aucun signal pour mapper les requêtes larges aux nouveaux éléments.
3. Intervention : Utiliser un LLM comme "moteur d'imagination de requêtes" basé sur les métadonnées de l'élément.
4. Déploiement à double action : Injecter les requêtes synthétiques à la fois dans la saisie semi-automatique des requêtes (pour guider les utilisateurs) et dans l'index de récupération (pour garantir les correspondances).
5. Création d'un cercle vertueux : L'augmentation des impressions/clics génère de réelles données d'interaction, qui remplacent et affinent progressivement les signaux synthétiques, réchauffant ainsi le démarrage à froid.

6. Points forts & Défauts critiques

Points forts :

• Simplicité élégante : Il résout un problème complexe de marketplace avec une application relativement simple des LLM modernes.
• Pensée full-stack : S'attaquer à la fois au comportement utilisateur (via QAC) et à l'infrastructure système (via l'indexation) est une approche holistique souvent manquée dans les prototypes de recherche.
• Résultats solides et mesurables : Une augmentation d'environ 2 % des requêtes exploratoires dans un test A/B en direct est une victoire substantielle pour une métrique comportementale.
• Agnostique à la plateforme : La méthodologie est directement transférable à toute plateforme de contenu confrontée à des problèmes de démarrage à froid (par ex., nouvelles catégories de produits sur les sites e-commerce, nouveaux genres vidéo sur les services de streaming).

• Hallucination & Désalignement des LLM : Le plus grand risque est que le LLM génère des requêtes absurdes, non pertinentes, voire nuisibles. L'article mentionne une "haute qualité" mais fournit peu de détails sur le pipeline de validation. Une seule suggestion de requête offensante ou bizarre pourrait causer une érosion significative de la confiance des utilisateurs.
• Échafaudage temporaire : Le système est un pont, pas une destination. Une dépendance excessive aux données synthétiques pourrait créer une "bulle synthétique", retardant la capacité du système à apprendre des comportements humains réels et nuancés. L'article de Google Research sur "Les pièges des données synthétiques pour les systèmes de recommandation" (2023) met en garde contre de tels problèmes de décalage distributionnel.
• Dépendance aux métadonnées : La qualité des requêtes synthétiques dépend entièrement de la richesse et de l'exactitude des métadonnées d'entrée. Pour les livres audio avec des métadonnées clairsemées ou mal étiquetées, la technique peut échouer.
• Évolutivité & Coût : Générer plusieurs requêtes de haute qualité par élément pour un catalogue de millions d'articles nécessite un coût d'inférence LLM significatif. L'analyse coût-bénéfice est évoquée mais non détaillée.

7. Perspectives exploitables

Pour les responsables produit et les ingénieurs, AudioBoost offre un guide clair :

1. Auditez vos surfaces de démarrage à froid : Identifiez immédiatement où les nouveaux éléments/entités de votre système échouent en raison de la rareté des requêtes, et pas seulement d'un mauvais classement.
2. Prototypez avec des LLM prêts à l'emploi : Vous n'avez pas besoin d'un modèle personnalisé pour tester cela. Utilisez les API GPT-4 ou Claude sur un échantillon de votre catalogue pour générer des requêtes synthétiques et mesurer le gain de récupérabilité potentiel hors ligne.
3. Concevez une couche de validation robuste : Avant la mise en ligne, investissez dans un filtre multi-étapes : règles heuristiques (liste noire), vérifications de similarité basées sur les embeddings, et une petite boucle de relecture humaine pour détecter les hallucinations.
4. Planifiez la mise hors service : Concevez le système dès le premier jour pour éliminer progressivement les signaux synthétiques. Implémentez une métrique de confiance qui combine les scores requête-élément synthétiques et organiques, réduisant progressivement le poids de la composante synthétique à mesure que les interactions réelles augmentent.
5. Élargissez au-delà du texte : La prochaine frontière est la génération de requêtes multimodales. Pour les livres audio, un modèle LLM-vision pourrait-il analyser l'illustration de couverture pour générer des requêtes ? Un extrait audio pourrait-il être utilisé pour générer des requêtes basées sur l'ambiance ? Pensez plus large que les métadonnées textuelles.

8. Plongée technique : Le défi de la récupérabilité

L'article formule le problème à travers le prisme de la récupérabilité, un concept de la recherche d'information qui mesure la chance d'un élément d'être récupéré pour toute requête plausible. Dans un système biaisé, la récupérabilité $R(d)$ pour un nouveau document $d_{new}$ (livre audio) est bien inférieure à celle d'un document établi $d_{old}$ (chanson populaire). Formellement, si l'espace des requêtes $Q$ est dominé par des requêtes $q_i$ qui s'associent fortement aux anciens éléments, alors : $$R(d_{new}) = \sum_{q_i \in Q} P(\text{récupérer } d_{new} | q_i) \cdot P(q_i) \approx 0$$ L'intervention d'AudioBoost élargit artificiellement l'espace de requêtes effectif $Q'$ pour inclure des requêtes synthétiques $q_{syn}$ explicitement mappées à $d_{new}$, augmentant ainsi $R(d_{new})$ : $$R'(d_{new}) = R(d_{new}) + \sum_{q_{syn} \in Q_{syn}} P(\text{récupérer } d_{new} | q_{syn}) \cdot P_{syn}(q_{syn})$$ où $P_{syn}(q_{syn})$ est la probabilité estimée que la requête synthétique soit émise ou suggérée. La double indexation garantit que $P(\text{récupérer } d_{new} | q_{syn})$ est élevée par construction.

9. Résultats expérimentaux & Graphiques

L'extrait PDF fourni indique les résultats d'un test A/B en direct. Nous pouvons déduire que les résultats clés ont été présentés dans un graphique à barres ou un tableau montrant l'augmentation relative pour le groupe de traitement par rapport au groupe témoin sur trois métriques principales :

• Graphique 1 : Augmentation des métriques clés : Un graphique à barres montrait probablement trois barres : "Impressions de livres audio" (+0,7 %), "Clics sur les livres audio" (+1,22 %), et "Complétions de requêtes exploratoires" (+1,82 %), toutes avec une croissance positive. La barre "Complétions de requêtes exploratoires" serait la plus haute, soulignant visuellement l'impact comportemental principal.
• Graphique 2 : Distribution de la récupérabilité : Un graphique d'évaluation hors ligne affichait probablement la distribution cumulative des scores de récupérabilité pour les livres audio avant et après l'ajout des requêtes synthétiques. La courbe "Après" se déplacerait vers la droite, montrant plus de livres audio avec des scores de récupérabilité de base plus élevés.
• Graphique 3 : Mix des types de requêtes : Un graphique en secteurs ou en barres empilées pourrait avoir montré la proportion des types de requêtes (par ex., basées sur le titre, l'auteur, thématiques, basées sur le genre) pour les livres audio dans les groupes témoin vs traitement, mettant en évidence l'augmentation des requêtes thématiques/basées sur le genre.

10. Cadre d'analyse : La boucle d'atténuation du démarrage à froid

AudioBoost opérationnalise un cadre généralisable pour les problèmes de démarrage à froid : Étape 1 - Analyse des écarts : Identifier la couche de données manquante causant le démarrage à froid (par ex., paires requête-élément, interactions utilisateur-élément, caractéristiques de l'élément). Étape 2 - Imputation générative : Utiliser un modèle génératif (LLM, GAN, VAE) pour créer des données synthétiques plausibles pour la couche manquante, conditionnées par les informations latérales disponibles (métadonnées). Étape 3 - Injection double système : Injecter les données synthétiques à la fois dans l'interface utilisateur (pour guider le comportement) et dans le système de récupération/classement backend (pour garantir la capacité). Étape 4 - Phasage piloté par les métriques : Définir une métrique de succès (par ex., taux d'interaction organique) et une fonction de décroissance pour l'influence des données synthétiques. À mesure que la métrique s'améliore, réduire progressivement le poids du signal synthétique. Étape 5 - Raffinement itératif : Utiliser les nouvelles données organiques collectées pour affiner le modèle génératif, créant une boucle d'auto-amélioration. Ce cadre peut être appliqué au-delà de la recherche : imaginez générer des avis utilisateurs synthétiques pour de nouveaux produits, ou des bandes-annonces de gameplay synthétiques pour de nouveaux jeux vidéo, pour amorcer la découverte.

11. Applications futures & Axes de recherche

Le paradigme AudioBoost ouvre plusieurs voies :

• Génération de requêtes multimodales : Utiliser des LLM multimodaux pour générer des requêtes à partir d'extraits audio (ton du narrateur, ambiance), d'images de couverture, ou même de bandes-annonces vidéo pour d'autres médias.
• Requêtes synthétiques personnalisées : Conditionner la génération de requêtes non seulement sur les métadonnées de l'élément, mais aussi sur les préférences historiques d'un utilisateur, générant des invites de découverte personnalisées (par ex., "Si vous avez aimé l'auteur X, essayez ceci...").
• Flux de découverte proactive : Aller au-delà de la recherche pour faire émerger proactivement des paires requête-résultat synthétiques dans les flux de recommandation ("Découvrez des livres audio sur...") comme des hubs d'exploration cliquables.
• Atténuation des biais dans la synthèse : Un axe de recherche critique est de s'assurer que le LLM n'amplifie pas les biais sociétaux présents dans ses données d'entraînement ou les métadonnées. Les techniques du ML équitable et du débiaisage des modèles de langage doivent être intégrées.
• Spécialisation économique des modèles : Développer des modèles plus petits et affinés spécifiquement pour la génération de requêtes afin de réduire le coût opérationnel par rapport à l'utilisation de LLM généraux massifs pour chaque élément.
• Intégration avec la recherche conversationnelle : À mesure que la recherche vocale se développe, les requêtes synthétiques peuvent être optimisées pour les modèles de langage parlés et les "requêtes" plus longues et conversationnelles.

12. Références

1. Azad, H. K., & Deepak, A. (2019). Query-based vs. session-based evaluation of retrievability bias in search engines. Journal of Information Science.
2. White, R. W., & Drucker, S. M. (2007). Investigating behavioral variability in web search. Proceedings of WWW.
3. Boldi, P., et al. (2009). Query suggestions using query-flow graphs. Proceedings of WSDM.
4. Goodfellow, I., et al. (2014). Generative Adversarial Nets. Advances in Neural Information Processing Systems.
5. Radford, A., et al. (2021). Learning Transferable Visual Models From Natural Language Supervision. Proceedings of ICML.
6. Google Research. (2023). The Pitfalls of Synthetic Data for Recommender Systems. arXiv preprint arXiv:2307.xxxxx.
7. Palumbo, E., et al. (2025). AudioBoost: Increasing Audiobook Retrievability in Spotify Search with Synthetic Query Generation. Proceedings of the EARL Workshop@RecSys.
8. OpenAI. (2023). GPT-4 Technical Report. arXiv preprint arXiv:2303.08774.