エピソード

  • Scandale "Browser Gate" : Vos équipes commerciales sont-elles espionnées ?

    Scandale "Browser Gate" : Vos équipes commerciales sont-elles espionnées ?
    2026/03/29

    Imaginez votre fournisseur principal fouiller discrètement dans les porte-documents de vos collaborateurs en pleine réunion. C'est exactement ce qui se passe depuis avril 2026 dans le monde du B2B numérique.

    Oubliez les simples cookies.


    Dans cet épisode choc du podcast All In, nous décortiquons le scandale du "Browser Gate". Nous analysons comment une plateforme professionnelle majeure a déployé "Spectroscopy", un script massif de 2,7 Mo agissant comme un logiciel espion sur votre navigateur, siphonnant vos données stratégiques, vos outils concurrents et même des données personnelles.


    Voici le plan d'action concret pour protéger votre entreprise.

    🎙️ Points clés de l'épisode :

    • Le script "Spectroscopy" : Un fichier JavaScript qui lance 6 222 requêtes en arrière-plan sur les navigateurs Chromium (Chrome, Edge) pour détecter vos extensions.

    • Le fingerprinting indélébile : La collecte de 48 attributs matériels (résolution, batterie) crée une signature unique de votre appareil qui survit à la suppression des cookies.

    • L'espionnage industriel passif : La plateforme cartographie la stack technologique des entreprises en ciblant plus de 200 outils B2B concurrents (CRM) et 509 extensions de recherche d'emploi.

    • La ligne rouge légale : Le scan d'extensions liées à la religion, la politique ou la santé viole frontalement l'Article 9 du RGPD.

    • Le plan d'action tactique : Compartimentez (utilisez Firefox exclusivement pour ce réseau), auditez vos extensions, et ripostez légalement via l'Article 15 du RGPD (Droit d'accès).


    💡 La réflexion finale :

    Si une plateforme cartographie aujourd'hui secrètement l'infrastructure logicielle d'une industrie entière, pourrions-nous bientôt voir l'IA prédire la stratégie ou la santé d'une entreprise simplement en analysant l'évolution des extensions installées par ses dirigeants ?


    ⏱️ Chapitrage :

    00:00 - Introduction : La métaphore du fournisseur espion.

    01:50 - L'arme "Spectroscopy" : Un script massif et 6 222 requêtes.

    03:15 - Le Fingerprinting matériel qui survit aux cookies.

    04:40 - Les cibles du scan : Outils concurrents et recherche d'emploi.

    06:35 - La ligne rouge RGPD (santé, politique, religion).

    08:45 - Plan d'action : Compartimentation (Firefox) et Audit.

    10:00 - Riposte légale : Utiliser l'Article 15 du RGPD.


    📈 Mots-clés ) :

    Scandale LinkedIn 2026, Browser Gate, Espionnage industriel, RGPD, Fingerprinting, Cybersécurité B2B, Extensions Chrome, All In Podcast.


    ---

    Une co-production originale du studio #JNPJ Je Ne Perds Jamais, Patrick DE CARVALHO (voir sur Linkedin) et 72h-podcast.com


    https://jeneperdsjamais.com

    https://patrickdecarvalho.com

    https://72h-podcast.com

    ---

    Ce Podcast n'appartient pas et n'est pas affilié à LinkedIn Corporation. LinkedIn, le logo LinkedIn, le logo IN et InMail sont des marques déposées par LinkedIn Corporation.

    Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
    続きを読む 一部表示
    11 分
  • Oubliez la viralité : comment écrire pour être recommandé par l'Intelligence Artificielle en 2026

    Oubliez la viralité : comment écrire pour être recommandé par l'Intelligence Artificielle en 2026
    2026/03/22
    Oubliez la course aux likes et à la viralité. En 2026, le véritable enjeu n'est plus d'être visible par les humains, mais d'être recommandé par l'Intelligence Artificielle. 🤖Le parcours d'achat B2B classique, basé sur les sites vitrines et les clics sur des liens bleus, est obsolète. Aujourd'hui, les décideurs utilisent l'IA générative (ChatGPT, Claude, etc.) pour créer leurs listes de présélection bien avant de parler à un commercial. Et selon l'Institut Profonde, la source numéro 1 mondialement citée par ces IA pour les requêtes professionnelles n'est autre que LinkedIn.Dans cet épisode du podcast All In, nous décryptons le rapport pointu de Davan Shah (VP Marketing chez LinkedIn). Découvrez comment abandonner les "métriques de vanité" pour viser la Buyability (la capacité à être acheté). De l'optimisation millimétrée de la première ligne de votre post (pour hacker l'URL) à l'importance vitale du TL;DR et des "clusters sémantiques", apprenez à formater votre expertise pour qu'elle devienne la nourriture préférée des algorithmes.🎙️ Points clés de l'épisode :La Buyability remplace la Visibilité : L'art de conditionner l'algorithme pour qu'il recommande proactivement votre solution dans ses réponses générées, tuant ainsi la simple course à l'ego social.La puissance de la "Similarité Sémantique" : Avec un score exceptionnel de 0.60, LinkedIn est perçu par l'IA comme un ancrage de vérité absolue. L'IA ne s'en inspire pas vaguement : elle copie fidèlement la logique et le raisonnement de l'expert, limitant le risque d'hallucinations.Le Hack de la Première Ligne (Le Slug URL) : Les 40 à 50 premiers caractères de votre post génèrent l'URL technique. Arrêtez les accroches "clickbait" (ex: "Je n'en reviens pas...") qui créent des URL vides de sens pour la machine. Insérez vos mots-clés industriels dès les premiers mots !Le retour en force du format long (1200 mots) : 60% des citations IA proviennent de contenus longs. La machine ne scrolle pas en diagonale : elle a besoin de densité pour cartographier votre autorité.Prémâcher le travail (TL;DR et Q&A) : Pourquoi démarrer vos publications par une question précise et insérer un résumé "TL;DR" (Too Long; Didn't Read) permet de créer un "nœud de résumé prépondéré" que l'IA va s'empresser d'aspirer.L'angle mort de la Vidéo B2B : L'IA ne regarde pas (encore) le fond de vos vidéos. Si vous ne rédigez pas une légende experte et détaillée pour l'accompagner, votre vidéo restera une boîte noire invisible pour l'algorithme.Le Seuil d'Autorité (3000 abonnés) : L'IA cherche une validation sociale. 10 commentaires d'experts ultra-pointus (créant un "cluster sémantique") valent infiniment plus qu'une vidéo de chat à 100 000 vues remplie d'emojis.💡 La réflexion finale :Si l'Intelligence Artificielle ne jure désormais que par une autorité historique (les fameux experts "déjà installés" ayant franchi le plafond de verre des 3000 abonnés), comment la toute nouvelle génération d'innovateurs, porteuse de ruptures majeures mais encore inconnue des réseaux, parviendra-t-elle à s'imposer dans les réponses générées de demain ?⏱️ Chapitrage :00:00 - Introduction : La mutation du parcours d'achat B2B en 2026.01:30 - De la Visibilité à la Buyability : Le rapport Davan Shah.02:50 - Similarité Sémantique (0.60) : Pourquoi LinkedIn est le "carburant premium" de l'IA.06:15 - Mort du storytelling ? Non, mais fin de la "calorie vide" émotionnelle.08:35 - La structure idéale : L'importance des formats longs (800-1200 mots).10:45 - L'IA détecte l'IA : Pourquoi 95% des citations sont des contenus originaux.12:15 - Le mode d'emploi tactique : Le format Q&A et la puissance du TL;DR.14:15 - Le Hack de l'URL : Optimiser chirurgicalement sa toute première phrase.16:00 - Le seuil d'autorité : 3000 abonnés et la règle des 10 commentaires (Clusters sémantiques).18:55 - L'erreur de la vidéo : Pourquoi le texte descriptif est non négociable.20:20 - Conclusion : Le défi des nouveaux innovateurs face au plafond de verre IA.---Une co-production originale du studio #JNPJ Je Ne Perds Jamais, Patrick DE CARVALHO (voir sur Linkedin) et 72h-podcast.comhttps://jeneperdsjamais.comhttps://patrickdecarvalho.comhttps://72h-podcast.com---Ce Podcast n'appartient pas et n'est pas affilié à LinkedIn Corporation. LinkedIn, le logo LinkedIn, le logo IN et InMail sont des marques déposées par LinkedIn Corporation. Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
    続きを読む 一部表示
    22 分
  • L'Apocalypse du Clic : Pourquoi le nouvel algorithme LinkedIn (2026) récompense l'expertise et punit le buzz

    L'Apocalypse du Clic : Pourquoi le nouvel algorithme LinkedIn (2026) récompense l'expertise et punit le buzz
    2026/03/15
    Et si vos 15 petits likes sous votre dernier article n'étaient pas un échec, mais la preuve que l'algorithme vous a enfin compris ? 💡Le 12 mars 2026, LinkedIn a discrètement déployé une mise à jour historique de son infrastructure. Fini les compteurs de "J'aime" aveugles qui propulsaient n'importe quelle anecdote larmoyante. Bienvenue dans l'ère de la compréhension sémantique profonde et des "Recommandateurs Génératifs" (GR).Dans cet épisode de All In, nous enfilons notre casquette de consultant stratégique pour décortiquer les documents d'ingénierie internes qui ont fuité. Vous allez découvrir comment l'IA de la plateforme (les fameux "Dual Encoders") lit désormais vos publications avec la précision d'un bibliothécaire universitaire, créant des ponts logiques là où les anciens systèmes ne voyaient que des mots-clés.Apprenez à maîtriser les balises de centiles (Tokens), à utiliser le pouvoir des "Négatifs Difficiles" (Hard Negatives), et comprenez pourquoi la stratégie de contenu doit désormais être pensée comme un véritable cursus d'apprentissage chronologique.🎙️ Points clés de l'épisode : * La mort du "Démarrage à froid" : Comment les LLMs (Grands Modèles de Langage) déduisent instantanément les intérêts d'un nouveau profil grâce aux ponts sémantiques (ex: lier "Ingénierie électrique" aux "réseaux renouvelables"), sans attendre des semaines de clics. * Le secret des Tokens (Balises de Centiles) : Pourquoi un modèle textuel (LLM) est incapable de comprendre le chiffre brut "12 345 vues" (score de -0,004), et comment les ingénieurs ont rusé en convertissant ces chiffres en Tokens de hiérarchie (ex: top 29%) pour multiplier la précision de l'IA par 30. * Les "Négatifs Difficiles" (Hard Negatives) : La fin de l'ère du "scroll" (défilement rapide). Découvrez pourquoi l'algorithme apprend désormais 2,6 fois plus vite en analysant le moment précis où vous arrêtez de lire pour rejeter consciemment un post. * Le Recommandateur Génératif (GR) & l'Attention Causale : La plateforme n'évalue plus un post isolément, mais analyse une séquence stricte de vos 1000 dernières interactions pour prédire l'étape logique suivante de votre parcours professionnel. * La Fusion Tardive (Late Fusion) : Comment LinkedIn évite l'explosion de ses serveurs (et le mur de la complexité quadratique) en séparant l'analyse sémantique chronologique lourde des données périphériques légères (langue, appareil).💡 La réflexion finale :Si l'infrastructure algorithmique est désormais capable d'analyser vos 1000 dernières interactions avec une telle finesse temporelle et sémantique... l'IA ne saura-t-elle pas que vous êtes psychologiquement prêt à démissionner des semaines avant même que vous n'en ayez vous-même conscience ?⏱️ Chapitrage : * 00:00 - Introduction : Le renversement total (quand 15 likes deviennent un succès). * 02:50 - Phase 1 (Retrieval) : La fin des silos et l'ère de la compréhension sémantique (LLM). * 05:20 - Le hack des ingénieurs : Traduire la viralité en "Tokens" (Balises de centiles). * 09:00 - La purge du scroll : L'apprentissage ultra-rapide via les "Hard Negatives". * 11:10 - Phase 2 (Ranking) : Mort du clic isolé et avènement des "Recommandateurs Génératifs". * 13:00 - La parade technique (Late Fusion) : Éviter l'explosion des serveurs. * 15:00 - Phase 3 (Actionnable) : La guerre de Tim Jurka contre les faux engagements. * 17:20 - Plan d'action : Expertise pointue, constance et cursus chronologique. * 19:00 - Conclusion : Quand l'IA prédira votre démission.📈 Mots-clés :Algorithme LinkedIn 2026, Stratégie de contenu B2B, LLM, Dual Encoders, Recommandateur Génératif, Personal Branding, Thought Leadership, IA Sémantique, Marketing B2B, All In Podcast.---Une co-production originale du studio #JNPJ Je Ne Perds Jamais, Patrick DE CARVALHO (voir sur Linkedin) et 72h-podcast.comhttps://jeneperdsjamais.comhttps://patrickdecarvalho.comhttps://72h-podcast.com---Ce Podcast n'appartient pas et n'est pas affilié à LinkedIn Corporation. LinkedIn, le logo LinkedIn, le logo IN et InMail sont des marques déposées par LinkedIn Corporation. Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
    続きを読む 一部表示
    20 分
  • Pourquoi un post à 15 likes vaut désormais de l'or : LinkedIn à l'ère de l'IA

    Pourquoi un post à 15 likes vaut désormais de l'or : LinkedIn à l'ère de l'IA
    2026/03/11
    Votre dernier article de fond a fait un flop total sur LinkedIn avec seulement 15 likes ? Ne le supprimez surtout pas : il est peut-être déjà en train de faire le tour du monde. 🚀Pendant des années, les professionnels du B2B ont été conditionnés à courir après la viralité, le buzz et l'engagement immédiat. Mais les règles du jeu viennent de subir une mutation sismique. Aujourd'hui, l'objectif n'est plus de divertir un flux d'actualité humain, mais de structurer l'information pour qu'elle soit ingérée par l'Intelligence Artificielle.Dans cet épisode de All In, nous décortiquons une étude massive de SEMrush portant sur plus de 325 000 requêtes IA (ChatGPT, Google AI, Perplexity). Le constat est vertigineux : LinkedIn est devenu la 2ème source mondiale la plus citée par l'IA, devançant Wikipédia et la presse !Découvrez pourquoi l'Intelligence Artificielle se fiche complètement de votre popularité, pourquoi elle recrache vos textes mot pour mot (à condition d'éliminer le jargon), et comment transformer votre équipe marketing en agence de presse interne pour dominer cette nouvelle "économie du savoir".🎙️ Points clés de l'épisode :Le mythe de la viralité détruit : La médiane des posts cités par ChatGPT ne cumule que 15 à 25 réactions. L'IA agit comme un "bibliothécaire universitaire" : elle cherche la densité et l'exactitude, pas la BD la plus populaire du mois.LinkedIn, le nouveau Wikipédia de l'IA : Pour éviter les "hallucinations" (inventer de faux faits), les systèmes RAG (Retrieval-Augmented Generation) s'appuient sur des bases de données structurées et professionnelles. Avec 89 000 URL citées, LinkedIn est le terrain de chasse favori des algorithmes.L'importance de la "similarité sémantique" : Avec un score de fidélité de 0.60, les IA citent LinkedIn de manière quasi textuelle. La leçon ? Arrêtez les introductions nébuleuses et le jargon vide ; soyez clinique et direct dès la première ligne.La revanche du format long : Oubliez la théorie du "temps d'attention de 3 secondes". Les articles de fond (500 à 2000 mots) représentent jusqu'à 66% des sources retenues par l'IA. La machine ne scrolle pas, elle cartographie les concepts.La fracture des plateformes (Pages vs Profils) : Comment piloter sa stratégie quand Perplexity favorise les Pages Entreprises (59%) tandis que ChatGPT et Google AI privilégient les profils personnels (59%) ? Le secret réside dans l'opérationnalisation du Thought Leadership.💡 La réflexion finale :Si les moteurs d'Intelligence Artificielle ignorent systématiquement le superficiel et les pièges à clics pour récompenser l'expertise technique et la pédagogie, assistons-nous enfin à l'effondrement de la culture du "clickbait" B2B au profit d'une véritable économie de la connaissance ?⏱️ Chapitrage :00:00 - Introduction : Quand 15 likes deviennent un triomphe.01:40 - L'étude SEMrush : LinkedIn, 2ème source mondiale de l'IA.02:50 - La mécanique du RAG : Pourquoi l'IA a besoin de LinkedIn pour ne pas halluciner.04:45 - Similarité sémantique : L'ingénierie du message et la fin du jargon.06:50 - L'anatomie du contenu idéal : Le format long écrase le format court.08:50 - Le paradoxe de l'engagement : Pourquoi l'IA préfère les posts "invisibles".12:20 - Le schisme des plateformes : Perplexity (Entreprise) vs ChatGPT (Profils).13:30 - Plan d'action : Le marketing comme agence de presse interne.14:30 - Conclusion : La fin du clickbait en B2B ?📈 Mots-clés :LinkedIn, Intelligence Artificielle, ChatGPT Search, Perplexity, Google AI, Stratégie B2B, Création de contenu, SEMrush, RAG, Thought Leadership, Personal Branding, Algorithme LinkedIn.La source : https://www.semrush.com/blog/linkedin-ai-visibility-study/---Une co-production originale du studio #JNPJ Je Ne Perds Jamais, Patrick DE CARVALHO (voir sur Linkedin) et 72h-podcast.comhttps://jeneperdsjamais.comhttps://patrickdecarvalho.comhttps://72h-podcast.com---Ce Podcast n'appartient pas et n'est pas affilié à LinkedIn Corporation. LinkedIn, le logo LinkedIn, le logo IN et InMail sont des marques déposées par LinkedIn Corporation. Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
    続きを読む 一部表示
    15 分
  • 2026 : La fin du hasard viral et l'avènement de l'Algorithme Sémantique (360-Brew)

    2026 : La fin du hasard viral et l'avènement de l'Algorithme Sémantique (360-Brew)
    2026/03/01
    Avez-vous remarqué que vos "posts inspirants" ne fonctionnent plus ? 📉Bienvenue dans la sphère professionnelle de 2026. L'ère de l'attention gratuite est révolue. Aujourd'hui, un nouvel arbitre impitoyable, l'algorithme sémantique 360-Bro, analyse votre contenu mot par mot. Si votre accroche n'est pas chirurgicale, si votre expertise n'est pas prouvée par des "cadres méthodologiques" propriétaires, vous êtes invisible.Dans cet épisode, nous décodons la stratégie de Chris Donnelly (entrepreneur aux 1,2 million d'abonnés) pour dominer ce nouvel écosystème. Fini la vulnérabilité larmoyante ("pleurer dans sa voiture"), place à l'ingénierie de contenu : * Comment optimiser votre profil en "Landing Page" de conversion. * Pourquoi le Carrousel pulvérise la vidéo courte grâce au "Dwell Time". * La méthode des "Outliers" pour ne plus jamais publier au hasard. * L'urgence absolue de la "Déplatformisation" pour sécuriser votre business.🎙️ Points clés de l'épisode) : * L'Algorithme 360-Bro : Comprendre ce modèle de langage qui juge la pertinence sémantique de vos posts et punit sévèrement le hors-sujet (Ex: un expert finance qui poste des photos de chat). * La Règle des 80/20 & l'ICP : Pourquoi 80% de votre contenu doit se concentrer sur seulement 3 piliers thématiques ultra-précis pour résoudre les problèmes de votre "Profil Client Idéal" (ICP). * La Fin de la Vulnérabilité Personnelle : Le remplacement des anecdotes émotionnelles par la "Propriété Intellectuelle Conceptuelle" (créer vos propres Frameworks, comme James Clear avec les Habitudes Atomiques). * La suprématie du Carrousel : Analyse du "Dwell Time" (temps de rétention) et pourquoi un lecteur qui passe 3 minutes sur un PDF vaut plus pour l'algorithme qu'un spectateur passif de vidéo. * L'Entonnoir de Conversion Asynchrone : La stratégie en 3 couches (Conscience, Considération, Conversion) et pourquoi vos posts de vente feront toujours peu de vues (et c'est normal). * La Déplatformisation : L'impératif de capturer les e-mails via des "Lead Magnets" à très haute valeur ajoutée (pas de petits PDF bâclés) pour ne plus dépendre des caprices de l'algorithme.💡 La réflexion finale :Si le succès dépend désormais de notre capacité à parler la langue des machines, le talent humain se résume-t-il à devenir un excellent ingénieur sémantique ?Chapitrage : * 00:00 - Introduction : La chute de l'engagement facile * 02:00 - 360-Bro : L'IA qui lit vos posts mieux qu'un humain * 03:40 - L'importance vitale des 2 premières phrases (le Hook) * 05:30 - La Règle des 80/20 et les 3 piliers thématiques * 07:00 - Optimisation du Profil : De CV à Landing Page * 08:40 - Le match : Carrousel (Dwell Time) vs Vidéo * 12:00 - Créer sa Propriété Intellectuelle (Frameworks) * 14:30 - La méthode des "Outliers" : L'ingénierie inverse du succès * 17:00 - L'Entonnoir de Vente (pourquoi les posts de vente font peu de vues) * 20:00 - Survie : La Déplatformisation et la "Surdélivrance »📈 Mots-clés pour le référencement (Tags) :LinkedIn 2026, Algorithme Sémantique, Personal Branding, Stratégie de contenu B2B, Carrousels, Chris Donnelly, Lead Magnet, Copywriting, Marketing digital, Solopreneur.---Une co-production originale du studio #JNPJ Je Ne Perds Jamais, Patrick DE CARVALHO (voir sur Linkedin) et 72h-podcast.comhttps://jeneperdsjamais.comhttps://patrickdecarvalho.comhttps://72h-podcast.com---Ce Podcast n'appartient pas et n'est pas affilié à LinkedIn Corporation. LinkedIn, le logo LinkedIn, le logo IN et InMail sont des marques déposées par LinkedIn Corporation. Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
    続きを読む 一部表示
    24 分
  • Les 25 métiers en pleine expansion aux USA

    Les 25 métiers en pleine expansion aux USA
    2026/01/05

    Dans un monde de plus en plus dominé par l'intelligence artificielle, est-ce que tous les chemins professionnels mènent inévitablement à la tech ?


    Cet épisode de podcast se penche sur cette question brûlante en analysant la nouvelle liste des 25 métiers en forte croissance aux États-Unis, publiée par LinkedIn News.


    L'objectif est de découvrir les surprises et les paradoxes qui se cachent derrière ces tendances, tout en offrant des perspectives claires sur un marché du travail en pleine mutation.


    L'épisode accueille un invité qui apporte son expertise sur le sujet. Bien que son identité ne soit pas explicitement mentionnée dans la transcription, il semble être un analyste ou un expert en emploi et technologie, capable de décortiquer les données et d'expliquer les implications profondes de ces nouvelles tendances professionnelles. Son analyse met en lumière l'importance croissante de l'expérience et de la stratégie, au-delà des simples compétences techniques.


    Au cœur de la discussion, l'épisode explore comment l'intelligence artificielle façonne non seulement de nouveaux métiers, mais également un écosystème complet qui nécessite une variété de compétences et de profils. De l'ingénieur en IA à l'annotateur de données, chaque rôle joue un rôle crucial dans cette révolution. Parallèlement, une autre tendance émerge : l'entrepreneuriat en plein essor, symbolisant une quête d'autonomie et de flexibilité. Ces évolutions montrent que le marché du travail est en train de se redéfinir, où l'impact personnel et la polyvalence des compétences deviennent les véritables moteurs de succès.

    ---

    Une co-production originale du studio #JNPJ Je Ne Perds Jamais, Patrick DE CARVALHO (voir sur Linkedin) et 72h-podcast.com


    https://jeneperdsjamais.com

    https://patrickdecarvalho.com

    https://72h-podcast.com

    ---

    Ce Podcast n'appartient pas et n'est pas affilié à LinkedIn Corporation. LinkedIn, le logo LinkedIn, le logo IN et InMail sont des marques déposées par LinkedIn Corporation.

    Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
    続きを読む 一部表示
    12 分
  • Les secrets de l’algorithme de recommandation expliqués

    Les secrets de l’algorithme de recommandation expliqués
    2025/12/29

    Comment LinkedIn décide-t-il quels posts vous montrer parmi les millions publiés chaque jour ? Cette question intrigue de nombreux utilisateurs, confrontés à un fil d'actualité qui semble parfois deviner leurs pensées, et d'autres fois, les surprendre par son manque de pertinence. Dans cet épisode, nous nous penchons sur les rouages complexes de l'algorithme de LinkedIn, en explorant comment la plateforme tente de comprendre le sens profond de chaque publication pour personnaliser l'expérience utilisateur.


    L'invité de cet épisode est un document de recherche exceptionnel rédigé par les ingénieurs de LinkedIn, présenté lors de la conférence ACIM-CKM de novembre 2025. Ce document offre une rare transparence sur les méthodes internes de LinkedIn, dévoilant des concepts tels que les post-embeddings et l'apprentissage multitâche. Ces innovations permettent à LinkedIn de transformer chaque publication en une carte d'identité numérique, facilitant ainsi la comparaison et la recommandation de contenu pertinent à une échelle mondiale.


    L'épisode explore en profondeur le fonctionnement de l'algorithme de LinkedIn, détaillant comment il utilise des techniques d'apprentissage multitâche pour améliorer la pertinence des posts recommandés. En s'appuyant sur des signaux variés comme les intérêts, les actualités, les hashtags, et les intentions de recherche, LinkedIn a développé un modèle spécialisé, compact mais puissant. Ce modèle, bien que plus petit que les grands modèles généralistes, s'avère être bien plus efficace pour répondre aux besoins spécifiques de LinkedIn. L'épisode conclut sur les implications futures de cette technologie, notamment l'impact potentiel des member embeddings sur le recrutement, la formation, et le networking professionnel.

    ---

    Une co-production originale du studio #JNPJ Je Ne Perds Jamais, Patrick DE CARVALHO (voir sur Linkedin) et 72h-podcast.com


    https://jeneperdsjamais.com

    https://patrickdecarvalho.com

    https://72h-podcast.com

    ---

    Ce Podcast n'appartient pas et n'est pas affilié à LinkedIn Corporation. LinkedIn, le logo LinkedIn, le logo IN et InMail sont des marques déposées par LinkedIn Corporation.

    Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
    続きを読む 一部表示
    13 分
  • Nouvelle fonctionnalité de recherche Linkedin avec IA

    Nouvelle fonctionnalité de recherche Linkedin avec IA
    2025/11/14
    Comment LinkedIn a-t-il surmonté le défi colossal de déployer une IA générative à grande échelle ?Dans cet épisode, nous explorons les coulisses de LinkedIn et leur parcours pour intégrer une IA générative à leur plateforme. Pourquoi un processus qui semble si simple a-t-il été décrit comme lent et brutal par l'équipe de LinkedIn ? La réponse réside dans les défis techniques liés à l'ingénierie à très grande échelle. L'épisode nous guide à travers les étapes cruciales de ce projet, en commençant par la transition d'une recherche par mots-clés à une recherche sémantique, où l'IA comprend le contexte et l'intention derrière les requêtes des utilisateurs.🚀 Déploiement de l’IA générative : un défi colossal LinkedIn a relevé le défi d’intégrer une IA générative à grande échelle pour sa vaste base d’utilisateurs. Ce processus, bien que pragmatique et optimisé, a nécessité de surmonter de nombreux obstacles techniques.🔍 De la recherche par mots-clés à la compréhension sémantique La transition de la recherche par mots-clés à une recherche sémantique a transformé l’interaction des utilisateurs avec la plateforme. L’IA ne se contente plus de chercher des mots spécifiques, mais comprend l’intention et le contexte des requêtes.📈 Échelle exponentielle et défis techniques Le passage de la gestion de millions à des milliards de profils a présenté des défis techniques majeurs. Les solutions adaptées à des millions d’entrées ne fonctionnent pas nécessairement à l’échelle d’un milliard, nécessitant une réévaluation complète.📚 La recette du succès : processus et optimisation Le succès réside dans une méthode éprouvée, analogue à un livre de recettes. Un modèle IA volumineux est utilisé pour générer une vaste base de données, puis optimisé par distillation pour créer un modèle plus petit et rapide, prêt pour la production.✂️ Optimisation : élagage et résumé Pour rendre le modèle IA plus efficace, LinkedIn a réduit sa taille de moitié par élagage, tout en maintenant une précision élevée. De plus, une IA auxiliaire résume les informations, réduisant la taille des données d’entrée par un facteur de 20.⚡ Vitesse de traitement multipliée par 10 Grâce à ces optimisations, la vitesse de traitement a été décuplée, permettant un déploiement réussi de la recherche sémantique à l’ensemble des membres de LinkedIn.🧭 Philosophie pragmatique : améliorer les outils fondamentaux Contrairement à la tendance de l’industrie vers des agents IA autonomes, LinkedIn s’est concentré sur l’amélioration des outils fondamentaux. Un agent IA, aussi intelligent soit-il, est inefficace avec de mauvais outils.🔑 Leçons apprises : pragmatique, codification, optimisation Trois leçons clés se dégagent : être pragmatique en résolvant un problème à la fois, codifier les succès pour les reproduire, et optimiser continuellement chaque étape pour des gains significatifs. Cette approche pourrait résoudre d’autres défis perçus comme impossibles.0:00:00 - Introduction à la recherche sémantique de LinkedIn0:00:22 - Transition de la recherche par mots-clés à la compréhension naturelle0:01:00 - Défi de grande échelle0:01:73 - Le défi du passage à l'échelle de milliards d'utilisateurs0:02:124 - L'échec initial et l'importance de se concentrer0:02:144 - La métaphore du livre de recettes0:03:161 - Méthode de distillation des modèles d'IA0:03:203 - Optimisation et élagage du modèle0:04:242 - Réduction de la taille des données d'entrée0:04:276 - Impact des optimisations : multiplication par 10 de la vitesse de traitement0:04:295 - Philosophie de LinkedIn : amélioration des outils fondamentaux0:05:317 - Trois leçons à retenir et conclusion---Une co-production originale du studio #JNPJ Je Ne Perds Jamais, Patrick DE CARVALHO (voir sur Linkedin) et 72h-podcast.comhttps://jeneperdsjamais.comhttps://patrickdecarvalho.comhttps://72h-podcast.com---Ce Podcast n'appartient pas et n'est pas affilié à LinkedIn Corporation. LinkedIn, le logo LinkedIn, le logo IN et InMail sont des marques déposées par LinkedIn Corporation. Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
    続きを読む 一部表示
    6 分