Vantage Discovery
Vantage Discovery (acquired by Shopify in March 2025) · Programmation · Entreprise
Vantage Discovery est une plateforme de recherche par IA destinée aux boutiques en ligne. Elle s'appuie sur des embeddings et des modèles de langage pour lire l'intention de l'acheteur, classer les produits et personnaliser les résultats. Shopify a racheté l'entreprise en mars 2025.
À propos de Vantage Discovery
About
Qu'est-ce que Vantage Discovery
Vantage Discovery était une plateforme de découverte de produits par IA pour le commerce en ligne. Lance Riedel et Nigel Daley, deux ingénieurs passés par le moteur de recherche de Pinterest, l'ont fondée en 2023. L'entreprise a levé un tour d'amorçage puis une Série A avant de rejoindre Shopify en mars 2025. Le produit n'était pas une application grand public : c'était la couche de recherche qu'une boutique branchait sur son propre catalogue et sa propre vitrine.
Le problème visé se situe entre la façon dont les clients écrivent et la façon dont les catalogues sont indexés. Une requête comme « veste légère de pluie pour aller au travail à vélo » échoue sur un moteur qui compare seulement des titres et des étiquettes. La plateforme transformait produits et requêtes en vecteurs, si bien que la recherche de produits en langage naturel renvoyait des articles qui ne contenaient aucun de ces mots. Un modèle de langage réordonnait ensuite cette présélection selon la pertinence probable.
La disponibilité constitue aujourd'hui la limite principale. Vantage Discovery n'est plus vendu comme service autonome, et la page tarifaire comme la documentation publique ont disparu après le rachat. Les lecteurs qui s'y intéressent évaluent désormais ce que Shopify a construit avec la même équipe, pas l'achat de la plateforme d'origine. La seconde limite tient à la charge technique : c'est un produit d'API, donc il faut quelqu'un pour modéliser le catalogue, brancher les points d'accès et régler le classement au fil du temps.
Pour démarrer
- Échanger avec l'équipe sur la taille du catalogue et le volume de requêtes. L'accès passait par un échange commercial, pas par une inscription en libre-service.
- Envoyer le catalogue. Les produits arrivaient sous forme d'enregistrements avec titre, description, prix et les attributs utilisables par la recherche.
- Brancher le point d'accès de recherche sur la vitrine, puis définir les filtres par catégorie, tranche de prix et disponibilité.
- Suivre les requêtes et les clics après la mise en ligne, puis ajuster les poids du classement et la place accordée aux signaux de personnalisation.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Vantage Discovery.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Équipes techniques e-commerce
- Responsables merchandising de retailers de taille moyenne
- Catalogues de marketplaces et de B2B
Tâches
- Récupérer les recherches sans résultat
- Ajouter une recherche de produits en langage naturel à une boutique active
- Construire des recommandations personnalisées à partir des comportements
Cas d'usage
- Un catalogue rempli de références techniques
- Un fort trafic avec peu de conversion depuis la recherche
- Une boutique déjà sur Shopify
Fonctionnalités clés
Correspondance sémantique sur tout le catalogue
Produits et requêtes sont projetés dans le même espace vectoriel, la recherche peut donc rapprocher des sens plutôt que des mots communs. Une demande de « tenue douillette pour l'hiver à la maison » fait remonter des ensembles en polaire qui n'emploient jamais le mot douillette. C'est le cœur de la plateforme, et tout le reste s'appuie dessus.
Reclassement par LLM des résultats vectoriels
La similarité vectorielle produit une présélection, puis un modèle de langage la réordonne à partir de signaux comme l'adéquation des attributs et la probabilité de conversion. Concrètement, les premiers résultats ressemblent au choix d'un bon merchandiser, pas seulement à ce qui obtient la meilleure distance numérique. Les fondateurs situaient là leur principale différence face aux autres moteurs.
Personnalisation de la recherche selon les comportements
La plateforme lisait les clics, les enregistrements et les achats pour ajuster les résultats de chaque visiteur. Une personne qui consulte régulièrement des jeans à jambe large les retrouve mieux placés à la visite suivante. Les boutiques qui collectent déjà des données comportementales en tirent davantage, car le modèle dispose d'un historique.
API de recherche vectorielle pour les développeurs
Tout passe par une API de recherche vectorielle que la boutique appelle depuis son propre front-end. L'équipe garde son interface et son tunnel de paiement, et remplace la couche de requête en dessous. Aucune refonte du thème n'est nécessaire, ce qui raccourcit le passage de l'essai à la production.
Filtres par attributs et métadonnées
Les produits portent des métadonnées comme la catégorie, le prix et la disponibilité, et les requêtes peuvent filtrer dessus avant le classement. Une correspondance sémantique ne renvoie donc pas une mauvaise taille ni un article épuisé. Les filtres servent aussi à appliquer des règles métier que la seule similarité ignorerait.
Circuit d'import du catalogue
L'entrée des produits est une étape définie, pas un détail de fin de projet : les enregistrements arrivent avec les champs dont le modèle a besoin et suivent les évolutions du catalogue. Des titres et des attributs propres comptent ici, car des données faibles donnent des correspondances faibles, quel que soit le classement.
Avantages et inconvénients
Avantages
- Les requêtes descriptives à plusieurs attributs donnent des résultats exploitables, précisément là où la recherche par mots-clés casse sur un catalogue de retail.
- La conception API-first laisse à la boutique son front-end et son paiement, sans migration vers une autre plateforme de commerce.
- L'équipe fondatrice a construit de la recherche chez Pinterest, le travail de classement reflète donc une expérience réelle à fort trafic.
- La personnalisation s'appuie sur des données comportementales que presque toutes les boutiques enregistrent déjà, sans nouvelle couche de suivi.
Inconvénients
- Impossible de souscrire aujourd'hui. Depuis le rachat par Shopify, Vantage Discovery n'est plus proposé comme service autonome, ce qui l'écarte de toute short-list de moteur de recherche en 2026.
- Aucun tarif public n'existe et l'ancienne page de prix a disparu, il n'y a donc aucune base pour bâtir un budget.
- Il faut un propriétaire technique en interne. Modélisation du catalogue, intégration des points d'accès et réglage de la pertinence restent côté boutique, et une équipe marketing ne peut pas porter cela seule.
Questions fréquentes
Il assurait la recherche et la découverte de produits sur des vitrines de retail. La boutique envoyait son catalogue, puis appelait une API qui renvoyait des correspondances sémantiques et des résultats personnalisés au lieu de simples correspondances de mots-clés.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Vantage Discovery.
Alternatives à Vantage Discovery
Base Code
Base44 (Wix) · Programmation · ProductivitéBase Code est un environnement de développement cloud partagé signé Base44. Votre équipe décrit des modifications sur un dépôt GitHub dans le chat, les vérifie en aperçu et les renvoie sous forme de pull requests.
Google EmbeddingGemma 2
Google DeepMind · Rédaction · Image · ProgrammationGoogle EmbeddingGemma 2 est un modèle ouvert de 740 millions de paramètres qui transforme texte, code, images, audio et images vidéo en vecteurs d'un même espace de 768 dimensions, sur un téléphone ou un ordinateur portable.
GitGlow
GitGlow · Programmation · ProductivitéGitGlow est un client Git de bureau qui place votre code et les modifications de vos agents IA dans une même revue, pour savoir ce qui quitte votre machine avant de livrer.