La relation évolutive d’OpenAI avec les grandes entreprises technologiques devient de plus en plus complexe, ses modèles d’IA montrant des dépendances au-delà de Microsoft, notamment en incorporant les fonctionnalités de requête de Google Shopping dans ChatGPT. Cette intégration révèle les nuances des dépendances des services d’IA et des implémentations techniques qui sous-tendent les requêtes sur les produits grand public.

Contexte sur la plateforme et les dépendances d’OpenAI

OpenAI s’est initialement appuyé sur l’infrastructure cloud et de recherche de Microsoft pour alimenter diverses facettes de ses capacités d’IA, y compris Bing pour les résultats de recherche dans ChatGPT. Cependant, alors que l’entreprise revendique une plus grande autonomie, des questions ont émergé sur la nature de ses dépendances, notamment concernant la domination de Google dans les données du commerce électronique via Google Shopping.

Découverte technique : le champ id_to_token_map

Fin 2025, des chercheurs en IA ont observé un champ intrigant nommé id_to_token_map intégré dans le code source de ChatGPT. Ce champ était encodé en base64 et, après décodage, révélait des paramètres communs à Google Shopping tels que productid, offerid et des identifiants de locale. Ces données suggéraient que ChatGPT pourrait référencer directement les informations produits de Google Shopping lorsqu’il répond à des requêtes liées au shopping.

Ces paramètres permettaient de reconstruire les URLs de Google Shopping, indiquant fortement que ChatGPT récupère ou référence des données de Google Shopping pour alimenter ses carrousels de produits et suggestions pour des requêtes comme « meilleurs smartphones à moins de 500 $ ». Cela soulève des considérations importantes sur la manière dont les modèles d’IA incorporent des données tierces.

Implications de l’utilisation des données Google Shopping dans ChatGPT

L’intégration des paramètres de Google Shopping indique la dépendance d’OpenAI envers Google pour les métadonnées produits détaillées, les prix et offres dans les réponses de ChatGPT. Malgré un éloignement de Microsoft/Bing, OpenAI aurait développé une nouvelle forme de dépendance en s’appuyant sur l’infrastructure commerciale étendue de Google pour enrichir la sortie de l’IA.

« Incorporer les données de Google Shopping améliore la capacité de l’IA à fournir des informations produit précises et à jour tout en réduisant le besoin de collecte de données interne ou de partenariats », explique la Dr Lisa Kim, spécialiste des agents commerciaux IA.

Ces dépendances influencent la neutralité de l’IA et posent des questions sur la transparence des sources de données. Par exemple, lorsque ChatGPT suggère des produits, les utilisateurs peuvent être indirectement exposés aux biais algorithmiques de Google Shopping, impactant l’équité des recommandations produits.

Facteurs de performance et expérience utilisateur

En utilisant les données structurées de Google Shopping, ChatGPT atteint potentiellement des résolutions de requêtes produit plus rapides et des affichages d’offres plus pertinents comparés à une reliance unique sur les résultats Bing, qui peuvent avoir une fraîcheur ou une couverture différente des données. Cela pourrait renforcer l’engagement utilisateur, notamment pour les décisions d’achat dans l’interface de chat de l’IA.

Cependant, la coexistence des dépendances Microsoft et Google dans la même plateforme souligne la nature hybride des intégrations IA, combinant les forces de plusieurs fournisseurs pour une fonctionnalité optimale.

Comparaison des fan-outs de requêtes (QFO) entre Google et Bing

Le fan-out de requêtes désigne l’ampleur et la profondeur des requêtes produits connexes générées par une IA en réponse à l’entrée d’un utilisateur. Comparer les fan-outs de Google Shopping et des carrousels Bing permet d’évaluer la richesse, la pertinence et la diversité des résultats commerciaux générés par l’IA.

Les études montrent que les fan-outs de ChatGPT utilisant les données Google Shopping sont plus larges et détaillés, probablement en raison de l’écosystème de marchands plus vaste de Google et de son indexation spécialisée du e-commerce. Cela confère un avantage compétitif à ChatGPT pour répondre aux requêtes shopping.

Construction d’URLs à partir des paramètres encodés

À partir des paramètres décodés de id_to_token_map, les chercheurs ont reconstruit les URLs Google Shopping correspondant à chaque produit affiché dans les carrousels ChatGPT. Ce processus a confirmé les liens Google Shopping comme source. Par exemple, des paramètres tels que :

productid=ABC123&offerid=XYZ789&hl=en-US&gl=US

se traduisent par une URL active pointant vers la page détail produit sur Google Shopping, confirmant une source de données directe.

Contexte plus large : IA et sources de données externes

L’exemple d’OpenAI illustre une tendance forte dans le développement de l’IA : la dépendance aux bases de données externes complètes pour améliorer les sorties des modèles. Si cela améliore la précision et la richesse des réponses, cela interconnecte aussi les plateformes d’IA avec les services web dominants, influençant la souveraineté des données et la transparence des intégrations.

La transparence sur l’origine des données est cruciale pour la confiance et la conformité réglementaire, surtout alors que les gouvernements scrutent les origines des contenus générés par IA et l’équité du marché.

Perspectives d’avenir pour l’intégration des données shopping et IA

À l’avenir, les développeurs IA pourraient explorer divers partenariats de données ou développer des ensembles de données commerciales propriétaires pour réduire la dépendance à un unique fournisseur. De plus, les architectures IA évolutives pourraient intégrer nativement des sources de données en temps réel de façon plus fluide, fournissant des résultats contextuels plus riches sans compromettre la diversité des sources.

« Construire un écosystème qui équilibre accessibilité des données et indépendance des fournisseurs est essentiel pour une croissance durable de l’IA », affirme Marcus Levine, analyste marché spécialisé dans les technologies commerciales IA.

Conclusion

La transition d’OpenAI de Microsoft à l’intégration des données Google Shopping dans ChatGPT révèle un paysage complexe de dépendances aux données IA. En exploitant l’immense quantité d’informations produits de Google, ChatGPT améliore l’expérience utilisateur pour les requêtes shopping mais soulève en parallèle des questions de dépendance, de transparence des données et de contrôle de l’écosystème. Surveiller et équilibrer ces facteurs reste vital pour le développement éthique et efficace des assistants commerciaux basés sur l’IA.