OSMOZ-IT — Projet de matching sémantique

Contexte

OSMOZ-IT rencontre des difficultés dans l'identification d'épisodes de séries : titres et numéros varient selon les pays de diffusion, rendant les correspondances complexes. Un pilote rapide sur OpenSearch a confirmé la faisabilité d'une approche de rapprochement sémantique des synopsis.

Solution livrée

• Moteur vectoriel : OpenSearch déployé en Docker pour la recherche sémantique.
• Embeddings multilingues : conversion des synopsis en vecteurs d'embeddings via modèles multilingues.
• Import et recherche : ingestion des données en plusieurs langues, recherche via Dev Tools et API REST.
• Benchmark comparatif : évaluation des modèles, stratégies de recherche et analyse statistique.
• Livraison clé en main : Dockerfile, Docker Compose, synthèse technique, notebook de démo et résultats de tests.

Benchmark

Une démarche de benchmark a été menée pour valider la solution : comparaison de modèles d'embedding (propriétaire vs open source), analyse des stratégies de recherche (seuil de score minimum, top-k), et évaluation statistique (précision, rappel, MRR, NDCG). L'objectif était d'atteindre un taux de matching correct supérieur à 90 % sur un échantillon représentatif.

Témoignage client

« J'ai fait appel à Ninoh et Joël pour développer un prototype de matching sémantique d'épisodes de séries. La qualité du livrable et la précision de leur rapport ont largement dépassé mes attentes. Je recommande vivement Ninoh et Joël à toute entreprise souhaitant s'entourer d'experts IA fiables et rigoureux. »

— Marc OZONNE, Co-fondateur, OSMOZ-IT