Whatnot acquiert Shaped pour alimenter les recommandations d'achats en direct en temps réel

L'application d'achats en direct Whatnot a annoncé mercredi qu'elle avait acquis Shaped, une entreprise de machine learning spécialisée dans les systèmes de recommandation et de recherche en temps réel. L'accord vise à renforcer les capacités de découverte et de personnalisation de Whatnot alors que la plateforme continue de s'étendre à de nouvelles catégories de produits et à des millions d'acheteurs. Selon l'entreprise, cette acquisition aide Whatnot à poursuivre son investissement dans l'IA alors qu'elle cherche à résoudre l'un des plus grands défis du commerce en direct : aider les acheteurs à trouver les bons produits alors que l'inventaire, les enchères et la demande des acheteurs changent en temps réel. Contrairement aux plateformes d'e-commerce traditionnelles, où les catalogues de produits restent relativement stables, le marché de Whatnot est en constante évolution, et les enchères en direct peuvent se terminer en quelques minutes ou durer des heures. « En combinant la technologie de Shaped avec les systèmes existants de Whatnot, nous pouvons rendre les recommandations plus rapides, plus réactives et plus personnalisées », a déclaré Emmanuel Fuentes, VP, Data et AI chez Whatnot, à TechCrunch. « Cette vitesse compte car le commerce en direct est un problème de recommandation particulièrement difficile. L'inventaire change à la seconde, les émissions commencent et se terminent continuellement, et l'intention de l'acheteur change tout au long d'une émission. » Fuentes a déclaré que l'entreprise a passé les six dernières années à améliorer la vitesse de son moteur de recommandation, réduisant la latence des recommandations d'environ une journée à quelques minutes seulement. L'intégration de la technologie de Shaped devrait rapprocher encore plus ces recommandations du temps réel. L'entreprise affirme que ses systèmes traitent plus de 500 000 heures de vidéo en direct et des millions d'interactions en temps réel chaque semaine, utilisant ces données pour améliorer continuellement les recommandations. Fondée pour aider les entreprises à construire des systèmes de recommandation basés sur l'IA, Shaped a développé une technologie qui combine les données clients existantes avec de grands modèles linguistiques et le machine learning pour offrir des expériences de recherche et de découverte hautement personnalisées. Sa liste de clients comprenait des entreprises telles qu'Outdoorsy et QVC. Dans le cadre de l'acquisition, le fondateur et PDG de Shaped, Tullie Murrell, ainsi que près d'une douzaine d'ingénieurs et de chercheurs en IA, rejoindront Whatnot. Murrell dirigera le groupe de recherche en IA appliquée nouvellement formé de l'entreprise. (Notamment, Murrell a travaillé chez Meta avant de lancer Shaped.) L'acquisition intervient alors que Whatnot connaît une croissance significative. Lancée en 2019, l'entreprise a récemment révélé que les vendeurs avaient dépassé un milliard de commandes. Plus tôt cette année, Whatnot a levé 225 millions de dollars lors d'un financement de série F, donnant à l'entreprise une valorisation de plus de 11 milliards de dollars après avoir ajouté 20 millions d'acheteurs au cours de la dernière année. Whatnot a également considérablement élargi son marché, lançant plus de 35 nouvelles catégories l'année dernière – y compris l'art, le golf et le vinyle – et plus de 45 catégories supplémentaires au cours du premier semestre 2025, avec de nouvelles sous-catégories qui continuent d'être lancées chaque mois. De plus, cette décision intervient alors que les géants de la revente se précipitent pour intégrer l'IA dans toutes leurs plateformes, comme eBay et Poshmark. Lorsque vous effectuez un achat via les liens de nos articles, nous pouvons gagner une petite commission. Cela n'affecte pas notre indépendance éditoriale. Lauren couvre les médias, le streaming, les applications et les plateformes chez TechCrunch. Vous pouvez contacter ou vérifier les informations de Lauren en envoyant un e-mail à laurenf.techcrunch@gmail.com ou via un message crypté à laurenforris22.25 sur Signal. Voir la bio.