Guglielmo Faglioni, cofondateur et directeur des sciences et technologies, Callimacus – série d’entretiens

Guglielmo Faglioni, cofondateur et directeur des sciences et technologies chez Callimacus, est un entrepreneur dans le secteur technologique et un ingénieur logiciel qui possède plus de dix ans d’expérience dans la création de produits et d’applications numériques. Parallèlement à ses fonctions chez Callimacus, il est PDG de Gorilla Technologies depuis 2016, une société de développement logiciel spécialisée dans les applications mobiles, les sites web et les solutions de commerce électronique. Plus tôt dans sa carrière, Faglioni a fondé GuiDev, où il a travaillé comme ingénieur logiciel iOS principal. Chez Callimacus, il contribue à diriger le développement scientifique et technique de l’approche de l’entreprise en matière d’expériences numériques pilotées par l’IA.

Callimacus est une plateforme d’IA développée par Solomei AI, entreprise basée à Milan, qui remplace le concept traditionnel de pages web statiques par des expériences numériques assemblées dynamiquement pour chaque visiteur. Son architecture s’appuie sur un ensemble d’agents d’IA spécialisés qui interprètent des signaux tels que les questions, les clics et le comportement de défilement, déterminent l’intention de l’utilisateur et composent des éléments d’interface pertinents en temps réel. La plateforme peut se connecter à des systèmes comme Shopify et Salesforce, à des systèmes de gestion de contenu et à des API, tout en fournissant aux développeurs des SDK pour intégrer ses capacités de détection des intentions et de génération d’interfaces aux interfaces frontales existantes. Callimacus a également été déployée pour alimenter les expériences numériques pilotées par l’IA de Brunello Cucinelli, une entreprise de mode de luxe.

Avant de cofonder Callimacus, vous avez passé des années à développer des logiciels en tant qu’ingénieur iOS, puis vous avez fondé et dirigé Gorilla Technologies. Quelles expériences vécues au cours de ce parcours vous ont convaincu que l’architecture web traditionnelle, fondée sur les pages, était prête à être fondamentalement repensée pour l’ère de l’IA ?

La création d’applications iOS m’a appris quelque chose dont j’ai mis des années à mesurer pleinement la portée : chaque écran est conçu à l’avance et tous les utilisateurs voient le même. On conçoit l’application, on la met en ligne, puis on voit des millions de personnes différentes suivre le même parcours. On peut segmenter les utilisateurs et effectuer des tests A/B, mais on choisit toujours parmi des versions dessinées à l’avance par quelqu’un. Le web a hérité du même modèle de l’imprimerie : la page comme contenant fixe. Dès lors que les modèles ont été capables de comprendre les intentions et de prendre assez rapidement des décisions structurées, il est devenu possible de remettre en question le contenant lui-même, plutôt que de chercher à optimiser ce qu’il renferme.

Callimacus remplace les parcours prédéfinis sur les sites web par un « orchestre » d’agents d’IA qui interprète les intentions des visiteurs et compose une interface en temps réel. Pouvez-vous nous expliquer ce qui se passe d’un point de vue technique, depuis l’arrivée d’un visiteur jusqu’à l’apparition de cette expérience personnalisée ?

Callimacus repose sur une architecture sans pages. Au lieu d’organiser le contenu en pages web prédéfinies, notre technologie le dissocie de la page elle-même. Les produits, les contenus éditoriaux, les médias et les composants d’interface existent indépendamment, ce qui permet de les recombiner dynamiquement au lieu de les enfermer dans des contenants fixes.

Dès que le visiteur commence à interagir, Callimacus analyse des signaux multidimensionnels, tels que les clics, les habitudes de navigation et les conversations fondées sur des requêtes. L’agent d’intention s’appuie sur ces signaux pour comprendre le contexte, les intérêts, les attentes et le comportement du visiteur, ainsi que ce qu’il cherche à accomplir à ce moment précis. L’agent d’intention active ensuite le « récepteur » le mieux adapté à cette motivation. Par exemple, une personne en quête d’inspiration peut suivre un parcours d’interaction différent de celui d’une personne qui manifeste clairement l’intention d’effectuer un achat. Le système sélectionne alors les contenus et les composants d’interface les plus pertinents, puis compose l’expérience en quelques millisecondes. Ce processus ne se produit pas une seule fois. À mesure que le visiteur interagit et que son intention évolue, l’expérience sans pages peut continuer à se recomposer autour de lui, au lieu de le contraindre à suivre un parcours conçu à l’avance.

La personnalisation existe sur le web depuis des années, grâce aux moteurs de recommandation, à la segmentation et aux tests A/B. En quoi les interfaces génératives guidées par les intentions se distinguent-elles fondamentalement de ces approches antérieures ?

Pour nous, la différence fondamentale tient à l’opposition entre personnaliser à partir du passé et comprendre ce dont une personne a besoin à l’instant présent. La plupart des formes de personnalisation existantes reposent sur des éléments tels que les profils CRM, les cookies et le comportement passé. Ces données peuvent nous renseigner sur ce que les gens ont fait auparavant, mais l’intention est beaucoup plus immédiate et peut changer au cours d’une même session.

Callimacus est conçue pour comprendre cette intention à partir de signaux en temps réel et personnaliser l’expérience à l’échelle de chaque individu. Il ne s’agit pas seulement de modifier une recommandation ou un élément de la page. Le contenu, les composants de l’interface et le parcours d’interaction peuvent tous être composés en fonction de l’intention actuelle de la personne, puis recomposés à mesure que celle-ci évolue. On passe ainsi du choix entre des expériences prédéfinies, reposant en grande partie sur des informations historiques, à la génération de l’expérience elle-même en fonction de ce que la personne cherche à accomplir à cet instant. Les données historiques peuvent apporter du contexte, mais c’est l’intention en temps réel qui détermine l’adaptation de l’expérience.

Si chaque visiteur peut, en pratique, bénéficier d’un site web différent, comment éviter que la personnalisation ne devienne imprévisible ? Comment préserver l’identité d’une marque, son langage visuel et ses règles métier, tout en laissant à l’IA une réelle liberté pour adapter l’expérience ?

La personnalisation ne signifie pas que l’IA dispose d’une liberté illimitée. Le contrôle de la marque est intégré à l’architecture : l’expérience est donc toujours générée dans le respect des règles et des ressources approuvées par la marque. Chaque élément de l’interface provient d’un registre de composants approuvés par la marque et déjà conçus selon son langage visuel. Le modèle produit une description structurée de ce qui doit être affiché et de la manière de l’agencer ; avant tout affichage, cette description est validée par rapport à un schéma strict. Autrement dit, le modèle décide de la composition, tandis que le système de conception de la marque détermine les formes que peut prendre cette composition. Les règles métier, notamment en matière de prix, de disponibilité et d’assortiment régional, sont imposées hors du modèle sous forme de contraintes strictes.

Le contrôle passe aussi par la visibilité. Grâce à l’interface d’administration, les équipes métier peuvent voir comment le site web se comporte : quelles expériences sont composées, pour quelles intentions et comment les visiteurs y réagissent. La plateforme s’autodiagnostique également, et elle le fait de manière proactive. Elle signale les points qui pourraient nécessiter des améliorations, essaie de nouvelles configurations, les teste à partir d’interactions antérieures avec les utilisateurs et évalue leur efficacité. Rien n’est mis en ligne avant l’approbation de la marque : l’IA propose donc des améliorations étayées par des éléments probants, et la marque conserve la décision finale.

C’est important, car l’un des problèmes que nous cherchons à résoudre est que les sites web traditionnels ont rendu de nombreuses marques de plus en plus semblables en ligne, tant par leur apparence que par leur comportement. L’IA devrait permettre à une marque d’exprimer plus pleinement son identité auprès de chaque visiteur, tout en laissant à la marque le soin de définir les limites dans lesquelles cette expérience est créée.

Les interfaces génératives en temps réel soulèvent de nouveaux défis de fiabilité, car l’IA ne se contente plus de générer une réponse : elle contribue à déterminer ce que l’utilisateur voit réellement et la manière dont il navigue. Comment abordez-vous les hallucinations, les erreurs d’interprétation des intentions, la sécurité et la vérification dans ce contexte ?

Nous commençons par limiter les erreurs que l’IA peut commettre. Le modèle décide de la composition de l’expérience, mais les informations qu’elle contient proviennent des systèmes de référence de la marque. L’interprétation des intentions est considérée comme une probabilité. Lorsque le système n’est pas sûr, il compose une expérience plus large et plus exploratoire au lieu de s’en tenir à une seule interprétation. Comme l’expérience se recompose au fil des interactions du visiteur, chaque nouveau signal vient corriger l’hypothèse précédente.

La fiabilité dépend aussi de l’architecture. La couche qui fournit l’expérience est isolée de la couche d’IA et soumise à un objectif de disponibilité plus élevé. Si un modèle est lent ou indisponible, les visiteurs bénéficient tout de même d’une expérience complète, fidèle à la marque et fondée sur des paramètres par défaut déterministes.

La boutique IA de Brunello Cucinelli est l’un des premiers déploiements majeurs de ce modèle dans le monde réel. Qu’avez-vous appris en observant les interactions des clients avec une expérience de commerce composée par l’IA, que vous n’aviez pas anticipé en créant Callimacus ?

L’un des signes les plus nets est que les gens sont disposés à s’impliquer davantage dans une expérience qui leur paraît plus pertinente. Nous avons constaté que les utilisateurs passaient environ deux fois plus de temps actif sur le site web, ainsi qu’une hausse significative des taux d’ajout au panier et de conversion.

Pour nous, cela constitue une première validation importante : abandonner les parcours figés, conçus pour convenir à tout le monde, peut avoir un impact notable non seulement sur le caractère distinctif de l’expérience, mais aussi sur l’engagement et les résultats commerciaux.

Les sites web dynamiques remettent également en question de nombreuses idées reçues en matière de référencement, d’analyse, d’accessibilité et de tests. Comment les technologies conçues pour des pages web relativement déterministes doivent-elles évoluer lorsque les interfaces et les parcours utilisateurs sont générés dynamiquement ?

La plupart des outils web partent du principe que la page est l’unité de référence pour tout : on indexe une page, on mesure une page, on teste une page. Dans une architecture sans pages, cette unité devient le contenu lui-même, et chaque discipline doit s’y adapter. Pour le référencement, chaque contenu existe indépendamment de la manière dont il est composé ; il peut donc avoir sa propre URL claire, adaptée à la langue, et figurer dans un plan de site généré automatiquement pour chaque langue et région. L’étape suivante va plus loin : la plateforme repère les chemins de navigation réellement les plus empruntés par les visiteurs et les met à la disposition des moteurs de recherche. Elle fournit également des contenus de première main fiables directement aux agents d’IA et aux moteurs de recherche générative. La découvrabilité reflète alors la demande réelle, plutôt qu’un plan de site conçu à l’avance.

L’analyse passe des pages vues aux intentions. Comme le système interprète ce que chaque visiteur cherche à accomplir, y compris les visiteurs anonymes que les outils d’analyse traditionnels ne détectent pas, les marques peuvent analyser les comportements à ce niveau et exporter ces informations vers leur CRM ou leur CDP. Les équipes peuvent aussi interroger le système en langage naturel et créer leurs propres tableaux de bord.

Les tests sont ce qui évolue le plus. On ne peut pas parcourir chaque parcours possible lorsque chacun est unique ; nous testons donc rétrospectivement les agents à partir d’interactions réelles passées et les surveillons en continu en production. L’accessibilité repose sur le même principe : elle est intégrée à chaque composant, et chaque composition en bénéficie donc automatiquement.

Pour que les expériences d’IA en temps réel paraissent naturelles, l’inférence doit s’effectuer avec une latence extrêmement faible. Quels sont les défis d’ingénierie les plus difficiles lorsqu’on place l’IA directement dans le chemin critique d’un site web, notamment en matière de sélection des modèles, de mise en cache, d’orchestration, de coûts et de mécanismes de secours ?

Pour l’inférence, nous utilisons actuellement les unités de traitement du langage (LPU) de Groq, qui nous offrent une très faible latence, et nous orchestrons plusieurs modèles en acheminant chaque tâche vers celui qui lui convient le mieux. Nous testons les nouveaux modèles dès leur sortie afin de trouver celui qui convient le mieux à chaque tâche en matière de qualité, de coût et de latence. Comme l’architecture est indépendante des modèles, nous pouvons rapidement adopter un nouveau modèle ou un autre fournisseur d’inférence dès que cela en vaut la peine. Le niveau d’analyse s’adapte aussi à la demande : une requête simple reçoit une réponse rapide, et seules les demandes nuancées déclenchent une analyse plus approfondie. Cela permet de maîtriser les coûts, puisque le raisonnement le plus poussé n’est utilisé que lorsqu’il peut changer le résultat.
Les solutions de repli sont intégrées à l’architecture dès le départ. La couche qui fournit l’expérience est séparée de l’enrichissement par l’IA : si un modèle ralentit ou tombe en panne, le visiteur bénéficie tout de même d’une expérience complète.

Salesforce a récemment investi dans Callimacus, alors que l’entreprise cherche à développer ses activités d’ingénierie, de recherche en IA et de commercialisation. Qu’a vu Salesforce dans cette technologie, et comment la connexion d’interfaces génératives aux données CRM et de commerce des entreprises pourrait-elle élargir les possibilités des sites web ?

Ce que Salesforce a compris, c’est que Callimacus ne se contente pas d’ajouter de l’IA à un site web existant. La plateforme repense l’expérience numérique elle-même en associant l’IA conversationnelle, le contexte de l’entreprise et la personnalisation en temps réel pour créer de nouvelles façons d’interagir avec les clients. Aujourd’hui, les systèmes de CRM et de commerce contiennent énormément d’informations sur les clients, les produits et les interactions, mais l’expérience sur les sites web reste largement statique. Relier ces informations à des interfaces génératives permet d’envisager des sites web bien plus réactifs. Il ne s’agit pas seulement d’afficher des informations, mais d’adapter en temps réel le contenu, les produits et les interactions à ce que le visiteur cherche à accomplir. À nos yeux, c’est l’une des possibilités les plus prometteuses pour l’avenir. Le site web peut devenir une interface intelligente entre les systèmes existants d’une entreprise et chaque client, au lieu de se limiter à une présentation statique.

À mesure que les agents d’IA naviguent sur le web, effectuent des recherches, comparent des produits et pourraient même réaliser des transactions au nom des utilisateurs, cette évolution pourrait-elle, à terme, dépasser la simple adaptation des sites web aux visiteurs humains ? Comment imaginez-vous l’évolution du web lorsque les marques devront s’adresser simultanément aux humains et aux agents d’IA autonomes ?

À mesure que les assistants d’IA prennent en charge une part croissante de la recherche et des achats, les marques risquent de perdre le contrôle de la manière dont elles sont représentées. Une expérience de marque riche peut facilement se réduire à une image de produit, une brève description et un prix dans une interface tierce. Les marques font ainsi face à un nouveau défi : comment rester utiles aux agents d’IA sans renoncer à leur identité, à leur récit de marque et à la relation directe qu’elles ont construite avec leurs clients ? Ajouter un chatbot à un site web ne résout pas le problème. Une fenêtre de conversation peut répondre aux questions, mais elle ne peut pas transmettre toute l’expression d’une marque : son langage visuel, son savoir-faire, sa manière de raconter des histoires. Les marques auront toujours besoin d’un espace qu’elles contrôlent, où elles peuvent s’exprimer selon leurs propres règles. Nous pensons que les sites web resteront cet espace, même si l’IA intervient de plus en plus dans le parcours client, et qu’ils devront s’adapter à chaque visiteur, humain ou agent.

Merci pour cet excellent entretien. Les lecteurs qui souhaitent en savoir plus peuvent consulter Callimacus.