RéponsesPublié29 sources
Adobe imagine des sites qui assemblent une page personnalisée pour chaque visiteur
Adobe a démontré une page personnalisée pour une recherche de machine à café adaptée au camping, générée en 1,64 seconde, dont environ une seconde pour l’appel au modèle. Le système ne crée pas un site de toutes pièces : il récupère des contenus approuvés dans Adobe Experience Manager, puis adapte des blocs comme le...
Publié parModifié avec GPT-5.6 LunaImages générées avec GPT Image 1.5
Réponse de recherche
Points clés à retenir
- Adobe a démontré une page personnalisée pour une recherche de machine à café adaptée au camping, générée en 1,64 seconde, dont environ une seconde pour l’appel au modèle.
- Le système ne crée pas un site de toutes pièces : il récupère des contenus approuvés dans Adobe Experience Manager, puis adapte des blocs comme le bandeau principal, les recommandations de produits, la navigation et l...
- Le concept est prometteur, mais il ne constitue pas encore un service Adobe généralement disponible à grande échelle pour produire une page unique pour chaque visiteur.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Adobe principal scientist Carlos Sanchez demonstrate about “agentic sites”—including how the system uses Cerebras inference hardwar. Article summary: Sanchez demonstrated a prototype “agentic site”: rather than serving one pre-authored page to a segment, it infers an individual visitor’s intent and assembles approved page components around it in real time. It is a cre. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Adobe explore une idée qui pourrait changer la manière dont les sites web sont conçus : au lieu de servir une page prédéfinie à un segment de clientèle, le site assemblerait une expérience adaptée à l’intention immédiate de chaque visiteur.
Carlos Sanchez, chercheur principal chez Adobe, a présenté un prototype d’« agentic site », ou site piloté par des agents d’intelligence artificielle. Le système interprète le contexte d’une visite, récupère des contenus existants et compose une page personnalisée en temps réel. Adobe parle d’une « audience d’une personne », plutôt que de segments prédéfinis. 2
7
La nuance est importante : les informations publiques décrivent une démonstration fonctionnelle et plusieurs produits Adobe associés, pas encore un service de production disponible pour générer automatiquement une page différente pour chaque internaute à grande échelle. 4
34
Une page qui change selon l’intention
La démonstration portait sur un site de machines à café. Après une recherche portant sur une machine adaptée au camping, le système a modifié le contenu, les recommandations et la présentation afin de privilégier cet usage extérieur. La session de Carlos Sanchez à l’AI Engineer World’s Fair 2026 s’intitulait « Agentic Sites: Building Hyper Personalized Websites ». 33
L’objectif n’est pas de demander à un modèle de langage d’inventer librement un site web. Le système cherche plutôt à déduire l’intention du visiteur à partir de signaux comme sa requête et son comportement de navigation, puis sélectionne les contenus pertinents dans une base existante. 2
34
Une personne peut ainsi être reconnue comme étant en phase d’exploration, de comparaison ou d’achat. Mais elle peut aussi être associée à un besoin beaucoup plus précis : trouver une machine pour le camping, comparer deux modèles ou obtenir une recommandation prête à l’achat.
Comment fonctionne l’architecture
Le processus peut être résumé en quatre étapes :
- Interpréter l’intention : le système analyse la recherche et le contexte de navigation pour comprendre ce que le visiteur essaie d’accomplir.
- Récupérer des contenus approuvés : la génération augmentée par récupération, ou RAG (retrieval-augmented generation), fournit au modèle les informations pertinentes issues des systèmes de l’entreprise.
- Choisir les composants de la page : la page est traitée comme un ensemble de blocs indépendants plutôt que comme un document figé.
- Assembler l’expérience : le bandeau principal, les cartes, les produits recommandés, la navigation et les appels à l’action sont rendus en fonction de l’intention déduite.
Cette méthode permet de conserver un certain contrôle sur la marque. En s’appuyant sur les contenus de l’entreprise et sur des ressources validées, le système peut limiter les affirmations erronées sur les produits et rester plus proche de l’identité visuelle et éditoriale existante. Les comptes rendus de la démonstration décrivent une récupération et une réorganisation de contenus existants, plutôt qu’une création ex nihilo. 4
34
Pourquoi Cerebras et Gemma 4 sont importants
L’implémentation présentée aurait utilisé le modèle Gemma 4 de Google sur l’infrastructure d’inférence de Cerebras. Le catalogue de Cerebras indique environ 1 850 jetons générés par seconde pour Gemma 4 31B, tandis que l’entreprise a communiqué sur un cas d’usage atteignant environ 2 300 jetons par seconde. 3
6
Cette vitesse compte parce qu’un site agentique peut devoir enchaîner plusieurs opérations lors d’une même interaction : interpréter l’intention, récupérer le contexte, choisir les composants, produire ou réviser un texte, puis renvoyer le résultat. Une inférence rapide rend cette boucle « récupérer–raisonner–composer » plus réaliste dans une expérience interactive, au lieu de la réserver à la production de contenu en différé.
Il faut toutefois distinguer le débit de génération des jetons de la latence réelle d’une page complète. Le réseau, la récupération des contenus, les appels au catalogue, la gestion du consentement, le rendu dans le navigateur, la mise en cache et la livraison depuis le serveur contribuent tous au temps effectivement perçu par l’internaute.
Une réponse en 1,64 seconde, selon les chiffres rapportés
D’après les informations rapportées autour de la présentation de Carlos Sanchez, une requête concernant une machine à café pour le camping a produit un résultat personnalisé en 1,64 seconde, dont environ une seconde pour l’appel au modèle. Le même compte rendu compare ce résultat à 4,6 secondes sur une autre infrastructure et évoque un coût de génération estimé entre 0,01 et 0,02 dollar par page. 1
Ces chiffres doivent être considérés comme des mesures et estimations de prototype, et non comme un engagement contractuel de niveau de service ou comme une grille tarifaire publiée par Adobe. Ils ne démontrent pas non plus que chaque page, chaque visiteur ou chaque volume de trafic obtiendrait les mêmes performances.
Ce que permettrait une cible inférieure à deux secondes
Une personnalisation n’a d’intérêt que si elle intervient avant de devenir une source de friction. Une cible comprise entre une et deux secondes pourrait permettre au site de réagir à une recherche, au contexte d’arrivée ou à un changement significatif dans le parcours, alors que l’intention du visiteur est encore fraîche.
Le site pourrait ainsi aller plus loin que des catégories classiques comme « client récurrent » ou « amateur d’activités en plein air ». Il répondrait davantage au besoin du moment : s’informer, comparer, choisir un produit ou finaliser un achat.
Cette cible ne fait pas disparaître le reste de l’architecture web. Les règles de consentement, la gestion de l’identité, la validation des prix et des stocks, les temps de réponse du catalogue, le comportement du CDN et le rendu de la page doivent toujours tenir dans le budget global de latence.
Le lien avec les produits Adobe existants
Le prototype ne doit pas être confondu avec l’ensemble des produits d’IA actuellement proposés par Adobe. La documentation d’Adobe indique que les agents d’AEM sont disponibles pour AEM as a Cloud Service et Edge Delivery Services, avec des conditions de disponibilité qui peuvent varier selon les environnements. 17
Adobe Experience Platform Agent Orchestrator constitue la couche de raisonnement et de coordination d’agents pour Experience Platform. Adobe le décrit comme un système capable d’exploiter les données de la plateforme et de coordonner des agents Adobe ou tiers, avec supervision humaine. Adobe a également annoncé sa disponibilité générale, tandis que la documentation mentionne un accès sur demande et des essais limités par l’usage pour certaines fonctions. 18
19
21
22
Parmi les capacités liées figurent notamment :
- Brand Experience Agent : Adobe le présente comme un outil permettant de mettre à jour des pages, de créer du contenu et de moderniser des expériences numériques pour la découverte pilotée par l’IA.
20
23
44
- Content Advisor Agent : il aide les équipes à trouver les contenus pertinents dans l’entreprise et à créer des variantes visuelles à partir de ressources approuvées.
- Agent Orchestrator : cette couche sert à gérer et coordonner des agents issus de l’écosystème Adobe ou de services tiers.
Ces produits montrent qu’Adobe construit une architecture d’agents autour des contenus, des données clients et des expériences numériques. Ils ne prouvent pas, à eux seuls, que le prototype de composition d’une page par visiteur est déjà devenu une fonctionnalité de production standard et largement disponible.
Ce qu’il reste à résoudre avant un déploiement massif
La démonstration répond à une question technique : l’assemblage d’une page en temps réel est-il possible ? Elle ne répond pas encore à la question opérationnelle : est-il pertinent et rentable pour tous les sites ?
Tester sur les données réelles des clients
Les entreprises devront confronter cette approche à leurs propres référentiels AEM, catalogues produits, systèmes d’identité, règles de consentement et objectifs de conversion. Le sujet n’est pas seulement de générer une page rapidement, mais de vérifier qu’elle améliore réellement l’expérience sans multiplier les erreurs ni les risques opérationnels.
Les informations publiques indiquent que le concept précis d’agentic site n’a pas encore été déployé à grande échelle sur les sites de clients. 4
Connecter l’ensemble de la chaîne
Une mise en production nécessiterait des intégrations fiables entre l’inférence, le CMS, les données clients, l’identité et le consentement, le commerce ou le catalogue, l’analytique, l’expérimentation, la diffusion via CDN et les bibliothèques de ressources de marque. Un modèle rapide ne peut pas compenser des données produits obsolètes ou un service de catalogue lent.
Vérifier l’économie à grande échelle
Un coût estimé à un ou deux centimes par interaction peut sembler faible à l’unité. Il devient toutefois significatif lorsqu’il est multiplié par des volumes élevés de trafic, surtout si le site régénère l’expérience après chaque interaction importante.
La mise en cache, la réutilisation de blocs validés et des règles précises déterminant les situations où le modèle ne doit pas être appelé seront donc essentielles. Les informations publiques ne permettent pas encore d’établir un modèle tarifaire Adobe définitif pour un web où chaque visiteur recevrait une expérience générée de manière unique.
Encadrer chaque bloc généré
Un déploiement crédible devrait prévoir des contrôles explicites concernant :
- les sources autorisées et les limites de la récupération de contenu ;
- les caractéristiques, les stocks et les prix des produits ;
- les mises en page, composants et appels à l’action acceptés ;
- le ton de la marque et les règles d’identité visuelle ;
- l’accessibilité et les vérifications de localisation ;
- les affirmations interdites ou soumises à réglementation ;
- les circuits d’approbation et les journaux d’audit ;
- la surveillance, le retour à une version précédente et la détection de dérive ;
- les seuils à partir desquels une validation humaine devient nécessaire.
La version la plus réaliste du concept n’est donc pas un site web livré sans contrainte à l’intelligence artificielle. Il s’agit plutôt d’un système d’assemblage gouverné, dans lequel l’IA décide rapidement quels composants approuvés afficher et comment les adapter à l’intention du visiteur.
À retenir
La démonstration de Carlos Sanchez suggère que le site web pourrait devenir une couche de décision exécutée à la volée, et non plus seulement un ensemble de pages rédigées à l’avance. La vitesse de Cerebras et de Gemma 4 rend les scénarios de raisonnement en temps réel plus crédibles, tandis qu’AEM et la récupération de contenus offrent une voie vers des résultats plus exacts et mieux alignés sur la marque. 1
3
6
17
Mais le titre le plus spectaculaire cache encore une réalité de prototype. La prochaine étape consistera à vérifier si ces sites agentiques peuvent conserver leur rapidité, leur exactitude, leur accessibilité et leur conformité face à de vrais catalogues, de vraies règles de consentement et de vrais volumes de trafic.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « Adobe imagine des sites qui assemblent une page personnalisée pour chaque visiteur » ?
Adobe a démontré une page personnalisée pour une recherche de machine à café adaptée au camping, générée en 1,64 seconde, dont environ une seconde pour l’appel au modèle.
Quels sont les points clés à valider en premier ?
Adobe a démontré une page personnalisée pour une recherche de machine à café adaptée au camping, générée en 1,64 seconde, dont environ une seconde pour l’appel au modèle. Le système ne crée pas un site de toutes pièces : il récupère des contenus approuvés dans Adobe Experience Manager, puis adapte des blocs comme le bandeau principal, les recommandations de produits, la navigation et l...
Que dois-je faire ensuite en pratique ?
Le concept est prometteur, mais il ne constitue pas encore un service Adobe généralement disponible à grande échelle pour produire une page unique pour chaque visiteur.