Pinterest déploie avec Nvidia une base IA commune pour la recherche visuelle

Pinterest ne présente pas tant une nouvelle fonction isolée qu’une infrastructure d’IA partagée. Construite avec Nvidia, elle doit permettre aux équipes de la plateforme de développer plus facilement des produits capables d’interpréter à la fois des images et du texte, sans recréer un système technique distinct à chaque lancement. 46

Les trois briques de cette infrastructure

La pile technique repose sur trois éléments :

• des GPU Nvidia Blackwell B200, qui fournissent la puissance de calcul pour servir les modèles vision-langage ; 4
• Nvidia Dynamo, un logiciel destiné à exécuter, distribuer et orienter efficacement les charges de travail d’IA multimodale ; 24
• les représentations visuelles de Pinterest, c’est-à-dire des données numériques préparées à l’avance pour décrire le contenu des images. 26

Le principe est de mutualiser cette base. Recherche visuelle, assistant conversationnel, outils de sécurité ou encore fonctions de recommandation peuvent ainsi s’appuyer sur une même infrastructure plutôt que sur des systèmes séparés. 6

À quoi servira cette couche IA ?

Pinterest indique que cette fondation peut alimenter la recherche visuelle, la compréhension des contenus, la découverte et le shopping assistés par IA, Pinterest Assistant, le reranking multimodal — qui réordonne les résultats selon plusieurs types de signaux —, les systèmes de sûreté des contenus et la génération de signaux. 46

L’enjeu est d’utiliser conjointement les mots saisis par une personne et ce qui apparaît dans les visuels. Pour un service orienté vers l’inspiration, cela peut aider à mieux identifier un objet, un style ou une intention de recherche, puis à affiner les résultats proposés.

Pinterest précise exploiter plus de 80 milliards de recherches mensuelles pour produire des signaux utilisés dans la découverte et le shopping par IA. La nouvelle couche doit rendre ces signaux plus facilement exploitables dans des expériences toujours plus visuelles et conversationnelles. 6

Pourquoi préparer les informations visuelles à l’avance ?

Les modèles vision-langage sont coûteux à faire fonctionner : ils doivent traiter de lourdes données d’image en plus du texte et gérer un important état de cache du modèle. Pinterest utilise des projection embeddings, décrits dans la documentation technique comme des représentations PinCLIP. Celles-ci projettent le contenu visuel dans l’espace de jetons du modèle. 210

Au lieu de transmettre puis d’encoder l’image brute à chaque demande, le système peut donc réutiliser une représentation déjà calculée. Pinterest rapporte, avec cette approche et des optimisations de Dynamo :

• 25 fois plus de contexte visuel par requête dans Pinterest Assistant ; 4
• un démarrage des réponses environ 85 fois plus rapide dans ses tests de référence ; 13
• une latence de bout en bout 7,3 fois plus faible dans ces mêmes tests. 13

Ces chiffres sont des résultats de benchmark communiqués par l’entreprise. Ils décrivent les performances de cette architecture et de cette configuration de charge, et ne constituent pas la garantie d’une amélioration identique pour chaque recherche ou interaction avec l’assistant.

Une plateforme conçue pour durer

Pinterest et Nvidia présentent ce projet comme le prolongement d’une collaboration de près de cinq ans, couvrant les systèmes de recommandation et l’IA générative. Pinterest indique disposer d’une flotte de 14 000 GPU Nvidia. 4

L’objectif stratégique est clair : disposer d’une couche de service commune pour accélérer le déploiement de fonctions d’IA visuelle et conversationnelle, tout en conservant un socle technique cohérent. Nvidia cite notamment Pinterest Assistant, le reranking, la sécurité des contenus et la génération de signaux parmi les usages visés. 4

Après l’annonce, l’action Pinterest a gagné environ 1,8 % lors de la séance de lundi, selon Investing.com. 17

Ce qu’il faut retenir

Pinterest centralise son IA multimodale plutôt que de la développer produit par produit. Les GPU Blackwell apportent la capacité de calcul, Nvidia Dynamo aide à servir les modèles et les représentations visuelles de Pinterest évitent de retraiter sans cesse les mêmes images. L’ensemble doit rendre la recherche visuelle, le shopping et les fonctions d’assistant plus simples à déployer et à étendre à l’échelle de la plateforme. 246