Pour développer cet explorateur de podcasts d’un genre nouveau, nous nous sommes d’abord appuyés sur l’expérience acquise avec l’explorateur du Collectif Famille.s. L’association de visibilité des familles LGBTQIA+ nous avait en effet confié 200 témoignages de familles (d’une heure chacun environ) dans lesquels il était devenu difficile de se retrouver. Le moteur que nous avons conçu permet désormais de découvrir les extraits pertinents face aux questions que les (futures) familles queer se posent.
Pour Radio France, deux corpus ont été ciblés pour ce nouveau défi : Un corpus généraliste de plus de 2 000 épisodes issus de l’émission “Grand bien vous fasse !” sur France Inter Un corpus thématique d’environ 300 épisodes traitant de la Seconde Guerre mondiale, issus d’une grande variété d’émissions de différentes chaînes de Radio France
Ce passage à l'échelle a soulevé des enjeux techniques concrets : le comportement de l'outil face à des contenus variés, l'optimisation de la qualité des résultats et le maintien de la rapidité d'exécution sur des volumes de données importants.

Ce projet a été conçu comme une preuve de concept (PoC) afin de permettre aux équipes de Radio France de valider la faisabilité et la pertinence d’un explorateur de podcasts. Pour ce faire, un processus d’amélioration continue a été structuré en quatre étapes :
1. Réplication et adaptation de l’existant : mise en place d'un workflow inspiré du projet Collectif Famille.s (découpage des transcriptions en chunks, traitement des métadonnées, nettoyage des segments parasites et développement de l’interface).
2. Phase de bêta-tests : sollicitation des équipes internes pour évaluer la qualité perçue des résultats. Une analyse quantitative de ces retours a permis d’identifier des axes d’optimisation.
3. Amélioration et innovation : tests de nouvelles fonctionnalités sur la base des retours (utilisation de tags, filtrage a posteriori par IA). Ces évolutions ont été éprouvées et validées par A/B testing.
4. Validation de la qualité : une évaluation finale a été réalisée pour confirmer la performance de l’explorateur et comparer les résultats sur les deux corpus.

Lors de la phase de test, nous avons souhaité rendre l’évaluation des résultats la plus fluide possible pour impliquer les équipes de Radio France. Ces phases sont cruciales dans les projets liés à l’IA, or les interfaces pour noter les résultats sont souvent non ergonomiques ou lourdes. WeDoData a donc eu l’idée d’intégrer le module de notation à l’interface de résultats. En clair, l’équipe de Radio France utilisait le site comme l’aurait fait n’importe quel futur internaute, mais elle bénéficiait sous chaque résultat d’un espace de notation (étoiles) et de commentaires si besoin.
Au total, ce dispositif a permis de collecter plus de 600 évaluations, issues de près de 170 requêtes réalisées par une dizaine de bêta-testeurs.

Cette phase de bêta-test et les ajustements réalisés grâce aux retours des utilisateurs ont nettement amélioré les performances de l’explorateur. Aujourd'hui, près de 70 % des résultats sont évalués comme bons ou très bons.

Le processus final repose sur 3 étapes clés : 1. Traitement des données brutes : découpage des transcriptions en segments (chunks), retrait des contenus indésirables, génération automatique de résumés et de tags, puis conversion en embeddings via les modèles OpenAI. 2. Traitement de la requête utilisateur : reformulation de la question si nécessaire et conversion en embeddings (OpenAI) pour permettre la comparaison. 3. Génération du top 5 des extraits : mise en correspondance de la requête et des segments par similarité cosinus (cosine similarity). Les résultats sont ensuite filtrés par un LLM (OpenAI) via un prompt en few-shot learning optimisé grâce aux phases de tests.

Ce projet a été mené comme une preuve de concept, Radio France souhaitant internaliser le développement à grande échelle sur ses propres serveurs et avec un accès direct à sa base d’épisodes. Une fois l’explorateur finalisé et validé, nous avons transmis l’intégralité du code (back et front), les données générées ainsi qu’une documentation détaillée de l’ensemble du projet.