Comment Pixieset a atteint 35 % d'adoption de ses fonctionnalités d'IA avec Amazon Bedrock
Amazon Web Services
Anthropic
OpenAI
Meta
Mistral
Cohere
Pixieset, un service pour les photographes professionnels, a utilisé Amazon Bedrock pour créer un générateur de texte alternatif basé sur l'IA, atteignant un taux d'adoption de 35 % parmi les utilisateurs concernés. Cette fonctionnalité, qui répond à une tâche fastidieuse, a été lancée en quatre mois et a stimulé les abonnements. Les principes clés incluent la focalisation sur des fonctionnalités indispensables et laisser les utilisateurs gagner progressivement en confiance.
Pixieset, un service tout-en-un pour les entreprises de photographie qui héberge plus de 8 milliards de photos, a utilisé Amazon Bedrock pour créer un générateur de textes alternatifs (alt-text) alimenté par l'IA pour les sites web des photographes. Lancée début 2025, cette fonctionnalité a atteint une adoption de 35 % parmi les utilisateurs concernés et reste utilisée seize mois plus tard. Elle génère les descriptions d'images une par une, permettant aux photographes d'accepter, de modifier ou de rejeter les suggestions avant d'activer l'application automatique. L'intégration a ajouté un seul appel d'API à leur pipeline piloté par les événements existant, sans nécessiter de nouvelle infrastructure ni de provisionnement de GPU. La fonctionnalité a connu zéro temps d'arrêt depuis son lancement, grâce à l'inférence cross-Région et à une logique de nouvelle tentative avec un modèle secondaire. Pixieset a d'abord choisi Anthropic Claude 3.5 Sonnet, mais peut changer de modèle via l'API unifiée d'Amazon Bedrock. Interrogés sur la réponse, les photographes ont salué cette fonctionnalité pour le temps gagné et l'amélioration du référencement (SEO), certains ayant même mis à niveau leur abonnement. Pixieset a identifié trois principes : catégoriser les fonctionnalités d'IA comme des avantages concurrentiels ou des indispensables, résoudre des tâches non créatives et laisser les utilisateurs renforcer leur confiance à leur propre rythme.
Source: AWS ML blog —
original
