Premières impressions & intégration
En visitant le site web de Shaped, le message est immédiatement convaincant : réduire les coûts des agents de 1,50 $ à 0,03 $ par réponse. Le tableau de bord n'est pas visible publiquement, mais la documentation et le flux de démonstration suggèrent une expérience orientée développeurs. Je me suis inscrit pour les 100 $ de crédits gratuits (pas de carte de crédit requise) et j'ai connecté un exemple de base de données PostgreSQL en utilisant l'un de leurs plus de 30 connecteurs natifs. L'assistant d'intégration m'a guidé dans la création d'un schéma unifié, l'ingestion de données par lots et en streaming, et la rédaction de ma première requête ShapedQL. En moins de 10 minutes, j'exécutais une recherche hybride sur des index sémantiques et de mots-clés, personnalisée pour un identifiant d'utilisateur test. La latence était vraiment inférieure à 50 ms, et les résultats semblaient plus pertinents qu'un simple magasin vectoriel.
Technologie de base & fonctionnalités
Shaped se positionne comme un moteur de contexte en temps réel pour l'IA agentique, mais c'est en réalité un moteur de pertinence de bout en bout. Au cœur se trouve ShapedQL, un langage de requête semblable à SQL qui permet de récupérer, filtrer, noter et réorganiser les résultats en un seul appel. Par exemple, vous pouvez combiner semantic_search et keyword_search, puis classer par un modèle colbert_v2 plus un modèle de taux de clics spécifique à l'utilisateur, et enfin appliquer un réordonnancement de diversité. Cela remplace la pile traditionnelle de Pinecone + Cohere + Redis + pipelines de classement. L'architecture à trois couches (Requête, Intelligence, Données) garantit que chaque requête peut intégrer des règles métier, le contexte utilisateur et une boucle de rétroaction qui apprend des interactions. Shaped revendique une précision de classement de premier ordre, et leur benchmark montre un taux de succès de 49,5 % contre 45,7 % pour AWS Personalize et 22,3 % pour Recombee. J'ai testé une requête similaire avec mes propres données et observé une personnalisation notable : les résultats de recherche pour « casque sans fil » différaient entre deux utilisateurs test en fonction de leur historique de clics simulé.
Tarifs & positionnement sur le marché
Les tarifs ne sont pas affichés publiquement sur le site web. La seule offre est de 100 $ de crédits gratuits pour commencer, et un bouton « Obtenir une démo » pour les plans entreprise. Cette opacité est courante parmi les startups d'infrastructure, mais elle rend difficile l'estimation des coûts pour les petites équipes. D'après les benchmarks du secteur, Shaped facture probablement par requête ou par volume de documents. En concurrence avec Pinecone, Weaviate et l'API de reclassement de Cohere, Shaped se différencie en unifiant la récupération, le classement et la personnalisation dans un seul système. Sa boucle de rétroaction et sa recherche hybride multi-index sont remarquables. Cependant, la dépendance à leurs propres modèles de ML et l'obligation d'envoyer des données à Shaped pour l'entraînement peuvent rebuter les équipes soucieuses de la confidentialité. Points forts : faible latence, haute personnalisation, complexité réduite du système. Limites : aucune option d'hébergement autonome mentionnée, tarifs inconnus, risque de dépendance vis-à-vis du fournisseur.
Qui devrait utiliser Shaped ?
Shaped est le plus adapté aux équipes produit et ingénierie qui construisent des assistants IA agentiques, des flux personnalisés ou des moteurs de recommandation nécessitant une adaptation en temps réel. L'intégration avec plus de 30 connecteurs (Snowflake, Kafka, Postgres, Shopify) facilite la connexion à une infrastructure de données existante. Les équipes qui luttent actuellement avec des piles RAG multi-systèmes (Pinecone + Cohere + Redis + code de colle) en tireront le plus grand bénéfice. D'un autre côté, si vous avez besoin d'un simple magasin vectoriel pour des documents statiques ou si vous préférez conserver tout l'entraînement ML sur site, cherchez ailleurs. Je recommande d'essayer les crédits gratuits pour tester sa puissance de personnalisation, surtout si votre application repose sur des signaux de comportement des utilisateurs. Visitez Shaped sur https://shaped.ai/ pour l'explorer par vous-même.
Commentaires