Shopify déploie l'IA à l'échelle : oublie les tokens, focus sur la review
Pourquoi ça compte pour toi
Tu veux savoir comment une entreprise de 200B$ intègre l'IA en production ? Shopify révèle ses outils internes (Tangle, Tangent, SimGym) qui transforment l'expérimentation, l'optimisation et la simulation client. Ce ne sont pas des buzzwords : ce sont des systèmes qui changent la façon dont l'IA s'utilise en vrai.
Ce qu'il faut retenir
- 1.Le boulot : pas plus d'agents parallèles, mais des boucles de critique plus solides et des modèles plus forts.
- 2.Shopify a construit son propre système de review IA pour les PRs parce que les outils du commerce ne capte pas.
- 3.Tangle rend les workflows ML reproductibles (pas Airflow, mais du content-addressed caching qui crée des effets réseau).
- 4.Tangent automatise l'expérimentation : PMs et experts du domaine optimisent sans toucher au code.
- 5.SimGym simule des clients réels à partir de vraies données historiques. Le moat : tes données, pas le modèle.
## Pourquoi l'IA de Shopify change d'échelle
En décembre 2025, les modèles ont franchi une limite. Pas celle de la génération de code—celle du déploiement. Mikhail Parakhin, CTO de Shopify, l'explique : tu peux avoir du code super clean généré par l'IA, mais ça crée paradoxalement plus de bugs en production. Pourquoi ? Parce qu'on teste mal. Parce que les PR explosent. Parce que Git et CI/CD n'ont pas été pensés pour du code généré à la vitesse machine.
## Les trois piliers IA de Shopify
**Tangle** : c'est ta couche d'expérimentation reproducible. Contrairement à Airflow, elle cache les résultats par contenu, créant un effet réseau entre les équipes. Une run de modèle ? Elle sera trouvée et réutilisée sans calcul redondant.
**Tangent** : auto-research, mais accessible. Tu es PM ou expert domaine ? Tangent lance des boucles d'optimisation sans que tu touches une ligne de Python. Elle optimise tes recherches, tes thèmes, ta compression de prompts.
**SimGym** : le vrai moat. Au lieu de tester tes changements en A/B, tu simules des clients fictifs basés sur des trajets réels. "Si je baisse le prix de 15%, combien de conversions ?" SimGym te le dit sans risque. Mais ça marche que si tu as des vraies données historiques. C'est pourquoi Shopify part devant : 20 ans de trajectoires marchands.
## Les détails qui tuent
Shopify utilise **Liquid AI**, une architecture non-transformer pour ultra-basse latence (sub-20ms). Pourquoi ? Parce que le catalog commerce, c'est des millions de produits à chercher en temps réel. Un transformer traditionnel prendrait trop de temps.
Sur les **token budgets** : Jensen Huang a raison sur la direction, mais compter les tokens c'est comme mesurer la productivité des devs en lignes de code. C'est du bruit. Les vrais chiffres : réduction des rollbacks, temps de PR, délais de déploiement.
## L'honnêteté : ce qui marche, ce qui ne marche pas
Tangent ne résout pas tout. L'auto-research, c'est puissant pour certains domaines (search, pricing, layout), mais elle fatigue sur les problèmes non-convexes. SimGym explose les coûts en infrastructure (fermes de navigateurs, multimodal, distillation). Et l'IA peut écrire du code plus propre statistiquement tout en cassant la prod de nouvelles façons.
La vraie question que Parakhin pose : **qui va réécrire Git, les PRs, et CI/CD pour les agents ?** Pas lui, pas maintenant. Shopify itère, reste pragmatique, change d'outils selon les résultats, pas les hypes.
Source