Le marché d'Etsy, qui propose des millions d'articles uniques et faits à la main provenant de divers vendeurs, est confronté à des défis dans l'organisation de ses données non structurées. Les méthodes traditionnelles d'extraction des attributs des produits avaient du mal avec la diversité de l'inventaire et les données structurées limitées. Les grands modèles de langage (LLM) ont offert une nouvelle opportunité de transformer les informations non structurées sur les produits en données structurées. Etsy a développé un pipeline évolutif utilisant des LLM, en se concentrant sur l'ingénierie contextuelle pour améliorer la précision de l'extraction des attributs. Ce pipeline exploite les données fournies par les vendeurs, des exemples d'experts et la taxonomie d'Etsy. L'évaluation de la sortie du LLM implique la génération d'« étiquettes argentées » et l'utilisation d'experts du domaine pour l'assurance qualité. Le processus d'inférence extrait les attributs, utilise LiteLLM pour le routage régional et emploie Pydantic pour la validation des données. Des systèmes de surveillance robustes suivent l'état du pipeline et les mesures de performance du modèle. L'application des attributs générés par les LLM aux filtres de recherche a amélioré l'engagement des acheteurs et les taux de conversion. Etsy vise à étendre son utilisation des LLM pour améliorer davantage l'expérience d'achat et de vente. L'objectif ultime est de garantir que les besoins des acheteurs et des vendeurs soient satisfaits avec une efficacité maximale.