> ## Documentation Index > Fetch the complete documentation index at: https://docs.topsort.com/llms.txt > Use this file to discover all available pages before exploring further. # Vue d'ensemble export const LastUpdatedFr = ({date}) => { const label = "Dernière mise à jour:"; return <>
{label} 
; }; T-Brain est la couche d'intelligence commerciale de Topsort. Il apprend de votre catalogue et du comportement des acheteurs pour générer des prédictions qui aident votre site ou application à décider quels produits afficher. T-Brain s'appuie sur les Large Commerce Models (LCMs) propriétaires de Topsort, des modèles d'IA générative conçus pour la prédiction commerciale. Il est disponible pour les entreprises du commerce et des secteurs proches, qu'elles utilisent ou non la plateforme publicitaire de Topsort. ## Intelligence commerciale dans toute la boutique T-Brain peut prendre en charge la recherche, les recommandations de la page d'accueil, les notifications, les boutiques personnalisées et les publicités. Les détaillants peuvent utiliser les mêmes données commerciales pour entraîner des modèles pour plusieurs expériences, ce qui réduit le besoin de créer et de maintenir des systèmes de prédiction distincts pour chaque cas d'usage. À mesure que d'autres modèles deviennent disponibles, les détaillants pourront consolider leur stack technologique auprès de moins de fournisseurs. Un détaillant peut utiliser Quality Prediction dès aujourd'hui pour aider à déterminer quels produits méritent un emplacement de recommandation ou quels candidats doivent être mieux classés dans une enchère. Les prochains modèles permettront de sélectionner des produits pertinents et de personnaliser leur ordre dans les expériences de recherche et de découverte. Les clients Topsort existants peuvent commencer avec le catalogue et le comportement des acheteurs déjà synchronisés depuis leur marketplace. ## Modèles ### Quality Prediction Quality Prediction note dans quelle mesure un produit est adapté à un contexte donné. Les systèmes de classement, de recommandation et d'enchères peuvent utiliser ce score pour aider à déterminer quels produits afficher. Ce modèle est disponible maintenant. ### Modèles à venir D'autres modèles arrivent, notamment **Product Retrieval**, qui sélectionne une courte liste de produits pertinents à partir d'une requête de recherche, d'un acheteur ou du contexte de la page, et **Product Ranking**, qui réordonne une liste de produits pour afficher d'abord les meilleurs pour un acheteur et un contexte donnés. ## Mode d'emploi Utilisez l'interface T-Brain pour connecter vos données, configurer l'entraînement, déployer un modèle et suivre sa performance. Une fois déployé, votre site ou application peut appeler le modèle via une API pour recevoir des prédictions. ### 1. Connectez vos données Ouvrez l'onglet **Data** pour configurer les synchronisations de données, y compris votre catalogue, les impressions, les clics et les achats. Si vous utilisez déjà Topsort, T-Brain peut utiliser les données commerciales synchronisées depuis votre marketplace. Si vous n'utilisez pas Topsort, configurez des synchronisations de données pour fournir votre catalogue et le comportement des acheteurs. ### 2. Configurez l'entraînement Ouvrez l'onglet **Tasks** pour créer une tâche d'entraînement. Sélectionnez le modèle à entraîner, choisissez le jeu de données et configurez l'entraînement. ### 3. Suivez l'entraînement et déployez Ouvrez l'onglet **Training** pour voir vos tâches d'entraînement et leur statut : en cours, terminée ou en échec. Sélectionnez une tâche pour voir ses détails et la chronologie de l'entraînement. Vous pouvez suivre la progression pendant l'entraînement ou consulter les détails de l'échec pour identifier les problèmes à traiter. Une fois l'entraînement terminé, ouvrez les détails de la tâche et déployez le modèle. ### 4. Intégrez les prédictions Après le déploiement, appelez l'API T-Brain appropriée avec une entrée pour recevoir une prédiction de votre modèle entraîné. Votre site ou application peut utiliser cette prédiction pour orienter la sélection et l'affichage des produits. ### 5. Suivez la performance Ouvrez l'onglet **Monitor** pour voir la performance des modèles déployés. Les données de performance apparaissent après le déploiement réussi d'un modèle. Consultez la [FAQ](/fr/knowledge-base/t-brain/faq) et les [exigences de données](/fr/knowledge-base/t-brain/data-requirements). *** This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.