Retour au blog

Plan de table par IA : comment ça marche concrètement ?

5 août 20264 min de lecture
Plan de table généré automatiquement par intelligence artificielle

Le mot « IA » sert aujourd'hui à décrire à peu près n'importe quel logiciel. Voici, étape par étape, ce qui se passe réellement entre le moment où vous cliquez sur générer et celui où le plan s'affiche.

En résumé : les contraintes que vous déclarez deviennent des interdits absolus, les affinités sont calculées par proximité sémantique entre profils, un barème déterministe s'ajoute par-dessus pour l'âge et la mixité, et une recherche par recuit simulé retient la meilleure combinaison d'ensemble. Le détail de chaque étape ci-dessous.

Pourquoi personne ne peut le faire à la main

Prenez 80 invités à répartir sur 10 tables de 8. Le nombre de façons de les placer est de 1,7 × 10⁶⁶ — un 17 suivi de 65 zéros. À raison d'un milliard de combinaisons testées par seconde, il faudrait environ 4 × 10³⁹ fois l'âge de l'univers pour toutes les essayer.

Autant l'admettre tout de suite : personne ne les explore, ni vous, ni la machine. Toute la question est de trouver une très bonne combinaison sans les tester toutes. C'est un problème d'optimisation, et la partie « intelligence artificielle » n'intervient pas là où on l'imagine.

Étape 1 : les contraintes dures deviennent des interdits

Chaque invité porte deux listes en base de données : les personnes avec qui il doit être placé, et celles qu'il ne doit pas croiser. C'est binaire, non négociable, et le système compte chaque violation séparément du reste du calcul.

C'est la partie la moins spectaculaire et la plus importante. Un plan de table élégant qui réunit deux ex-conjoints n'est pas un bon plan de table.

Étape 2 : chaque invité devient un vecteur

C'est ici, et seulement ici, qu'il y a réellement de l'IA. Le profil de chaque invité — ses centres d'intérêt, son métier, son entreprise — est transformé en texte, puis envoyé à un modèle d'embedding qui le convertit en une liste de 1 536 nombres. Autrement dit un point dans un espace à 1 536 dimensions.

Deux profils qui se ressemblent se retrouvent proches dans cet espace. On mesure cette proximité par la similarité cosinus, c'est-à-dire l'angle entre les deux vecteurs, que l'on convertit en un score d'affinité de 0 à 100.

L'intérêt est concret. « Randonnée en montagne » et « passionné de trail et de bivouac » n'ont aucun mot en commun : une comparaison par mots-clés ne verrait rien. Leurs vecteurs, eux, sont voisins. Le système comprend que ces deux personnes ont de quoi se parler, sans qu'on lui ait jamais appris que le trail et la randonnée sont liés.

En complément, un modèle de langage range les passions écrites en texte libre dans des catégories standardisées, pour que « guitare » et « batterie » se retrouvent toutes deux sous « Musique ».

Étape 3 : un barème, pas de magie

Par-dessus l'affinité sémantique s'empilent des règles parfaitement déterministes : bonus pour des centres d'intérêt identiques, pénalité quand l'écart d'âge dépasse un seuil, bonus de mixité de genre, respect de la capacité de chaque table. Pour un événement professionnel s'y ajoutent le secteur, le service et l'ancienneté.

Aucune IA ici, du barème. Chaque table obtient un score, et la somme de toutes les tables donne le score global de la solution.

Étape 4 : la recherche, ou l'art de reculer pour mieux avancer

On part d'une répartition initiale. On permute deux convives au hasard, on recalcule le score. Meilleur ? On garde. Moins bon ? On garde quand même, parfois.

Cette dernière phrase est toute l'astuce. Un algorithme qui n'accepte jamais de reculer se bloque dans la première solution correcte venue. Ici, la probabilité d'accepter un recul dépend d'une « température » qui décroît au fil des itérations : très exploratoire au début, de plus en plus sélectif à la fin. La méthode s'appelle le recuit simulé, empruntée à la métallurgie, où l'on refroidit lentement un métal pour qu'il se structure mieux.

Quelques milliers d'itérations plus tard, en quelques secondes, on obtient une solution excellente. Optimisée sur le score global, jamais table par table : c'est précisément ce qu'un humain n'arrive pas à faire, parce que déplacer une personne modifie l'équilibre de toutes les autres tables.

Un exemple, table de 8

En entrée, ce que le système reçoit :

  • Marc et Julie, couple, à garder ensemble
  • Marc et Thomas, anciens associés brouillés, à ne jamais réunir
  • Sophie, 34 ans, escalade et photographie
  • Karim, 31 ans, « grimpe tous les week-ends »
  • Trois cousins de la mariée, entre 28 et 35 ans
  • Une tante de 72 ans

En sortie : Marc et Julie à la même table, Thomas sur une autre — les deux par contrainte dure. Sophie et Karim réunis, parce que leurs vecteurs sont proches, alors que « escalade » et « grimpe » sont deux mots différents qu'aucune comparaison littérale n'aurait rapprochés. Et la tante regroupée avec les cousins les plus âgés plutôt qu'avec les plus jeunes, parce que la pénalité d'écart d'âge rend cette configuration moins coûteuse.

Aucune de ces décisions n'est écrite en dur quelque part. Elles émergent toutes du score.

Une précision sur le niveau de détail : l'algorithme compose les tables, il n'attribue pas les chaises. Avec une exception, les tables banquet — puisqu'un convive n'y parle en pratique qu'à ses trois à cinq voisins immédiats, le moteur y descend jusqu'à la place et score les paires de voisins, de côté comme en diagonale.

Et si le résultat ne vous convient pas sur un point précis, inutile de tout relancer : chaque invité se déplace d'une table à l'autre au glisser-déposer.

Ce que ça ne fait pas

L'algorithme ne connaît pas vos invités. Que votre oncle devienne pénible après trois verres, il l'ignore, sauf si vous le lui dites. Et les allergies, régimes et besoins d'accessibilité sont bien collectés et transmis au traiteur, mais ne sont pas des critères de placement : le logiciel ne sait pas où se trouve la sortie de votre salle. Ces ajustements-là restent manuels, et c'est honnête de le dire.

Quand ça vaut vraiment le coup

Ce n'est pas le nombre d'invités qui décide, contrairement à ce qu'on lit partout. C'est la densité de contraintes et la stabilité de votre liste. Quarante invités avec un divorce, deux clans qui s'évitent et trois régimes alimentaires, c'est nettement plus difficile que cent vingt invités qui se connaissent tous.

Le vrai signal, c'est le nombre de fois où vous devez tout reprendre. Une liste figée se gère très bien à la main. Une liste qui bouge chaque semaine transforme chaque modification en réaction en chaîne — et c'est là que la régénération automatique fait basculer le rapport de forces.

Le plus parlant reste de l'essayer sur vos propres invités, avec vos vraies contraintes : créez votre plan de table gratuitement.

Prêt à créer votre plan de table ?

Tabbl génère votre placement en quelques secondes grâce à l'IA

Essayer Tabbl gratuitement

Articles similaires