Contexte : Une plateforme e-commerce souhaite personnaliser ses recommandations produits à grande échelle. Le Problème : Les méthodes traditionnelles collaboratives ne capturent pas suffisamment la complexité des comportements utilisateurs. Contraintes : Concevoir un modèle deep learning intégrant embeddings utilisateurs et produits. Gérer données implicites. Optimiser pour latence faible en production. Livrable attendu : Proposer une architecture complète de système de recommandation neuronal incluant entraînement, évaluation et déploiement.