Rocket Money booste ses modèles ML en production avec Hugging Face
Rocket Money a transformé son pipeline ML grâce à Hugging Face, optimisant ainsi la production avec des modèles évolutifs et fiables.
Rocket Money, anciennement connue sous le nom de Truebill, a drastiquement changé son approche pour gérer plus de 100 millions de transactions par mois. Grâce à une collaboration solide avec Hugging Face, cette startup a réussi à faire évoluer ses modèles de machine learning de manière à renforcer son produit, tout en maintenant la fluidité de ses opérations.
Amélioration de l’architecture des modèles ML avec Hugging Face
Dès les débuts, Rocket Money a rencontré des défis avec l’utilisation de normalisateurs basés sur des expressions régulières couplés à une table de décision complexe pour classer les transactions. Alors que l’économie des abonnements explosait, ils ont abordé ces problèmes en intégrant une nouvelle architecture basée sur des modèles BERT pour gérer plus de 4000 classes transactionnelles. La transition s’est faite en priorisant la formation en interne et en travaillant avec des outils comme Retool et Google Cloud Platform.
Surmonter les limitations du modèle traditionnel
Avant de décider de collaborer avec Hugging Face, Rocket Money avait testé une solution maison pour le déploiement de modèles, ainsi que des solutions comme AWS Sagemaker. Cependant, la simplicité d’intégration du service de Hugging Face les a convaincus. Cela s’est accompagné de tests de charge simulés pour s’assurer que leur API pouvait supporter les volumes les plus élevés, renforçant ainsi leur confiance en cette solution.
La transition vers les services modèles de Hugging Face a permis à Rocket Money de gérer efficacement la scalabilité transactionnelle tout en maximisant la rétention utilisateur.
Des résultats mesurables avec des modèles optimisés
Pour évaluer l’efficacité de cette migration, Rocket Money a conduit des expériences de A/B testing en répartissant les nouveaux utilisateurs entre l’ancien et le nouveau système. Résultat : le modèle amélioré démontrait une meilleure rétention d’utilisateur, un indicateur clé auquel Rocket Money ne pouvait pas tourner le dos.
« L’expérience avec Hugging Face a été enrichissante pour notre équipe, nous donnant la confiance nécessaire pour évoluer »
Nicolas Kuzak, Senior ML Engineer chez Rocket Money
Importance d’une collaboration stratégique
Un élément clé du succès de Rocket Money a été leur relation proactive avec Hugging Face. L’établissement d’un canal Slack partagé avec Hugging Face a permis des échanges en temps réel et une résolution rapide des problèmes, soulignant l’importance d’un partenariat bien au-delà d’un simple service fournisseur-client.
En s’associant avec Hugging Face, Rocket Money a démontré qu’avec les bons partenaires, les startups peuvent surmonter des défis technologiques complexes sans posséder toutes les expertises en interne. Cette stratégie leur a permis d’atteindre un niveau de scalabilité et de performance essentiel à leur croissance continue.