Le 3 septembre 2025, Gracenote, filiale de Nielsen, a présenté le Video Model Context Protocol (MCP) Server, une solution d’IA destinée à améliorer la découverte de contenu sur les plateformes CTV et les applications de streaming. Cette offre connecte les grands modèles de langage (LLM) à une base de connaissances constamment actualisée, éliminant les « hallucinations » et enrichissant les réponses avec des métadonnées fiables. En s’appuyant sur plus de 40 millions de titres et 260 catalogues, le serveur promet de réduire le taux de désabonnement tout en augmentant l’engagement des utilisateurs.
À retenir
- Le Gracenote Video MCP Server a été lancé le 3 septembre 2025, avant le salon IBC d’Amsterdam.
- Il connecte tout LLM (ChatGPT, Claude, Gemini, Deepseek…) à une base de connaissances vérifiée par des humains.
- Plus de 40 millions de titres, 260 catalogues, 70 langues et 80 pays sont couverts.
- Il corrige les hallucinations, fournit des images, des disponibilités et des identifiants Gracenote IDs.
- Visé pour les plateformes CTV, les services de streaming, les MVPDs et les moteurs de recommandation.
- Objectif : améliorer la satisfaction client et réduire le churn dans un marché très concurrentiel.
Le défi des LLM dans la découverte de contenu
Les modèles de langage de grande taille offrent une interface conversationnelle puissante, mais leur utilisation dans la recherche de programmes télévisés révèle d’importantes limites.
Limitations des grands modèles de langage
Les LLM sont entraînés sur d’immenses corpus textuels, ce qui les rend capables de générer des réponses plausibles sans toutefois garantir leur véracité. Cette « autocomplétion sophistiquée » produit parfois des informations inventées, phénomène appelé hallucination. Les réponses ne sont donc pas toujours fondées sur des données factuelles, ce qui pose problème pour des requêtes précises comme « Quel épisode de Brooklyn Nine‑Nine cite Die Hard ? ».
Manque d’accès aux données en temps réel
Les LLM ne disposent pas d’un accès direct à des bases de données actualisées. Ainsi, ils peuvent fournir des horaires ou des disponibilités dépassés, alors même que les droits de diffusion évoluent quotidiennement. Dans un contexte où l’utilisateur demande « Où puis-je regarder le match des Dodgers ce soir ? », l’absence d’information en temps réel entraîne une expérience frustrante.
Absence d’intégration visuelle et de métadonnées structurées
Les requêtes liées au divertissement requièrent souvent des éléments visuels (affiches, bandes-annonces) et des identifiants normalisés. Les LLM ne manipulent pas naturellement ces données structurées, ce qui limite leur capacité à enrichir les réponses avec des images ou des Gracenote IDs. Le résultat est une interaction moins riche que celle attendue par les utilisateurs de plateformes modernes.
Présentation du Gracenote Video MCP Server
Face aux limites des LLM, Gracenote a conçu une couche d’enrichissement qui agit comme une boîte à outils, permettant aux modèles de langage d’accéder à une source de vérité fiable.
Architecture et intégration flexible
Le Video MCP Server se connecte à n’importe quel LLM choisi par le client, qu’il s’agisse de services cloud comme ChatGPT ou de modèles hébergés localement. L’onboarding ne nécessite que quelques clics et peut être réalisé en quelques minutes, même si la complexité varie selon l’infrastructure existante. Chaque client peut également injecter ses propres métadonnées, qui sont ensuite analysées conjointement avec la base de connaissances Gracenote.
Une base de connaissances riche et vérifiée
La base de Gracenote agrège plus de 40 millions de titres issus de 260 catalogues de streaming, couvrant la télévision, le cinéma et le sport. Les données sont normalisées, traduites en 70 langues et disponibles dans 80 pays. Chaque entrée est validée par des experts humains, ce qui fait de cette collection la source de vérité reconnue par l’industrie du divertissement.
Fonctionnement et avantages clés
Lorsqu’une requête est soumise, le MCP Server interroge d’abord la base de connaissances, puis transmet les informations factuelles au LLM. Le modèle peut ainsi générer une réponse enrichie, incluant des images d’affiches, des dates de sortie, des disponibilités sur les différentes plateformes et les identifiants Gracenote IDs. Cette démarche élimine les hallucinations et assure une pertinence maximale.
Tableau comparatif : LLM seul vs LLM + MCP Server
| Critère | LLM seul | LLM + MCP Server |
|---|---|---|
| Exactitude des réponses | Variable, risque d’hallucination | Vérifiée par données factuelles |
| Accès aux métadonnées visuelles | Limité | Images, bandes-annonces, IDs intégrés |
| Mise à jour en temps réel | Non | Calendriers de disponibilité actualisés |
| Complexité d’intégration | Aucune dépendance externe | Quelques clics, compatibilité multi-LLM |
| Impact sur le churn | Inconnu | Amélioration de la satisfaction client |
Public cible et cas d’usage
Le Video MCP Server s’adresse à tous les acteurs du streaming qui souhaitent exploiter les capacités conversationnelles des LLM tout en garantissant la fiabilité des réponses.
Plateformes CTV et applications de streaming
Les services de télévision connectée peuvent désormais offrir une recherche vocale ou textuelle capable de répondre à des demandes précises, comme « Liste les vingt films primés aux Oscars les plus rentables des dix dernières années ». Le résultat inclut les dates de sortie, les notes et les liens de streaming, augmentant ainsi le temps passé sur la plateforme.
MVPDs et fournisseurs de middleware
Les distributeurs multicanaux (MVPD) intègrent le serveur pour harmoniser les catalogues de plusieurs opérateurs. Grâce aux identifiants normalisés, les contenus sont présentés de façon cohérente, ce qui simplifie la gestion des droits et la personnalisation des recommandations.
Agents IA et recommandations personnalisées
En configurant un « AI Agent », les clients peuvent définir un « Model of Context » adapté à leurs besoins, par exemple privilégier les programmes similaires à l’historique de visionnage ou mettre en avant les nouveautés sportives. L’agent interroge d’abord le MCP Server, puis combine les résultats avec son propre modèle d’apprentissage, garantissant une pertinence maximale.
L’impact sur l’expérience utilisateur et l’industrie du streaming
Au-delà de l’aspect technologique, le serveur influence directement la satisfaction des abonnés et le positionnement stratégique des fournisseurs de contenu.
Amélioration de la satisfaction client et réduction du churn
Des réponses précises et enrichies permettent aux utilisateurs de trouver rapidement le programme recherché, ce qui augmente le taux de rétention. Selon les estimations internes, une amélioration de 15 % de la pertinence des recommandations peut réduire le churn de plusieurs points de pourcentage, un avantage décisif dans un marché où la concurrence est féroce.
Positionnement stratégique dans l’ère de l’IA
En lançant le serveur avant le salon IBC d’Amsterdam, Gracenote affirme son rôle de leader de la donnée de divertissement. « C’est une boîte à outils plutôt qu’un très gros marteau », déclare Tyler Bell, SVP Produit chez Gracenote. Cette approche modulaire répond aux attentes des fournisseurs qui souhaitent intégrer l’IA sans réécrire leurs architectures existantes.
Perspectives futures et événements clés
Le Video MCP Server constitue la première étape d’une série de produits IA prévus par Gracenote. La société prévoit d’étendre les capacités d’analyse sémantique, d’ajouter des outils de création de playlists automatiques et de proposer des services de traduction en temps réel pour les contenus internationaux. Le lancement coïncide avec l’IBC 2025, où plusieurs partenaires ont annoncé des projets pilotes basés sur la technologie.
