Les moteurs de recommandations ont aujourd'hui une place de plus enplusimportantedansl'aiguillagedenoschoixdeconsommationsurinternet. Cependant, les données disponibles pour effectuer une recommandation varient selon les utilisateurs, les moyens de l'industrie et le type des produits. Dans cet article, nous nous intéressons d'une part, aux performances des modèles de factorisation de matrice ainsi qu'à l'apprentissage profond, et d'autre part, à la recommandation sur des données massives. Une étude comparative entre plusieurs modèles de l'état de l'art est proposée dans un cadre applicatif lié à un industriel spécialisé dans la captation et la gestion des données sur le marché des pneumatiques.