Dans cet article, nous présentons la Recommandation Générative Multi-Cibles Inter-domaines (GMC), une nouvelle approche basée sur le paradigme génératif pour résoudre le problème de la Recommandation Multi-Cibles Inter-domaines (MTCDR). Alors que les méthodes MTCDR existantes reposent sur des entités partagées entre domaines, la GMC intègre les connaissances de plusieurs domaines dans un modèle génératif unifié utilisant des identifiants sémantiques partagés par domaine. Nous générons des identifiants sémantiques partagés par domaine à l'aide d'un tokeniseur d'éléments et entraînons un modèle séquence à séquence intégré au domaine pour formaliser les recommandations d'éléments comme prochaine tâche de génération de jetons. Pour exploiter les informations du domaine, nous introduisons une perte contrastive sensible au domaine et effectuons un réglage fin spécifique au domaine. Les résultats expérimentaux sur cinq jeux de données publics démontrent que la GMC surpasse les méthodes existantes.