« Cela ressemble à ce que vous aimez »
Le système compare les caractéristiques des objets : thème, genre, auteur, mots ou représentation vectorielle.
Réduire des millions de choix à quelques propositions
Comment fonctionne un système de recommandation ?
Le système sélectionne des candidats, leur attribue un score puis réorganise la liste selon l’objectif du service et des contraintes comme la diversité, la fraîcheur ou la sécurité.
À retenirUne recommandation ne révèle pas simplement vos goûts. Elle résulte aussi de ce que la plateforme possède, mesure et cherche à optimiser.
Catalogue
1 000 000→Candidats
1 000→Classement
10
1 000 000→Candidats
1 000→Classement
10
Deux grandes familles
Contenu similaire ou comportements proches
« Des personnes aux goûts proches ont aimé ceci »
Il apprend à partir des interactions entre utilisateurs et objets, même sans décrire chaque contenu à la main.
Quel signal produit la proposition ?
Exemple : votre prochaine vidéo
Le système peut rapprocher la vidéo de celles que vous avez déjà regardées, observer les choix de personnes aux habitudes similaires, puis réordonner les candidats selon leur probabilité d’être lancés. Votre clic suivant devient à son tour une nouvelle donnée pour les recommandations futures.
Explorez trois situations
Similarité de contenu
Rechercher des ouvrages aux caractéristiques proches
- Signal
- Genre, thèmes, style, auteur ou représentation du texte.
- Avantage
- Fonctionne sans comparer votre comportement à celui d’autres personnes.
- Risque
- Rester enfermé dans des contenus trop semblables.
Une chaîne en trois étapes
Générer, noter, réorganiser
Réduire le catalogue
Plusieurs méthodes proposent rapidement un ensemble plausible.
Estimer la pertinence
Clic, lecture, achat, satisfaction ou autre objectif défini.
Appliquer des contraintes
Diversité, fraîcheur, sécurité, doublons et contenus déjà vus.
Observer l’interaction
Le comportement produit de nouvelles données pour la suite.
L’objectif modèle l’expérience
Optimiser un clic n’est pas optimiser votre bien-être
Temps passé, clic, achat ou retour explicite conduisent à des classements différents. Un indicateur facile à mesurer peut devenir un mauvais résumé de la satisfaction réelle.
Garder la maîtrise
Six réflexes pour l’utilisateur et le concepteur
- 1
Rendre le motif visible
« Parce que vous avez regardé… » - 2
Permettre de corriger
Masquer, ne plus recommander ou réinitialiser. - 3
Introduire de la diversité
Ne pas montrer seulement le plus proche ou populaire. - 4
Traiter le démarrage à froid
Nouvel utilisateur ou nouvel objet sans historique. - 5
Mesurer au-delà du clic
Satisfaction, regrets et conséquences à long terme. - 6
Surveiller les boucles
Ce qui est montré reçoit plus d’interactions et paraît encore meilleur.
Sources de référence
Pour approfondir
Google distingue le filtrage basé sur le contenu et le filtrage collaboratif, puis décrit une architecture courante en trois étapes : candidats, score et reclassement.
Relier les notions
Une recommandation reste une prédiction à évaluer et à surveiller.
Comprendre une notion
Gardez le fil de votre apprentissage.
Une étape courte et clairement reliée à ce que vous venez de lire.