Comment fonctionnent les algorithmes de recommandation (Netflix, Spotify, YouTube) ?

Vous lancez une application de streaming après une longue journée. Sans que vous ayez à chercher, l'écran affiche exactement la série qui va vous faire vibrer, la chanson idéale pour votre humeur ou la vidéo qui va vous captiver pendant des heures. Ce phénomène quotidien semble relever de la télépathie. Derrière cette apparente magie se cachent pourtant des lignes de code redoutables : les algorithmes de recommandation.

Ces systèmes sont devenus les véritables directeurs artistiques de nos vies numériques. Qu'il s'agisse de choisir notre prochain film ou de dénicher un artiste émergent, ils orientent nos choix sans que nous nous en rendions compte. Pour comprendre comment ces machines parviennent à lire dans nos pensées, il faut d'abord plonger dans les coulisses de leur fonctionnement. Ces programmes transforment nos moindres actions en données mathématiques pour dresser notre portrait-robot numérique.

Les deux grands cerveaux de la recommandation

Pour nous proposer du contenu, les plateformes s'appuient principalement sur deux méthodes d'analyse complémentaires. La première s'appelle le filtrage basé sur le contenu. Son principe est simple : si vous aimez une œuvre, l'algorithme cherche d'autres œuvres qui lui ressemblent. Sur une plateforme de musique, le système va analyser le rythme (le tempo ou « BPM »), les instruments ou encore le style de chant. Si vous écoutez en boucle de la synthwave (un genre électronique actuel, inspiré des musiques et des films des années 1980), le programme vous proposera des morceaux partageant ces mêmes caractéristiques techniques.

La seconde méthode, beaucoup plus puissante, est le filtrage collaboratif. Ici, le système s'intéresse aux personnes plutôt qu'aux objets eux-mêmes. Il cherche vos « sosies de goûts ». Si vous avez adoré trois films spécifiques et qu'un autre utilisateur a aimé ces mêmes films plus un quatrième, la machine en déduit que ce quatrième film a de grandes chances de vous plaire.

Le secret des géants de la tech réside dans le mélange astucieux de ces techniques. C'est particulièrement vrai pour Spotify, le géant suédois de la musique. D'après le blog technique de Spotify, l'algorithme combine le filtrage collaboratif, l'analyse brute du signal audio (pour identifier le genre) et le traitement du langage naturel (en analysant ce que les internautes écrivent sur le web à propos des chansons) pour générer ses fameuses listes de lecture personnalisées.

Dans les coulisses de Netflix et YouTube

Chaque plateforme a développé sa propre recette pour capter et retenir notre attention. Chez Netflix, par exemple, la personnalisation va bien au-delà de la simple suggestion d'un titre. Les visuels mêmes des films (les vignettes de présentation) changent en fonction de votre profil. Si vous regardez principalement des comédies romantiques, l'affiche d'un film d'action mettra en avant une scène d'amour. Si vous préférez les films d'action purs, cette même affiche montrera une explosion ou une course-poursuite spectaculaire.

La plateforme américaine s'appuie sur une multitude de capteurs invisibles. D'après les explications fournies par l'aide officielle de Netflix, le système croise vos interactions directes, l'heure à laquelle vous vous connectez, les appareils que vous utilisez et la durée de vos sessions de visionnage. Si vous profitez de votre abonnement Netflix depuis votre box TV, l'expérience s'adapte en temps réel à vos habitudes du moment.

Du côté de YouTube, le défi est d'une tout autre échelle avec des milliards d'heures de vidéo visionnées chaque jour. La plateforme de Google cherche avant tout à maximiser la satisfaction à long terme plutôt que le simple clic impulsif. Sur la page de présentation de YouTube, le service explique que ses recommandations reposent sur deux signaux majeurs : les retours d'opinion (comme les enquêtes de satisfaction directes lancées sur l'interface) et le comportement réel des internautes (ce qu'ils regardent, la durée de visionnage, mais aussi ce qu'ils décident d'ignorer).

La prison dorée des bulles de filtres

Cette personnalisation extrême présente une contrepartie de taille. À force de nous proposer uniquement ce que nous aimons déjà, les algorithmes risquent de nous enfermer dans ce que le militant américain Eli Pariser a nommé, dès 2011, une « bulle de filtres ». Ce phénomène restreint notre horizon culturel en éliminant la part de hasard et de surprise nécessaire à l'apprentissage et à la découverte.

Sur les réseaux sociaux et les plateformes de vidéo, ce mécanisme peut être plus problématique en renforçant les biais cognitifs. En ne présentant que des contenus qui confirment nos opinions préexistantes, les algorithmes de recommandation peuvent accentuer la polarisation de la société. Nous finissons par vivre dans des réalités parallèles où chaque groupe est conforté dans ses certitudes.

Il existe heureusement des parades simples pour bousculer ces machines. Vous pouvez régulièrement nettoyer votre historique de visionnage, utiliser le mode de navigation privée pour vos recherches ponctuelles ou forcer la découverte en cherchant activement des genres totalement opposés à vos habitudes. Reprendre la main sur sa télécommande numérique demande un léger effort, mais c'est le prix à payer pour préserver sa curiosité intellectuelle et sortir des sentiers battus que les machines ont tracés pour nous.