Comment Netflix compose ses algorithmes de recommandation

Technologie : Pour suggérer des contenus à ses utilisateurs, la plateforme de streaming a recours à des algorithmes d’intelligence artificielle afin de deviner les films ou séries qu’ils sont le plus susceptibles de vouloir visionner à l’instant T.

De notre correspondant à San Francisco. Il existe deux manières d’accéder à un contenu sur Netflix. Dans le premier cas, l’utilisateur a exactement en tête le film ou la série qu’il compte regarder, tape son nom dans la barre de recherche, et commence son visionnage. Dans le second cas de figure, l’utilisateur clique par curiosité sur l’une des recommandations qui s’affichent automatiquement sur sa page.

 

Selon Hossein Taghavi, ingénieur en charge de la recherche chez Netflix, ce second cas de figure est de très loin le plus fréquent. « Plus de 80% des contenus visionnés par nos utilisateurs sont des recommandations. » affirme-t-il. La qualité des suggestions fournies aux utilisateurs est donc d’une importance primordiale pour Netflix. « Notre objectif, à long terme, est que lorsque l’utilisateur se connecte, le contenu qu’il souhaite visionner s’affiche en haut de la page, sans qu’aucune action de sa part soit nécessaire. »

Selon Hossein Taghavi, l’un des enjeux principaux, pour atteindre cet objectif, consiste à déterminer si l’utilisateur est dans une optique de découverte (il souhaite visionner un contenu qu’il n’a jamais vu auparavant) ou de continuité (il souhaite reprendre le visionnage d’un contenu entamé au préalable). Un second enjeu consiste, lorsque l’utilisateur est dans une optique de continuité, à déterminer quel contenu il souhaite le plus regarder parmi tous ceux dont il a auparavant entamé la lecture. Afin de répondre à ces deux questions, l’équipe de Netflix a défini un certain nombre de variables.

Habitude ou optique de découverte ?

Celles-ci ont ensuite été utilisées dans des algorithmes d’apprentissage machine (« machine learning » dans la langue d’Alan Turing). Ces algorithmes prédictifs ont été testés sur des utilisateurs pris aléatoirement, afin d’observer avec quelle précision ils permettent de deviner leur comportement, et de réajuster les paramètres en conséquence.

Hossein Taghavi explique ainsi que l’utilisateur a plus de chances de reprendre le visionnage d’un contenu commencé au préalable s’il a récemment regardé plusieurs épisodes d’une même série, sans parvenir à la fin ; s’il a commencé un film sans le finir ; et enfin s’il a pour habitude de regarder une série particulière à cette heure de la journée ou sur l’appareil sur lequel il se trouve actuellement. Inversement, le fait que l’utilisateur soit nouveau sur Netflix, qu’il n’ait rien regardé depuis quelque temps ou qu’il vienne de terminer un film ou une série laisse à supposer qu’il se trouve dans une optique de découverte.

Une fois déterminé que l’utilisateur est dans une optique de continuité, prédire le film ou la série dont il a le plus de chance de reprendre le visionnage repose sur un lot bien plus complexe de variables. Celles-ci sont liées au profil de l’utilisateur (pays où il se trouve, notes qu’il a attribué aux contenus préalablement regardés, genres favoris), à son rapport à chacun des contenus qu’il a visionnés dans le cadre de son usage de Netflix (fréquence de visionnage, tendance à regarder tel type de contenu sur telle tranche horaire) et enfin au contexte (heure de la journée, localisation, appareil utilisé).

Quand faire découvrir de nouveaux contenus ?

En fonction des prédictions de ses algorithmes, Netflix modifie la manière dont la page d’accueil se présente à l’utilisateur. Si l’algorithme prédit une logique de découverte, la page met en évidence des contenus inédits. Dans le cas contraire, elle affiche en priorité le contenu dont l’utilisateur a la plus forte probabilité de reprendre la lecture, suivi du second par ordre de probabilité, puis du troisième, et ainsi de suite, à travers le carrousel « Continuer à regarder ».

Selon Hossein Taghavi, si les algorithmes affichent d’ores et déjà des résultats prometteurs, la principale difficulté consiste pour l’heure à déterminer quand un utilisateur en a bel et bien terminé avec un contenu, et que la plateforme ne doit donc plus en suggérer le visionnage. Il affirme également travailler à la recherche de paramètres toujours plus précis pour faire découvrir aux utilisateurs de nouveaux contenus susceptibles de correspondre à leurs goûts.

  • Netflix va lever 1 milliard d’euros pour financer ses contenus
  • Netflix : les 100 millions d’abonnés en ligne de mire
  • Xbox Game Pass : Microsoft veut devenir le Netflix du jeu vidéo
  • HTML5 : l’intégration du DRM Netflix fait hurler
  • Netflix France : 1,4 million d’abonnés

Comment Netflix compose ses algorithmes de recommandation

Source : L’article << Comment Netflix compose ses algorithmes de recommandation >> est extrait de ZDNet

Une sélection d'articles qui pourraient vous intéresser ...

rester-informer
Ne manquez plus rien!
Abonnez-vous dès maintenant aux infos de SOSVirus et recevez chaque mois, le meilleur de la sécurité informatique : news, tutos, hacking, alerte ransomware, spam alerte ...

1 Etoile2 Etoiles3 Etoiles4 Etoiles5 Etoiles 1 avis, 5,00/5
Loading...
Par | 2017-04-26T19:12:22+00:00 avril 26th, 2017|Actualité|0 commentaire

Laisser un commentaire