{"id":112,"date":"2015-10-09T13:33:04","date_gmt":"2015-10-09T12:33:04","guid":{"rendered":"http:\/\/www.fluxnumerique.fr\/?p=112"},"modified":"2020-12-13T10:12:43","modified_gmt":"2020-12-13T09:12:43","slug":"les-moteurs-de-recommandation","status":"publish","type":"post","link":"https:\/\/www.fluxnumerique.fr\/?p=112","title":{"rendered":"Les moteurs de recommandation"},"content":{"rendered":"<p>La d\u00e9couverte de contenu s\u2019effectue par une recherche active (qui doit \u00eatre simplifi\u00e9e au maximum) ou par des m\u00e9canismes de recommandation, qui am\u00e8nent le contenu vers l&rsquo;utilisateur (qui se souvient de la r\u00e9plique du Bossu \u00ab\u00a0<em>Si tu ne viens pas \u00e0 Lagard\u00e8re<\/em>, <em>Lagard\u00e8re ira \u00e0 toi<\/em> \u00a0\u00bb ?).<\/p>\n<p>Quand un catalogue de films (par exemple) est complet, la recherche est facilit\u00e9e par un bonne cat\u00e9gorisation des contenus, selon plusieurs axes; en particulier le genre et le th\u00e8me des films, mais aussi le <em>mood<\/em>, c\u2019est \u00e0 dire l\u2019envie qui sous-tend le choix d\u2019un film\u00a0: zen, rire, glamour etc. Spideo a mis en place\u00a0cette fonctionnalit\u00e9 sur CanalPlay Infinity avec une interface tr\u00e8s pratique :<\/p>\n<p><a href=\"http:\/\/www.fluxnumerique.fr\/wp-content\/uploads\/2015\/10\/spideo-moods.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-medium wp-image-113\" src=\"http:\/\/www.fluxnumerique.fr\/wp-content\/uploads\/2015\/10\/spideo-moods-300x225.jpg\" alt=\"spideo-moods\" width=\"300\" height=\"225\" srcset=\"https:\/\/www.fluxnumerique.fr\/wp-content\/uploads\/2015\/10\/spideo-moods-300x225.jpg 300w, https:\/\/www.fluxnumerique.fr\/wp-content\/uploads\/2015\/10\/spideo-moods.jpg 600w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><\/a><\/p>\n<p>Une approche traditionnelle\u00a0de la \u00ab\u00a0recommandation\u00a0\u00bb est l\u2019approche \u00e9ditoriale traditionnelle des m\u00e9dias, telle qu&rsquo;on la trouve sur <a href=\"http:\/\/www.universcine.com\/\">UniversCin\u00e9<\/a>\u00a0; c&rsquo;est l&rsquo;\u00e9quipe \u00e9ditoriale (et marketing) qui s\u00e9lectionne les films mis en avant. Sur\u00a0<a href=\"http:\/\/www.senscritique.com\/\">SensCritique<\/a>, la recommandation est tout aussi manuelle, mais cr\u00e9\u00e9e cette fois-ci par la communaut\u00e9.<\/p>\n<p>Cette approche est g\u00e9n\u00e9ralement compl\u00e9t\u00e9e par la mise en avant de\u00a0<em>tops<\/em> (les plus vus, les plus lou\u00e9s, achet\u00e9s par ceux qui ont aussi achet\u00e9, etc.), que l&rsquo;on trouve sur tous les sites e-commerce, Amazon en premier lieu.<\/p>\n<p>Mais le top du top en mati\u00e8re de recommandation est celle qui s&rsquo;adapte \u00e0 chaque utilisateur, en pr\u00e9tendant connaitre ses go\u00fbts de mani\u00e8re pr\u00e9cise.<\/p>\n<p><a href=\"https:\/\/www.netflix.com\/fr\/\">Netflix<\/a>, en particulier, parvient \u00e0 convaincre ses utilisateurs de conserver leur abonnement en faisant \u00e9merger des films de son catalogue via un syst\u00e8me de recommandations personnalis\u00e9es reconnu. C&rsquo;est indispensable dans leur cas, puisque les clients de l&rsquo;offre seraient tr\u00e8s d\u00e9\u00e7us par les r\u00e9sultats de leurs recherches de films &#8230;<\/p>\n<p>Une\u00a0recommandation peut \u00eatre bas\u00e9e sur diff\u00e9rentes approches compl\u00e9mentaires :<\/p>\n<ul>\n<li>l\u2019approche par les similarit\u00e9s de contenu<\/li>\n<li>l\u2019approche par traitement des traces de navigation<\/li>\n<li>l\u2019approche par filtrage collaboratif<\/li>\n<li>l\u2019approche sociale par les amis<\/li>\n<li>l\u2019approche sociale par le choix de r\u00e9f\u00e9rent<\/li>\n<\/ul>\n<p>Passons en revue ces diff\u00e9rents cas :<\/p>\n<h2><\/h2>\n<h2>Approche par les similarit\u00e9s de contenu<\/h2>\n<p>Les informations qui caract\u00e9risent chaque film ou s\u00e9rie sont trait\u00e9es par un moteur d&rsquo;analyse puissant pour rapprocher les contenus similaires ; on parle de <em>data mining<\/em>. On constitue ainsi un graphe dans lequel les contenus sont agr\u00e9g\u00e9s en fonction de leur similarit\u00e9, la proximit\u00e9 indiquant une similarit\u00e9 plus grande.<\/p>\n<p>On prend en compte des caract\u00e9ristiques objectives de l\u2019\u0153uvre comme son , ann\u00e9e de production, ses\u00a0nationalit\u00e9s, son casting, mais aussi des caract\u00e9ristiques \u00e9ditoriales telles que ses\u00a0genres et th\u00e8mes.<\/p>\n<p>Cette approche permet de r\u00e9pondre au besoin de recommandation en temps r\u00e9el de contenus \u00e0 des utilisateurs que l\u2019on connait peu et qui ne peuvent donc pas \u00eatre pris en charge par une approche collaborative.<\/p>\n<p>Cette approche par le contenu a cependant des limites dans le domaine du cin\u00e9ma, o\u00f9 la similarit\u00e9 de deux films n&rsquo;entra\u00eene pas forc\u00e9ment une appr\u00e9ciation identique.<\/p>\n<h2>Approche par traitement des traces de navigation<\/h2>\n<p>Les pages visit\u00e9es, les vid\u00e9os vues par la masse des internautes sur un site Web ou via une application mobile constituent des signaux faibles, mais n\u00e9anmoins tr\u00e8s utiles.<\/p>\n<p>Ces indications permettent par exemple de savoir quels sont les films ou les s\u00e9ries qui font le buzz sur la plateforme \u00e0 un moment donn\u00e9. Amazon utilise ces informations pour sa section \u201cLes clients ayant consult\u00e9 cet article ont \u00e9galement regard\u00e9\u201d (la FNAC fait de m\u00eame d&rsquo;ailleurs).<\/p>\n<h2>Approche par filtrage collaboratif<\/h2>\n<p>On aborde l\u00e0 la recommandation personnalis\u00e9e. C\u2019est l\u2019approche la plus ouverte, car elle s\u2019applique \u00e0 tout type de produit, culturel ou non. C\u2019est\u00a0potentiellement la plus pertinente pour les produits culturels, mais c\u2019est aussi la plus complexe \u00e0 mettre en \u0153uvre.<\/p>\n<p>La premi\u00e8re difficult\u00e9 est d\u2019obtenir des informations suffisamment fines pour pouvoir qualifier ces informations d\u2019 \u00ab appr\u00e9ciation \u00bb. En effet certains sites e-commerce (dont les services VOD) disposent uniquement de d\u00e9cisions d\u2019achat, qui sont alors interpr\u00e9t\u00e9es \u2013 souvent abusivement &#8211; comme des opinions positives.<\/p>\n<p>La seconde difficult\u00e9 est d\u2019obtenir un nombre suffisant d\u2019opinions de la part d\u2019 un nombre important de personnes, pour pouvoir rapprocher efficacement ceux qui ont les m\u00eames opinions sur les m\u00eames contenus, et donc on l\u2019esp\u00e8re les m\u00eames go\u00fbts.<\/p>\n<p>Pour les amateurs qui n\u2019h\u00e9sitent pas \u00e0 noter 10, 100 voire 1000 films ou s\u00e9ries, un logiciel de datamining puissant malaxe quotidiennement les opinions qu\u2019ils ont laiss\u00e9es sur le site et les rapproche de celles \u00e9mises par l\u2019ensemble des utilisateurs de la plateforme. Les contenus appr\u00e9ci\u00e9s par le groupe d\u2019int\u00e9r\u00eat ainsi constitu\u00e9 leurs sont alors recommand\u00e9s, pourvu qu\u2019ils ne les aient pas d\u00e9j\u00e0 vus (ou plut\u00f4t not\u00e9s), et ces contenus recommand\u00e9s sont pr\u00e9sent\u00e9s par score d\u00e9croissant.<\/p>\n<p>Les utilisateurs d\u2019<a href=\"http:\/\/www.allocine.fr\/\">AlloCin\u00e9<\/a> \u00e9mettent par exemple des opinions pr\u00e9cises et en grand nombre : c\u2019est donc l\u2019une des rares plateformes fran\u00e7aises \u00e0 pouvoir mettre en \u0153uvre des services bas\u00e9s sur un graphe d\u2019int\u00e9r\u00eat et dont la performance peut atteindre celle de Last.fm dans le domaine de la recommandation musicale ou celle de Netflix dans celui de la recommandation cin\u00e9ma.<\/p>\n<h2>Approche sociale par les amis<\/h2>\n<p>C\u2019est avec ses amis que l\u2019on va au cin\u00e9ma, avec eux que l\u2019on discute du film que l\u2019on a vu la veille. La recommandation sociale est donc d\u2019une force au moins \u00e9gale \u00e0 la recommandation \u00ab anonyme \u00bb issue d\u2019un algorithme, aussi puissant soit-il.<\/p>\n<p>Il est int\u00e9ressant\u00a0de proposer aux utilisateurs authentifi\u00e9s sur le site marchant via leur compte Facebook de rassembler dans une page d\u00e9di\u00e9e les opinions de leurs amis, si ces amis ont not\u00e9 des films ou s\u00e9ries sur la m\u00eame plateforme bien entendu.<\/p>\n<p>J&rsquo;ai eu l&rsquo;occasion de tenter cette approche dans le cadre du projet R&amp;D Cin\u00e9Gift d&rsquo;AlloCin\u00e9. Mais je ne l&rsquo;ai jamais vue appliqu\u00e9e \u00e0 un site marchant en production.<\/p>\n<h2>Approche sociale par le choix de r\u00e9f\u00e9rents<\/h2>\n<p>La proximit\u00e9 sociale est-elle garante d\u2019une proximit\u00e9 de go\u00fbt cin\u00e9matographique ? Rien n\u2019est moins s\u00fbr.<\/p>\n<p>Pour compl\u00e9ter l\u2019approche sociale bas\u00e9e sur le r\u00e9seau d\u2019amis, on peut donc proposer la mise en valeur des opinions de cin\u00e9philes qui partagent vos go\u00fbts, \u00e0 la mani\u00e8re des pratiques de <em>followers<\/em>\u00a0en vigueur sur Twitter.<\/p>\n<p>Ces \u00e9claireurs sont les membres les plus actifs du groupe d\u2019int\u00e9r\u00eat auquel appartient l\u2019utilisateur (cela n\u2019est possible que si une approche collaborative est mise en oeuvre). L\u2019utilisateur choisit un r\u00e9f\u00e9rent apr\u00e8s avoir eu acc\u00e8s \u00e0 son profil ; les opinions de ces r\u00e9f\u00e9rents seront alors mises en avant sous la forme de recommandations \u00e9clair\u00e9es.<\/p>\n<h2>R&amp;D : le \u201cdeep learning\u201d<\/h2>\n<p>Les derni\u00e8res avanc\u00e9es sur les moteurs de recommandation proviennent du champ scientifique nomm\u00e9 deep-learning. Les techniques de deep-learning sont \u00e0 la mode depuis que Google a rachet\u00e9 DeepMind, startup sp\u00e9cialis\u00e9e dans l&rsquo;IA, combinant neurosciences et machine learning. Netflix emboite actuellement le pas et compte am\u00e9liorer substantiellement son moteur de recherche par l\u2019utilisation de r\u00e9seaux neuronaux h\u00e9berg\u00e9s sur le Cloud Amazon.<\/p>\n<p>Mais l\u00e0, nous sommes encore dans le champ de la recherche, et j&rsquo;attends avec impatience de voir une premi\u00e8re impl\u00e9mentation sur un site marchand.<\/p>\n<h2>A suivre\u00a0&#8230;<\/h2>\n<p>Dans un prochain article, je d\u00e9crirai diff\u00e9rentes solutions de recommandation applicables au domaine du cin\u00e9ma : Spideo, Cognik, AntVoice, TasteHit, \u00a0Cin\u00e9Trafic, Jinny, xroadmedia, ThinkAnalytics, EasyRec, DigitalSmiths, Gravity, ContentWise et MoviePilot.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>La d\u00e9couverte de contenu s\u2019effectue par une recherche active (qui doit \u00eatre simplifi\u00e9e au maximum) ou par des m\u00e9canismes de recommandation, qui am\u00e8nent le contenu vers l&rsquo;utilisateur (qui se souvient de la r\u00e9plique du Bossu \u00ab\u00a0Si tu ne viens pas \u00e0 Lagard\u00e8re, Lagard\u00e8re ira \u00e0 toi \u00a0\u00bb ?). Quand un catalogue de films (par exemple)&hellip;<\/p>\n","protected":false},"author":1,"featured_media":114,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[6],"tags":[],"class_list":["post-112","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-web"],"_links":{"self":[{"href":"https:\/\/www.fluxnumerique.fr\/index.php?rest_route=\/wp\/v2\/posts\/112","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.fluxnumerique.fr\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.fluxnumerique.fr\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.fluxnumerique.fr\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.fluxnumerique.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=112"}],"version-history":[{"count":4,"href":"https:\/\/www.fluxnumerique.fr\/index.php?rest_route=\/wp\/v2\/posts\/112\/revisions"}],"predecessor-version":[{"id":118,"href":"https:\/\/www.fluxnumerique.fr\/index.php?rest_route=\/wp\/v2\/posts\/112\/revisions\/118"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.fluxnumerique.fr\/index.php?rest_route=\/wp\/v2\/media\/114"}],"wp:attachment":[{"href":"https:\/\/www.fluxnumerique.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=112"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.fluxnumerique.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=112"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.fluxnumerique.fr\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=112"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}