J'ai remarqué que mes fils Instagram et TikTok semblent personnalisés en fonction de ce avec quoi j'interagis, mais je suis curieux de connaître les mathématiques réelles derrière tout ça. Genre, ils utilisent un système de notation ou un modèle probabiliste pour décider quels posts me montrer en premier ?
J'ai commencé à suivre ce qui apparaissait dans mon fil après avoir passé une semaine à liker tous les posts d'aquariums que je trouvais, et en quelques jours l'algorithme m'inondait basiquement de contenu sur les bacs plantés - beaucoup plus agressif que je ne l'aurais cru. Ce qui se passe en arrière-plan, c'est qu'ils font tourner des modèles de prédiction d'engagement qui estiment la probabilité que tu aimes, commentes ou passes du temps sur un post, puis ils pondèrent ces prédictions en fonction de facteurs comme la date de publication, qui l'a posté, et à quel point c'est similaire aux trucs avec lesquels tu as interagi avant. Ce n'est pas une seule formule mais plutôt un système de classement qui combine des douzaines de ces scores de probabilité ensemble, chaque plateforme tweakant les signaux qui importent le plus (Instagram semble beaucoup valoriser le temps de visionnage, TikTok semble obsédée par le fait que tu revisionnes). Les maths elles-mêmes ne sont pas secrètes - c'est surtout des trucs comme la régression logistique ou le gradient boosting - mais la vraie complexité, c'est dans le choix des signaux qu'ils décident de donner au modèle et le poids que chacun a.
La partie « personnalisation » n'est pas vraiment aussi précise que tu pourrais le penser - c'est moins une seule formule mathématique élégante et plus comme un fouillis de signaux pondérés. Ils calculent essentiellement chaque post en utilisant des trucs comme : à quelle fréquence tu t'arrêtes sur du contenu similaire, combien de temps tu hovers, qui l'a posté, le nombre d'engagements qu'il a déjà, la récence, et une tonne d'autres facteurs qui alimentent les algorithmes de classement (pense à des réseaux de neurones qui s'ajustent constamment). Tous ces signaux sont traités ensemble, généralement avec des modèles de machine learning qui essaient de prédire si tu vas vraiment interagir ou continuer à scroller, et ce score de prédiction détermine où le post se retrouve dans ton fil. Les plateformes ne publient pas les poids exacts parce que c'est propriétaire, mais ouais - c'est clairement des maths sous le capot, juste pas le genre que tu pourrais écrire sur un tableau blanc.
Vous avez remarqué comment votre fil change dès que vous interagissez différemment ? C'est l'algorithme qui se recalibre en temps réel.
Les plateformes utilisent plusieurs systèmes de notation qui fonctionnent en parallèle, pas une seule formule magique. Chaque publication reçoit un score basé sur les signaux d'engagement (likes, commentaires, partages, temps de visionnage), la récence, votre historique d'interaction avec ce créateur, la correspondance du type de contenu, et ce avec quoi les utilisateurs similaires se sont engagés. Ces scores sont pondérés différemment selon ce que la plateforme veut optimiser - TikTok privilégie le temps de visionnage et les partages, Instagram privilégie davantage les likes et les commentaires. L'algorithme classe ensuite les candidats et vous montre les meilleurs. Pensez-y moins comme une démonstration mathématique et plus comme un videur de discothèque qui vérifie plusieurs critères pour décider qui entre.
J'ai traversé une phase où je faisais des recherches sur les sites d'observation des oiseaux en ligne, regardais plein de vidéos de nature, et soudain mon fil a été inondé de contenu sur les oiseaux. Après un couple de semaines à ignorer ces publications sans m'engager, le fil a changé. C'est le système de notation pondérée qui s'ajuste - quand j'ai arrêté d'interagir avec le contenu sur les oiseaux, ces publications ont chuté dans mon classement personnalisé, et d'autres sujets ont refait surface. Les maths sont réelles, mais ce n'est pas en essayant d'être élégant ou juste ; c'est juste en essayant de prédire ce qui vous fera continuer à faire défiler. Elles utilisent des techniques provenant des systèmes de recommandation (filtrage collaboratif, réseaux de neurones), mais les poids exacts et les seuils que chaque plateforme utilise sont propriétaires, donc personne de l'extérieur ne connaît la formule précise.
Les maths, c'est essentiellement un tas de facteurs pondérés - le temps que tu passes sur des posts similaires, la vitesse à laquelle tu t'engages, si tu suis le compte, commenter versus juste liker - tout ça se combine en un score de pertinence qui détermine le classement. C'est moins "une formule élégante" et plus "on jette tout contre le mur et on voit ce qui colle", c'est pour ça que tu remarqueras parfois des changements dingues dans ton fil quand ton comportement change même légèrement. Ils font constamment des tests A/B sur ces poids aussi, donc ce qui fonctionne pour classer les posts pour toi pourrait être complètement différent de l'algorithme de quelqu'un d'autre.
Les réponses précédentes touchent à l'idée centrale mais passent un peu à côté de la raison pour laquelle les maths comptent réellement. Oui, il y a des signaux pondérés et ils se recalibrent en temps réel - tout ça c'est vrai. Mais la raison pour laquelle ça paraît tellement efficace, c'est que ces plateformes ne font pas juste additionner des facteurs comme le temps d'engagement plus le statut de suivi. Elles utilisent des modèles d'apprentissage automatique, généralement une sorte de réseau de neurones ou de boosting par gradient, qui apprennent des *motifs* dans le comportement de millions de personnes. Donc quand tu commences soudainement à aimer des posts sur les aquariums, l'algorithme ne compte pas juste ces likes - il regarde ce que d'autres personnes qui aiment ces posts ont tendance à consulter, la vitesse à laquelle tu fais défiler pour passer d'autres contenus, même des trucs comme l'heure de la journée où tu es le plus actif. C'est beaucoup plus interconnecté qu'un simple système de notation.
La partie plus délicate, c'est que ces plateformes optimisent généralement pour le temps de visionnage ou l'engagement, pas pour « te montrer ce que tu veux vraiment ». Donc les maths sont conçues pour prédire ce qui va te garder en train de faire défiler, ce qui signifie parfois te servir des trucs qui te mettent en colère ou qui te surprennent plutôt que des trucs vraiment utiles. Les « facteurs pondérés » mentionnés avant sont réels, mais ils sont filtrés à travers un modèle entraîné pour maximiser une certaine métrique commerciale. C'est pour ça que l'algorithme peut sembler étrange - ce n'est pas qu'il te comprend mieux que tu ne te comprends toi-même, c'est qu'il est devenu très précis pour exploiter ce qui retient l'attention humaine.
J'ai vu mon propre fil se transformer radicalement juste à partir de quelques clics, donc le système de pondération est définitivement réel - mais voilà ce que les gens passent sous silence : l'algorithme apprend aussi à te montrer des contenus qui te gardent en train de scroller même si tu n'interagis pas explicitement avec eux, ce qui signifie que des posts de comptes que tu ne suis jamais ou de sujets auxquels tu as à peine touché peuvent soudainement t'inonder si c'est optimisé pour te captiver à tout prix. Ce n'est pas juste une question de correspondre à tes goûts, c'est de maximiser le temps que tu passes, ce qui est un tout autre jeu.
Se connecterpour répondre.
