La recommandation personnalisée, une technologie de la prescription ?

Le Labo de l’édition accueillait le mardi 20 mai un atelier sur le thème de la recommandation personnalisée développée par les plateformes de diffusion numérique de produits culturels. Face à une masse de contenus toujours plus grande et une diversité concurrentielle des services de distribution, la mise en place d’outils performants pour guider le consommateur est devenue un enjeu majeur dans la réussite d’un modèle d’accès.

Dans le sectCapture d’écran 2014-05-23 à 17.47.37eur de la musique et de l’audiovisuel, les services en ligne tels que Spotify et Netflix illustrent cette mouvance et confirment la pertinence de la recommandation personnalisée pour les utilisateurs. Il en va de même pour les distributeurs de livres numériques, qui cherchent à s’en inspirer, tout en s’adaptant aux usages qui prévalent dans le secteur de l’édition.

En réunissant un acteur de la recommandation musicale, Musicovery, et deux services innovants d’édition numérique, Youscribe et Pirpl, l’objectif de cet atelier « Entrepreneuriat et Culture Numérique » organisé en partenariat avec Hadopi, est de présenter les enjeux de la recommandation personnalisée en ligne, abordant le développement technique, économique et stratégique des outils ; de l’expérience affirmée de l’industrie musicale à l’expérimentation en cours dans l’édition numérique.

Vincent Castaignet, fondateur de la plateforme Musicovery (et auparavant directeur du groupe musique de Cap Digital), débute sa présentation par une question simple : qu’est-ce que la recommandation ?

A partir de sources d’informations multiples (de l’historique des recherches à l’analyse comportementale), la recommandation consiste à suggérer un contenu à l’utilisateur, ou plutôt à « souligner les qualités de quelque chose pour qu’il soit choisi » comme le rappelle Laurent Le Toriellec, fondateur de Pirpl. La mise en avant, puisqu’il s’agit donc de cela, s’exprime sous diverses formes, allant de la simple liste (le « Si vous avez aimé…alors vous aimerez… ») à la recommandation la plus aboutie, une expérience utilisateur nouvelle. Au sein de Musicovery, Vincent Castaignet propose ainsi des smartradios, playlists automatiques « intelligentes » composées d’artistes ou morceaux similaires. Mais pour juger de la pertinence d’une recommandation culturelle, il faut avant tout comprendre l’univers culturel de l’utilisateur.

univers musical musicoveryLe contexte est en effet déterminant dans les procédés de recommandation. Viser juste, c’est découvrir l’élément qui rend un contenu désirable aux yeux de l’utilisateur, selon ses habitudes de consommation, sa personnalité, mais aussi son humeur du moment, sa culture, sa “tribu”, et évacuer les autres facteurs. Ainsi il n’est pas forcément judicieux de suggérer des artistes de pop coréenne à un auditeur occidental qui aime “Gangnam Style”, de la même manière qu’un passionné des Beatles ne souhaite pas découvrir des groupes "clones" qui copient leur musique. Enfin, la recommandation consiste aussi à mobiliser une connaissance (puis l’automatiser grâce aux algorithmes) en favorisant l’envie de découverte et la curiosité naturelle de l’utilisateur.

Comment dès lors produire une recommandation culturelle personnalisée ? Vincent Castaignet dresse une typologie des données pour catégoriser le contenu musical :

  • Les descripteurs experts, selon la matière sonore du morceau (son tempo, sa rythmique, sa mélodie),
  • Les descripteurs sémantiques, selon le genre (et sous-genre), l’ambiance, la situation d’écoute désirée,
  • Les charts et tubes, variant en fonction des régions,
  • L’ancrage social, selon les préférences des pairs,
  • Et enfin, le comportement individuel, déterminé par l’historique de recherche.

Ces données peuvent être collectées automatiquement à partir du signal sonore et des métadonnées produite par le web sémantique, ou éditorialisées par une équipe d’experts, comme les Deezer editors, spécialistes d’un courant musical précis. La performance d’un outil de recommandation dépendrait donc de sa capacité à fédérer ces deux approches.

Le modèle d’Amazon fournit un exemple de méthode de collecte de données fondée sur le filtrage collaboratif. En s’appuyant sur les cooccurrences d’un contenu, le système établit des « tribus » partageant les mêmes goûts ou intérêts. Le grand désavantage de cette méthode massivement employée par les distributeurs numériques est de renforcer la diffusion de contenus ou produits populaires, délaissant les nouveautés (on appelle cela le « cold start ») mais plus généralement la fin de la longue traîne, qui peine à émerger dans les recommandations.

recommandation amazonEn somme, le filtrage collaboratif est une solution profitable pour les plateformes de e-commerce, qui maximisent leurs ventes. Mais qu’en retire l’utilisateur ? Pour tenter de répondre à cette question, les fondateurs de la start-up Wepingo ont mis en place un service de recommandation personnalisée qui aide le consommateur à dénicher le produit idéal en indiquant ses critères de choix selon ses usages. La technologie déposée de la start-up affine et catégorise les préférences et le comportement de l’utilisateur, pour améliorer l’expérience d’achat face à l’offre surabondante des sites de e-commerce. Cette solution traite pour l’instant les domaines de l’électroménager, du high-tech et du hi-fi.

En effet, la recommandation personnalisée est particulièrement complexe à implémenter lorsqu’il s’agit de contenus culturels. Le travail de catégorisation, dans la musique, le cinéma ou la littérature souffre d’une taxinomie rigide et d’une segmentation difficilement objective. Ici, les capacités du web sémantique sont à saisir pour enrichir les contenus de métadonnées pertinentes, reflétant leur richesse et diversité. Dans le cas de Musicovery, il s’agit d’envisager l’approche personnalisée comme un renouvellement de l’expérience de découverte musicale, posant un véritable défi aux concepteurs pour satisfaire les attentes individuelles, explorer des données de sources variées pour in fine, augmenter la durée des sessions d’écoute des auditeurs (+25% pour une durée moyenne de 45 minutes).

Capture d’écran 2014-05-26 à 10.02.12L’exemple de Musicovery comporte de nombreuses pistes pour les éditeurs et services de diffusion d’édition numérique. Améliorer l’expérience utilisateur passe par enrichir le catalogue de métadonnées précises, fondées sur un long travail statistique sur les comportements des lecteurs.

Cette approche fait partie des enjeux de YouScribe, une plateforme de publication et distribution de livres numériques fondée en 2010 par Juan Pirlot de Corbion. Capture d’écran 2014-05-26 à 10.16.08Lucie Soureillat, responsable du Business Development et de la relation aux éditeurs, intervient lors de cet atelier pour présenter le moteur de recommandation mis en place sur la plateforme. A l’instar de Youtube, dont il se fait le pendant écrit, YouScribe est né du désir d’accompagner l’autopublication, devenant peu à peu une librairie, avec un accès en streaming sur abonnement (à 9€/mois) depuis avril 2014. L’outil de recommandation entre au cœur du modèle d’affaires, puisque les éditeurs sont rémunérés au nombre de pages lues, la pertinence de la prescription induisant l’augmentation des abonnés et des titres au catalogue.

Comment fonctionne l’outil de recommandation personnalisée de YouScribe et en quoi s’adapte-t-il aux caractéristiques spécifiques du livre et de la lecture ?

Capture d’écran 2014-05-26 à 10.39.06Lucie Soureillat nous expose le roadmap du développement du moteur, qui s’attache dans un premier lieu à déterminer l’indice de similarité entre les titres. Développé en cellule R&D, un outil algorithmique permet une approche sémantique des contenus, en traduisant les textes en langage binaire pour établir des affinités thématiques entre les matières textuelles des ouvrages. L’automatisation permet de faire rejaillir des points communs entre les livres, et d’établir un réseau entre eux (Si vous avez aimé…alors vous aimerez). La seconde étape d’implémentation du moteur consiste à tracer ce même « réseau de similarité » du côté des utilisateurs, en exploitant la masse de métadonnées délivrée par les lecteurs (temps et pratiques de lecture, sexe, géolocalisation, historique de navigation, etc.). Le lien entre les utilisateurs s’élabore ainsi par la déduction d’intérêts communs : Si X et Y aiment le même contenu, alors ce qu’aime X peut plaire à Y, et vice-versa.

Capture d’écran 2014-05-26 à 10.40.20Ce travail de contextualisation, déjà évoqué par Vincent Castaignet, s’approfondit alors chez YouScribe dans une troisième étape, qui consiste tout simplement à acquérir des informations auprès de l’utilisateur à l’aide d’un questionnaire, d’un système de notation. En effet, la musique et le livre ne sont pas appréhendés de la même manière par les consommateurs, et l’effet déceptif grandit à mesure que le temps passé à consommer le produit culturel est long. Il est donc crucial pour les acteurs de l’édition numérique de minimiser les risques d’incohérence dans la suggestion, et donc d’affiner au maximum leur connaissances des profils d’utilisateurs.

La limite du sujet se fait sentir ici : comment traduire la prescription (celle du libraire, de l’ami, du professeur) en recommandation ? Comment faire cohabiter sérendipité, la capacité à se laisser guider dans la découverte de contenus inédits, et similarité ? Enfin, comment produire de l’information à partir de données personnelles, sans pénétrer trop loin dans la vie privée des utilisateurs, sans interpréter de façon erronée les cheminements de lecture (à ce sujet, les outils de recommandation exigent un compte individuel, donc pas de partage ou de prêt du service possible) ?

Face à ces questionnements, Laurent Le Toriellec impose sa vision de la recommandation personnalisée avec sa jeune start-up Pirpl, incubée au Labo de l’édition depuis mai 2014. Capture d’écran 2014-05-26 à 11.06.32La mission de l’entreprise est de « fluidifier la rencontre entre livres et lecteurs grâce à la technologie ». Pirpl est donc une bibliothèque de livres numériques, disponible en streaming par abonnement, sur smartphones et tablettes uniquement. La qualité du service passe par un modèle de consommation limité et sans publicité, soulignant la temporalité propre à l’activité de lecture (en France, un "gros lecteur" lit plus de 20 livres par an). Une distinction majeure avec l’industrie musicale, qui s’explique par des pratiques de lecture différentes. Mais avant tout, Pirpl s’est fondé sur l’élaboration d’un « moteur de découverte » de livres, qui fonctionne par mots-clés (sur le modèle efficace de Google). Pour Laurent Le Toriellec, la recommandation est un enjeu de taille pour l’édition : elle permet une fidélisation des lecteurs, et garantit la diversité culturelle de l’offre.

Comment fonctionne la recommandation personnalisée proposée par Pirpl ?

Aujourd’hui en bêta-test sur www.abookadabra.com, le moteur permet aux utilisateurs une sélection thématique selon la recherche effectuée, divisée en 5 catégories : Best-seller, Nouveauté, Classique, Pointu et Iconoclaste. La recommandation s’articule autour du travail d’experts (Laurent Le Toriellec est lui-même spécialiste et auteur de polars) qui travaillent les « résonances » entre les titres et d’algorithmes qui automatisent le processus de suggestion.

Capture d’écran 2014-05-26 à 11.09.37Pour les éditeurs, les services de recommandations personnalisées peuvent être un moyen de valoriser leurs fonds, en permettant par la technologie l’émergence de contenus peu connus. De même, ils offrent une expérience de lecture nouvelle aux lecteurs, en attente de voir renaître la prescription qui permet la circulation de l’offre imprimée dans des communautés de lecteurs. Comme le souligne Vincent Castaignet, la recommandation peut permettre de ranimer le désir de curiosité chez les consommateurs de produits culturels, en exigeant de leur part une confiance certaine en la plateforme. Un exercice très ambitieux pour toucher le grand public, et qui exige le bouleversement des modalités d’accès à la culture.

Capture d’écran 2014-05-26 à 11.11.07D’autres articles sur la rencontre sont disponibles sur le blog offrelegale.fr et Actualitté.

Les présentations des intervenants sont disponibles sur le SlideShare du Labo de l’édition.

Clémentine Malgras

About these ads
Cette entrée a été publiée dans Compte-rendus. Bookmarquez ce permalien.

Une réponse à La recommandation personnalisée, une technologie de la prescription ?

  1. Pingback: Bulletin de veille de la Société de développement des entreprises culturelles du Québec # 053 | Le magazine en ligne de la Fondation littéraire Fleur de Lys

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s