LesEchos.fr – Musique, télé : comment les algorithmes anticipent vos goûts

LesEchos.fr – Musique, télé : comment les algorithmes anticipent vos goûts
October 20, 2015 the team

NICOLAS MADELAINE / JOURNALISTE MÉDIAS |

Face à l’abondance de contenus qui peut paralyser les consommateurs, les vendeurs en ligne ont recours aux recommandations culturelles.
L’enjeu est crucial : il faut à tout prix les fidéliser.

A leur sortie, presque tous les disques et les films sont désormais disponibles partout et tout de suite. Et pourtant, les soirées d’accablement à ne pas savoir quoi lire, regarder ou écouter n’ont pas disparu. Les Spotify, Deezer, iTunes ou Netflix le savent : une fois que les gens ont réécouté les Depeche Mode de leur jeunesse ou revu « Les Tontons flingueurs », la tyrannie du choix les paralyse autant que la pénurie.

Pour les vendeurs en ligne de contenus culturels, c’est une vraie catastrophe. Pas seulement parce qu’ils paient des droits pour diffuser des films non regardés, mais aussi parce qu’ils doivent justifier un abonnement mensuel de 10 euros face à tous les autres médias disponibles, télévisions, radios, journaux…

Et parce qu’ils vendent de la publicité pendant vos plages d’écoute. On comprend mieux pourquoi Spotify a racheté l’an dernier la start-up bostonienne The Echo Nest, spécialisée dans les algorithmes de recommandation culturelle, pour 100 millions de dollars. Ou pourquoi Netflix a rien de moins que 400 ingénieurs chargés d’anticiper ce que vous allez vouloir regarder après « Bienvenue chez les Ch’tis »… Tous disposent désormais d’une artillerie lourde pour traquer l’ennui.

Tout a commencé avec le « filtrage collaboratif », qui, en gros, vous dit « ceux qui ont acheté ceci ont aussi acheté cela… ».« Cette méthode, purement statistique, a une certaine efficacité mais marche mal pour les nouveaux artistes », explique Damien Tardieu, un ingénieur de l’Ircam qui a fondé la start-up française Niland, spécialisée dans les algorithmes de recommandation.

Ensuite, The Echo Nest a été l’un des premiers à « scroller » le Web (blogs, revues spécialisées…) en utilisant le « nature language processing » pour trouver les mots permettant de classer le plus de groupes possible, dans tous les genres imaginables. Plus de problème de représentation de sous-genres grâce à cette méthode.

Des possibilités infinies

Mais la dernière génération d’algorithmes veut aller encore plus loin avec l’intelligence artificielle. La musique est décomposée graphiquement pour être analysable. Il faut ensuite « générer des bases d’apprentissage, apprendre à l’ordinateur que c’est du rock, une voix de femme, etc., cela prend beaucoup de temps, et c’est fait par des humains », explique Damien Tardieu, pour qui la distinction entre recommandation humaine et par les machines est dépassée.

A l’arrivée, les possibilités d’association sont infinies, et elles ne sont polluées par aucune autre considération. L’utilisation d’algorithmes ne ferait donc pas peser plus de menaces sur la diversité culturelle que les méthodes traditionnelles. « D’autant qu’on peut injecter un facteur découverte dans les algorithmes de recommandation », souligne le jeune ingénieur.

Toutes ces méthodes sont utilisées en parallèle, pour des résultats déjà étonnants. « Les utilisateurs actifs de Spotify écoutent davantage de morceaux de musique et sont sur notre service plus longtemps », note d’emblée le Français Tristan Jehan, un des Ph. D fondateurs de The Echo Nest.

En parcourant le Web, Spotify est aussi capable, avec Fresh Finds, de repérer les morceaux dont parlent les faiseurs de tendance, et donc de les proposer à ses abonnés avant qu’ils ne soient connus. La plate-forme anglo-suédoise analyse aussi comment les auteurs de playlists rencontrant le plus de succès composent ces listes, pour en répliquer la logique d’enchaînement dans son offre personnalisée Discover Weekly.

Dans l’audiovisuel, Netflix a décomposé les films et séries en pas moins de 77.000 sous-genres environ, allant jusqu’à classifier en fonction de la moralité des personnages, révèle une enquête de The Atlantic. L’entreprise américaine affirme que l’efficacité de ces sous-genres est flagrante pour la rétention d’abonnés. Des start-up proposent même désormais aux studios de faire le chemin inverse : « scroller » le Web pour deviner quel film faire.

Les algorithmes n’en sont qu’à leurs débuts. Tristan Jehan explique que la contextualisation de la personnalisation peut encore être affinée. « Nos bases de données nous disent déjà ce qu’un abonné est enclin à écouter tel jour de la semaine, à telle heure, et il y a même désormais un mode “running” sur notre application smartphone qui adapte le tempo de la playlist au rythme de votre course, explique-t-il.

Mais la prochaine étape, c’est le signal physiologique : avec une montre ou même un casque d’écoute, on peut adapter la musique à votre niveau de stress, à votre température, au niveau de carbone dans le sang, etc. » En attendant, les algorithmes censés personnaliser à outrance sont paradoxalement instructifs sur la collectivité. Spotify s’est amusé à calculer que les hommes se remettent à écouter les morceaux de leur jeunesse à… 42 ans.

Elle a remarqué aussi que Berlin était plus influente que Londres ou Paris en matière de musique pop. En fonction de ce qu’un Etat américain écoute, Spotify peut dire s’il est démocrate ou républicain et, pourquoi pas, prédire des élections. La plate-forme sait même que plus la musique écoutée est dansante, moins il y a de chance que la Bourse monte…

originally posted here :http://www.lesechos.fr/journal20151019/lec2_high_tech_et_medias/021389756197-musique-tele-comment-les-algorithmes-anticipent-vos-gouts-1166835.php

0 Comments

Leave a reply

Your email address will not be published. Required fields are marked *

*