Tout d’abord, les algorithmes de recommandation sont développés pour adapter l’accès à l’information aux utilisateurs.
Ainsi, ils les aident à choisir un contenu adapté et personnalisé.  

En libérant l’utilisateur de ses choix, ils deviennent un véritable facilitateur pour lui et tente d’augmenter sa satisfaction.

Alimentés quotidiennement avec des milliards de données, les algorithmes de recommandation se perfectionnent et s’ancrent de plus en plus dans la vie des individus.
En lisant les actualités, en écoutant de la musique, en regardant un film ou en achetant un produit, notre vie numérique est guidée par des algorithmes de recommandation.

D’après le directeur de Youtube, 70% du temps passé sur la plateforme est rendu possible par les algorithmes de recommandation. Chez Netflix les recommandations détermineraient 80% du contenu visionné par les abonnés. Même tendance pour des entreprises célèbres comme Amazon ou encore Spotify.

Or, la sérendipité est-elle compatible avec la précision des recommandations?

INDEX

I. Les différents types d’algorithmes de recommandation

II. L’importance de la sérendipité

III. La place de la sérendipité dans les achats

IV. La sérendipité face aux algorithmes de recommandation 

a. Le hasard est-il programmable?

b. Les algorithmes de recommandation et la nouveauté

c. Vers un algorithme de recommandation qui laisse de la place à l’inattendu

Les différents types d’algorithmes de recommandation

En premier lieu, nous pouvons distinguer trois types d’algorithmes de recommandation:

Les algorithmes de recommandation basés sur le contenu. : ils utilisent l’analyse du contenu pour cibler les éléments qui correspondent le plus aux préférences des utilisateurs.  Les éléments ciblés sont représentés par une liste détaillée des caractéristiques de chaque composant jusqu’à former une base de données.

Il s’agit du type d’algorithme le plus courant utilisé par les plateformes de SVOD.

Par exemple, si vous aimez les films policiers de Guy Ritchie, vous aurez accès à tous les films du réalisateur et à d’autres films policiers d’autres réalisateurs, comme Quentin Tarantino et Martin Scorsese.

Les algorithmes de recommandation basés sur le filtrage collaboratif . : ils tentent de prédire quel type de contenu les utilisateurs apprécieront à l’avenir en recherchant des utilisateurs ayant des comportements similaires.

En d’autres termes, si un individu X a les mêmes préférences qu’un individu Y sur l’article a, alors X est plus susceptible d’avoir la même opinion que Y sur l’article b, plutôt que d’avoir la même opinion qu’une personne sélectionnée au hasard pour l’article b (Goldberg, Nichols, Oki, & Terry (1992)).

Cet algorithme de recommandation est le plus efficace de tous. Il participe au succès des plateformes de commerce électronique comme Amazon.com par exemple.

Les algorithmes de recommandation hybrides. : ils utilisent à la fois des connaissances externes et les caractéristiques des éléments. Ils combinent ainsi les approches collaborative et basée sur le contenu.

Donc, Il s’agit de la forme la plus avancée des algorithmes de recommandation. Elle présente les avantages des différentes méthodes tout en limitant leurs inconvénients.

l’IMPORTANCE DE LA sérendipité

« La faculté ou le phénomène permettant de trouver des choses précieuses ou agréables non recherchées »

Merriam-Webster

C’est ainsi que l’entreprise ci-dessus définie la sérendipité.
En d’autres mots, la sérendipité c’est ces heureux hasards qui enchantent la vie.

Voici quelques exemples de surprises inattendues dans différents domaines qui ont révolutionné le monde:

• D’abord dans l’Histoire avec la découverte de l’Amérique par Christophe Colomb qui cherchait la route occidentale des Indes
• Puis dans la Science avec l’attraction gravitationnelle découverte par Newton après avoir reçu une pomme sur la tête
• Mais encore la tarte tatin, confectionnée par les soeurs Tatin qui avaient oublié de mettre la pâte

La place de la sérendipité dans les achats

Ce terme apparu pour la première fois en 1754, et également totalement applicable aujourd’hui dans l’univers du commerce.

Prenons un exemple concret; il nous est tous déjà arrivé de nous rendre dans un magasin pour effectuer un achat d’un produit spécifique et de repartir avec un produit complètement différent de celui pour lequel nous étions venus à l’origine.

Pourquoi? Car ce produit inattendu sur lequel nous sommes tombés nous a fait succomber.

Or, le e-commerce représentait en 2021 13,4 % du commerce de détail selon la Fevad (Fédération e-commerce et vente à distance) et celui-ci connaît une croissance exponentielle.

Le plaisir induit par la sérendipité n’est donc peut-être pas aussi systématique dans le e-commerce dans lequel les algorithmes de recommandation sont omniprésents.

La sérendipité face aux algorithmes de recommandation 

LE HASARD EST-IL PROGRAMMABLE ?

Tout d’abord, Fleder et Hosanagar (2009) ont reconnu que la notion de hasard est souvent en conflit avec la notion de précision.
Les algorithmes de recommandation doivent donc être conçus et évalués en tenant compte de la nécessité d’équilibrer correctement ces deux facteurs.

Ensuite, Castells, Wang, Lara, & Zhang, 2011 ont souligné l’importance de facteurs autres que la précision, comme la nouveauté et l’inattendu. Néanmoins, il est difficile de définir dans quelle mesure une suggestion fortuite peut être à la fois attrayante et inattendue.

Selon les recherches menées par Murakami, Mori, & Orihara, 2008, l’évaluation de l’inattendu dans les recommandations n’est pas immédiate et nécessite des calculs supplémentaires.
Or, l’imprévisibilité peut être définie comme la déviation par rapport à un modèle de référence ou d’une méthode de prédiction primitive qui génère des recommandations standards.

les algorithmes de recommandation et la nouveauté

Pour commencer, la nouveauté d’une information se mesure à “ce qui a été vu avant” par un utilisateur.
La sérendipité est lorsque la recommandation suggère à l’utilisateur quelque chose de jamais vu auparavant qu’il aurait pu découvrir par lui-même (Herlocker et al., 2004 ; Vargas & Castells, 2011).

Prenons l’exemple d’un algorithme de recommandation qui recommande à l’utilisateur des films réalisés par son réalisateur préféré. Imaginons que l’algorithme suggère un film que l’utilisateur ne connaissait pas, on peut alors dire que le film est nouveau mais pas encore connu. En comparaison, un film peu populaire réalisé par un jeune est lui plus susceptible d’être aléatoire.

vers un algorithme de recommandation qui laisse de la place à l’inattendu

Par conséquent, pour laisser sa place à la sérendipité, un algorithme de recommandation efficace devrait non seulement recommander ce que nous sommes susceptibles d’apprécier, mais également suggérer des éléments aléatoires et objectifs.

Cela permettrait d’aider les utilisateurs à garder une fenêtre ouverte sur d’autres mondes et de nouveaux domaines, et de faire des découvertes surprenantes et inattendues comme lors d’expérience off-line.

En conclusion, un algorithme qui laisse de la place à l’inattendu et qui n’est plus seulement axé sur la précision pourrait faire office de solution ultime.

Retrouvez plus d’articles ici.