Archives par mot-clé : Machine Learning

Comment Netflix choisit les images des séries selon votre profil

Source : usbeketrica.com

La plateforme de vidéo en ligne n’en fait pas mystère : son objectif est d’offrir le contenu le plus personnalisé possible à chacun de ses abonnés. Dans un article publié sur Medium, plusieurs ingénieurs de l’entreprise expliquent comment ils s’y prennent pour personnaliser les images d’illustration des séries, films, ou documentaires en fonction des préférences de chaque utilisateur. Au menu : algorithme et machine learning.

Netflix est fière de ses algorithmes de recommandation. La plateforme américaine de vidéo en ligne communique régulièrement sur la façon dont elle s’y prend pour nous faire consommer le maximum de contenu, histoire de « Netflix and chiller » au maximum. Il y a quelques mois, son vice-président Todd Yellin livrait quelques clés au sujet des algorithmes de suggestion de contenus utilisés par la plateforme.

Les univers de chacune des séries Marvel mises en ligne sur Netflix, et les séries qui gravitent autour des mêmes thématiques. © Netflix et Romane Mugnier 

Aujourd’hui, ce sont les ingénieurs de Netflix qui dévoilent la façon dont ils personnalisent les illustrations de séries, films et documentaires en fonction des préférences de l’utilisateur.

« Offrir les bons contenus aux bons moments à chacun de nos abonnés »

Dans un article publié sur Medium, quatre d’entre eux détaillent le fonctionnement de cet algorithme de personnalisation des petites vignettes sur lesquels vous ne pouvez vous empêcher de cliquer. Les ingénieurs ne s’en cachent pas : « Pendant des années, l’objectif principal de notre système de recommandation personnalisé a été d’offrir les bons contenus aux bons moments à chacun de nos abonnés ».

Les illustrations, un« portail » vers le contenu

Si beaucoup de boîtes disent travailler avec des algorithmes ou du machine learning, c’est, chez Netflix, une véritable marotte. La personnalisation de la plateforme en fonction de l’historique d’utilisation de l’abonné est au coeur de la stratégie de l’entreprise, et les algorithmes permettent d’automatiser le processus au maximum. Pour celles et ceux qui n’utilisent pas Netflix, voilà à quoi ressemble la page d’accueil : 

Extrait de la page d’accueil de Netflix issue du compte de l’auteur de cet article

Les visuels d’illustration sont essentiels pour « vous convaincre qu’un de nos contenus vaut le coup », assurent les ingénieurs. L’idée derrière l’algorithme qu’ils ont développé est donc la suivante : « si l’illustration représentant un film ou une série vous convainc, elle agit comme un portail qui vous dirige vers ce contenu en vous donnant une ‘preuve’ visuelle que ce contenu pourrait vous convenir ». Malin, puisque l’utilisateur accède au contenu en cliquant sur l’illustration.

La personnalisation des visuels entre donc dans la stratégie globale de la plateforme, qui personnalise également les rubriques affichées sur la page d’accueil et leur dénomination en fonction des préférences des abonnés.

Par exemple, pour la série Stranger Things, différents visuels ont été produits et s’affichent en fonction de ce que vous avez déjà vu, et donc a priori apprécié, au sein de la plateforme (voir l’image plus haut). Autre exemple : pour le même film, Good Will Hunting, deux illustrations sont suggérées, en fonction des préférences des abonnés. La première pour convaincre les amateurs de romances, la seconde pour celles et ceux qui préfèrent les comédies.

Un utilisateur qui préfère les histoires d’amour se verra proposer une illustration différente de celui qui privilégie les comédies © Netflix

Algorithme et machine learning sont les deux mamelles de Netflix

Pour parvenir à leurs fins, les ingénieurs doivent « collecter un maximum de données pour trouver les signaux qui indiquent qu’une illustration correspond vraiment mieux qu’une autre pour un abonné donné ». Tout en évitant d’effectuer trop de tests en modifiant les images pour un même contenu, au risque de « désorienter les gens ». L’enjeu est également technique, tant pour les équipes de designers qui doivent créer plusieurs illustrations par oeuvre (jusqu’à quelques douzaines), que pour les équipes techniques, qui font face au défi de « gérer 20 millions de requêtes par seconde avec un faible temps de latence ».

Des algorithmes capables de « prédire la probabilité que l’utilisateur clique sur un contenu en fonction d’une image donnée »

Pour y répondre en évitant les tests qui prennent trop de temps, l’équipe technique a développé un algorithme capable d’apprendre en temps réel, et en ligne. Baptisés « contextual bandits », ces programmes sont capables de « déterminer rapidement la sélection d’illustrations personnalisées optimale pour chaque abonné ».

Après avoir « entraîné » leur algorithme, il est capable de « prédire la probabilité que l’utilisateur clique sur un contenu en fonction d’une image donnée ». Il ne reste plus qu’à choisir l’image avec la plus forte probabilité, et le tour est joué.

Si les ingénieurs de Netflix ne sont pas avares en explications techniques sur les tests qu’ils ont effectués et la façon dont leur algorithme fonctionne, ils considèrent ce projet comme « le premier exemple d’une personnalisation de la façon dont nous recommandons du contenu à nos utilisateurs ». Avant d’évoquer le déploiement de techniques similaires pour « les synopsis ou les bande-annonce ». Histoire d’offrir aux utilisateurs le confort de naviguer de contenus en contenus au sein de leur confortable bulle de filtre.