Fonctionnement du système de recommandation de vidéos YouTube

YouTube a publié de nouvelles informations pour faire connaître le fonctionnement de son système de recommandation vidéo. Dans une vidéo mettant en vedette Rachel Alves, chef de produit de l’entreprise, YouTube propose une série de Clés sur votre algorithme de recommandation dans le but d’aider les créateurs de contenu à fidéliser une audience et augmenter les vues de leurs vidéos.

YouTube veut aider les créateurs à fidéliser leur audience et à augmenter le nombre de vues

Comme il l’explique, l’entreprise a affiné les paramètres pour atteindre ces objectifs. Dans un premier temps, jusqu’en 2011, étaient basés uniquement sur les clics et les vues, qui « a incité les appâts à cliquer et les gros titres sensationnels ». À partir de 2015, et bien que les vues continuent de compter, la « satisfaction des utilisateurs », le temps de visionnage et la responsabilité du créateur de contenu ont commencé à être des critères prioritaires.

Bien que la durée de visionnage soit davantage un critère «indicatif de la qualité du contenu», ce n’est pas non plus la mesure ultime qui aide YouTube à ajuster ses recommandations. En ce sens, l’entreprise s’efforce de définir de plus en plus précisément la « qualité et la valeur » du temps de visionnage.

Pour obtenir ces données, YouTube recourt à des enquêtes auprès des utilisateurs pour savoir quel contenu ils apprécient le plus ; donner la priorité à la des vidéos réalisées par des institutions ou des personnalités reconnues et minimise la diffusion de ces vidéos qui violent sa politique de contenu.

En fin de compte, le système de recommandation de YouTube est conçu autour de deux critères : aider les utilisateurs à trouver les vidéos qu’ils souhaitent regarder et maximiser la satisfaction des téléspectateurs à long terme. De cette façon, l’objectif de l’entreprise d’amener les téléspectateurs à revenir encore et encore sur YouTube pour voir de nouvelles vidéos sera atteint.

Enquêtes auprès des utilisateurs et différents algorithmes

Les informations que YouTube obtient dans les enquêtes susmentionnées, des millions par mois selon Alves, ne sont pas ensuite partagées avec les créateurs de vidéos. La plateforme assure utiliser lesdites données pour améliorer ses algorithmes et ses systèmes, et indique travailler sur de nouvelles formules pour partager ces enquêtes de satisfaction avec ses utilisateurs.

Cependant, au-delà de cette voie de rétroaction directe, YouTube collecte également des informations via les clics sur le Onglets « J’aime » et « Je n’aime pas » qui apparaissent dans les vidéos.

Toutes ces informations servent à alimenter deux algorithmes différents, puisque l’un s’occupe de la sélection des vidéos qui apparaissent sur la page d’accueil et un autre constitue la liste des vidéos recommandées proposées à chaque utilisateur. Autrement dit, il n’y a pas d’algorithme central unique qui pilote toutes les suggestions de la plate-forme.

Pour les générer, l’algorithme de YouTube joint vidéos qui sont généralement vues ensemble ou à la suite, des contenus liés par le sujet qu’ils traitent ou des vidéos qui font partie de l’historique de visionnage de l’utilisateur. De cette façon, YouTube entend évoluer vers un système de recommandation dans lequel il y a un équilibre entre la satisfaction des utilisateurs et la responsabilité de la plateforme de proposer ou non certains types de contenus.