Comment l’algorithme de Netflix est devenu son atout le plus précieux

Une version de cet article est initialement parue dans la newsletter Weekend Brief réservée aux membres de Quartz. Les membres de Quartz ont accès à des newsletters exclusives et plus encore. Inscrivez-vous ici.

Netflix se donne 90 secondes. C’est le temps que, selon les recherches, l’abonné moyen passera à parcourir le catalogue avant de perdre intérêt et de se tourner vers un concurrent. Durant ce laps de temps, le moteur de recommandation de l’entreprise doit proposer quelque chose d’attrayant parmi des milliers de titres. S’il y parvient, l’abonné reste. S’il échoue trop souvent, il se désabonne.

En 2016, alors que Netflix comptait environ 80 millions d’abonnés, les dirigeants estimaient que cette mise en relation algorithmique valait 1 milliard de dollars par an en abonnements conservés. Une décennie plus tard, le géant du streaming compte désormais 325 millions d’abonnés dans le monde. Même si Netflix n’a pas actualisé ce chiffre publiquement, les calculs suggèrent que son système de recommandation est devenu l’un des logiciels les plus précieux du secteur du divertissement.

Désormais, alors que Netflix poursuit l’acquisition de Warner Bros. Discovery pour 83 milliards de dollars, un studio centenaire qui a contribué à inventer Hollywood, l’approche algorithmique qui a bâti la domination du streamer s’apprête à absorber entièrement l’ancienne garde.

Netflix a appris à vous observer en retour

Le premier système de recommandation de l’entreprise reposait sur les évaluations par étoiles — ce que les utilisateurs disaient des films après les avoir regardés. Mais en 2017, Netflix a abandonné cette méthode au profit de données plus révélatrices : les données comportementales.

Ce sur quoi vous cliquez réellement. Combien de temps vous regardez avant d’abandonner un titre. À quelle heure de la journée vous regardez, et sur quel appareil. Ce que vous faites défiler sans sélectionner. Ce retour implicite s’est révélé bien plus précieux que les préférences explicites. Les goûts déclarés des personnes, il s’avère, sont des guides peu fiables.

Aujourd’hui, Netflix enregistre chaque année des centaines de milliards de ces micro-interactions, qu’il injecte dans un système d’algorithmes imbriqués qui personnalisent presque chaque élément de l’expérience de visionnage. Le même film peut apparaître avec des vignettes différentes selon l’utilisateur, mettant en avant la romance pour l’un, l’action pour un autre.

Même l’ordre des rangées sur votre page d’accueil est calculé spécialement pour vous. En coulisses, des équipes de "taggeurs" regardent chaque titre et attribuent des caractéristiques précises — si une série présente une distribution chorale, se déroule dans l’espace, ou met en vedette une femme forte — que les systèmes d’apprentissage automatique utilisent pour regrouper les spectateurs en milliers de "communautés de goûts".

L’efficacité de cette approche a créé une nouvelle catégorie de divertissement que les critiques ont surnommé le "film algorithmique" — des films conçus pour séduire le public le plus large possible en combinant des éléments familiers validés par les données.