Pourquoi un algorithme de recommandation transforme soudainement tout le monde en experts
Une plateforme en ligne d’articles spécialisés met en place un algorithme qui doit fournir aux utilisateurs des recommandations personnalisées basées sur leur comportement de lecture précédent.
L’algorithme est entraîné à privilégier les contenus avec un haut niveau d’expertise et une profondeur technique, car ceux-ci sont les plus appréciés par les utilisateurs les plus expérimentés.
Au début, le système fonctionne bien, mais on remarque vite que l’algorithme recommande à tous les utilisateurs des articles de plus en plus complexes et exigeants sur le plan technique – même à ceux qui n’ont aucune connaissance préalable.
Beaucoup de débutants se sentent dépassés et perdent leur intérêt, tandis que l’algorithme continue de favoriser les contenus les plus exigeants.
L’équipe se demande : pourquoi l’algorithme de recommandation conduit-il à traiter tous les utilisateurs comme des experts, alors que cela ne correspond pas à leurs compétences réelles ?
Question : Pourquoi un algorithme de recommandation optimisé sur le comportement des utilisateurs expérimentés peut-il conduire à recommander des contenus complexes à tous les utilisateurs, négligeant ainsi les besoins des débutants ?
Solution à venir demain.
Solution
L’algorithme de recommandation apprend quels contenus plaisent particulièrement aux utilisateurs expérimentés – dans ce cas, des articles complexes et techniquement approfondis.
Comme ces utilisateurs interagissent plus fréquemment avec ce type de contenu, le modèle attribue un poids plus élevé à ces articles et les priorise dans les recommandations.
Cependant, le modèle ne distingue pas suffisamment entre différents groupes d’utilisateurs avec des niveaux de compétence variés.
Par conséquent, les mêmes contenus complexes sont également recommandés aux utilisateurs peu expérimentés, car l’algorithme suppose que ces contenus sont globalement les plus précieux.
L’absence de segmentation ou de personnalisation selon le niveau de compétence fait que les recommandations ne sont pas adaptées aux débutants, qui se sentent alors dépassés ou découragés.
Résultat : Un algorithme de recommandation optimisé uniquement sur le comportement des utilisateurs expérimentés peut recommander des contenus inappropriés en ne tenant pas compte des différents profils d’utilisateurs. Pour une meilleure expérience utilisateur, les algorithmes doivent prendre en compte la diversité des besoins et des connaissances des utilisateurs et adapter les recommandations en conséquence, afin de servir au mieux aussi bien les débutants que les experts.