Les illustrations Netflix, une question d’algorithmes

Les algorithmes sont un sujet d’étude controversé, car fascinant. Je l’ai encore remarqué lors d’une intervention à l’évènement Cap’Com de cette année regroupant le réseau de la communication publique. Nommée « Comment fonctionne les algorithmes ? », les règles (connues) impactant notre utilisation des services comme Netflix peuvent paraître anecdotiques ou encore superflues, mais ô combien impactantes sur les résultats. C’est justement ce que l’on pourrait se dire en voyant le travail de recherche fait par le service de streaming sur les illustrations d’un film, d’un documentaire ou d’une série.

Avec un catalogue couvrant des milliers de titres et une base de membres diversifiée couvrant plus de cent millions de comptes, il est crucial de recommander les titres qui conviennent parfaitement à chaque membre. – Artwork Personnalization at Netflix sur Medium.

La force de Netflix, comme de Facebook ou de Google, réside dans la personnalisation de ses recommandations. C’est d’ailleurs ça qui a permis au marché de la location de films / séries de se réinventer. Il y a encore quelques années, il fallait se rendre dans un commerce (ou distributeur) de DVD (et VHS…) pour visionner un film. Seulement si vous étiez proche avec le commerçant, une recommandation personnalisée pouvait avoir lieu sur le prochain film (et par empirisme).
L’objectif de la personnalisation des illustrations du catalogue est de rendre la recommandation évidente pour l’utilisateur, même si le film proposé n’est pas familier. La finalité, étant que vous passiez par Netflix pour regarder un film ou une série.

Les illustrations sur la page de résultats de Netflix sont prégnantes, d’où leur importance. Sans personnalisation, voici un exemple de ce pourrait être Netflix (cf. visuel ci-dessus). Son algorithme couplé au machine learning (à travers la collecte de données pour évoluer constamment) va permettre de créer une diversité pour les visuels proposés en fonction de ce que l’utilisateur est susceptible de cliquer sur « Lecture » :

Comme on peut le voir avec l’exemple de la série Stranger Things, une illustration ne sera pas la même pour chaque utilisateur de la plateforme. Si c’est le cas avec une série à succès comme Stranger Things, c’est le cas aussi pour les sélections recommandées, avec parfois des films anciens.

Prenons l’exemple d’un utilisateur qui a une préférence pour les genres « films romantiques » du fait de ses lectures. Une des règles opératoires de Netflix sera de proposer un film du même genre (romantique) avec une autre règle opératoire paramétrée selon les acteurs jouant également dans des films similaires. Un autre élément de l’algorithme personnalisant les illustrations sera de mettre en avant un acteur connu sur un film recommandé. Ci-dessous, deux scénarii possibles sur la personnalisation de l’illustration pour un même film (Good Will Hunting). Le premier met en avant le genre du film avec une scène où un couple s’embrasse. Tandis que le deuxième scénario met en avant l’acteur très connu Robin Williams :

Un deuxième exemple basé sur la distribution des rôles selon la préférence de tel ou tel acteur. Ici, la personnalisation se fait entre deux acteurs du film Pulp Fiction selon l’historique des films visionnés. Dans le premier cas, Uma Turman, dans le deuxième, John Travolta :

Ainsi, ce travail de recommandation et de personnalisation par les illustrations s’avère un véritable challenge pour les ingénieurs de Netflix. Les résultats définitifs se basent sur un scoring comptabilisant d’autres règles opératoires que le service de streaming se garde bien de donner. Contrairement à d’autres services, son algorithme fait sa force, là où son catalogue peut pêcher notamment sur la sélection de films. Il serait intéressant de dupliquer ce modèle pour les sorties de films.

Source.