La viralité de l’information diffusée sur l’application trouve son pendant dans l’actualité ces dernières semaines. C’est peu de dire que TikTok est au centre des conversations, entre son bannissement en Inde et les éructations renouvelées de Trump. Menacé de bannissement également aux États-Unis, les discussions vont bon train sur une revente potentielle de l’application. Nous évoquions récemment une nouvelle réglementation entrée en vigueur en Chine visant à restreindre les entreprises localisées dans le pays dans leurs exportations et leurs transactions technologiques, remettant en cause, de fait, la pertinence d’une acquisition de TikTok sans ses algorithmes.

C’est sur ces derniers que l’entreprise vient de donner de nouveaux éléments à une poignée de journalistes soigneusement sélectionnés. Mais alors, comment marche l’algorithme de TikTok ?

Comment fonctionne l’algorithme de TikTok ?

Alors que TikTok peine à stopper la diffusion d’une vidéo ou une personne se suicide, dopée par son algo, les défaillances de ce dernier sont pointées du doigt. De nouveaux insights sur le fonctionnement de l’algorithme de l’application ont été rapportés par Axios dans un article publié le 10 septembre.

Les dirigeants de TikTok expliquent que lors de la première connexion à l’application, on pousse à l’utilisateur 8 vidéos déjà populaires bien différentes, présentant différentes tendances, musiques et thématiques. Par la suite, l’algorithme continuera à pousser des vidéos en fonction des contenus avec lesquels l’utilisateur s’engage et de son utilisation de la plateforme. Comme nous vous le rapportions dans un article sur les secrets de l’algorithme de TikTok, l’engagement est construit autour d’actions comme :

– les interactions avec la vidéo (commentaires, likes, abonnements et partages ;
– la durée de consultation de la vidéo (completion rates).

Mais les datas récoltées sont plus larges avec des informations sur la vidéo consultée elle-même : la présence de légendes, les sons et musiques, les hashtags. La langue, le pays de l’utilisateur ou son type d’appareil sont également pris en compte.

Et c’est là ou ça devient intéressant, car l’algo auto-apprenant avec l’enrichissement en données sur l’utilisateur, fournit un contenu de plus en plus pertinent et personnalisé.

De l’engagement à la cartographie en cluster d’utilisateurs

La récolte en données utilisateur nécessaire obtenue, TikTok va être en mesure de cerner les préférences d’une personne, et de créer des clusters d’utilisateurs similaires. Parallèlement, l’algorithme de l’application regroupe les vidéos par thèmes similaires. Le machine learning fait le reste : en fonction des goûts préétablis grâce à l’engagement de l’utilisateur et de la segmentation en groupes d’utilisateurs similaire, TikTok va être capable de délivrer les bonnes vidéos au bon profil.

Contrairement aux autres réseaux sociaux basés sur la popularité des comptes et sur l’abonnement à d’autres utilisateurs, TikTok prend le parti de délivrer le contenu sur des critères de pertinences et de viralité. C’est ainsi que des vidéos d’utilisateurs avec de faible communauté de followers peuvent atteindre un nombre de vues titanesque.

Un algorithme qui produit également des “bulles de filtres”

Le terme vous semble familier ? Les bulles de filtres ou bulles de filtrage ont été évoquées pour de “vieux” réseaux sociaux comme Facebook et Twitter avec les dérives que l’on connait : théories conspirationnistes, fake news…C’est paradoxal pour un algorithme qui fonctionne différemment sur TikTok, mais sur l’application aussi, les utilisateurs peuvent se retrouver confirmés et renforcés dans leurs préférences préalables.

TikTok concède que la face sombre de la détection des préférences utilisateurs est que l’utilisation de ces dernières conduit à appuyer sur ces mêmes préférences en tuperwarisant leur capacité à élargir le spectre de contenu qu’ils pourraient découvrir et aimer. En ce sens, si l’entreprise affirme étudier les bulles de filtres, pour l’heure, seule sa volonté de continuellement proposer du contenu frais, non redondant et viral à l’utilisateur semble en capacité de l’ouvrir à d’autres sensibilités en matière de contenu.