Système de recommandation

Système de recommandation
Actu IA
recommandation

Qu’est-ce qu’un système de recommandation ?

Un système de recommandation est une application destinée à proposer à un utilisateur des items susceptibles de l’intéresser en fonction de son profil. Les systèmes de recommandation sont notamment utilisés sur les sites internet de vente en ligne. Ils permettent aux e-commercants de mettre en avant de façon automatisée des produits susceptibles d’intéresser les visiteurs. La sélection de produits affichés est alors personnalisée selon différents critères afin d’augmenter le chiffre d’affaire généré par les ventes. Amazon est connu pour utiliser un système de recommandation performant mais la pratique se généralise et n’est plus réservée aux gros sites e-commerce. Les systèmes de recommandation peuvent également être utilisés afin d’enrichir l’expérience utilisateur, en proposant notamment sur un site d’actualité des articles susceptibles d’intéresser un lecteur, ou alors sur un site de musique, une sélection musicale susceptible de plaire à l’utilisateur.

Comment fonctionnent les systèmes de recommandation ?

Les systèmes de recommandation ont pour premier rôle d’identifier le sous groupe d’utilisateurs auquel appartient un utilisateur afin de lui proposer des résultats susceptibles de l’intéresser. L’identification de sous groupes d’utilisateurs auquel appartient un utilisateur se fait généralement en fonction de l’historique d’utilisation du service par cet utilisateur. Le système de recommandation peut toutefois s’appuyer des caractéristiques connues sur l’utilisateur ( son age, sa catégorie socio-professionnelle, son sexe, son secteur professionnel..) ou sur une combinaison de ces caractéristiques et de son historique. Il ne reste alors au système de recommandation qu’à trouver les autres utilisateurs partageant le plus de points communs avec cet utilisateur, analyser les items les plus commandés, partagés ou plébiscités par ces utilisateurs afin de pouvoir proposer une sélection personnalisée d’items recommandés. Les systèmes de recommandation reposent généralement sur un algorithme de clustering afin de distinguer les différents sous groupes d’utilisateurs, pouvant être entraîné en apprentissage non supervisé.

Les systèmes de recommandation sont-ils une bonne ou une mauvaise chose pour le grand public ?

La collecte de l’historique des actions entreprises sur un site peut être vue d’un mauvais oeil par le grand public. Ce type de système peut cependant être très utile : vous pouvez vous voir recommander un livre, un musicien que vous êtes susceptible d’adorer et à côté duquel vous auriez pu passer autrement. S’il est vrai que ce type de système permet généralement aux e-commerçants d’augmenter leur chiffre d’affaire, il ne s’agit ni plus ni moins que de l’automatisation d’un procédé ancestral utilisé par tout bon commerçant. Si le libraire au coin de votre rue vous recommande un thriller car il sait que vous êtes inconditionnel de Mary Higgins Clark, il y a peu de chance que vous lui en vouliez. De même, les systèmes de recommandation en ligne ont pour objectif d’enrichir votre expérience utilisateur. Il y a fort à parier que cette tendance se renforce au fil des ans et que d’ici peu la majorité des pages internet soient personnalisées. Il faut savoir que les données sont analysées de façon froide et automatique par des algorithmes, sans la moindre notion de jugement de valeur. Vous n’avez donc pas à vous méfier des systèmes de recommandation. Bien sûr, l’immense majorité des sites n’est capable d’analyser que votre navigation sur son propre site (une exception notable étant Facebook, qui grâce à l’intégration de scripts Facebook sur la quasi-totalité des sites peut théoriquement être en mesure d’analyser les sites sur lesquels vous vous rendez). Seules les données que vous transmettez délibérément à un site peuvent donc être analysées. Enfin, si vous souhaitez que certaines de vos actions ne soient pas prises en compte, sachez que la plupart des navigateurs utilisent un mode de navigation privée.