Un site web utilise des algorithmes de recommandation quand il trie un large catalogue (vidéos, produits, publications, morceaux, offres d’emploi) différemment pour chaque visiteur, d’après ce que celui-ci a déjà regardé, acheté ou aimé. Les plateformes de vidéo et de musique, les boutiques en ligne et les réseaux sociaux en font leur moteur principal.
Une messagerie, un webmail, un service de stockage ou une encyclopédie collaborative n’en ont pas besoin pour rendre leur service. Quatre indices visibles à l’écran permettent de les distinguer.
Ce qu’un algorithme de recommandation fait sur un site web
Un algorithme de recommandation est un programme qui choisit quoi montrer à un visiteur parmi un catalogue trop vaste pour être parcouru en entier. Il remplace le classement identique pour tous par une sélection propre à chaque personne.
Deux grandes familles existent. Le filtrage collaboratif repose sur l’idée que les visiteurs qui ont aimé ceci ont aussi aimé cela. Le filtrage par contenu propose des éléments proches de ceux que la personne a déjà consultés, d’après leurs caractéristiques (genre, sujet, catégorie de produit).
La plupart des grands sites combinent les deux dans une approche hybride, ce qui rend le résultat difficile à deviner de l’extérieur. D’où l’intérêt de chercher des indices concrets plutôt que de deviner.
Les 4 indices qui trahissent un algorithme de recommandation
Des blocs de suggestions sur chaque page
Les intitulés « recommandé pour vous », « vous aimerez aussi » ou « produits associés » annoncent presque toujours un système de recommandation. Plus le bloc est présent partout (accueil, fiche produit, fin de vidéo), plus le site en dépend.
Une page d’accueil différente d’un compte à l’autre
Deux personnes qui ouvrent le même site et voient des contenus différents sont face à une personnalisation. Un test simple consiste à comparer sa propre page d’accueil avec celle d’un proche, ou avec la même page en navigation privée.
Des suggestions qui changent après un clic
Après un achat, une écoute ou un visionnage, les propositions se réorientent presque aussitôt vers des éléments voisins. Ce réajustement rapide montre que le site enregistre chaque action et la réinjecte dans son classement.
Une mention dans les conditions d’utilisation ou dans les réglages
Le règlement européen sur les services numériques (DSA) demande aux plateformes d’expliquer dans leurs conditions les principaux paramètres de leurs systèmes de recommandation. Les plus grandes d’entre elles, celles qui dépassent 45 millions d’utilisateurs mensuels dans l’Union européenne, sont traitées à part. Leurs utilisateurs peuvent choisir un fil non personnalisé, par exemple classé dans l’ordre chronologique.
Un réglage de ce type, ou une page qui détaille « comment fonctionnent nos recommandations », confirme la présence d’un algorithme.
Les types de sites qui utilisent des algorithmes de recommandation
Les plateformes de vidéo et de streaming recommandent le prochain contenu d’après l’historique de visionnage et la durée passée sur chaque titre. Les services de musique font de même avec les écoutes, les morceaux passés et les listes enregistrées.
Les boutiques en ligne s’appuient sur les achats, les pages consultées et le panier pour afficher des produits associés. Une refonte de boutique en ligne passe donc souvent par la question de l’emplacement de ces blocs, comme le montre cet article sur la refonte d’une boutique en ligne.
Les réseaux sociaux trient le fil d’actualité et proposent des comptes à suivre d’après les mentions « j’aime », les abonnements et le temps de lecture. Ce tri explique que l’achat d’abonnés sur un réseau social ne produise pas l’audience espérée : les publications ne sont montrées qu’à des personnes dont le comportement correspond au sujet.
Les réseaux professionnels et les sites d’emploi recommandent des offres ou des profils selon les compétences et les recherches passées. Les sites d’actualité, enfin, ordonnent parfois leurs articles selon les lectures précédentes.
Les sites qui n’en dépendent pas
Une messagerie instantanée, un webmail, un service d’appels vidéo, un stockage en ligne ou une encyclopédie collaborative remplissent une fonction qui ne consiste pas à trier un catalogue pour chaque personne. On y cherche un message, un fichier ou un article précis.
Le site vitrine d’une entreprise est dans le même cas : ses pages sont les mêmes pour tous. Pour en monter un, le choix d’un prestataire de création de site compte davantage que n’importe quel moteur de suggestions.
Certains de ces services ajoutent des suggestions annexes, comme des contacts proposés ou des articles liés. Cela reste un complément, pas le cœur du service.
Répondre à un QCM Pix sans se tromper
Pix est le service public en ligne qui permet d’évaluer, de développer et de certifier ses compétences numériques. Il couvre 5 domaines et 16 compétences, et ses questions demandent régulièrement quels sites utilisent des algorithmes de recommandation.
Trois questions suffisent pour trancher sur chaque proposition :
- Le site propose-t-il un catalogue plus vaste que ce qu’on peut parcourir à la main ?
- Le contenu affiché change-t-il selon l’utilisateur ?
- Le site gagne-t-il à garder l’utilisateur plus longtemps ou à lui vendre davantage ?
Trois réponses positives désignent un site qui recommande. Une messagerie ou un stockage en ligne obtient presque toujours trois réponses négatives.
Les données qui nourrissent les recommandations et comment les limiter
Les recommandations se construisent à partir de l’historique de navigation, des clics, de la durée de visionnage, des achats, des abonnements et parfois de la localisation. Plus ces traces sont nombreuses, plus la sélection est précise.
Plusieurs réglages réduisent cette collecte : effacer l’historique, désactiver la personnalisation quand le site le permet, refuser les traceurs non nécessaires et choisir le fil sans profilage là où il existe. Ce profil de comportement forme aussi une partie de l’image numérique d’une personne.
Désactiver la personnalisation ne supprime pas les recommandations : le site affiche alors des contenus identiques pour tous, souvent les plus populaires ou les plus récents.
