Passer au contenu

Rencontre avec le cerveau derrière Netflix

A l’occasion du lancement du célèbre service de SVOD en France, nous avons rencontré Neil Hunt, Mr. Algorithme chez Netflix.

Neil Hunt détesterait le titre de cet article. L’homme est bien trop humble pour accepter ce genre d’appellation. Et pourtant, ce ne sont pas cinq minutes qui ont été nécessaires pour découvrir l’immensité du travail derrière le moteur de recommandation de Netflix.

Son rêve : proposer 50 millions de chaînes pour les 50 millions d’utilisateurs de Netflix.

Il avait cette vision où il suffisait de lancer l’application pour se voir proposer une chaîne unique qui proposerait uniquement du contenu qui allait plaire à l’utilisateur, quelle que soit l’heure de la journée.
Un peu comme si TF1 avait hacké dans votre psyché pour comprendre précisément ce que vous voulez voir à chaque fois que vous l’allumez, sans jamais vous donner de raisons de vouloir changer de chaîne.
Un algorithme parfait. Le graal pour quelqu’un comme Neil Hunt.

La réalité ? L’homme me confiera qu’ils ont encore une très longue route avant d’en arriver là, s’ils y arrivent même un jour.
Mais c’est ce perfectionnisme qui pousse Netflix a poursuivre son travail sur la recommandation sans relâche, ne s’arrêtant jamais sur une version pérenne.

Nous ne sommes de toute façon pas prêts pour cette vision. La preuve en est l’importance donnée à la taille du catalogue au lancement de Netflix en France : vous avez beau avoir suffisamment de contenu pour rester devant votre télévision non-stop pendant les 5 prochains mois, les commentaires fusent sur le fait qu’il n’y a pas assez de choix.
Aujourd’hui, l’utilisateur ne veut pas avoir la recommandation parfaite. Il veut avoir le sentiment d’avoir énormément de choix.

Le A/B testing pour chacun des choix

Netflix a ainsi cette culture où ils acceptent le fait de ne pas savoir, de ne pas imposer un choix d’après une intuition. Par contre, ils mettent en place tous les outils pour être en mesure de toujours faire les choix les mieux éclairés.
Le premier catalogue offert aux utilisateurs français est donc un moyen de sonder l’intérêt réel pour un genre ou style de séries, avant de pouvoir l’enrichir avec ce que les gens veulent véritablement regarder.
Plutôt que de payer les droits de 1000 séries pour se rendre compte que seulement 500 intéressent les abonnés, ils préfèrent payer les droits de 500 et de choisir 500 autres à partir de la popularité du premier batch. Tout comme le moteur de recommandation s’améliore plus vous utilisez Netflix, le catalogue français s’affinera au fur et à mesure que la société en apprendra davantage sur les préférences de leurs utilisateurs locaux.

Mais concernant l’utilisation du A/B testing, c’est aussi sur l’interface et le moteur de recommandation que des tests sont réalisés chaque jour.
Ils ont ainsi la capacité de tester une idée sur la moitié d’un million d’utilisateurs. Voir si celle-ci améliore le temps passé sur le service, avant de le déployer à l’ensemble des utilisateurs.
Ces tests se font sur l’ensemble des devices : Neil Hunt possède d’ailleurs un brevet concernant la réalisation d’A/B testing sur une smart TV.
L’homme est ainsi un passionné de Big Data. Convaincu de la possibilité d’améliorer bien plus que la recommandation Netflix grâce à elle.
En effet, il participe également à CancerCommon.org, organisation qui cherche un traitement pour le cancer grâce à la Big Data.

Data world

Netflix collecte donc une quantité massive de donnée pour améliorer son algorithme et son expérience utilisateur.
Neil Hunt me confiera ainsi qu’un test a actuellement lieu sur une fraction des utilisateurs pour fournir une recommandation différente d’après le jour et l’heure. Capable de savoir que vous regardez des comédies romantiques chaque vendredi soir et vous les mettre en avant le vendredi soir suivant.
Ils ne sont pas encore sûrs d’avoir « craqué le code » pour que cela fonctionne comme ils le souhaitent. Mais il s’agit de l’une des nombreuses pistes qu’ils envisagent.

Et à une époque où le moindre micro-changement de Facebook va créer une tempête médiatique, comment sont traitées nos informations du côté de Netflix ?
Neil Hunt concédera que s’il s’agit d’une inquiétude compréhensible, une chose va la rendre beaucoup moins problématique : Netflix utilise ses données uniquement pour améliorer l’expérience de l’utilisateur.
Netflix n’affichant jamais de publicités, ces informations ne sont pas utilisées pour mieux cibler un message publicitaire… et les données ne seront jamais vendues.
Le seul bénéfice que Netflix retire de ces données, c’est de pouvoir vous offrir un service personnalisé qui va vous plaire tellement que vous allez consommer davantage de programmes.

Mais Netflix a beau être connu pour son utilisation du big data, Hunt rappelle qu’ils sont dans une industrie artistique où une grande liberté est laissée aux scénaristes et réalisateurs.
« De nombreuses personnes pensent que ce sont le retour de l’audience qui va pousser les équipes de House of Cards à faire des choix pour le scénario, ce n’est pas le cas… ces équipes sont totalement déconnectées ».
Tout le challenge se trouve ainsi sur quand utiliser les données, et quand accepter de s’en séparer.

📍 Pour ne manquer aucune actualité de Presse-citron, suivez-nous sur Google Actualités et WhatsApp.

Opera One - Navigateur web boosté à l’IA
Opera One - Navigateur web boosté à l’IA
Par : Opera
Cliquer pour commenter
Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *