Comment fonctionnent les recommandations AI de YouTube

L'importance des recommandations sur YouTube

YouTube ne trie pas les vidéos à l'aide d'une seule règle magique. Il utilise un système d'apprentissage automatique à grande échelle qui apprend à partir des comportements sur l'ensemble de la plateforme, puis utilise cet apprentissage pour façonner la page d'accueil, les suggestions "Up Next", les résultats de recherche, les flux "Shorts", et bien plus encore.

Avec plus de 2,7 milliards d'utilisateurs actifs mensuels et plus de 500 heures de vidéo téléchargées chaque minute (Statista, 2023), YouTube ne peut pas compter sur la curation humaine. C'est grâce au système de recommandation que la plateforme reste utilisable, et c'est aussi la raison pour laquelle l'algorithme a une influence énorme sur ce qui est découvert et sur les créateurs qui se développent.

Contexte historique : L'évolution des recommandations sur YouTube

Les débuts (avant 2010) : Vues, clics et filtrage collaboratif de base

Au début, les systèmes de recommandation étaient relativement simples. Ils s'appuyaient fortement sur la popularité et la logique simple “les personnes qui ont regardé X ont également regardé Y”. Cela fonctionnait lorsque la bibliothèque était plus petite, mais cela incitait également à optimiser les clics superficiels.

• Nombre de vues et de clics
• Filtrage collaboratif de base (les personnes qui ont regardé X ont également regardé Y)
• Signaux de popularité à grande échelle

Le passage à l'heure des montres (2012 à 2016) : Des “vues” à la “satisfaction”

Un tournant majeur s'est produit lorsque YouTube a publiquement modifié son indicateur clé, passant du nombre de vues à la durée de visionnage (Think with Google, 2012). L'idée de base était simple : un taux de clics élevé peut paraître intéressant même si les spectateurs abandonnent rapidement la vidéo, tandis qu'un visionnage plus long est un meilleur indicateur de la satisfaction que les seuls clics.

• Un taux de clics (CTR) élevé peut être trompeur si les internautes quittent rapidement le site.
• Les vidéos qui retiennent l'attention des téléspectateurs sont un signal de satisfaction plus fort que les seuls clics.
• Les clics contribuent toujours à la découverte, mais la rétention après le clic est devenue essentielle.

L'apprentissage profond à l'échelle de YouTube (à partir de 2016)

En 2016, Google AI a publié “Deep Neural Networks for YouTube Recommendations” (Réseaux neuronaux profonds pour les recommandations de YouTube), décrivant le passage d'anciennes approches telles que la factorisation matricielle à des réseaux neuronaux profonds. Cela a permis d'améliorer la qualité de la personnalisation, d'aider le système à apprendre à partir d'un retour d'information implicite clairsemé, et de soutenir l'échelle de YouTube et la rapidité du contenu.

Itération continue : De nombreux modèles, des expériences constantes

L'algorithme de YouTube n'est pas statique. Il est continuellement mis à jour grâce à des améliorations permanentes du modèle, à une infrastructure de tests A/B et à des réglages qui équilibrent la pertinence et la diversité. Il intègre également des systèmes de politique et de sécurité, notamment la rétrogradation des contenus qui enfreignent les lignes directrices de la communauté.

Les explications publiques de sources telles que Think with Google (2023), The Verge (2023) et Hootsuite (2023) mettent généralement l'accent sur le même thème : les recommandations proviennent de nombreux modèles, de nombreux signaux et de mesures constantes.

Comment fonctionne l'algorithme d'intelligence artificielle de YouTube

Les réseaux neuronaux profonds comme épine dorsale

Le système de recommandation de YouTube est basé sur l'apprentissage profond, un sous-ensemble de l'apprentissage automatique qui utilise des réseaux neuronaux multicouches pour reconnaître des modèles à grande échelle. L'apprentissage profond est particulièrement efficace lorsque les données sont énormes, que le retour d'information est souvent implicite (regarder, sauter, mettre en pause) plutôt qu'explicite, et que les relations entre les utilisateurs et le contenu sont complexes et en constante évolution.

Cela est important car les données d'interaction de YouTube sont “éparses” au sens du système de recommandation. Il y a d'innombrables vidéos, et beaucoup d'entre elles ont relativement peu d'interactions par rapport à la taille du catalogue.

Le système de recherche en deux étapes : Génération et classement des candidats

Pour recommander efficacement des vidéos à partir d'une bibliothèque au volume considérable, YouTube utilise généralement un système en deux étapes. La première étape consiste à trouver un large ensemble de vidéos potentiellement pertinentes et la seconde à choisir celles qui seront affichées en premier.

Réseau de génération de candidats (rappel élevé)

• Objet : Générer un large ensemble de vidéos potentiellement pertinentes avec un taux de rappel élevé.
• Entrées : L'activité passée d'un utilisateur, y compris l'historique de visionnage, les requêtes de recherche et les chaînes auxquelles il est abonné.
• Mécanisme : Les représentations apprises permettent de retrouver les vidéos susceptibles de correspondre aux intérêts d'un utilisateur.

Cette étape est conçue pour ratisser large. Elle renvoie généralement des centaines de candidats plutôt qu'une liste finale.

Réseau de classement (haute précision)

• Objet : Noter et classer les vidéos des candidats avec une grande précision.
• Entrées : Les vidéos candidates bénéficient d'un contexte plus riche, comme l'heure, l'appareil et le comportement récent.
• Objectif de la prédiction : Temps de visionnage prévu et temps de visionnage de la session, ainsi que des signaux d'engagement tels que les mentions “J'aime”, les commentaires et les mentions "Pas intéressé".”
• Sortie : La liste affinée et ordonnée qui apparaît sur les pages d'accueil, les pages suivantes et d'autres surfaces.

Modèle mental pratique : la génération de candidats décide de ce qui mérite d'être pris en considération, et le classement décide de ce qui mérite d'être montré en premier.

Intégration des vecteurs : La similitude sous forme mathématique

YouTube s'appuie fortement sur les vecteurs d'intégration, qui sont des représentations numériques des utilisateurs, des vidéos et des requêtes de recherche.

• Les enregistrements de l'utilisateur : Représenter les préférences en fonction de l'historique de la montre et des modèles d'interaction.
• Incrustations vidéo : Représenter les caractéristiques du contenu telles que le sujet, le style et la façon dont le public réagit à la vidéo.

Les embeddings permettent au système de comparer les utilisateurs et les vidéos dans un espace à haute dimension. Les éléments qui sont proches dans cet espace sont considérés comme similaires, même s'ils ne partagent pas de traits superficiels évidents tels que le même créateur ou des mots-clés identiques. C'est l'une des raisons pour lesquelles YouTube peut recommander un contenu qui semble pertinent même sans recherche explicite.

Signaux utilisés par YouTube pour la personnalisation

La personnalisation est au cœur du système. YouTube essaie de prédire non seulement ce que quelqu'un pourrait cliquer, mais aussi ce qu'il va continuer à regarder.

Signaux d'interaction avec l'utilisateur (explicites et implicites)

Historique des montres (souvent le signal unique le plus fort)

L'historique de visionnage reflète un comportement réel, c'est pourquoi il est généralement considéré comme l'un des signaux les plus forts. Les visionnages récents ont généralement plus d'importance que les visionnages plus anciens, et l'intérêt répété pour un sujet ou un créateur renforce cette préférence.

• Récence : Une activité récente peut avoir plus de poids.
• Fréquence : Les schémas répétés renforcent les préférences.

Requêtes de recherche

La recherche est une expression explicite de l'intention. Si quelqu'un cherche “bricolage”, le système a une idée précise de ce qu'il veut dans l'immédiat, et pas seulement de ce qu'il regarde habituellement.

Abonnements aux chaînes

Les abonnements sont un signal de fidélité explicite qui indique un intérêt pour un créateur spécifique. Les abonnements influencent les recommandations, mais ils ne les contrôlent pas totalement, en particulier sur la page d'accueil où YouTube peut mélanger des chaînes familières avec du contenu de découverte.

Mesures de l'engagement

YouTube utilise une série de signaux d'engagement ayant des significations et des poids différents. Le temps de visionnage est essentiel, mais d'autres signaux peuvent affiner la compréhension de la qualité, de la satisfaction et de l'intention par le système.

• Heure de la montre et heure de la montre de séance : Ils sont souvent considérés comme les paramètres les plus importants.
• Aime et n'aime pas : Feedback positif ou négatif explicite (les personnes qui n'aiment pas fonctionnent toujours comme des données d'interaction).
• Commentaires : C'est le signe d'un engagement plus profond et d'une interaction avec la communauté.
• “Retour d'information ”pas intéressé" : Instruction explicite pour éviter les contenus similaires.
• Taux de clics (CTR) : Utile pour la découverte initiale, mais la rétention après le clic est prioritaire par rapport au CTR seul.
• Partage : Indique souvent une valeur perçue et un sentiment positif.

Informations démographiques (souvent déduites)

Les informations démographiques déduites peuvent aider à la compréhension et à la catégorisation d'un large public, mais la personnalisation est principalement guidée par des signaux de comportement et de contexte plutôt que par un ciblage démographique direct au niveau individuel.

Caractéristiques du contenu vidéo

YouTube évalue également les attributs des vidéos elles-mêmes afin de comprendre le sujet d'une vidéo et la manière dont le public y réagit.

• Métadonnées : Les titres, les descriptions, les étiquettes et les catégories favorisent la classification et la pertinence des recherches.
• Vignettes : Très influent sur les décisions de clic et le CTR initial.
• L'ère de la vidéo : Les vidéos plus récentes peuvent bénéficier d'un effet de fraîcheur ou de tendance dans certains contextes.
• Fidélisation du public : La part de la vidéo regardée par les internautes est un bon indicateur de la qualité de la vidéo.
• Qualité vidéo : La résolution et la qualité audio peuvent indirectement influer sur la satisfaction et la durée de visionnage.

Facteurs contextuels

Les recommandations peuvent changer en fonction du contexte situationnel, même pour une même personne.

• Heure de la journée : Les habitudes varient (visionnage de l'actualité ou divertissement).
• Appareil utilisé : Les modèles pour les mobiles et les ordinateurs de bureau diffèrent.
• Localisation : Influence les préférences linguistiques et la découverte locale.

Boucles de rétroaction continue et apprentissage adaptatif

Chaque interaction est une donnée

YouTube améliore ses recommandations parce qu'il apprend continuellement des interactions. Même de petites actions peuvent servir de signaux.

• Regarder, revoir, sauter
• Aimer, ne pas aimer, commenter
• Recherche, abonnement
• Utilisation de la mention “Non intéressé”
• Abandon prématuré d'une vidéo

Mises à jour des profils en temps réel et apprentissage des modèles

Au fur et à mesure que les personnes interagissent avec le contenu, les profils des utilisateurs et les incrustations sont mis à jour, les incrustations vidéo évoluent au fur et à mesure que le système apprend qui regarde une vidéo et ce qui se passe ensuite, et les modèles sont affinés grâce à des cycles d'entraînement continus.

Personnalisation adaptative

Les préférences ne sont pas fixes. Une personne peut regarder des contenus sur les voyages pendant des mois, puis passer à des conseils sur l'éducation des enfants et enfin se jeter sur des vidéos de cuisine. Le système est conçu pour s'adapter, c'est pourquoi les recommandations peuvent changer rapidement après l'apparition d'un nouveau modèle de visionnage.

Principaux éléments des recommandations de YouTube

• Réseau de génération de candidats : Récupère un large éventail de vidéos potentiellement pertinentes pour un taux de rappel élevé.
• Réseau de classement : Les notes et les commandes des candidats à la haute précision, souvent liées à l'heure de la montre prévue et à l'heure de la montre de la session.
• Intégrer des modèles : Représenter les utilisateurs, les vidéos et les requêtes afin que le système puisse mesurer la similarité au-delà des mots-clés.
• Magasin de détail : Gère et fournit de grandes collections de caractéristiques (historique, attributs vidéo, contexte) aux modèles.
• Infrastructure de tests A/B : Tester les changements à grande échelle pour confirmer les améliorations mesurables de la satisfaction et de l'engagement.

Les tests A/B sont particulièrement importants, car de petits changements de modèle peuvent produire des effets d'écosystème importants sur des milliards d'utilisateurs.

Où apparaissent les recommandations (types de recommandations)

YouTube applique les mêmes principes de base à l'ensemble du produit, mais chaque surface a un objectif différent.

Recommandations pour la page d'accueil

• Objectif : Démarrer ou redémarrer une session de visualisation.
• Souvent influencé par : Historique des montres, abonnements et intérêts déduits.
• Mélange typique : Créateurs familiers, sujets connexes et contenu exploratoire.

Up Next et Sidebar Recommendations

• Objectif : Prolonger la session en cours.
• Souvent influencé par : Similitude avec la vidéo en cours, ce que les autres spectateurs ont regardé ensuite et les habitudes de visionnage personnelles.
• L'accent est mis sur l'optimisation : Continuité et dynamisme.

Résultats de la recherche

• Objectif : Répondre à une demande explicite.
• Influencé par : Pertinence des mots-clés, métadonnées et performances pour cette requête (temps de visionnage, engagement).
• Personnalisé par : L'historique de veille et les interactions antérieures permettent de réorganiser les résultats entre les utilisateurs.

Onglet Tendance

• Objectif : Faire remonter à la surface les vidéos populaires et émergentes sur la plateforme.
• Niveau de personnalisation : Généralement moins personnalisés et plus axés sur l'élan et l'attrait général.

Flux d'abonnements

• Objectif : Afficher le contenu des chaînes que l'utilisateur suit explicitement.
• Comportement courant : Souvent chronologique, parfois avec un classement qui met en évidence les meilleures vidéos.

Flux de courts métrages YouTube

• Le système : Un moteur de recommandation distinct, adapté à la visualisation verticale des formes courtes.
• Souligné par l'auteur : Consommation rapide, nouveauté et boucle de rétroaction plus rapide.
• Effet de découverte : Peut favoriser une découverte rapide car de nombreux éléments peuvent être consommés en moins de temps.

Recommandations pour la diffusion en direct

• Le système : Logique spécialisée pour le contenu en direct.
• Souvent influencé par : L'audience en temps réel, la pertinence du sujet et l'historique du créateur avec les audiences en direct.

Concepts de filtrage dans l'apprentissage profond moderne

Même si YouTube utilise l'apprentissage profond, les idées classiques de recommandation s'appliquent toujours. Dans la pratique, elles sont intégrées dans les modèles neuronaux et les fonctionnalités plutôt que d'être mises en œuvre en tant que modules complètement distincts.

Filtrage basé sur le contenu

• Recommande des vidéos dont le sujet, le genre, le style du créateur, les mots-clés ou les motifs visuels sont similaires à ceux qu'un spectateur a déjà appréciés.
• Souvent soutenu par des vidéos intégrées qui regroupent des contenus similaires.

Filtrage collaboratif

• Recommande des vidéos que des utilisateurs similaires ont regardées et auxquelles ils ont participé.
• Elle est souvent étayée par l'intégration d'utilisateurs qui regroupent des personnes ayant des goûts similaires.

Approche hybride

L'approche actuelle de YouTube combine les deux styles. Les signaux basés sur le contenu sont utiles lorsque la similarité est évidente, et les signaux collaboratifs permettent de découvrir des contenus qui ne sont pas manifestement liés, mais qui sont bien accueillis par des spectateurs similaires.

Exemples concrets

Exemple 3 : Effet sur les performances de la recherche

Lorsqu'une personne effectue une recherche sur “ bricolage à domicile ”, les résultats sont susceptibles de présenter des vidéos qui obtiennent de bons résultats pour cette requête en termes de temps de visionnage et d'engagement, même si l'internaute n'a jamais regardé de contenu sur les réparations à domicile auparavant. L'intention de recherche réduit le champ, puis la performance et la personnalisation peuvent réorganiser le classement final.

Exemple 4 : L'éclosion d'un petit créateur

Une chaîne plus petite peut connaître une forte croissance si une vidéo obtient un temps de visionnage et un engagement importants au début. Cette performance peut permettre d'obtenir plus d'impressions sur Home et un placement dans Up Next pour les publics concernés, ce qui permet d'élargir la portée au-delà des abonnés.

Exemple 5 : Incitation à renoncer aux "clickbait" (appâts à clics)

Les titres et les vignettes trompeurs peuvent encore générer des clics, mais ils ont moins de chances de maintenir la distribution si les spectateurs rebondissent rapidement. Les systèmes optimisés en fonction de la durée de visionnage prévue et de la durée de visionnage de la session tendent à pénaliser l'insatisfaction qui se manifeste par un abandon prématuré.

Exemple 6 : Dynamique de croissance de la plate-forme

Les recommandations permettent de longues séances de visionnage et la découverte de créateurs établis et nouveaux. Les commentaires du secteur affirment souvent que les recommandations représentent la majorité du temps de visionnage, avec des estimations largement citées dépassant parfois les 70 %. Il vaut mieux considérer ces chiffres comme des estimations plutôt que comme des statistiques confirmées de la plateforme, mais la direction est claire : les recommandations sont au cœur de la manière dont YouTube est consommé.

Avantages et limites

Comment l'algorithme d'IA de YouTube se compare-t-il aux autres algorithmes ?

Recommandations YouTube et moteurs de recherche traditionnels

YouTube est axé sur la recommandation, tandis que la recherche traditionnelle sur le web est axée sur la requête. Tous deux peuvent utiliser l'apprentissage automatique avancé, mais YouTube s'appuie fortement sur un retour d'information implicite (temps de visionnage, rétention, engagement) et sur des actions explicites (abonnements, recherches), tandis que la recherche sur le web est principalement guidée par l'intention explicite de la requête et les signaux de pertinence. YouTube est généralement optimisé pour que les internautes restent plus longtemps sur la plateforme, tandis que la recherche sur le web vise souvent à répondre rapidement et peut renvoyer les utilisateurs vers d'autres sites.

Questions fréquemment posées

Ce qu'il faut retenir des recommandations de YouTube

L'algorithme d'intelligence artificielle de YouTube se présente comme un système d'apprentissage en profondeur en deux étapes : il sélectionne un large ensemble de vidéos candidates, puis les classe en fonction de la satisfaction prévue, la durée de visionnage de la session étant l'indicateur central. Il apprend de presque toutes les interactions, s'adapte aux changements de préférences et applique une logique légèrement différente en fonction de l'endroit où les recommandations apparaissent, de la page d'accueil à la page suivante, en passant par la recherche, les courts métrages et le direct.

Pour les créateurs et les spécialistes du marketing, l'implication pratique est simple : l'emballage gagne le clic, mais la satisfaction soutient la distribution. Les titres et les vignettes peuvent attirer l'attention, mais la fidélisation du public et la durée de visionnage sont les éléments qui transforment généralement un chargement prometteur en un moteur de recommandation. Un état d'esprit pratique consiste à améliorer les 30 premières secondes pour fidéliser le public, à aligner les titres et les vignettes sur ce que la vidéo apporte réellement, et à structurer les vidéos de manière à ce que le visionnage d'une autre vidéo apparentée semble être l'étape suivante naturelle.