Pour proposer des contenus à ses utilisateurs, la plateforme de streaming utilise des algorithmes d’intelligence artificielle pour déterminer les films ou séries les plus susceptibles de convenir au jour le jour à l’abonné.

Il existe deux manières d’accéder à un contenu sur Netflix :

Dans le premier cas, l’utilisateur  choisit  de lui-même le film ou la série qu’il souhaite regarder: il  tape alors son nom dans la barre de recherche pour accéder au programme choisi.

Autre possibilité : l’utilisateur clique sur l’une des recommandations qui s’affichent automatiquement sur sa page.

Selon les équipes de Netflix, ce second cas de figure est de très loin le plus fréquent :

« Plus de 80% des contenus visionnés par nos utilisateurs sont des recommandations. »indique un responsable.

La qualité des suggestions fournies aux utilisateurs est donc d’une importance primordiale pour Netflix et la satisfaction de ses clients :

Selon Hossein Taghavi de Netflix : « Notre objectif, à long terme, est que lorsque l’utilisateur se connecte, le contenu qu’il souhaite visionner s’affiche en haut de la page, sans qu’aucune action de sa part soit nécessaire».

Reste à savoir si, pour atteindre cet objectif, l’utilisateur est dans une optique de découverte (il souhaite visionner un contenu qu’il n’a jamais vu auparavant) ou de continuité (il souhaite reprendre le visionnage d’un contenu entamé au préalable).

Autre alternative possible : si l’utilisateur est dans une optique de continuité, il y a lieu de  déterminer quel contenu il souhaite le plus regarder parmi tous ceux dont il a auparavant entamé la lecture.

Pour répondre à ces deux questions, l’équipe de Netflix a défini un certain nombre de variables.

-         Celles-ci ont ensuite été utilisées dans des algorithmes d’apprentissage machine (« machine learning »).

Ces algorithmes prédictifs sont testés sur des utilisateurs pris aléatoirement, afin  d’observer avec quelle précision ils permettent de deviner leur comportement, et de réajuster les paramètres.

Ainsi, par exemple, l’utilisateur a plus de chances de reprendre le visionnage d’un contenu commencé au préalable s’il a récemment regardé plusieurs épisodes d’une même série, sans parvenir à la fin ; s’il a commencé un film sans le finir ; et enfin s’il a pour habitude de regarder une série particulière à cette heure de la journée ou sur l’appareil sur lequel il se trouve actuellement.

Par contre,  si l’utilisateur est  nouveau sur Netflix, ou qu’il n’a rien regardé depuis quelque temps ou encore qu’il vient de terminer un film ou une série laisse à supposer qu’il se trouve dans une optique de découverte.

Un ensemble complexe de variables  à prendre en compte:

Une fois déterminé que l’utilisateur est dans une optique de continuité, prédire le film ou la série dont il a le plus de chance de reprendre le visionnage repose sur un volume bien plus complexe de variables :

Celles-ci sont liées au profil de l’utilisateur (nationalité, localisation, notes déjà attribuées aux contenus préalablement regardés, genres favoris), à ses habitudes  en rapport à chacun des contenus qu’il a visionnés dans le cadre de son usage de Netflix (fréquence de visionnage, tendance à regarder tel type de contenu sur telle tranche horaire) et enfin au contexte (heure de la journée, localisation, appareil utilisé).

Une présentation adaptée au profil du consommateur :

En fonction des prédictions de ses algorithmes, Netflix modifie la manière dont la page d’accueil se présente à l’utilisateur :

 Si l’algorithme prédit une « logique de découverte », la page met en évidence des contenus inédits. Au contraire, il peut afficher en priorité le contenu dont l’utilisateur a la plus forte probabilité de reprendre la lecture, suivi du second par ordre de probabilité, puis du troisième,…etc…à travers le carrousel « Continuer à regarder ».

Selon les équipes de Netflix, si les algorithmes affichent d’ores et déjà des résultats prometteurs, elles continuent néanmoins à travailler également à la recherche de paramètres toujours plus précis pour faire découvrir aux utilisateurs de nouveaux contenus susceptibles de correspondre à leurs goûts.

Voir par ailleurs :