Aller au contenu principal

Synthèse - Atelier Culture et Entreprenariat – La recommandation personnalisée : quelles innovations pour le livre numérique ?

21 mai 2014

L’Hadopi, en partenariat avec le Labo de l'Edition, a tenu ce mardi 20 mai un nouvel atelier Culture & Entreprenariat consacré, cette fois-ci, à la recommandation personnalisée et au livre numérique. Les plateformes de diffusion numérique sont confrontées aujourd’hui à une problématique d’abondance de leur offre. La recommandation personnalisée représente donc en ce sens un enjeu économique majeur pour les distributeurs de livres numériques.

Après une courte présentation par Camille Pène, responsable animation et communication du Labo de l’édition, la discussion s’installe entre présentation de chaque membre, échanges sur les questions relatives à la recommandation personnalisée et interrogations venant de la salle. La réalisation d’ateliers en partenariat avec l’Hadopi s’inscrit pour eux dans la logique d’une mission de développement et de pédagogie auprès des startups dans le secteur culturel et numérique. Camille Pène achève son introduction en rappelant que « le livre a beaucoup à apprendre des autres secteurs en matière de numérique ».

Présentation de la recommandation personnalisée par Vincent Castaignet (Musicovery)

Vincent Castaignet a développé le terme de recommandation en définissant celle-ci comme « le fait de proposer quelque chose à une personne à partir d’un historique de comportement, de préférence, ou d’un contenu visité ou recherché. » La recommandation est ainsi le compromis entre une découverte (qui correspond à ce que l’auditeur ne connait pas) et un contenu similaire (qui est proche de ce que l’auditeur aime). Il s’y rattache une notion sociale mais aussi un comportement individuel qui va consister à « accompagner l’auditeur dans la manière où il va découvrir un univers qu’il ne connait pas. »

Il a présenté le filtrage collaboratif comme « la méthode la plus efficace et demandant le moins d’effort. » Son principe repose sur une concurrence de comportement des utilisateurs. Il en a ensuite exposé les avantages tels que l’absence de besoin de classifier et les inconvénients comme « le cold start » (si le contenu est nouveau sur la plateforme, il ne bénéficie pas encore d’informations aidant la recommandation).

Vincent Castaignet a, par ailleurs, souligné les difficultés et problèmes liés aux systèmes de recommandation tels que la qualité possiblement médiocre des descriptions, l’ambiguïté du point de référence, le problème de la popularité (toujours les mêmes suggestions) et l’absence de réelle personnalisation.

« Les objectifs de Musicovery sont de fournir un service simple, personnalisé et pertinent, de proposer une manière de naviguer dans un univers musical à chaque auditeur et de fournir une expérience intéressante et cohérente » a ajouté Vincent Castaignet. Leurs modèles de recommandations se fondent sur une utilisation de tous types de données et différents profils d’utilisateurs, ce qui leur a permis d’arriver à une augmentation de 25% de la durée des sessions d’écoute.

Musicovery est une smartradio basée sur l’humeur de l’utilisateur plutôt que sur un moteur de recherche par œuvre ou par artiste. Une version B2B a été créée et permet de générer des playlists ou des expériences d’écoute originales.

Youscribe par Lucie Soureillat

Youscribe est une plateforme de partage et de vente de publications numériques. La plateforme est sur le point de lancer une offre de streaming par abonnement (comme Spotify) et travaille à ce sujet sur les meilleurs moyens de recommander des contenus aux abonnés.

Lucie Soureillat, prévoie « le développement d’un moteur de recommandation en 3 étapes (juin, octobre et février). Ainsi, à mesure que la pertinence augmente, le nombre de pages lues augmente, ainsi que les revenus des éditeurs. »

« La recommandation se fait par une analyse du texte et par une part d’intelligence artificielle (avec une représentation du document sous forme binaire). La recherche sémantique établit une similarité entre les textes et dégage des affinités de thèmes. Pour le moment cela ne prend en compte que le contenu des documents. » a ajouté Lucie Soureillat.

Une autre méthode consiste à mesurer la similarité entre utilisateurs à l’aide de métadonnées diverses telles que le temps passé sur une page ou même le parcours de recherche. Selon Lucie Soureillat, on peut enfin « demander explicitement leurs préférences aux utilisateurs qui seront enregistrées dans un tableau afin de leur proposer des recommandations ».

L’expérience d’incubé par Laurent le Toriellec

Laurent le Toriellec a fondé PIRPL, une plateforme de livre numérique avec un moteur de recommandation dont la sortie est prévue en octobre 2014. Il s’agira d’une offre accessible par abonnement payant sur smartphone et tablette.

Fort de son expérience dans le domaine des médias et du livre depuis plus de 15 ans, qu’il considère maintenant comme une véritable passion, il a décidé d’aider la rencontre numérique entre les livres et les lecteurs en fondant PIRPL.

Selon lui, « un moteur de recommandation sert à souligner les qualités de quelque chose pour qu’il soit choisi. La recommandation doit se nourrir de l'analyse des contenus et pas seulement des algorithmes. Le moteur de recommandations de PIRPL propose une approche thématisée, basée sur des analyses manuelles d'experts. »

Conclusion

Selon Laurent le Toriellec, « il existe en France 5,3 millions de personnes qui lisent plus de 20 livres par an. Ce sont ces personnes qu’il faut convertir au numérique. » L’enjeu, du point de vue de la recommandation personnalisée est donc de cerner au mieux les usages et attentes de ces utilisateurs. Ainsi, la définition des métadonnées et la logique sémantique appliquée aux différents moteurs de recherche à venir devra avant tout se calquer sur l’expérience utilisateur de ces néo-arrivant dans la lecture numérique.