Meta améliore les recommandations Reels
Meta a publié un nouvel aperçu de la façon dont il travaille pour améliorer les recommandations de Reels, en se concentrant sur un mélange de commentaires directs des utilisateurs et d’intelligence artificielle.
Le cœur de la mise à jour réside dans l’utilisation à grande échelle d’enquêtes de rétroaction affichées entre les bobines. Ce sont des questions qui demandent aux utilisateurs ce qu’ils ont ressenti après avoir vu du contenu.
Meta explique avoir collecté ces signaux systématiquement pour affiner ses systèmes de recommandation.
Donnez des likes pour diriger les commentaires des utilisateurs
Jusqu’à présent, les recommandations reposaient principalement sur des signaux implicites tels que les likes, les partages et les durées de visionnage. Avec les enquêtes, Meta introduit plutôt des commentaires explicites, qui vous permettent de comprendre non seulement ce qui est regardé, mais aussi pourquoi les gens aiment ou n’aiment pas le contenu.
Selon l’entreprise, cette approche lui permet de surmonter les limites des métriques traditionnelles.
Les chiffres derrière le nouveau système de recommandation
Meta affirme qu’avant l’introduction des enquêtes, ses systèmes n’atteignaient qu’un taux d’alignement de 48,3 % avec les intérêts réels des utilisateurs. Après intégration des données collectées, ce pourcentage serait passé à plus de 70 %.
Une amélioration significative, du moins au niveau déclaré.
Apprentissage automatique et correction des biais
Pour fiabiliser les résultats, Meta explique avoir pondéré les réponses pour corriger les distorsions liées aux biais d’échantillonnage et de non-réponse, construisant ainsi un ensemble de données plus représentatif des préférences réelles.
Le retour direct est ensuite intégré aux modèles d’apprentissage automatique qui alimentent le flux Reels.
Une démarche déjà vue, mais avec des résultats significatifs
L’utilisation d’enquêtes pour améliorer les systèmes de recommandation n’a rien de nouveau. Pinterest a également déclaré dans le passé qu’il utilisait des méthodes similaires.
Ce qui frappe, dans ce cas, c’est la rapidité de l’amélioration revendiquée par Meta.
Expérience plus personnalisée et moins aléatoire
L’objectif affiché est d’offrir une expérience plus personnalisée, en réduisant la sensation de contenu aléatoire et en augmentant la probabilité de visites répétées sur la plateforme.
Parce que TikTok reste la référence des algorithmes
Malgré les progrès, Meta admet implicitement qu’elle est toujours en retard sur TikTok, dont le fil « For You » continue d’être considéré comme la référence en matière d’engagement compulsif.
La raison principale semble être la profondeur différente de l’analyse du contenu.
Reconnaissance d’entités et vision par ordinateur
TikTok a développé des systèmes avancés de reconnaissance d’entités et de vision par ordinateur, capables d’identifier des éléments visuels très spécifiques dans les vidéos.
Cela permet à la plateforme d’associer des préférences extrêmement détaillées aux utilisateurs individuels, allant au-delà des comportements explicites.
À LIRE AUSSI : Algorithmes des réseaux sociaux : ce qui change (vraiment) sur Meta, TikTok, LinkedIn, YouTube et
Les ombres derrière l’algorithme TikTok
Des documents apparus dès 2019 et analysés par The Intercept suggèrent que TikTok était capable de reconnaître et d’évaluer des traits physiques et des contextes environnementaux dans les vidéos, dans le but de maintenir une image ambitieuse de la plateforme.
TikTok a ensuite précisé que certaines de ces directives concernaient Douyin, la version chinoise de l’application, et ne seraient jamais appliquées à l’échelle mondiale.
La frontière entre personnalisation et manipulation
La simple existence de tels critères soulève des questions sur les biais algorithmiques, le profilage psychologique et les éventuels effets néfastes sur l’expérience utilisateur.
C’est un territoire dans lequel Meta, du moins pour l’instant, semble évoluer avec plus de prudence.
À LIRE AUSSI : Comment les réseaux sociaux vont-ils évoluer en 2026 ? Tendances, plateformes et stratégies pour suivre le rythme
Meta continue de s’appuyer sur des signaux plus traditionnels, désormais complétés par des enquêtes directes, pour améliorer le flux Facebook Reels.
Selon l’entreprise, cela devrait conduire à une distribution de contenu vers des publics plus engagés, améliorant également les performances des créateurs.
De meilleures recommandations, des audiences plus pertinentes
Si les recommandations s’améliorent réellement, le bénéfice ne concerne pas seulement les utilisateurs, mais aussi ceux qui produisent du contenu, qui pourraient toucher des publics plus intéressés et moins occasionnels.
Une promesse qu’il faudra désormais vérifier sur le terrain.
