1_
CONCEPTS CLÉS DE LA RECOMMANDATION: Littératie de l’intelligence artificielle
Qu’est-ce que l’intelligence artificielle?
Telle que définie par Wikipédia, l’intelligence artificielle, désignée par l’acronyme IA, est un «ensemble de théories et de techniques mises en œuvre en vue de réaliser des machines capables de simuler l’intelligence humaine».
Évidemment, des tâches sont accomplies de façon plus satisfaisante par des êtres humains, car elles demandent des processus mentaux de haut niveau, tels que l’apprentissage perceptuel, l’organisation de la mémoire et le raisonnement critique. Par ailleurs, la ligne de démarcation entre ce qu’un ordinateur n’a pas encore réussi à maîtriser et ce qu’il peut faire est en perpétuel mouvement.
Sur le Web, on cherche évidemment à ce que le contenu que l’on publie soit optimalement proposé aux internautes. On fait alors référence aux deux notions suivantes.
La découvrabilité d’un contenu dans l’environnement numérique se réfère à sa disponibilité en ligne et à sa capacité à être repéré parmi un vaste ensemble d’autres contenus, notamment par une personne qui n’en faisait pas précisément la recherche.
La découvrabilité d’un contenu dans l’environnement numérique se réfère à sa disponibilité en ligne et à sa capaciLa recommandation est le mécanisme d’une plateforme qui met un usager en contact avec une offre, sans qu’il n’en ait fait explicitement la demande, et dans l’objectif de l’amener à faire un choix.té à être repéré parmi un vaste ensemble d’autres contenus, notamment par une personne qui n’en faisait pas précisément la recherche.
Voici quelques courtes définitions qui vous permettront de vous familiariser avec tout ce qui mène à une recommandation Web.
On entend par algorithmes un ensemble d’instructions ou une suite d’opérations qui permettra d’obtenir un résultat. Un algorithme peut être traduit, grâce à un langage de programmation, en un programme exécutable par un ordinateur. Chaque plateforme a son propre système d’algorithmes.
Selon Wikipédia, un système de recommandation est un système de filtrage de l'information visant à présenter les éléments d’information qui sont susceptibles d’intéresser l’utilisateur. En matière culturelle, on peut ici parler de films, de musique, de livres, de nouvelles, d’images, de pages Web, etc.
La personnalisation des recommandations consiste à proposer à un internaute le bon produit au bon moment, en se basant sur ses données personnelles de profil, mais aussi sur les produits envers lesquels il a démontré de l’intérêt, par toute forme d’interaction.
Lorsque l’on parle du big data, ou des mégadonnées, on réfère à la somme colossale des données numériques provenant de nombreuses sources numériques, dont le Web, les réseaux sociaux, les bases de données privées, publiques à caractère commercial ou scientifique. Ces données sont nécessaires à la création des recommandations, car elles renseignent les algorithmes.
L’acronyme API, tiré du terme anglais Application Programming Interface, désigne l’interface de programmation applicative (ou le programme informatique) qui permet la récupération des informations de façon automatique (par des robots) dans les bases de données qui en offrent la possibilité, comme Facebook, Twitter et de nombreuses autres, pour ensuite les intégrer dans vos propres outils informatiques.
Traduction de machine learning, l’apprentissage automatique est le processus d’apprentissage des algorithmes, dont les conditions et les règles sont générées automatiquement par apprentissage statistique.
Il s’agit de recommandations forcées directement par des humains de façon éditoriale, généralement au moyen de marketing numérique.
Traduction littérale de deep learning, cela désigne un ensemble de méthodes d’apprentissage automatique tentant de modéliser, avec un haut niveau d’abstraction, des données. Ces techniques ont permis des progrès importants et rapides dans les domaines de l’analyse du signal sonore ou visuel, par exemple: la reconnaissance faciale, la reconnaissance vocale, la vision par ordinateur, le traitement automatisé du langage.
Un cookie, aussi appelé témoin de connexion, est un court texte envoyé par un serveur et enregistré sur le disque de l’ordinateur. Celui-ci permet de suivre un internaute visitant des sites Web apparemment sans rapport, du moment que ces sites utilisent tous le même fournisseur de pistage Web. Il s’agit d’un moyen parmi d’autres de recueillir des données d’usage, notamment à des fins de marketing ou de commerce en ligne.
Les données: le nerf de la recommandation
S’il n’y avait pas de données pour renseigner les algorithmes, il n’y aurait pas de recommandation.
Il existe divers types de données, en fonction des traits qui les caractérisent. En voici deux qui sont importants à distinguer en matière de typologie des données.
Les données descriptives ou métadonnées
Il s’agit des données de catalogage fournissant de l’information sur un objet donné. En matière culturelle, on pourrait par exemple parler d’un nom de l’auteur d’un livre, de son titre, de sa langue, etc.
Plus les données descriptives (métadonnées) sont détaillées, plus il sera possible d’expliquer des choix et d’identifier des comportements récurrents d’un utilisateur.
Les données d’usages
Ce sont les données fournissant de l’information sur l’utilisateur ou le consommateur du contenu culturel. Elles sont issues de l’activité de l’utilisateur et, plus spécifiquement, de son interaction avec les contenus. Ces données sont particulièrement prisées pour faire de la recommandation personnalisée.
Croisement des données descriptives et des données d’usage
Ces deux types de données ont une valeur optimale lorsqu’elles sont croisées, car les données descriptives fournissent le contexte de l’interaction avec le contenu et les données d’usage caractérisent l’utilisation qui est faite de ce contenu.
En matière de culture, ceci permet d’analyser la consommation culturelle, d’améliorer la connaissance des publics et d’interpréter la relation au contenu.
Données descriptives ou métadonnées
Donnée - CRI
Métadonnée: Une métadonnée offre un sens à une donnée.
Son, hurlement
Langue autochtone
Œuvres d’art
Placement de retraite
Passer de la disponibilité à la découvrabilité
Dans le cas de la découvrabilité d’un contenu ciblé, l’objectif n’est pas nécessairement de se retrouver en tête de en liste d’une recherche sur Google. L’objectif d’un contenu très précis sera plutôt d’être recommandé aux bonnes personnes, aussi souvent que possible. Le big data est une clé dans le cadre de cet exercice.
De nombreux algorithmes analysent des métadonnées et parcourent le Web pour compiler un grand volume de données – le Big Data. Ces petits robots vous recommandent ensuite des contenus ciblés, parfois à l'aide d'intelligence artificielle ou d'apprentissage profond, selon votre usage d'Internet ou de plateformes de contenus.
recherche
recommandation
disponibilité
découvrabilité
Objectifs de la recommandation
La recommandation est utile et essentielle à plusieurs plans. Elle permet notamment d’atteindre les objectifs suivants.
Elle permet de convertir un clic en consommation, donc en bénéfice financier.
Elle permet aux différentes plateformes en ligne de se démarquer par rapport aux autres, par exemple, en proposant des offres ciblées.
Elle permet la fidélisation des internautes, en favorisant leurs retours sur une plateforme donnée, vers la consommation des offres culturelles proposées.
Système de recommandation
Voici un survol, sur la base d’exemples culturels concrets, de ce qui constitue un système de recommandation.
Qu’est-ce qui est recommandé?
Un film
Une liste de lecture
Un musicien
Un spectacle
Une chanson
Un auteur
Un balado
Etc.
À partir de quelle interface?
Un téléphone
Un écran tactile
Une montre
Un haut-parleur connecté
Un moteur de recherche
Un API (interface de programmation)
Un courriel
Etc.
Quelle est la formule de la recommandation?
La consultation d’offres similaires.
L’intérêt d’autres usagers à une offre.
La mise de l’avant de l’offre par un être humain.
La popularité de l’offre.
Le fait qu’il s’agisse d’une offre alternative.
À quel moment est-elle présentée?
Avant, pendant ou après l’utilisation de la plateforme.
Au moment de faire une recherche.
Après avoir fait un achat.
Juste avant la fin de mon abonnement.
Etc.
