Accès rapide (Sommaire) :
Comprendre l’intention cachée de ses utilisateurs : l’objectif ultime de Google ?
Google a publié en 2024 un article de recherche académique au titre peu grand public : “Discovering Personalized Semantics for Soft Attributes in Recommender Systems”.
Pourtant, derrière ce nom technique se cache une avancée clé.
L’objectif est simple à formuler, mais complexe à résoudre :
Permettre aux systèmes de recommandation (Google Discover, YouTube, Google News…) de mieux comprendre ce que les utilisateurs veulent réellement dire lorsqu’ils utilisent des mots vagues, subjectifs ou personnels.
Ce travail n’annonce pas une nouveauté directement accessible aux utilisateurs ou aux éditeurs aujourd’hui.
Il s’agit d’une recherche fondamentale, testée en laboratoire et sur des jeux de données publics, avec quelques briques déjà compatibles avec des systèmes existants chez Google.
Pourquoi les recommandations actuelles atteignent vite leurs limites ?
Les systèmes de recommandation fonctionnent historiquement sur des signaux simples :
- Les clics,
- Le temps de lecture ou de visionnage,
- Les likes ou commentaires,
- L’historique de consommation.
Ces signaux sont utiles, mais incomplets. Ils disent ce que vous avez fait, mais pas forcément pourquoi.
Deux personnes peuvent cliquer sur le même contenu pour des raisons totalement différentes.
L’une par curiosité, l’autre par contrainte, une troisième par habitude. Pourtant, pour l’algorithme, ces comportements se ressemblent.
La distinction clé entre attributs « durs » et attributs « flous »
Les chercheurs introduisent une séparation très pédagogique entre deux types d’informations.
Les attributs dits “objectifs” sont faciles à exploiter :
- le genre d’un film,
- le thème d’un article,
- le prix d’un produit,
- la durée d’une vidéo.
À l’inverse, les attributs subjectifs posent problème :
- « drôle »,
- « inspirant »,
- « trop complexe »,
- « léger »,
- « captivant ».
Ces mots n’ont pas une signification universelle. Ce qui est “drôle” pour vous ne l’est pas forcément pour votre voisin.
Jusqu’ici, les algorithmes avaient beaucoup de mal à exploiter ce type de vocabulaire.
La vraie innovation : donner un sens mathématique aux mots flous
La recherche de Google repose sur une idée contre-intuitive : ne pas forcer les systèmes à apprendre des définitions fixes de ces mots, mais apprendre comment chaque utilisateur les emploie.
Pour y parvenir, les chercheurs détournent un outil existant : les Concept Activation Vectors (CAV).
Concrètement, cette méthode permet de :
- Observer comment un système de recommandation représente déjà les contenus,
- Repérer des directions communes associées à des mots subjectifs,
- Adapter cette compréhension à chaque utilisateur.
Autrement dit, l’algorithme ne cherche plus à savoir ce que signifie “inspirant” en général, mais ce que “inspirant” signifie pour vous.
Un fonctionnement simplifié pour mieux comprendre
Sans entrer dans les équations, voici la logique globale.
Le système part de :
- un moteur de recommandation existant, déjà entraîné,
- un petit nombre de mots-clés subjectifs fournis par certains utilisateurs,
- les préférences réelles observées (clics, notations, historiques).
À partir de là, il identifie des correspondances entre ces mots subjectifs et les préférences réelles de chaque personne. Aucun réentraînement massif n’est nécessaire.
C’est un point crucial : cette approche est compatible avec des systèmes déjà en production.
Est-ce déjà utilisé dans Google Discover ou YouTube ?
À ce stade, Google ne confirme pas l’intégration directe de cette méthode dans ses produits grand public.
La recherche a été :
- testée sur des jeux de données publics (MovieLens 20M),
- validée avec un moteur de recommandation interne utilisé sur Google Cloud.
Ce que cela montre, c’est que l’intégration est techniquement possible sans bouleverser l’architecture existante.
Mais aucune date, ni déploiement officiel, n’a été annoncé.
Une révolution invisible en marche ?
Si cette logique se généralise à l’avenir, voici ce que cela pourrait impliquer :
- Pour les créateurs de contenus, la cohérence éditoriale et la capacité à susciter des ressentis clairs (émotion, utilité, clarté) pourraient peser davantage que l’optimisation purement technique.
- Pour le SEO et Discover, cela renforcerait une tendance déjà observable : Google ne cherche plus seulement des contenus “bien optimisés”, mais des contenus qui répondent à une intention perçue comme authentique.
Google explore une manière plus humaine de faire le lien entre langage naturel et décisions algorithmiques. Pas en demandant aux utilisateurs d’être plus précis, mais en adaptant la machine à leur façon de s’exprimer.
La vraie question devient alors : votre contenu exprime-t-il clairement ce qu’il fait ressentir ?
Principalement passionné par les nouvelles technologies, l’IA, la cybersécurité, je suis un professionnel de nature discrète qui n’aime pas trop les réseaux sociaux (je n’ai pas de comptes publics). Rédacteur indépendant pour LEPTIDIGITAL, j’interviens en priorité sur des sujets d’actualité mais aussi sur des articles de fond. Pour me contacter : [email protected]
