L’association manuelle d’articles, est-ce envisageable ?

Aujourd’hui, nous allons de nouveau parler de Gregory (business developper chez Mediego), ou plutôt d’une objection qu’il a récemment entendue lors d’un rendez-vous avec un prospect. Pour replacer le contexte, Gregory avait rendez-vous avec un grand groupe média qui avait fait une demande de démonstration de nos outils pour évoquer le sujet des recommandations personnalisées sur différents sites internet de presse.

L’objection en question était la suivante : « Nous n’avons pas confiance dans les algorithmes de recommandation, car les recommandations qu’ils nous fournissent ne nous paraissent pas cohérentes« . Il y a tout de même un point important à souligner, actuellement, les recommandations sont mises en ligne et tenues à jour par la rédaction, qui par ailleurs le fait manuellement.

Mais alors, associer moult articles et actualités manuellement, est-ce un choix judicieux ? Je vais essayer de répondre à cette question en plusieurs points :

• Recommandations d’articles manuelle, de quoi s’agit-il ?
• Tout est question de quantité à traiter
• Entre subjectivité et objectivité, la frontière est mince
• Les humains, plus forts que les algorithmes ?
• L’A/B testing, pour mettre tout le monde d’accord

Recommandations manuelles d’articles, de quoi s’agit-il ?

Il s’agit de proposer des contenus (dans la situation présente, des articles de presse) aux lecteurs pendant leur navigation sur le site ou l’application de la marque. Ces contenus peuvent être proposés dans des blocs de recommandation de plus ou moins grande taille selon les besoins marketing et éditoriaux.

Généralement, les recommandations sont automatiquement créées et proposées aux lecteurs. Ici, ce sont les équipes marketing ou éditoriales qui les associent manuellement. Certains réalisent cette opération non pas manuellement, mais avec un système d’association automatique de contenu capable de fonctionner en se référant aux tags présents dans les articles (par exemple : politique, environnement, etc.).

Sur le même sujet, découvrez les deux articles suivants :

• Créer un système de recommandation prend du temps
• Quels sont les principaux algorithmes de recommandation ?

Si nous n’avons pas d’illustration, montrant des recommandations réalisées manuellement, nous pouvons toutefois vous montrer deux exemples de recommandations personnalisées grâce aux algorithmes de Mediego qui du reste ont une apparence identique :

Dans cet exemple tiré de l’application mobile du quotidien régional suisse La Liberté, vous pouvez voir que toute une partie de la page d’accueil est dédiée aux recommandations personnalisées par nos algorithmes de recommandation.

Ici, nous sommes sur le site web du quotidien Ouest-France. Sur la page « Premium », nous retrouvons un bloc qui occupe toute la hauteur de la page et propose 4 recommandations personnalisées d’actualité en lien avec mon profil de navigation que les algorithmes Mediego ont construit au fur et à mesure de mes lectures sur le site.

Tout dépend de la quantité de contenus à associer

Vous vous demandez pourquoi ne pas associer manuellement les articles pour les proposer dans des emplacements spécifiques sur le web ou mobile. C’est tout à fait envisageable, mais considérez le fait qu’il ne faudra pas lésiner sur le temps à consacrer à l’association des contenus. De fait, le nombre de contenus qui paraissent quotidiennement d’un média à un autre. À titre d’exemple, Ouest-France c’est plus de 600 nouveaux articles mis en ligne chaque jour. Dans ce contexte, associer des recommandations manuellement relève de l’impossible à moins d’avoir une équipe de 30 personnes entièrement dédiée à ce projet. C’est un travail facilement automatisable à condition de bien s’entourer. Alors, pourquoi s’obstiner à tout associer manuellement ?

D’un autre côté, un média en ligne avec une production de contenu plus faible (par exemple 3 ou 4 nouveaux articles par semaine) n’aura pas automatiquement besoin d’une solution dédiée à l’automatisation des recommandations.

Entre subjectivité et objectivité, la frontière est mince

Pour reprendre ce que j’évoquais en introduction, lors de la démonstration entre les prospects et Gregory, ils ont émis de la méfiance et un manque de confiance envers les systèmes de recommandations. Visiblement, ils avaient déjà essayé (en préproduction) plusieurs solutions disponibles sur le marché et les recommandations ne leur paraissaient pas pertinentes. Même si cela s’explique facilement par le fait qu’ils testaient les algorithmes dans un environnement de développement fermé et non grandeur nature (sur le site public du média en question) donc les algorithmes avaient sans aucun doute trop peu de données pour fonctionner normalement.

Outre ce problème logique, on peut se demander si les responsables éditoriaux n’ont pas une vision trop subjective de ce qui va plaire aux lecteurs après une première lecture. En effet, ce n’est pas possible d’être sûr à cent pour cent qu’un lecteur lisant actuellement un article sur le gaspillage alimentaire voudra en lire un deuxième juste après (même si c’est son sujet favori). Même si les responsables marketing et/ou éditoriaux ont une bonne connaissance de leur lectorat et de leur marché, il semble déraisonnable de proposer des recommandations uniquement sur un ressenti, une intuition ou un sentiment plutôt que sur une analyse approfondie d’un énorme volume de données comme c’est le cas pour les algorithmes de recommandation.

Les humains, plus forts que les algorithmes ?

Oui, les humains sont plus forts que les algorithmes, car c’est eux qui les créent. En revanche, je doute fortement qu’un humain soit plus habile qu’un algorithme pour proposer des recommandations personnalisées aux lecteurs, car comme je le soulignais plus haut, il est impossible pour un humain de prendre en compte des facteurs uniquement objectifs. Les algorithmes sont donc probablement plus forts que les humains sur ce volet et c’est encore plus vrai quand le nombre d’articles publiés quotidiennement dépasse (de loin) les capacités d’analyse et de traitement d’un humain.

L’A/B testing pour mettre tout le monde d’accord

Nous parlions tout de suite d’objectivité et de subjectivité, alors vous vous dites certainement qu’en travaillant chez Mediego, je ne peux pas être objectif sur ce sujet (pourtant je vous assure que je le suis). C’est pourquoi, si vous faites des associations d’articles manuellement, je vous invite grandement à réaliser un test A/B grandeur nature. D’un côté, 50% de votre audience verra les recommandations que vous lui avez minutieusement préparées à la main, de l’autre côté, l’algorithme proposera automatiquement des recommandations personnalisées en fonction des données analysées sur votre site ou votre application.

Si vous doutez encore des opportunités offertes par la personnalisation algorithmique, découvrez le témoignage client de Ouest-France, Publihebdos ou encore de La Liberté. Tous trois utilisent nos solutions de personnalisation et les résultats sont au rendez-vous.