Pourquoi les recommandations de Netflix sont-elles si mauvaises ?

Les limites techniques de l'algorithme de recommandation

L'algorithme de Netflix repose sur des techniques avancées de machine learning, mais il souffre de plusieurs problèmes fondamentaux qui limitent sa pertinence.

Des données incomplètes et biaisées

Le premier défi technique majeur : Netflix ne collecte que des données sur ce que vous regardez, pas sur ce que vous ignorez activement. Lorsque vous faites défiler les recommandations sans cliquer, le service ne peut pas enregistrer votre désintérêt. Cette absence de données sur les rejets crée des angles morts importants dans votre profil de préférences.

De plus, l'algorithme ne peut pas distinguer un contenu que vous n'avez pas regardé par désintérêt et un contenu que vous n'avez pas eu le temps de regarder. Ces lacunes dans la collecte de données limitent considérablement la qualité des recommandations.

Corrélation contre causalité

L'algorithme de Netflix excelle à identifier des corrélations dans vos habitudes de visionnage, mais il ne comprend pas les causalités derrière vos préférences. Par exemple, il peut remarquer que vous avez aimé à la fois Breaking Bad et Orange Is the New Black, mais il ne sait pas si c'est parce que vous appréciez les séries sur la criminalité, les personnages complexes, ou simplement la qualité d'écriture générale.

Cette incapacité à comprendre le pourquoi derrière vos choix conduit à des généralisations abusives. L'algorithme peut vous recommander des contenus qui partagent des caractéristiques superficielles avec ce que vous aimez, sans capturer l'essence de vos préférences réelles.

L'opacité du machine learning

Netflix utilise des algorithmes de deep learning qui apprennent seuls à partir des données, sans que leurs créateurs ne puissent toujours expliquer leurs raisonnements. Ces systèmes identifient des patterns complexes dans les comportements des utilisateurs, mais ces logiques sont souvent incompréhensibles pour les humains.

Ce fonctionnement est pet, mais s'adapte mal à la subjectivité des goûts humains, qui sont changeants, contextuels et parfois irrationnels. Le résultat ? Des recommandations qui peuvent sembler aléatoires ou incohérentes, car basées sur des connexions que même les ingénieurs de Netflix ne comprennent pas toujours.

Les choix stratégiques derrière les recommandations

Au-delà des limites techniques, les recommandations de Netflix reflètent des décisions stratégiques délibérées qui privilégient les objectifs business de l'entreprise.

Priorité aux investisseurs plutôt qu'aux utilisateurs

Contrairement à ce que l'on pourrait penser, l'objectif premier de l'algorithme de recommandation n'est pas de vous proposer des contenus que vous allez adorer. Selon plusieurs analyses, son rôle principal est de convaincre les investisseurs que Netflix maîtrise la personnalisation à grande échelle.

En montrant une grande variété de recommandations (même inadaptées), Netflix donne l'illusion d'un catalogue riche et d'une IA performante. Cette démonstration de puissance technologique est essentielle pour la valorisation boursière de l'entreprise, surtout dans un contexte de concurrence féroce avec Disney+, Amazon Prime Video et autres services de streaming.

Promotion des productions originales

L'algorithme de recommandation est aussi un outil promotionnel pour les productions originales de Netflix (les Netflix Originals). La plateforme investit des milliards dans ces contenus exclusifs et doit maximiser leur audience pour rentabiliser cet investissement.

Même si un Netflix Original correspond moins bien à vos goûts documentés, l'algorithme sera conçu pour le mettre en avant. Cette priorité donnée aux productions internes explique pourquoi vous voyez sans cesse apparaître des nouveautés Netflix dans vos recommandations, même quand elles semblent éloignées de vos centres d'intérêt habituels.

Simplification du système de notation

Netflix a abandonné son système de notation par étoiles au profit d'un simple "pouce en haut / pouce en bas". Cette décision a réduit la précision des données sur vos préférences réelles. Une note sur 5 permettait des nuances importantes qu'un système binaire ne peut pas capturer.

Ce changement reflète une volonté de Netflix de s'appuyer davantage sur l'analyse passive de votre comportement (temps de visionnage, pauses, arrêts) que sur vos avis explicites. Si cette approche simplifie la collecte de données, elle diminue aussi la qualité des recommandations en réduisant votre capacité à exprimer la subtilité de vos goûts.

L'impact sur l'expérience utilisateur

Ces limitations techniques et choix stratégiques se traduisent par une expérience utilisateur souvent frustrante pour les abonnés.

L'effet "bulle" et manque de diversité

L'algorithme tend à enfermer les utilisateurs dans des "bulles de contenu" basées sur des micro-genres très spécifiques. Si vous commencez à regarder un certain type de contenu, Netflix va vous en recommander massivement d'autres similaires, au détriment de la diversité et de la découverte.

Ce manque d'ouverture peut conduire à une lassitude. Vous vous retrouvez à voir toujours les mêmes types de recommandations, ce qui réduit la sérendipité – cette joie de découvrir par hasard un contenu que vous ne cherchiez pas mais qui vous plaît énormément.

Des recommandations parfois absurdes

De nombreux utilisateurs rapportent des suggestions qui semblent totalement déconnectées de leurs habitudes de visionnage : des dessins animés pour bébé proposés à un adulte sans enfant, des documentaires hors sujet, ou des recommandations récurrentes pour des genres pourtant noté "non aimé".

Ces anomalies s'expliquent par les limites techniques évoquées précédemment, mais aussi par la volonté de Netflix de "tester" des contenus originaux ou sous-promus en les injectant dans les recommandations du plus grand nombre.

Netflix a-t-il intérêt à améliorer son IA ?

Face à ces limites, on pourrait s'attendre à ce que Netflix investisse massivement pour améliorer son algorithme. La réalité est plus nuancée.

Conclusion : un compromis délibéré

Les recommandations de Netflix sont le résultat d'un compromis délibéré entre personnalisation, promotion et calculs économiques. L'algorithme n'est pas tant conçu pour vous proposer systématiquement ce que vous allez adorer que pour servir les objectifs stratégiques de l'entreprise.

Cette réalité ne signifie pas que Netflix n'investit pas dans l'amélioration de son IA, mais plutôt que ces améliorations resteront encadrées par des impératifs business. Pour les utilisateurs, cela implique d'accepter que les recommandations parfaites n'existent pas – et de continuer à chercher manuellement le film idéal.