27/01/2021
𝗙𝗮𝗰𝗲𝗯𝗼𝗼𝗸 : 𝗰𝗼𝗺𝗺𝗲𝗻𝘁 𝗳𝗼𝗻𝗰𝘁𝗶𝗼𝗻𝗻𝗲 𝗹’𝗮𝗹𝗴𝗼𝗿𝗶𝘁𝗵𝗺𝗲 𝗱𝘂 𝗳𝗶𝗹 𝗱’𝗮𝗰𝘁𝘂𝗮𝗹𝗶𝘁𝗲́
𝑭𝒂𝒄𝒆𝒃𝒐𝒐𝒌 𝒅𝒆́𝒗𝒐𝒊𝒍𝒆 𝒍𝒆𝒔 𝒕𝒆𝒄𝒉𝒏𝒊𝒒𝒖𝒆𝒔 𝒆𝒕 𝒍𝒆𝒔 𝒄𝒓𝒊𝒕𝒆̀𝒓𝒆𝒔 𝒖𝒕𝒊𝒍𝒊𝒔𝒆́𝒔 𝒑𝒐𝒖𝒓 𝒄𝒉𝒐𝒊𝒔𝒊𝒓 𝒍𝒆𝒔 𝒄𝒐𝒏𝒕𝒆𝒏𝒖𝒔 𝒒𝒖𝒊 𝒔𝒐𝒏𝒕 𝒎𝒊𝒔 𝒆𝒏 𝒂𝒗𝒂𝒏𝒕 𝒔𝒖𝒓 𝒗𝒐𝒕𝒓𝒆 𝒇𝒊𝒍 𝒅'𝒂𝒄𝒕𝒖𝒂𝒍𝒊𝒕𝒆́.
La gestion de l’algorithme du fil d’actualité, un défi technique complexe
Facebook doit analyser pour chaque utilisateur des milliers de signaux pour identifier les contenus pertinents à mettre en avant dans leur News Feed. Avec plus de 2 milliards de personnes utilisant Facebook dans le monde, le volume à gérer est conséquent.
Pour faire face à ce volume, Facebook se base sur plusieurs niveaux de modèles et de classements ML (Machine Learning) pour prédire le contenu le plus significatif pour les utilisateurs. Lorsque vous ouvrez Facebook, en arrière-plan, le système de classement réduit en quelques secondes les milliers de publications potentielles à seulement une centaine que vous verrez alors apparaître dans votre fil d’actualité.
Facebook explique de façon plus technique sur une page dédiée comment l’apprentissage automatique (ML) alimente le fil d’actualité de Facebook.
Quels critères pour le classement des contenus dans le fil d’actualité ?
Le système de classement de Facebook va sélectionner les publications qui vont apparaître dans votre fil d’actualité et aussi déterminer l’ordre d’affichage grâce à un score final pour chaque publication, basé sur une variété de critères.
Dans la vidéo ci-dessous, le réseau social explique comment les interactions d’un utilisateur va lui permettre de déterminer un classement des publications dans son fil d’actualité. Contrairement à ce que certains pourraient croire, non, il n’y a pas que les likes qui sont pris en compte, c’est bien plus complexe.
Lorsqu’une personne est active sur le réseau social, Facebook va se baser notamment sur les critères suivants :
les caractéristiques d’une publication : l’algorithme va prendre en compte si une personne est tagguée sur une photo ainsi que la date de publication.
les interactions avec les autres utilisateurs : si la personne like, commente ou partage un contenu d’un proche, et de façon fréquente, les contenus de ce proche seront plus susceptibles d’apparaître dans son fil, que les contenus d’une personne avec laquelle il n’interagit jamais.
les interactions avec les pages : cela peut être par le biais d’un partage d’article ou par la visualisation de vidéos de célébrités ou de personnes auxquelles les utilisateurs sont abonnés.
l’engagement sur le type de contenu : si la personne s’est engagée plus souvent sur du contenu vidéo que sur du contenu photo, il est fort probable que Facebook privilégie l’affichage de contenu vidéo.
le contenu signalé : si l’utilisateur signale du contenu comme du contenu « fake news » ou « clickbait », indiquant qu’il ne souhaite plus voir ce type de contenu, ce signalement sera évidemment pris en compte par le système de classement.
Un système de classement qui peut rencontrer des conflits
La complexité pour Facebook, c’est que pour chaque utilisateur, et en fonction de ses interactions, plusieurs modèles ML (Machine Learning) peuvent prévoir plusieurs prédictions pour classer le contenu, et parfois ils peuvent rentrer en conflit. Exemple : un utilisateur peut préférer voir en premier la vidéo d’un proche mais serait plus susceptible d’interagir sur un article, via un commentaire. Facebook a alors besoin de trouver un moyen pour combiner plusieurs prédictions différentes en un seul score optimisé pour proposer le meilleur contenu. Il s’appuie notamment sur des sondages pour comprendre ce qui est le plus significatif pour les utilisateurs.
Les étapes de Facebook pour classer le contenu en temps réel
Pour classer plus d’un millier de publications par utilisateur par jour, le réseau social procède en plusieurs étapes (comme le montre l’image ci-dessus).
Facebook va tout d’abord procéder à un premier inventaire pour rassembler des publications d’un proche, d’un groupe ou d’une page qui ont été publiées depuis la dernière connexion d’un utilisateur. Facebook va prendre en compte aussi les publications non-lues des dernières sessions et celles qui ont été lues mais qui ont depuis suscité des interactions par des proches.
Puis il va exécuter des modèles de machine learning pour effectuer les prédictions des publications à mettre en avant, des processus d’intégrité sont appliqués pour chaque publication, ce qui permet à Facebook de réduire la sélection à environ 500 posts qu’il considère les plus pertinents pour l’utilisateur.
Ensuite, il définit la notation principale. Un score est calculé indépendamment pour chaque publication, ce qui va permettre de définir le classement. Pour finir, Facebook applique des règles de diversité de type de contenu ajouté pour que le fil d’actualité des utilisateurs soit bien « mixé », entre contenus vidéos, photos ou autres.
Toutes ces étapes de classement du fil d’actualité se produisent au moment où l’utilisateur ouvre l’application Facebook, soit en quelque secondes seulement.
