L'intelligence artificielle est en train de transformer en profondeur le paysage médiatique, faisant passer d'un modèle où le public recherche du contenu à un modèle où c'est le contenu qui recherche son public. Dans ce cours, vous explorerez les algorithmes sophistiqués qui sous-tendent des plateformes mondiales telles que Netflix, YouTube et Spotify, en décortiquant les mécanismes de l'apprentissage supervisé, non supervisé et par renforcement. Vous examinerez également les défis majeurs que représentent les biais algorithmiques et les « rabbit holes », ainsi que les stratégies de gestion de la réputation et d’« optimisation pour les moteurs de recherche » à l’ère de l’IA générative.

L'apprentissage automatique est le moteur des médias modernes : il détermine la manière dont les contenus sont découverts, consommés et monétisés. Dans ce module, vous analyserez en détail les trois méthodologies fondamentales qui sous-tendent les algorithmes de recommandation : l'apprentissage supervisé, l'apprentissage non supervisé et l'apprentissage par renforcement. En étudiant des applications concrètes issues de plateformes telles que Spotify, Netflix et TikTok, vous apprendrez comment les « agents » sont entraînés pour maximiser l’engagement, comment des modèles cachés sont mis au jour dans les données brutes et comment les organisations trouvent un équilibre entre la nécessité d’explorer de nouveaux contenus et celle d’exploiter les préférences connues des utilisateurs.

Au-delà des concepts théoriques de l'apprentissage automatique, ce module examine comment les grands groupes médiatiques déploient concrètement des moteurs de recommandation pour façonner l'expérience utilisateur moderne. Vous explorerez les mécanismes spécifiques du filtrage basé sur le contenu et du filtrage collaboratif, et comprendrez comment les algorithmes déterminent les contenus qui apparaissent dans le fil d'actualité d'un utilisateur. Grâce à des études de cas approfondies portant sur des leaders du secteur tels que Netflix et YouTube, vous analyserez comment ces systèmes sont conçus pour maximiser la « fidélisation », réduire le taux de désabonnement et optimiser la valeur vie client en combinant des signaux de données explicites et implicites.

Si les algorithmes de recommandation constituent de puissants moteurs d’engagement, ils comportent toutefois des risques importants lorsqu’ils sont optimisés uniquement pour capter l’attention. Dans ce module, vous étudierez le phénomène du « terrier du lapin », qui consiste à entraîner involontairement les utilisateurs vers des contenus extrêmes ou à les piéger dans des bulles de filtrage. Vous explorerez le compromis entre l’efficacité algorithmique et le bien-être sociétal, et découvrirez l’approche « algotoriale ». Cette stratégie hybride allie la rapidité de l’apprentissage automatique au jugement éditorial humain, offrant ainsi aux organisations un cadre pratique pour atténuer les risques, garantir la diversité et préserver la sécurité dans la diffusion de contenus.

Dans le paysage médiatique actuel, la réputation d’une organisation est de plus en plus déterminée non seulement par le sentiment général qui règne sur Internet, mais aussi par les « opinions » des grands modèles linguistiques (LLM). Ce module explore la transition stratégique de l’optimisation traditionnelle pour les moteurs de recherche vers l’optimisation pour les moteurs de réponses (AEO). Vous étudierez comment les algorithmes de recommandation perçoivent les marques, l’impact de l’inférence par IA sur l’image publique, ainsi que l’application pratique de la science des données à la création de contenu afin de maîtriser les algorithmes de plateformes telles que YouTube et Spotify.

Ce dernier module permet de consolider les acquis de l’ensemble du cours, en résumant les principes fondamentaux de l’apprentissage supervisé, non supervisé et par renforcement, les applications pratiques du filtrage de contenu et du filtrage collaboratif utilisés par des plateformes telles que Netflix, Spotify et YouTube, les risques éthiques liés à l’effet « rabbit hole » (boucle sans fin), ainsi que les stratégies de gestion de la réputation et d’optimisation des créateurs dans les systèmes algorithmiques. Enfin, vous mettrez vos connaissances en pratique dans le cadre d’un devoir évalué par vos pairs, qui vous mettra au défi d’élaborer une recommandation stratégique sur la manière dont un service de streaming pourrait adopter des systèmes de recommandation algorithmiques, et d’analyser les impacts sociétaux des algorithmes de recommandation de contenu, y compris le risque de radicalisation.