Système de recommandation : comment ça marche ?

Vendredi soir, 21 heures. Vous ouvrez Netflix avec l'envie de regarder quelque chose, et vingt minutes plus tard vous faites encore défiler les vignettes. Ce mur d'affiches n'est pas rangé au hasard. Il a été composé pour vous par un système de recommandation, un programme qui essaie de deviner ce qui va vous plaire.

On en croise partout : sur Netflix, Amazon, YouTube, Steam ou dans les applis de lecture. Ils décident en grande partie de ce que l'on découvre. Autant comprendre comment ils fonctionnent, ce qu'ils font bien et à quel moment ils nous font tourner en rond. Chez Gemster, nous construisons justement une application de recommandation pour les films, les séries, les livres, les mangas, les BD et les jeux vidéo : voici ce que nous avons appris en chemin.

Un système de recommandation, c'est quoi ?

Pensez au libraire de votre quartier. Au bout de quelques visites, il sait que vous aimez les polars nordiques et que vous avez lâché le dernier best-seller à la page 50. La fois suivante, il vous tend le bon livre sans que vous ayez rien demandé.

Un système de recommandation fait la même chose, mais pour des millions de personnes à la fois. Il s'appuie sur deux types d'indices :

ce que vous dites : vos notes, vos « j'aime », vos avis ;
ce que vous faites : ce que vous regardez jusqu'au bout, ce que vous abandonnez au bout de dix minutes, ce que vous relancez.

Le second type d'indice pèse souvent plus lourd que le premier. Netflix explique ainsi dans son centre d'aide qu'il tient compte de votre historique, mais aussi de l'heure à laquelle vous regardez, de l'appareil utilisé et du temps passé sur chaque titre.

Les deux grandes recettes des algorithmes

« Les gens qui vous ressemblent ont aimé ça »

Première méthode : comparer vos goûts à ceux des autres. Si vous et des milliers d'autres personnes avez adoré les trois mêmes séries, et que ces personnes ont aussi aimé une quatrième que vous n'avez pas vue, il y a de bonnes chances qu'elle vous plaise. Les spécialistes appellent cela le filtrage collaboratif. Amazon l'a rendu célèbre avec son « les clients ayant acheté cet article ont aussi acheté ».

Son atout : il peut vous surprendre, puisqu'il ne s'occupe pas du contenu de l'œuvre. Son point faible : il a besoin de beaucoup de monde. Un livre que peu de gens ont lu ne sera presque jamais proposé.

« Ça ressemble à ce que vous avez aimé »

Deuxième méthode : regarder les œuvres elles-mêmes. Vous avez aimé un thriller psychologique avec une enquêtrice en héroïne ? Le système cherche d'autres thrillers psychologiques menés par une enquêtrice. On parle alors de filtrage basé sur le contenu.

Son atout : il fonctionne même pour une œuvre toute neuve ou peu connue. Son point faible : livré à lui-même, il a tendance à vous resservir la même chose, à peine différente. Nous verrons plus bas comment on peut l'en empêcher.

Schéma comparant le filtrage collaboratif, qui recommande ce qu'ont aimé des personnes aux goûts proches, et le filtrage basé sur le contenu, qui recommande une œuvre partageant les mêmes ingrédients — Deux méthodes, deux logiques : se fier aux autres ou se fier aux œuvres.

Dans les faits, les grandes plateformes comme Netflix mélangent les deux méthodes et s'appuient sur l'intelligence artificielle pour affiner leurs prédictions.

Tout n'est pas personnalisé

Joëlle Farchy, économiste spécialiste des industries culturelles, compare ces plateformes à un supermarché : certains produits sont placés à hauteur des yeux parce qu'on veut qu'ils se vendent.

Une partie de ce que vous voyez sur la page d'accueil est donc choisie par la plateforme elle-même, et c'est la même pour tous les abonnés : la nouvelle série maison qu'elle veut lancer, par exemple. Les classements du type « Top 10 » montrent ce que tout le monde regarde. Seul le reste est vraiment taillé sur mesure à partir de votre comportement.

Schéma d'une page d'accueil de plateforme découpée en trois zones : une mise en avant identique pour tous, un Top 10 commun et une rangée personnalisée — Sur une page d'accueil, seule une partie des propositions est vraiment personnalisée.

Quand ça marche : de vraies découvertes

Bien réglés, ces outils pèsent lourd. Dans un article scientifique publié en 2015 , deux responsables de Netflix expliquaient que leurs recommandations influencent le choix d'environ 80 % des heures regardées sur la plateforme. Autrement dit, une grande partie de ce que l'on regarde, on ne l'a pas cherché soi-même.

Et ils peuvent ouvrir des portes. Joëlle Farchy cite l'exemple de Squid Game. Après la série, Netflix propose d'autres productions coréennes, et beaucoup de spectateurs européens ont découvert les séries coréennes par ce chemin. Pour elle, la bulle dans laquelle les algorithmes nous enfermeraient ressemble davantage à une bulle de savon qu'aux murs d'une prison : elle peut éclater.

Le revers : tourner en rond sans s'en rendre compte

Ce risque a un nom : la bulle de filtres , une expression popularisée en 2011 par l'auteur américain Eli Pariser. À force de vous montrer ce qui ressemble à ce que vous aimez déjà, l'algorithme rétrécit petit à petit votre horizon, sans que vous le voyiez.

Schéma en trois étapes montrant le cercle des œuvres proposées qui se resserre autour de l'utilisateur, tandis que le reste du catalogue devient invisible — La bulle de filtres : le cercle des propositions se resserre, le reste du catalogue s'efface.

Une découverte « de proximité ». Les suggestions s'écartent un peu de vos habitudes, jamais beaucoup. Vous avez l'impression d'explorer tout en restant dans votre zone de confort. La raison est surtout économique : trop de diversité réduit le temps passé sur la plateforme , et c'est justement ce temps qu'elle cherche à faire grimper.

Une prime aux œuvres déjà connues. Un algorithme apprend à partir des avis disponibles. Or la grande majorité des œuvres n'est presque jamais notée. Dans les données habituellement utilisées, plus de 95 % des croisements possibles entre un utilisateur et une œuvre restent vides, selon une étude parue en 2025 . Les titres populaires sont donc bien mieux servis que les autres. Une analyse publiée par HEC Montréal en donne un exemple : la rubrique « Vous pourriez aimer » d'Amazon reflète surtout les achats de millions de clients, et amplifie ce qui est déjà populaire.

Le sujet est pris au sérieux jusqu'au Parlement européen , qui demandait dès 2021 que ces algorithmes soient encadrés pour protéger la diversité culturelle et linguistique.

Comment reprendre la main sur vos découvertes

Pas besoin de fuir les algorithmes. Quelques réflexes suffisent pour qu'ils travaillent pour vous :

Notez ce que vous voyez, y compris ce que vous n'avez pas aimé : un avis négatif renseigne autant qu'un avis positif. Sur Gemster, vous pouvez aussi signaler qu'une suggestion ne vous correspond pas, et l'application en tient compte.
Allez au-delà de la page d'accueil : catalogue complet, recherche par réalisatrice ou par auteur, rubriques moins mises en avant.
Variez vos sources : un libraire, une amie, une critique dont vous aimez les choix repèrent des choses qu'aucun algorithme ne voit.
Passez d'un support à l'autre : une histoire qui vous a marqué en série a souvent un cousin en roman, en manga ou en jeu vidéo. C'est précisément ce que Gemster vous aide à trouver.

Un algorithme reste un outil. Il peut vous faire gagner un temps précieux, mais les plus belles découvertes viennent souvent de votre propre curiosité.

L'approche de Gemster

C'est ce dernier réflexe qui nous a donné envie de créer Gemster. Nos goûts ne s'arrêtent pas aux frontières d'une plateforme, alors que la plupart des recommandations restent enfermées dans un seul catalogue : Netflix vous parle de films et de séries, Steam de jeux vidéo, votre appli de lecture de livres.

Gemster est une application gratuite qui recommande des films, des séries, des jeux vidéo, des livres, des mangas et des BD. Elle repose entièrement sur la seconde recette, celle qui regarde les œuvres elles-mêmes : elle ne se sert jamais des notes des autres utilisateurs, seulement des vôtres. Chaque œuvre y est décrite par ce qu'elle fait ressentir, son rythme, ses thèmes, et pas seulement par son genre. Et l'intelligence artificielle n'intervient ni dans le choix ni dans le classement des œuvres qui vous sont proposées.

Ce choix règle d'emblée un problème vu plus haut. Une œuvre confidentielle n'a pas besoin d'avoir été notée par des milliers de personnes pour vous être proposée. Et si vous aimez les pépites méconnues, Gemster vous en propose, au lieu de vous ramener sans cesse vers les succès du moment.

Vous pouvez partir d'une œuvre précise pour trouver ce qui lui fait écho (le mode Écho). Ces échos peuvent rester dans le même support ou venir d'ailleurs : après votre série préférée, Gemster peut tout aussi bien vous proposer un roman ou un jeu qui en partage l'atmosphère, selon ce qu'il trouve de plus proche. Vous pouvez aussi partir de l'ensemble de vos goûts (le mode Expédition), en précisant si vous le souhaitez l'ambiance du moment et le temps dont vous disposez.

Schéma du mode Écho de Gemster : une série au centre, reliée à une autre série, un film, un roman, un manga, un jeu vidéo et une BD — Avec Écho, une œuvre peut vous mener vers le même support comme vers un tout autre.

Reste le point faible de cette méthode : tourner en rond. En mode Expédition, plusieurs garde-fous s'en chargent :

Quand vos dernières notes se ressemblent toutes, Gemster appuie moins fort dans cette direction, pour ne pas vous enfermer dans un seul registre.
Quand vous aimez des choses très différentes, du polar ultra-réaliste à la fantasy débridée, il cherche autour de chacun de vos goûts plutôt que de viser une moyenne fade qui ne vous ressemblerait pas.
Une même sélection reste variée : un seul sous-genre ou un seul auteur ne peut pas l'accaparer.
Les supports sont mélangés dès que c'est possible, pour qu'une soirée film puisse aussi vous faire découvrir un manga.

Schéma du mode Expédition de Gemster : des propositions groupées autour de deux goûts différents, polar réaliste et fantasy, sans moyenne entre les deux, puis une sélection mêlant film, manga, roman, jeu vidéo, série et BD — En mode Expédition, Gemster suit chacun de vos goûts et mélange les supports.

Enfin, chaque suggestion affiche un score qui indique à quel point elle est proche de vos goûts, ou de l'œuvre de départ en mode Écho. Pour démarrer vite, vous pouvez importer votre historique depuis Netflix, Prime Video, Steam, Letterboxd, Goodreads ou MyAnimeList, plutôt que de tout noter à la main.

Essayer Gemster Bien démarrer avec Gemster