Industrie de la recommandation

60
L’industrie de la recommandation … Est-elle … recommandable ?? Olivier Ertzscheid. Maître de conférences Sciences de l’information et de la communication Université de Nantes IUT de La Roche sur Yon http://www.affordance.info

description

La chaîne du livre entre métiers du conseil et industrie de la recommandation

Transcript of Industrie de la recommandation

Page 1: Industrie de la recommandation

L’industrie de la recommandation …

Est-elle … recommandable ??

Olivier Ertzscheid. Maître de conférences

Sciences de l’information et de la communicationUniversité de Nantes

IUT de La Roche sur Yon http://www.affordance.info

Page 2: Industrie de la recommandation

De l’amateur au serial-lecteur

Chapitre Premier

Page 3: Industrie de la recommandation

De l’amateur de livresau culte de l’amateur

« Le bibliophile sait choisir les livres; le bibliomane les entasse. Le bibliophile joint le livre au livre, après l'avoir soumis à toutes les investigations de ses sens et de son intelligence; le bibliomane entasse les livres les uns sur les autres sans les regarder: Le bibliophile apprécie le livre, le bibliomane le pèse ou le mesure. Le bibliophile procède avec une loupe, et le bibliomane avec une toise. J'en connais certains qui supputent les enrichissements de leur bibliothèque par mètres carrés. Du sublime au ridicule, il n'y a qu'un pas. Du bibliophile au bibliomane, il n'y a qu'une crise. (…)

Ce serait abuser des mots que d'appeler bibliothèques ces épouvantables montagnes de livres qu'on ne peut attaquer qu'avec la sape, et soutenir qu'avec l'étançon. »

Charles Nodier. "L'Amateur de livres » Les Français peints par eux-mêmes, ed. Curmer (Paris, 1841) III, 210-9En ligne : http://myweb.dal.ca/barkerb/nodier/nod-a-f1.htm

Page 4: Industrie de la recommandation

Serial reviewer

• « Top reviewers » : are those who give « the most trusted feedback, »

• Grady Harp : galleriste de 66 ans, poète. A commenté plus de 3 500 livres, CDs, films pour Amazon.

• Harriet Klausner : No. 1depuis l’invention du système de commentaires (2000). Moyenne de 45 revues d’ouvrages / semaine depuis 5 ans …

POURQUOI ?– côté marchand : pour l’argent.– « books with more and better reviews sell better, » Shay David

and Dr. Trevor Pinch (sociologues université de Cornell)– côté reviewer : pour la gloire ?– Sartre Jean-Paul :  le bonheur des critiques est de « jouir

pleinement de la supériorité reconnue que les chiens vivants ont sur les lions morts »

Page 5: Industrie de la recommandation

Confiance et médiation : pas si simple …

Page 6: Industrie de la recommandation

Confiance & crédibilité

• La confiance se « gagne »– Relation duale (individu individu collectif)

• Je fais confiance « à Mr X », « aux hommes politiques », « aux scientifiques »

– Relation désincarnée (individu entité)• Je fais confiance « au paiement en ligne »

– Premier niveau de complexité : • Différents niveaux de confiance. Hiérarchie des niveaux

• La crédibilité « s’acquiert »– On fait davantage confiance aux experts parce qu’ils sont « crédibles ». Mais

être crédible ne nécessite pas d’être expert, ni même d’être reconnu comme tel. – Première faille dans le système de la « confiance dans le conseil » : cette faille

n’échappera pas aux sites marchands qui vont s’y engouffrer.

• La réputation se « construit » et se « déconstruit »– Des trois, c’est la notion la plus faible, la moins dense, la plus volatile. – Pourtant c’est la notion centrale qui supplante les deux autres aujourd’hui dans le contexte

actuel de l’économie de l’accès.

Page 7: Industrie de la recommandation

La confiance : une question de contexte

1. Reputation economy– Babélisation des expertises comme « milieu », localisation d’expertise

comme enjeu.

2. Trust economy– La foule comme support, la modélisation de la confiance comme

vecteur

3. Gift economy : – le don comme idéal, la gratuité comme modèle

4. Attention economy : – la captation de l’attention comme modèle, la monétisation des accès

comme enjeu

5. Abundance economy– La longue traîne comme contexte, le filtrage comme enjeu

Page 8: Industrie de la recommandation

La recommandation : de toute éternité (numérique)

• Principe de la recommandation traverse le web dans son ensemble• Dès le départ : Web 1.0

– Annuaires de recherche (Yahoo) = sites « recommandés » parce que « choisis ».

– Moteurs de recherche : Pagerank : 1 lien = un vote. • Aujourd’hui : Web 2.0

– Outils, moteurs, interfaces ne fournissent plus seulement des « résultats de recherche » mais des recommandations, des choix de reformulation

– en accord avec nos choix, nos itinéraires ou nos parcours précédents• Demain (web sémantique, socio-sémantique, sémantisé, implicite …)

– Mêmes possibilités mais sans nécessiter un « amorçage ». – Savoir ce que nous sommes le plus susceptibles de chercher selon l'heure

de la journée, le lieu de notre connexion ou encore notre environnement, notre historique de recherche, nos achats récents, nos recommandations, nos réseaux sociaux …

Page 9: Industrie de la recommandation

La recommandation : un marché ?

• 1 modèle (macro-économique) : économie de l'attention (réappropriation de l'idée d'une économie de l'accès)

• 1 segmentation des industries culturelles : longue traîne

• 1 marché, (logiques micro-économiques qui viennent alimenter les deux premières) : marché de la recommandation.

• Le risque pour le commerce des biens culturels est le même que celui de l'abolition de tout filtre éditorial pour la création et la diffusion de contenus :

– dérégulation systématique et une « prime à l'ami » ou une « tyrannie de la majorité »

+ + =

Page 10: Industrie de la recommandation

Quelles médiations ?

+ expert - expert

- no

mbr

eux

+ n

ombr

eux

MÉDIATION PAR LE NOMBREDe médiations (reviewers) …De médiateurs …Mass-médiation ?

MÉDIATION PAR LE NOMBREDe médiations (reviewers) …De médiateurs …Mass-médiation ?

MÉDIATION PAR L’USAGE50 millions de consommateurs …Hybridation expert/amateur

MÉDIATION PAR L’USAGE50 millions de consommateurs …Hybridation expert/amateur

MÉDIATION PAR L‘EXPERTISECulture « métier »Connaissance du fonds

MÉDIATION PAR L‘EXPERTISECulture « métier »Connaissance du fonds

Page 11: Industrie de la recommandation

Mass-médiation etsagesse des foules

• Cœur de l’économie et de l’ingénierie du web

– « La sagesse des foules fonctionne étonnamment bien. Les systèmes qui marchent sur le web fonctionnent du bas vers le haut ('bottom-up'). (...) Par exemple Flickr ne dit pas à ses utilisateurs quel tag utiliser pour leurs photos. Loin de là. N'importe qui peut déposer n'importe quel tag sur n'importe quelle photo. Mais - et c'est la clé - Flickr offre un retour sur les tags les plus utilisés et les plus populaires, et les gens souhaitant attirer l'attention sur leurs photos (...) apprennent rapidement à utiliser ce lexique si celui-ci fait sens. Cela rend le système étonnamment stable. Del.icio.us fait la même chose. Le succès de Google pour rendre les recherche plus pertinentes reposait sur la puissance de cette sagesse populaire (PageRank)… » Adam Bosworth. Google. 2004

Page 12: Industrie de la recommandation

Plus on est de foules …

• Les principes : – Collectivement les gens en savent plus que ce que les gens en haut croient.

– Un groupe avec un QI moyen plus faible sera meilleur pour résoudre un problème qu’un groupe de gens avec un profil homogènes et un QI moyen plus élevé, grâce à leur diversité (origine, expérience, âge, formation…).

– Avec un groupe homogène, plus les membres parlent, plus il devient stupide.

– Il faut encourager les désaccords et les opinions dissonantes

– Les leaders doivent diminuer lors propre influence dans un processus de résolution de problèmes et éviter de s’entourer de gens qui pensent comme eux,

– La diversité est la clé d’une foule intelligente, la diversité à deux niveaux tout particulièrement :

• Perspective (la façon de percevoir un problème)

• Heuristique (la façon de régler un problème)

– Les groupes sont plus intelligents quand les gens agissent individuellement.

Page 13: Industrie de la recommandation

Sagesse de foules et foule sentimentale

• Application aux systèmes de recommandation– Collectivement les gens LISENT PLUS que les seuls professionnels du livre.

• Oui mais QUE lisent-ils ? (variété, diversité) et QUI donne à lire ?

– Avec un groupe homogène, plus les membres parlent, plus il devient stupide.

• Rien a rajouter • Logorrhée de commentaires

– Il faut encourager les désaccords et les opinions dissonantes

• Oui mais cela dépend de la diversité de l’offre (stock, longue traîne) et de la représentation et de l’accès à ladite diversité par les lecteurs/reviewers

• Moralité : l’axiomatique de la sagesse des foules entre difficilement dans les systèmes de recommandation.

Page 14: Industrie de la recommandation

Métiers, moteurs et entrepôts

Page 15: Industrie de la recommandation

Je vous parle d’un temps …

MONOPOLE

Repérage (localisation) : rayonnages …Accès (aux contenus) : feuilletage …Médiation : conseil et prescriptionAchat

Page 16: Industrie de la recommandation

Avant

DUOPOLE

Repérage (localisation) : rayonnages …Accès (aux contenus) : feuilletage …

Médiation : conseil et prescriptionAchat

Page 17: Industrie de la recommandation

Puis …

Liens sponsorisés

Illusion multipolaireMédiation : conseil et prescription

Achat

Accès (aux contenus) : feuilletage …CollectifPortail

Vente en ligne

Page 18: Industrie de la recommandation

Aujourd’hui …

Accès (aux contenus) : feuilletage …Médiation : conseil et prescriptionAchat

1.Achat2.Médiation : conseil et prescription3.Accès (aux contenus) : feuilletage

?????????????

Page 19: Industrie de la recommandation

Moteurs + Libraires

+ Places de marché

Page 20: Industrie de la recommandation

Demain ?

Reputation economyTrust economy

(Gift economy)

Attention economy

Abundance economy

Page 21: Industrie de la recommandation

Et la recommandation … devînt une industrie

Page 22: Industrie de la recommandation

L’industrie de la recommandation … demain …

• Sites de vente – (Amazon)

• Sites de partage– (Librarything)

• Sites communautaires – Ciblés / fermés

(ZazieWeb) – Généralistes / ouverts

(pointscommuns.com)

Page 23: Industrie de la recommandation

Amazon Customer Review : un cas d’école

• Review + Méta-Review• Notation des commentaires + commentaires des

commentaires

Page 24: Industrie de la recommandation

Amazon Customer Review : un cas d’école

• Filtrage possible par note

• Review multi-support

Page 25: Industrie de la recommandation

Résultat ?

• Négatif : – le livre s’effondre littéralement sous la glose– Le texte se dissout dans le perpétuel palimpseste d’une glose auto-entretenue

• Livres les plus lus sont les plus commentés;

• Commentaires des livres les plus lus sont à leur tour les plus commentés

• Telle quelle et dans le cas des grandes places de marché : la chaîne de recommandation :

– est une chaîne de dissolution systématique de l’expertise.– repose sur une plus grande diversité de l’offre mais ne permet pas de donner à

voir cette diversité (cf infra)

• Tout peut être différent : – À l’échelle de fonds (documentaires), de choix (éditoriaux) et de communautés

(le lecteurs) plus homogènes, plus restreints, mieux maîtrisés, s’adossant à une réelle expertise métier.

Page 26: Industrie de la recommandation

Le départ d’un cycle …

• Services Primo-recommandants– Amazon– Les « reviews » sont un service « au service » de la vente de contenus– La monétisation, le commerce reste bien celui des biens culturels (dont le

livre)

• « PowerReviews.com »– Inversion de polarité– Le fonds de commerce est celui des « reviews »– Nouveau point d’amorçage de l’industrie de la recommandation ?

Page 27: Industrie de la recommandation

Le départ d’un cycle …

• Mypronostic.com• Je vends mon

« expertise »

Page 28: Industrie de la recommandation

L’industrie de la recommandation … demain …• Moteurs de recherche :

– Algorithmie, traitement « documentaire » (indexation), ingénierie linguistique

– Projet de recommandation par similarité « stylistique » …

Page 29: Industrie de la recommandation

De l’industrie à l’ingénierie de la recommandation

… ou …

la littérature comme critériologie*

*Critériologie : « Science des critères de la connaissance, de la vérité. (Quasi-)synon. épistémologie, critique de la connaissance. »

Page 30: Industrie de la recommandation

Ingénierie de la recommandation

Pacing : critère d’aération, d’espacement du texteTraduit le fait qu’il y ait par exemple beaucoup de dialogues ou un récit essentiellement descriptif.

Page 31: Industrie de la recommandation

Ingénierie de la recommandation

Density : Renvoie à la complexité du texte. Plus un texte est complexe, « dense », plus il est long à lire.

Page 32: Industrie de la recommandation

Ingénierie de la recommandation

Action : fait référence au niveau (faible ou élevé) des actions physiques qui ont lieu dans une scène.

Page 33: Industrie de la recommandation

Ingénierie de la recommandation

Description : niveau de description plus ou moins élevé

Page 34: Industrie de la recommandation

Ingénierie de la recommandation

Dialogues : quantité de dialogues dans une oeuvre

Page 35: Industrie de la recommandation

Résultat

http://beta.booklamp.org/

Page 36: Industrie de la recommandation

Ingénierie de la recommandation ?

• Une longue histoire …

• Des « Literary Machines » de Ted Nelson. – Le rêve fondateur de l’hypertexte comme

machinerie littéraire (1980)

• Au Love Computer.

Page 37: Industrie de la recommandation

Le graal d’une algorithmie affinitaire

• Une machine qui …– si vous aimez un livre, vous dirait quels sont les livres qui lui

ressemblent le plus– Si vous aimez quelqu’un, vous dirait quels sont les gens qui

lui ressemblent le plus

• La suggestion est une sujetion.

Page 38: Industrie de la recommandation

Le graal d’une algorithmie affinitaireEst à portée de main …

• « est apporté demain ? »• « En ligne » nous vivons …

– Nous travaillons (webmails, bureautique …)

– Nous socialisons (Facebook, MySpace)

– Nous bavardons (chat)

– Nous nous racontons (Blogs)

– Nous nous fantasmons (Avatars, Second Life)

– Nous lisons (GoogleBook)

– Nous cherchons (Moteurs)

– …

• « Base de donnée des intentions »• Dérive des continents documentaires

• Sphère intime / publique / privée

Page 39: Industrie de la recommandation

Qui nous connaît le mieux ?

A part bien sûr notre maman …

Page 40: Industrie de la recommandation

Qui connaît le mieux nos goûts ?

Action : mesure la capacité d’entreprendre de l’individuDialog : mesure sa capacité au dialogueDensity : mesure son nombre d’amis et leur densité (proches et lointains))…

Page 41: Industrie de la recommandation

Moralité ?

• Pour les moteurs …

« un document »

Indexable, cherchable, Profilable, « monétisable » …

Page 42: Industrie de la recommandation

La grande braderie

• Monsieur/Madame tout le monde • conseille, recommande, note, évalue, commente :

• Des produits : culturels ou non …• Des hommes : Médecins, plombiers, avocats …• Des institutions : Lycées, universités, hopitaux …• Des commentaires, des notes, des évaluations …

Page 43: Industrie de la recommandation
Page 44: Industrie de la recommandation
Page 45: Industrie de la recommandation
Page 46: Industrie de la recommandation

L’urgence de déconstruireles systèmes de recommandation

Si l’on veut pouvoir en retrouver la raison … et l’usage … et les usages raisonnés

Page 47: Industrie de la recommandation

Déconstruction humoristique

• http://www.librarything.fr/unsuggester/9051• http://www.librarything.fr/unsuggester/

Page 48: Industrie de la recommandation

Déconstruction humoristique

• Prescription aléatoire– « Imaginons : l’usager se présente au bureau de renseignements,

le bibliothécaire le regarde longuement sans parler. Le bibliothécaire se lève, se promène un peu dans les rayons, prend un livre qui lui semble correspondre à l’usager, lui rapporte. L’usager part avec ce livre fruit du hasard et de l’échange muet avec le bibliothécaire… La prescription aléatoire… Un nouveau service à développer ?…. »

– http://detoutsurrien.wordpress.com/

Page 49: Industrie de la recommandation

Déconstruction analytique

• La recommandation est monnayée– Payé pour

recommander

• L’acheteur est embrigadé– Transformé en

recommandeur

Page 50: Industrie de la recommandation

La recommandation est bidonnéePêché d’orgueil et copier-coller

• « Six degrees of reputation: The use and abuse of online review and recommendation systems » cf Biblio.

• Pratique systématique du copier-coller

– Objectif clairement quantitatif et « marchand » (booster les ventes)

• Pêché d’orgueil

– Auteurs sont parfois leurs propres reviewers

– Reviewing « familial » : maris, femmes, enfants, collègues …

– S’appuient sur d’autres autorités (« le bouquin de X rappelle les meilleurs Stephen King »)

• Identité et schizophrénie numérique

– Un auteur avec de multiples identités de reviewer (account)

• Pour booster les ventes d’un produit

• Pour accroître sa propre « notoriété », en espérant la transmuer en « autorité »

• Le pourquoi du copier-coller :

– Booster les ventes d’un produit à moindre frais

– Reviewing idéologique (review identique et systématique d’ouvrages scientologues par exemple)

Page 51: Industrie de la recommandation

Déconstruction systématique

• Les 6 paliers de la réputation dans le processus de reviewing

• 1. La réputation « classique » : La réputation établie des auteurs. Extérieure au processus. Expérientielle.

• 2. Reviewers payés pour influence l’acte d’achat sur un produit spécifique. Peuvent être les propres employés d’Amazon. Assimilable au matériel promotionnel « professionnel » accompagnant le texte

• 3. Reviewers « experts », indépendants. Le commentateur idéal : non-commercial, non-biaisé sinon par la subjectivité propre du reviewer. La base des systèmes de classements par étoile.

• 4. Lecteurs « élisant » les commentaires (et in fine les reviewers) sur un mode binaire (commentaire utile ou non). Accès à l’historique de cette élection (sur 10 lecteurs, 6 ont trouvé ce commentaire utile). Possibilité de « dénoncer » (signaler) des commentaires ou des contenus « inappropriés »

• 5. l’expert élu par la foule : apparaissent en premier les commentaires laissés par les reviewers bénéficiant du plus grand nombre de commentaires considérés les plus « utiles » par les lecteurs.

• 6. L’expert dévoilé : les plus experts des experts : sur la base du nombre de reviews rédigés et de l’utilité reconnue par les lecteurs. Apparaissent dans le « Top X reviewer ». Obligation de rédiger une page les présentant quand ils entrent dans le top 20.

Dynamiques participatives et quantitatives définissent une expertise « en creux »

Page 52: Industrie de la recommandation

« J’ai fait les deux écoles » :

• Soit la recommandation : – favorise la diversité (découverte de nouveaux produits/biens/service en fond de traîne) tout en

dopant les les ventes,

• Soit la recommandation : – renforcer la visibilité/diffusion des produits/biens/services déjà les plus "en vue" ("effet saint matthieu"

dans la théorie de Merton).

• "Blockbuster Culture's Next Rise or Fall: The Impact of Recommender Systems on Sales Diversity »

• les "common recommanders", c'est à dire les sites utilisant un système de filtrage collaboratif des recommandations individuelles (Amazon), diminuent la diversité des ventes,

– Raisons : produits ne disposant pas d'un historique de vente suffisant => seuls les « plus » vendus ou les « plus » recommandés sont à leur tour conseillés.

– Résultat : bénéficie aux « produits phares », aux « classiques », aux plus « populaires » ET aux coups médiatiques (bonne viralité, bon effet de buzz)

– Moralité : peu de place pour création, originalité, diversité …

• A l’échelle – De l’individu : plus grande diversité des produits proposés ou achetés– De l’ensemble : diminution de la même diversité : quelques produits phares, peuvent se retrouver

avec un haut niveau de recommandation, mais ce sont "quelques produits" seulement.

Page 53: Industrie de la recommandation

Moralité

Page 54: Industrie de la recommandation

Pas convaincus ?

Page 55: Industrie de la recommandation

Pour conclure …

Page 56: Industrie de la recommandation

Recommandation ou reproduction ?• Syndrôme de la reproduction du même, de l’identique, du similaire• Le conseil travaille la curiosité (du conseillant et du conseillé)

Prise de risque / la « différence »

• La recommandation travaille sur la reproductibilitéR

enforcement de la sécurité / la « similarité »

• • Un choix à faire entre le Divers et le Même• Attention à la désintermédiation … de la médiation.• Dissolution du « less is more » dans l’économie de l’abondance

Page 57: Industrie de la recommandation

Ne pas …• Non. L’industrie de la recommandation n’est pas très recommandable.• Mais elle n’est pas davantage escamotable• Tout n’est pas à jeter …

• Trouver et retrouver sa place• Qualifier et requalifier les expertises

1. Travailler • son cœur de métier (la diversité)• dans la périphérie de ses usages (numériques)

2. Se placer• Dans une logique d’héritage (= ne pas désapprendre le conseil)• Dans de nouvelles appartenances (= réapprendre et repenser son mode de

propagation, de diffusion)

3. Adapter et replacer les outils de l’industrie du conseil dans des environnements• redonnant leur place aux fonds documentaires organisés • aux lignes éditoriales claires• Disposant d’expertises déclarées

Page 58: Industrie de la recommandation

Un dernier conseil ?

• « ceux qui savent que la culture du livre ne se réduit pas à des contenus sont plus à même de mesurer ce que le document électronique est en train de transformer, jusque dans nos identités. »

Page 59: Industrie de la recommandation

Bibliographie sommaire

• En Français

• « Comment améliorer les moteurs de recommandation ? » Internet Actu. (18 Mars 2008). URL : http://www.internetactu.net/2008/03/18/comment-ameliorer-les-moteurs-de-recommandation/

• En Anglais

• Shay David, Trevor Pinch, « Six degrees of reputation: The use and abuse of online review and recommendation systems » in First Monday, volume 11, number 3 (March 2006), URL: http://firstmonday.org/issues/issue11_3/david/index.html

• Greg Linden, « People who read this article, also read … » Mars 2008, IEEESpectrum. URL : http://spectrum.ieee.org/print/6019

• Fleder, Daniel M. and Hosanagar, Kartik, « Blockbuster Culture's Next Rise or Fall: The Impact of Recommender Systems on Sales Diversity » (September 18, 2007). URL : http://ssrn.com/abstract=955984

• Varien, « Usability review, Customer Review » URL : http://www.varien.com/ecommerce/how-are-your-customer-reviews/

• Garth Risk Hallberg, « Who is Grady Harp : Amazon's Top Reviewers and the fate of the literary amateur», URL : http://www.slate.com/id/2182002/pagenum/all/#page_start

• Richard McManus, « 10 recommended recommendation engines », ReadWriteWeb, 25 Février 2008. URL : http://www.readwriteweb.com/archives/10_recommendation_engines.php

Page 60: Industrie de la recommandation

Merci

Questions ? Conseils ? Recommandations ?