Une même série, deux visages complètement différents selon l’écran. Chez vous, Stranger Things s’affiche peut-être avec Eleven en gros plan, angoissée sous une lumière rouge. Chez votre voisin, ce sont les gamins à vélo, en pleine lumière du jour, qui trônent sur la vignette. Ce n’est pas un bug, ni un hasard d’affichage : c’est le résultat d’un système que Netflix appelle artwork personalization, en place depuis fin 2017, et qui décide en temps réel quelle image vous donnera le plus envie de cliquer.
À retenir
- Netflix génère automatiquement 9 variantes d’affiche par film ou série, mais laquelle vous voyez dépend entièrement de ce que vous avez regardé avant
- L’algorithme analyse 86 000 images par heure de programme pour identifier les plans les plus captivants en une fraction de seconde
- Les vignettes optimisées augmentent les clics jusqu’à 20%, mais le système a aussi été accusé de discrimination dans ses choix de personnalisation
Une image choisie parmi une dizaine de variantes
Pour chaque film ou série, Netflix ne produit pas une seule affiche mais plusieurs. Un algorithme spécifique choisit une image parmi 9 possibles et l’utilise comme support visuel pour aider à décider quel titre vous allez lancer. Le choix ne repose pas sur un simple tirage au sort : il s’appuie sur votre personnalité, de vos visionnages précédents, de votre navigation, de vos avis, etc. Deux profils qui n’ont jamais regardé les mêmes programmes verront donc littéralement deux catalogues visuellement différents, même si le titre proposé reste identique.
Le mécanisme technique derrière ça a un nom un peu barbare : les « contextual bandits ». Essentiellement, plutôt que d’attendre l’accumulation de nouvelles données pour construire des algorithmes, cette méthode fonctionne de façon plus active, en continu et de façon contextuelle, en utilisant à la fois les données passées et ce que vous regardez presque en temps réel. Concrètement, dès que vous enchaînez trois comédies romantiques dans la semaine, le système ajuste presque immédiatement les vignettes qui vous seront présentées, sans attendre le prochain grand recalcul nocturne.
Pourquoi Netflix ne s’est jamais contenté des affiches officielles
Longtemps, la plateforme a utilisé les posters de cinéma et les jaquettes DVD fournis par les studios. Le problème, expliqué par les équipes techniques dès 2016, tient à l’usage d’origine de ces visuels. Certaines images étaient pensées pour des panneaux publicitaires en bord de route, où elles ne côtoient pas d’autres contenus concurrents dans une grille serrée. Une affiche pensée pour un abribus ne fonctionne pas nécessairement à la taille d’une vignette coincée entre douze autres sur un écran de smartphone.
Netflix a donc développé sa propre méthode d’analyse d’image, en extrayant des dizaines de milliers de captures par heure de programme pour repérer les plans les plus efficaces. La méthode, connue sous le nom d’Aesthetic Visual Analysis, commence par extraire toutes les images du contenu vidéo. Une heure de « Stranger Things » représente ainsi 86 000 images. Chaque plan est ensuite noté selon des critères précis : présence d’un visage, expression, couleur dominante, nombre de personnages visibles.
Les visages qui marchent (et ceux qui ratent leur coup)
Les tests menés en interne ont révélé des tendances assez nettes sur ce qui capte l’attention en une fraction de seconde. Les personnages de méchants sur les vignettes attirent davantage l’audience. Quand il y a plus de trois personnages sur une vignette, les performances chutent nettement. Une image surchargée perd son pouvoir d’accroche, alors qu’un visage seul, identifiable, retient le regard bien plus longtemps. Netflix a même appliqué ces enseignements dès le lancement de certaines séries, en choisissant volontairement des vignettes centrées sur un personnage fort plutôt que sur un plan d’ensemble.
Le timing joue un rôle tout aussi déterminant que le contenu de l’image. Les spectateurs accordent seulement 1,8 seconde à chaque vignette avant de décider, et une vignette optimisée augmente les clics jusqu’à 20%. Autant dire que chaque pixel compte : sur une plateforme qui gère un catalogue de plusieurs milliers de titres, la vignette reste souvent le seul argument de vente visible avant le clic.
Le revers du système : quand la personnalisation dérape
Cette sophistication a aussi son lot de critiques. En 2018, plusieurs utilisateurs ont accusé la plateforme d’ajuster les vignettes selon des critères raciaux supposés, en affichant préférentiellement des acteurs noirs ou blancs selon le profil présumé de l’abonné. Netflix a été accusé d’utiliser ses vignettes personnalisées de manière discriminatoire, en affichant des personnages noirs ou blancs selon la race présumée des utilisateurs. L’entreprise a toujours nié cibler l’origine ethnique des abonnés, expliquant que le système ne fait que réagir aux genres de films et séries déjà consommés, pas à une donnée démographique explicite. Le débat reste ouvert chez les chercheurs qui étudient ces interfaces, tant les frontières entre goût cinématographique et profil social peuvent se brouiller dans un algorithme opaque.
La personnalisation ne s’arrête pas aux images fixes. Le principe s’étend désormais à l’ordre des lignes sur la page d’accueil, aux titres eux-mêmes proposés en premier, et même aux bandes-annonces qui se lancent automatiquement. Les bandes-annonces suggérées diffèrent selon que l’utilisateur préfère les drames psychologiques ou les comédies. Tout un écosystème visuel se recompose en permanence autour de vos habitudes, si bien que deux comptes d’une même famille, sur le même téléviseur, peuvent afficher deux pages d’accueil quasiment sans point commun.
La prochaine fois qu’une vignette vous saute aux yeux alors qu’elle laisse votre partenaire complètement indifférent, la raison tient rarement au hasard. Netflix a bâti tout un système de notation d’images qui apprend de chaque clic, chaque pause, chaque abandon au bout de trois minutes. Et si l’algorithme se trompe parfois de registre, difficile de lui reprocher un manque d’attention : peu de plateformes analysent 86 000 images par heure de programme juste pour deviner ce qui va vous faire appuyer sur play.
Sources : hitek.fr | siecledigital.fr