Actualité web & High tech sur Usine Digitale

L'homme qui se cache derrière les algorithmes de Netflix explique le succès du service de SVOD

Twitter Facebook Linkedin Google + Email
×

A l’occasion de son arrivée en France le 15 septembre, tout Netflix a fait le déplacement à Paris. Outre, Reed Hastings,le PDG fondateur, L’Usine Digitale a aussi rencontré le - très discret - Chief Product Officer. Neil Hunt est arrivé il y a 15 ans chez Netflix (deux ans après la création de l’entreprise). Homme clé du géant de la video à la demande, il dirige l’équipe technologique, et plus particulièrement, celle qui travaille sur les algorithmes qui permettent à Netflix de proposer une recommandation ultra-personnalisée à chacun de ses abonnés.

L'homme qui se cache derrière les algorithmes de Netflix explique le succès du service de SVOD
L'homme qui se cache derrière les algorithmes de Netflix explique le succès du service de SVOD © it.netflix.com

L’Usine Digitale : Que représente la division produit au sein de Netflix ?

Neil Hunt : Le groupe produits, ce sont 900 personnes sur un effectif d’environ 1500. C’est beaucoup plus que je ne l’aurais pensé quand j’ai commencé chez Netflix il y a 15 ans ! Mon budget représente 8% du chiffre d'affaires du streaming. Et l’activité de la division se répartit en trois parts à peu près équivalentes.

Un premier tiers travaille sur la "discovery", les moyens qui servent à trouver le meilleur film à regarder pour l’utilisateur. Cela comprend entre autres, les algorithmes et l’interface utilisateurs. Un deuxième tiers s’occupe de la plate-forme et des systèmes de diffusion du contenu (interface pour smart TV, apps pour tablet, etc). Et un dernier tiers a la charge de tout le système de e-commerce, qui permet au service d’abonnement de fonctionner.

Bien sûr, nous investissons beaucoup dans l’algorithmique. Mais cela demande aussi vraiment beaucoup de travail de gérer 50 millions d’abonnements, et des cartes de crédits, des paiements, des dispositifs de respect de la vie privée, etc. D'autant que nous fournissons aujourd’hui nos services sur un millier d’équipements différents : les laptops – là, c’est plutôt facile ! -, les tablettes, les smartphones, les consoles de jeu, les lecteurs BlueRay, etc.

"Mon budget représente 8% du chiffre d'affaires du streaming."

Neil Hunt

 

Nous travaillons quasiment avec toutes les grandes marques de smart TV, et bien sûr, avec les fournisseurs de Set-top box comme Apple avec son Apple TV ou Google avec Chromecast, ou encore les opérateurs télécoms.

L’arrivée de House of Cards a été un événement parce qu’elle était produite par un acteur hors du circuit traditionnel, par son succès, mais aussi parce que la série a révélé la façon dont Netflix arrivait aujourd’hui à exploiter les algorithmes. Comment décririez-vous le fonctionnement de l’algorithmique Netflix ?

Comment cela se passe ? Pour commencer, les données dont nous disposons nous donnent les moyens de prédire que nous avons un public suffisant pour un House of Cards, un Orange is the new Black, ou un Marseille (la série française de Netflix qui sera diffusée en 2015, ndlr). Et que ce sont de bons projets dans lesquels nous engager.

Pour House of Cards, nous savions grâce à nos données, que nous avions un public prêt pour un drame politique qui se passerait à Washington avec une storyline dramatique. Et nous étions capables d’identifier dans notre base, les personnes spécifiquement concernées. C’est un modèle avec lequel je peux prédire le petit cercle resserré de personnes dont je suis complètement sûr qu’elles vont regarder le film et l’apprécier. Ensuite, je définis un cercle un peu plus large qui regardera et aimera très probablement. Et ainsi de suite, jusqu’au plus grand cercle extérieur qui comprend le public qui ne sera en aucun cas intéressé par le programme. House of Cards n’est ciblé que pour une fraction de notre public. Pas pour l’ensemble de nos abonnés ! Et on sait dès le départ, qu’une partie des gens ne se sentiront absolument pas concernés et à qu'il vaut mieux leur proposer un Breaking Bad ou un Dexter [des séries qui n’ont pas été conçues par Netflix, ndlr].

"Les données dont nous disposons nous donnent les moyens de prédire que nous avons un public suffisant pour un House of Cards."

Neil Hunt

 

En revanche, il ne faut pas se tromper. Pour une série Netflix, une fois l’équipe de créatifs engagée, nous les laissons travailler. Si ses membres veulent savoir si tel ou tel acteur conviendrait pour un certain rôle en fonction du public visé, nous pouvons tout à fait leur donner ces informations. Mais ce sont eux qui prennent la décision finale. Nous ne leur imposons rien de ce genre. On n’impose rien sur la storyline non plus. On ne dicte jamais ce qui doit se passer à la 24e minute de l’épisode 3 !

Il ne s’agit donc pas de créer, grâce à vos données, le programme qui plaira à tout le monde ?

Non. La vraie place du système de recommandation, c’est de proposer le bon choix aux abonnés. Je n’essaie pas de bâtir un Netflix pour quelques personnes, mais un Netflix pour 50 millions d’individus différents. Deux américains peuvent avoir des goûts très différents, alors qu’un autre américain peut avoir des goûts très proches d’un français. Et ce n’est pas une surprise. Donc concevoir un système américain, un système français, un système britannique ne serait pas la bonne réponse.

Le système doit apporter le bon service à chacun de nos 50 millions d’abonnés. Et la donnée nous sert à proposer le meilleur choix possible à chaque individu. C’est tout ce qu’on essaie de faire. Et pour cela, on observe directement ce que vous regardez, ce que vous aimez, ce que vous regardez jusqu’au bout ou seulement à moitié, combien d’épisodes vous regardez, etc. Autant d’informations que l’on peut réunir, et comparer avec celles des autres abonnés.

Vous avez vos propres équipes d’ingénieurs, mais vous avez aussi organisé un concours de développement pour un algorithme, et vous avez des opérateurs qui saisissent manuellement les métadonnées qui décrivent les films et les séries. Comment développez-vous vos technologies ?

Ce concours a été organisé il y a pas mal d’années. A l’époque, les abonnés Netflix affectaient une note de une à cinq étoiles à ce qu’ils avaient visionné. Et nous avons demandé aux participants de trouver le meilleur algorithme de prédiction de ces notations. Il a fallu presque trois ans pour y arriver ! Le résultat était très pointu. On a même sponsorisé de nombreuses conférences scientifiques dans lesquelles nos résultats étaient exposés.

Mais ce n’est plus exploitable aujourd’hui. Ces notations sont très peu justes car elles expriment rarement le sentiment réel du votant, et surtout, nous disposons aujourd’hui de la donnée réelle issue des visionnages, bien plus pertinente. Et par ailleurs, oui, nous avons toujours des gens qui taguent les différents films avec des descriptions très pointues comme "drame basé sur un livre" ou "comédie avec un fort personnage principal féminin". C’est essentiel aussi pour une recommandation précise.

"Je n’essaie pas de bâtir un Netflix pour quelques personnes, mais un Netflix pour 50 millions d’individus différents."

Neil Hunt

 

Quels sont les outils les plus récents que vous ayez mis en œuvre ?

Nous expérimentons en permanence. L’an dernier, on a fait au moins 300 nouvelles expériences. Et pour chaque test, il y a deux, trois ou quatre alternatives différentes, qu’il s’agisse d’algorithme, d’interface utilisateurs, ou de nouvelles composantes du service. Nous déployons ces tests pour des groupes d’un demi million de clients. Puis on mesure la façon dont les utilisateurs répondent à ces changements. Et dès que l’on constate que cela engendre une amélioration, on déploie la modification globalement. Sur les 300 tests de l’an dernier, la moitié montrait des améliorations mesurables, et donc nous les avons déployés. Tous les deux ou trois jours on fait aussi de petites améliorations incrémentales.

Quelles évolutions mettez-vous en œuvre en ce moment ?

Cet automne, nous travaillons sur une toute nouvelle interface pour iPad, qui fera l’objet d’expérimentations importantes. Nous travaillons aussi sur l’idée de recommandations basées sur les heures de la journée. Dans l’après-midi, quand les enfants rentrent, ils veulent regarder quelque chose. Mais à 22 heures, le profil de visionnage est complètement différent.

Est-ce que cela signifie que nous devrions montrer des choses différentes sur l’écran Netflix ? Il est relativement évident que oui. On est en train de tirer les enseignements des tests sur une population partielle de nos abonnés, et on a déjà quelques nouvelles idées pour faire de cette fonction un succès. Mais en parallèle de ces grosses évolutions, on fait aussi des dizaines d’expériences plus simples. Il y en a surement une demi-douzaine en cours en ce moment même ! La plupart des gens ne verront jamais la différence.

Pourriez-vous vendre vos technologies en tant que service à d’autres entreprises ?

Nous pourrions, oui. Mais nous choisissons de ne pas le faire. En partie, parce qu’on pense que l’univers d’entreprises qui seraient intéressées est très petit. Et qu'il serait composé principalement de nos concurrents ! Même si nous publions certaines des idées, suggestions, qui pourraient intéresser toutes les industries. Que ce soit dans la musique, chez Amazon, chez Nike, etc. Il y a une autre raison pour laquelle nous ne vendons pas nos technologies.

C’est qu’il est très différent d’être dans le logiciel d’entreprise que dans la vente de services. Et nous voulons vraiment nous concentrer sur notre objectif : proposer la meilleure expérience possible à nos clients.

Propos recueillis par Emmanuelle Delsol

 

 

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.

media

Les cookies assurent le bon fonctionnement de nos sites et services. En utilisant ces derniers, vous acceptez l'utilisation des cookies.OK

En savoir plus
Suivez-nous Suivre l'Usine Digitale sur twitter Suivre l'Usine Digitale sur facebook Suivre l'Usine Digitale sur Linked In RSS Usine Digitale