La popularité du géant du streaming Spotify est due en partie à sa capacité étonnante à parcourir une bibliothèque de plus de 82 millions de pistes pour correspondre aux goûts de chacun de ses 500 millions d’utilisateurs actifs mensuels.

Comment fait-il ? La réponse réside dans les algorithmes d’apprentissage automatique de la plate-forme, qui développent un contenu personnalisé pour les utilisateurs individuels en fonction de leur comportement passé. 

Mounia Lalmas, directrice principale de la recherche chez Spotify, a mis en lumière certaines des techniques utilisées par la plus grande plateforme de diffusion de musique au monde lors d’un récent événement organisé par le Schwartz Reisman Institute for Technology and Society (SRI) de l’Université de Toronto.

Elle a souligné l’importance de « créer des expériences d’écoute personnalisées » et s’est penchée sur la façon dont Spotify traite les données pour faire correspondre les utilisateurs et les pistes, donnant un aperçu des types de données utilisées, qui incluent non seulement les préférences gustatives des utilisateurs, mais également leurs interactions avec l’application. , y compris l’heure de la journée et l’historique.

« Vraiment, ce qui est important pour Spotify, ce sont les deux côtés : les artistes et les créateurs, et les auditeurs et les utilisateurs », a déclaré Lalmas, qui dirige une équipe de chercheurs interdisciplinaires chez Spotify qui travaillent sur la personnalisation. « Nous nous concentrons sur les deux, et notre façon de voir les choses est vraiment une relation symbiotique où chaque côté compte de la même manière. »

Au cœur de l’expérience d’écoute de Spotify se trouve un moteur de recommandation sophistiqué composé de trois couches : données, modèles et expérience. 

L’article beaucoup plus complet et détaillé est à lire en anglais (ou regardez la vidéo ci-dessus) sur le site de l’Université de Toronto : https://bit.ly/3nNMkx5