Filtrage collaboratif, par contenu ou hybride : comment choisir ?

Un système de recommandation choisit, parmi tout un catalogue, les quelques articles qu’une personne a le plus de chances d’apprécier. Pour y arriver, il existe quatre grandes familles de méthodes : le filtrage par contenu, le filtrage collaboratif, les approches hybrides et les recommandations de session. Chacune répond à une situation différente, et aucune ne suffit seule. Voici ce que fait chaque méthode, où elle excelle et où elle échoue.

Qu’est-ce qu’un système de recommandation basé sur le contenu ?

Le filtrage par contenu recommande des articles qui ressemblent à ceux qu’une personne consulte ou a aimés. La ressemblance se calcule à partir de ce que l’on sait des articles eux-mêmes : titre, description, catégorie, marque, genre, attributs techniques.

Techniquement, chaque article est transformé en vecteur. La méthode classique est TF-IDF, qui pondère les mots d’une description selon leur rareté dans le catalogue. Les approches récentes utilisent des embeddings sémantiques, produits par un modèle de langage : deux descriptions qui disent la même chose avec des mots différents obtiennent alors des vecteurs proches. On compare ensuite les vecteurs, le plus souvent par similarité cosinus.

• Forces : fonctionne dès le premier jour, sans aucun historique ; recommande aussi les nouveaux articles ; facile à expliquer (« parce que vous regardez ce produit »).
• Limites : ne propose que des articles proches, donc peu de découverte ; dépend de la qualité des fiches produit ; ignore ce que les gens achètent réellement ensemble.

Qu’est-ce que le filtrage collaboratif ?

Le filtrage collaboratif ignore le contenu des articles. Il part du comportement : des personnes qui ont acheté, vu ou noté les mêmes articles ont probablement des goûts proches, donc ce que l’une a aimé intéressera l’autre. C’est la logique de « les clients qui ont acheté ceci ont aussi acheté cela ».

On distingue deux familles d’algorithmes de filtrage collaboratif :

• Les méthodes par voisinage : on cherche les utilisateurs les plus proches (user-based) ou les articles les plus souvent associés (item-based), puis on recommande à partir de ces voisins.
• La factorisation de matrice : on range toutes les interactions dans une grande matrice utilisateurs × articles, presque vide, et on la décompose en deux séries de vecteurs de petite taille. Le produit d’un vecteur utilisateur et d’un vecteur article estime l’intérêt de cette personne pour cet article. ALS (Alternating Least Squares) est l’algorithme le plus répandu pour les signaux implicites : vues, clics, achats, plutôt que des notes explicites.

• Forces : révèle des associations qu’aucune description ne contient (un câble acheté avec une console, un roman avec un autre d’un auteur différent) ; s’améliore avec le volume d’interactions.
• Limites : ne peut rien dire d’un nouvel article ou d’un nouvel utilisateur ; a besoin de beaucoup de données ; tend à pousser les articles déjà populaires.

Qu’est-ce que le problème du cold start ?

Le cold start, ou démarrage à froid, désigne tous les cas où le système manque d’historique : un site qui vient d’ouvrir, un article ajouté ce matin, un visiteur qui arrive pour la première fois. Le filtrage collaboratif y est aveugle, puisqu’il n’a aucune interaction à exploiter.

Les réponses habituelles sont connues : s’appuyer sur le contenu des articles, qui existe dès leur mise en ligne ; utiliser le comportement de la session en cours, même pour un visiteur anonyme ; et, à défaut, montrer les articles les plus populaires du moment. Un bon système passe de l’une à l’autre selon ce qu’il sait de la personne.

Qu’est-ce qu’un système de recommandation hybride ?

Un système hybride combine plusieurs méthodes pour compenser leurs limites. Il existe trois façons courantes de le faire :

• La pondération : on calcule un score par contenu et un score collaboratif, puis on les mélange avec un poids réglable. Un poids élevé sur le contenu colle à ce que la personne regarde maintenant ; un poids élevé sur le collaboratif reflète ses goûts passés.
• La commutation : on choisit la méthode selon le contexte, par exemple le contenu tant qu’un utilisateur a moins de quelques interactions, le collaboratif ensuite.
• La cascade : une méthode présélectionne des candidats, une autre les reclasse.

L’hybride est aujourd’hui l’approche la plus utilisée en production, justement parce qu’aucune méthode seule ne couvre tous les cas.

Et les recommandations de session ?

Beaucoup de visiteurs ne sont pas connectés. Les recommandations de session travaillent uniquement sur les derniers articles consultés pendant la visite en cours, en donnant plus de poids aux plus récents. Elles n’ont besoin ni de compte ni d’historique long, et suivent l’intention du moment : une personne qui enchaîne trois chaussures de trail cherche probablement une chaussure de trail, quoi qu’elle ait acheté l’an dernier.

Quelle méthode choisir ?

• Catalogue neuf ou peu d’interactions : filtrage par contenu, avec les articles populaires en secours.
• Visiteurs majoritairement anonymes : session, complétée par le contenu de l’article consulté.
• Clients identifiés avec un historique d’achats : filtrage collaboratif, idéalement mélangé au contenu (hybride).
• Catalogue éditorial (articles, films, épisodes) : le contenu et la découverte pèsent autant que le comportement.

En pratique, un même site rencontre toutes ces situations, parfois sur la même page. La vraie difficulté n’est donc pas de choisir une méthode, mais de passer de l’une à l’autre au bon moment, et de les maintenir dans la durée. Nous détaillons ce coût dans LIKYLY vs. construire sa propre solution.

Ce que LIKYLY simplifie

LIKYLY regroupe ces quatre approches derrière une seule API, décrites sur la page produit :

• Cold start : similarité de contenu mélangée à des embeddings sémantiques, dès la première visite d’un produit.
• Session : recommandations pondérées par récence à partir des derniers produits vus, sans connexion ni cookie tiers.
• Collaboratif : filtrage collaboratif par ALS implicite, appris des achats croisés de vos clients.
• Hybride : contenu et comportement mélangés avec un poids réglable.

Vous n’avez pas à choisir l’algorithme à chaque appel : vous envoyez ce que vous savez (un utilisateur, une session, le produit affiché) et LIKYLY retient la stratégie adaptée. Pour l’essayer, la documentation présente les SDK officiels, et la démo montre les approches en action sur un catalogue de films.