Description
Date depot: 1 janvier 1900
Titre: Analyse et modélisation de l'impact des algorithmes de recommandation sur le web
Directrice de thèse:
Clémence MAGNIEN (LIP6)
Encadrant :
Fabien TARISSAN (ISP)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
Les algorithmes sont désormais au cœur des processus qui organisent l’information sur le web. Que ce
soit à travers des problématiques liées au classement de l’information (ranking) – central dans beaucoup
d’activités sur le web (PageRank de Google, centralité et popularité des acteurs des réseaux sociaux en
ligne, ...) – ou de recommandation (Newsfeed de Facebook, recommendation de produits d’Amazon, ...),
ce sont en effet les algorithmes qui organisent l’information et selectionnent de fait celle qui est rendue
visible.
Ces choix algorithmiques ont, en retour, un impact très fort sur ce que les internautes consomment
comme information. Dès lors, la question se pose de mesurer et analyser la qualité des choix opérés par
les algorithmes. En particulier dans le domaine de la recommandation, quel impact ont les suggestions
proposées par les plateformes en ligne sur la perception de l’information disponible par les utilisateurs ?
C’est autour de ces questions que cette thèse entend entreprendre un travail empirique en se concentrant
sur le cas particulier des algorithmes de recommandation sur le web.
Pour ce faire, l’approche proposée consiste à étudier les relations entre utilisateurs et produits sous
forme de réseaux, en mobilisant les concepts de la théorie des graphes afin d’analyser les propriétés
structurelles pertinentes et capturer ces propriétés dans des modèles de génération de graphes aléatoires.
Il s’agit donc en premier lieu de mener un travail d’analyse, aussi bien sur les traces de navigations
laissés par les utilisateurs que sur les choix opérés par les algorithmes de recommandations. Dans un second
temps, il s’agira de proposer une modélisation des phénomènes observés afin de capturer les propriétés
mises en évidence durant la phase d’analyse. Enfin, cette thèse prenant le partie d’une approche empirique,
il s’agira bien sûr de s’appuyer sur des traces réelles liées aux systèmes de recommandations.
Systèmes de recommandations envisagés. Les plateformes en lignes ont de plus en plus souvent
recours à des systèmes de recommandations pour proposer de nouveaux produits aux utilisateurs. Ces
recommandations peuvent être faites dans un contexte économique (tel Amazon) dans lequel les utilisa-
teurs achètent des produits et le système de recommandations cherche à proposer aux utilisateurs des
produits adaptés à leur besoin en se basant à la fois sur leurs achats passés et sur les produits les plus
populaires. Mais les recommandations peuvent aussi apparaı̂tre dans des contextes informationnels (tel
le newsfeed de Facebook ou simplement les recommandations d’articles que l’on retrouve maintenant
dans la plupart des journaux traditionnels) dans lesquels les lecteurs consultent des articles et le système
de recommandations propose des articles qui peuvent intéresser le lecteur, en se basant là aussi sur les
lectures passées et sur les articles populaires.
Doctorant.e: Poulain Remy