{"id":22016,"date":"2021-02-05T14:42:22","date_gmt":"2021-02-05T13:42:22","guid":{"rendered":"https:\/\/about.fb.com\/fr\/?p=22016"},"modified":"2021-02-05T15:47:45","modified_gmt":"2021-02-05T14:47:45","slug":"comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir","status":"publish","type":"post","link":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/","title":{"rendered":"Comment le fil d\u2019actualit\u00e9 de Facebook pr\u00e9voit-il ce que vous souhaitez voir ?"},"content":{"rendered":"

Il existe de nombreux mythes et th\u00e9ories autour de l\u2019algorithme du fil d\u2019actualit\u00e9 de Facebook. La plupart des utilisateurs savent qu\u2019il s\u2019appuie sur un algorithme, et bon nombre d\u2019entre eux connaissent m\u00eame certains des facteurs qui le r\u00e9gissent. Par exemple, si vous aimez ou non une publication ou si vous interagissez avec elle. Mais il y a encore beaucoup de choses \u00e0 son propos qui sont mal comprises.\u00a0<\/strong><\/p>\n

Nous <\/span>partageons<\/span><\/a> r\u00e9guli\u00e8rement de nombreux d\u00e9tails et caract\u00e9ristiques du fil d\u2019actualit\u00e9. En y regardant de plus pr\u00e8s, le syst\u00e8me de classement bas\u00e9 sur le machine learning qui est utilis\u00e9 par le fil d\u2019actualit\u00e9, est incroyablement complexe et compos\u00e9 de plusieurs couches. Voici plus d\u2019informations sur le mode de fonctionnement de ce syst\u00e8me, et sur le d\u00e9fi que repr\u00e9sente la personnalisation du contenu pour plus de 2 milliards d\u2019utilisateurs, permettant de montrer \u00e0 chacun un contenu pertinent et utile \u00e0 chaque connexion \u00e0 Facebook.<\/span><\/p>\n

En quoi cela repr\u00e9sente-t-il un v\u00e9ritable d\u00e9fi ?<\/b><\/h3>\n

Tout d\u2019abord, parce que le volume de donn\u00e9es est gigantesque. <\/b>Plus de 2 milliards d\u2019internautes utilisent Facebook dans le monde. Pour chacun d\u2019eux, il existe plus d\u2019un millier de publications \u00ab possibles \u00bb – autrement dit, autant de publications qui pourraient \u00e9ventuellement appara\u00eetre dans le fil d\u2019actualit\u00e9 de chacun. Nous parlons ici de milliers de milliards de publications pour tous les utilisateurs de Facebook.\u00a0<\/span><\/p>\n

Si l\u2019on part du principe que pour chacun de ces utilisateurs, il existe des milliers de signaux tels que les publications aim\u00e9es ou comment\u00e9es, il est n\u00e9cessaire d\u2019\u00e9valuer ces contenus afin de d\u00e9terminer ceux qui pourraient \u00eatre les plus int\u00e9ressants pour chaque utilisateur.<\/b> Ainsi, parmi des milliards de publications et des milliers de signaux, nous devons pr\u00e9voir ce que chaque utilisateur souhaite voir instantan\u00e9ment dans son fil d\u2019actualit\u00e9. Lorsque vous vous connectez \u00e0 Facebook, ce processus s\u2019effectue en arri\u00e8re-plan en l\u2019espace d\u2019une seconde environ, qui \u00e9quivaut au temps de chargement de votre fil d\u2019actualit\u00e9.<\/span><\/p>\n

Mais les choses changent constamment, et nous devons tenir compte de nouveaux enjeux qui se posent, tels que les pi\u00e8ges \u00e0 clic et la circulation de fausses informations. <\/b>Quand cela se produit, nous devons trouver de nouvelles solutions. De fait, le syst\u00e8me de classement n\u2019est pas qu\u2019un simple algorithme ; ce sont plusieurs couches de mod\u00e8les de machine learning et de classements que nous appliquons pour pr\u00e9voir le contenu le plus pertinent et utile pour chaque utilisateur. \u00c0 chaque \u00e9tape du processus, le syst\u00e8me de classement r\u00e9duit ces milliers de publications possibles \u00e0 la centaine de publications qui apparaissent dans le fil d\u2019actualit\u00e9 de l\u2019utilisateur \u00e0 n\u2019importe quel moment.<\/span><\/p>\n

Comment cela fonctionne-t-il ?<\/b><\/h3>\n

Pour faire simple, le syst\u00e8me d\u00e9termine les publications qui apparaissent dans le fil d\u2019actualit\u00e9 ainsi que leur ordre d\u2019affichage, en pr\u00e9voyant celles qui sont les plus susceptibles de vous int\u00e9resser ou de vous faire interagir.<\/b> Ces pr\u00e9visions s\u2019appuient sur diff\u00e9rents facteurs, tels que les utilisateurs r\u00e9cemment suivis ou les contenus r\u00e9cemment aim\u00e9s ou comment\u00e9s. Pour mieux comprendre ce processus dans la pratique, voyons ce qui se passe lorsqu\u2019un utilisateur se connecte \u00e0 Facebook.\u00a0<\/span><\/p>\n

https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/201113_NewsFeedAlgo_v05.mp4<\/a><\/video><\/div>\n

Prenons l\u2019exemple de Juan.<\/strong> Depuis qu\u2019il s\u2019est connect\u00e9 hier, Wei, un de ses amis, a publi\u00e9 une photo de son chien. Une autre amie, Saanvi, a publi\u00e9 une vid\u00e9o de son jogging matinal. Sa Page favorite a publi\u00e9 un article sur la meilleure fa\u00e7on d\u2019observer la Voie lact\u00e9e de nuit, et son Groupe de cuisine pr\u00e9f\u00e9r\u00e9 a publi\u00e9 4 nouvelles recettes de levain.\u00a0<\/span><\/p>\n

Il est probable que Juan trouve tout ce contenu pertinent ou int\u00e9ressant, car il a choisi de suivre les utilisateurs ou Pages qui le partagent. <\/span>Pour d\u00e9terminer les publications qui devraient appara\u00eetre en premier dans le fil d\u2019actualit\u00e9 de Juan, nous devons pr\u00e9voir ce qui est le plus important pour lui, et le contenu qui a une plus grande valeur \u00e0 ses yeux. <\/b>En termes math\u00e9matiques, nous devons d\u00e9finir une fonction objective pour Juan, et proc\u00e9der \u00e0 une optimisation \u00e0 objectif unique.\u00a0<\/span><\/p>\n

Nous pouvons utiliser les caract\u00e9ristiques d\u2019une publication, comme par exemple les personnes identifi\u00e9es sur une photo et sa date de publication, pour pr\u00e9voir si Juan pourrait l\u2019aimer ou non.<\/b> Ainsi, si Juan a tendance \u00e0 interagir souvent avec les publications de Saanvi, par exemple en les partageant ou en les commentant, et si la vid\u00e9o de son jogging matinal est tr\u00e8s r\u00e9cente, il est fort probable que Juan aimera sa publication. Si, jusqu\u2019\u00e0 pr\u00e9sent, Juan a plus interagi avec des contenus vid\u00e9o qu\u2019avec des photos, la probabilit\u00e9 qu\u2019il aime la photo du chien de Wei risque d\u2019\u00eatre assez faible. Dans ce cas, notre algorithme classerait la vid\u00e9o du jogging matinal de Saanvi plus haut que la photo du chien de Wei, car la probabilit\u00e9 que Juan l\u2019aime serait plus \u00e9lev\u00e9e.\u00a0<\/span><\/p>\n

Mais les utilisateurs peuvent exprimer leurs pr\u00e9f\u00e9rences sur Facebook de bien d\u2019autres fa\u00e7ons qu\u2019\u00e0 travers des Likes (\u201cJ\u2019aime\u201d). <\/b>Chaque jour, des utilisateurs partagent des articles qu\u2019ils trouvent int\u00e9ressants, regardent des vid\u00e9os d\u2019autres utilisateurs ou de c\u00e9l\u00e9brit\u00e9s qu\u2019ils suivent, ou publient des commentaires sur les publications de leurs amis. D\u2019un point de vue math\u00e9matique, les choses se compliquent lorsque nous devons optimiser plusieurs objectifs qui viennent s\u2019ajouter \u00e0 notre objectif principal : cr\u00e9er de la valeur \u00e0 plus long terme possible pour les utilisateurs en leur montrant un contenu pertinent et int\u00e9ressant pour eux.\u00a0<\/span><\/p>\n

L\u2019utilisation de plusieurs mod\u00e8les de machine learning permet d\u2019obtenir diverses pr\u00e9visions pour Juan :<\/b> la probabilit\u00e9 qu\u2019il interagisse avec la photo de Wei, la vid\u00e9o de Saanvi, l\u2019article sur la Voie lact\u00e9e ou les recettes de levain. Chaque mod\u00e8le tente de classer ces diff\u00e9rents contenus pour Juan. Mais ils peuvent parfois \u00eatre discordants : la probabilit\u00e9 que Juan pr\u00e9f\u00e8re la vid\u00e9o du jogging matinal de Saanvi \u00e0 l\u2019article sur la Voie lact\u00e9e peut \u00eatre plus \u00e9lev\u00e9e, mais il peut \u00eatre plus enclin \u00e0 commenter l\u2019article que la vid\u00e9o. Il faut donc trouver un moyen de combiner ces diff\u00e9rentes pr\u00e9visions de mani\u00e8re \u00e0 obtenir un score optimis\u00e9 pour notre objectif principal de valeur \u00e0 long terme.\u00a0<\/span><\/p>\n

Comment peut-on savoir si un contenu cr\u00e9e de la valeur \u00e0 long terme pour quelqu\u2019un ? En lui posant la question<\/b>. Nous effectuons par exemple des <\/span>sondages<\/span><\/a> aupr\u00e8s des utilisateurs pour savoir l\u2019importance qu\u2019ils ont accord\u00e9e \u00e0 une interaction avec leurs amis, ou si une publication a r\u00e9ellement valu le temps consacr\u00e9, de fa\u00e7on \u00e0 ce que notre syst\u00e8me refl\u00e8te ce que les utilisateurs aiment et trouvent int\u00e9ressant. Nous pouvons ensuite exploiter chaque pr\u00e9vision pour Juan en fonction des actions que les utilisateurs consid\u00e8rent les plus int\u00e9ressantes et utiles dans leurs r\u00e9ponses aux sondages.<\/span><\/p>\n

Un syst\u00e8me multi-couches<\/b><\/h3>\n

Pour classer plus d\u2019un millier de publications par utilisateur, par jour, pour plus de 2 milliards d\u2019utilisateurs, en temps r\u00e9el, le processus doit \u00eatre efficace.<\/b> Nous proc\u00e9dons pour cela en plusieurs \u00e9tapes strat\u00e9giquement organis\u00e9es pour rendre le processus rapide et limiter les ressources de calcul n\u00e9cessaires.\u00a0<\/span><\/p>\n

Dans un premier temps, le syst\u00e8me recense toutes les publications possibles qui pourraient \u00eatre class\u00e9es pour Juan<\/b> (la photo du chien, la vid\u00e9o du jogging matinal, etc.). Cet inventaire \u00e9ligible inclut toute publication partag\u00e9e avec Juan par un ami, un groupe ou une Page qu\u2019il suit depuis sa derni\u00e8re connexion et qui n\u2019a pas \u00e9t\u00e9 supprim\u00e9e. Mais comment g\u00e9rer les publications cr\u00e9\u00e9es avant la derni\u00e8re connexion de Juan et qu\u2019il n\u2019a pas encore vues ?<\/span><\/p>\n

Pour s\u2019assurer que les publications qui n\u2019ont pas encore \u00e9t\u00e9 vues soient prises en compte, nous appliquons une logique de remont\u00e9e du contenu non lu<\/b> : les publications r\u00e9centes qui ont \u00e9t\u00e9 class\u00e9es pour Juan, mais qu\u2019il n\u2019a pas encore vues lors de ses connexions ant\u00e9rieures, sont aussi ajout\u00e9es \u00e0 l\u2019inventaire \u00e9ligible pour cette connexion. Nous appliquons \u00e9galement une logique de remont\u00e9e en fonction des actions de mani\u00e8re \u00e0 ce que toute publication que Juan a d\u00e9j\u00e0 vue et qui a depuis g\u00e9n\u00e9r\u00e9 une conversation int\u00e9ressante entre ses amis soit aussi ajout\u00e9e \u00e0 l\u2019inventaire \u00e9ligible.\u00a0<\/span><\/p>\n

Le syst\u00e8me doit ensuite calculer le score de chaque publication \u00e0 partir de divers facteurs,<\/b> tels que le type de publication, la similitude avec d\u2019autres \u00e9l\u00e9ments, ou encore la mesure dans laquelle la publication correspond \u00e0 ce avec quoi Juan a tendance \u00e0 interagir. Pour calculer ce score pour plus de 1 000 publications, pour chacun des milliards d\u2019utilisateurs et en temps r\u00e9el, nous ex\u00e9cutons ces mod\u00e8les pour toutes les publications possibles en parall\u00e8le sur plusieurs machines dites de pr\u00e9vision.\u00a0<\/span><\/p>\n

Avant de combiner toutes ces pr\u00e9visions pour obtenir un score unique, nous devons appliquer des r\u00e8gles suppl\u00e9mentaires.<\/b> Nous attendons d’avoir ces premi\u00e8res pr\u00e9visions pour pouvoir r\u00e9duire le nombre de publications \u00e0 classer, et nous les appliquons sur plusieurs passages pour \u00e9conomiser la puissance de calcul.\u00a0<\/span><\/p>\n

Tout d\u2019abord, des processus d\u2019int\u00e9grit\u00e9 sont appliqu\u00e9s \u00e0 chaque publication.<\/b> Ils visent \u00e0 d\u00e9terminer quelles mesures de d\u00e9tection de l’int\u00e9grit\u00e9, le cas \u00e9ch\u00e9ant, doivent \u00eatre appliqu\u00e9es aux articles s\u00e9lectionn\u00e9s pour le classement. Lors du passage suivant, un mod\u00e8le l\u00e9ger r\u00e9duit le nombre de candidats \u00e0 environ 500 publications parmi les plus pertinentes pour Juan. Le fait de classer moins de publications nous permet d’utiliser des mod\u00e8les de r\u00e9seaux de neurones plus puissants pour les prochains passages.\u00a0<\/span><\/p>\n

Ensuite, il y a le passage principal de la notation, au cours duquel se fait l\u2019essentiel de la personnalisation. <\/b>Ici, un score pour chaque histoire est calcul\u00e9 ind\u00e9pendamment, puis les 500 publications sont class\u00e9es par ordre de score. Pour certaines, le score peut \u00eatre plus \u00e9lev\u00e9 pour les Likes que pour les commentaires, car certaines personnes aiment s’exprimer davantage ainsi. Toute action qu’une personne entreprend rarement, comme par exemple, une pr\u00e9vision de Like tr\u00e8s proche de z\u00e9ro, joue automatiquement un r\u00f4le minime dans le classement, car la valeur pr\u00e9dite est tr\u00e8s faible.\u00a0<\/span><\/p>\n

Enfin, nous effectuons un passage contextuel, <\/b>au cours duquel des caract\u00e9ristiques contextuelles, comme les r\u00e8gles de diversit\u00e9 des types de contenu, sont ajout\u00e9es pour s’assurer que le fil d’actualit\u00e9 de Juan offre un m\u00e9lange \u00e9quilibr\u00e9 de types de contenu, et \u00e9viter qu\u2019il ne voit plusieurs vid\u00e9os \u00e0 la suite les unes des autres.\u00a0<\/span><\/p>\n

Toutes ces \u00e9tapes de classement ne prennent que le temps n\u00e9cessaire \u00e0 Juan pour ouvrir l\u2019application Facebook. <\/b>Et en l\u2019espace de quelques secondes seulement, il peut profiter d\u2019un fil d\u2019actualit\u00e9 dont le contenu a \u00e9t\u00e9 sp\u00e9cialement con\u00e7u pour lui et l\u2019explorer comme bon lui semble.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"Il existe de nombreux mythes et th\u00e9ories autour de l\u2019algorithme du fil d\u2019actualit\u00e9 de Facebook. La plupart des utilisateurs savent qu\u2019il s\u2019appuie sur un algorithme, et bon nombre d\u2019entre eux connaissent m\u00eame certains des facteurs qui le r\u00e9gissent. Par exemple, si vous aimez ou non une publication ou si vous interagissez avec elle. Mais il y a encore beaucoup de choses \u00e0 son propos qui sont mal comprises.\u00a0 Nous partageons r\u00e9guli\u00e8rement de nombreux d\u00e9tails et caract\u00e9ristiques du fil d\u2019actualit\u00e9. En y regardant de plus pr\u00e8s, le syst\u00e8me de classement bas\u00e9 sur le machine learning qui est utilis\u00e9 par le fil d\u2019actualit\u00e9, est incroyablement complexe et compos\u00e9 de plusieurs couches. Voici plus d\u2019informations sur le mode de fonctionnement de ce syst\u00e8me, et sur le d\u00e9fi que repr\u00e9sente la personnalisation du contenu pour plus de 2 milliards d\u2019utilisateurs, permettant de montrer \u00e0 chacun un contenu pertinent et utile \u00e0 chaque connexion \u00e0 Facebook. En quoi cela repr\u00e9sente-t-il un v\u00e9ritable d\u00e9fi ? Tout d\u2019abord, parce que le volume de donn\u00e9es est gigantesque. Plus de 2 milliards d\u2019internautes utilisent Facebook dans le monde. Pour chacun d\u2019eux, il existe plus d\u2019un millier de publications \u00ab possibles \u00bb – autrement dit, autant de publications qui pourraient \u00e9ventuellement appara\u00eetre dans le fil d\u2019actualit\u00e9 de chacun. Nous parlons ici de milliers de milliards de publications pour tous les utilisateurs de Facebook.\u00a0 Si l\u2019on part du principe que pour chacun de ces utilisateurs, il existe des milliers de signaux tels que les publications aim\u00e9es ou comment\u00e9es, il est n\u00e9cessaire d\u2019\u00e9valuer ces contenus afin de d\u00e9terminer ceux qui pourraient \u00eatre les plus int\u00e9ressants pour chaque utilisateur. Ainsi, parmi des milliards de publications et des milliers de signaux, nous devons pr\u00e9voir ce que chaque utilisateur souhaite voir instantan\u00e9ment dans son fil d\u2019actualit\u00e9. Lorsque vous vous connectez \u00e0 Facebook, ce processus s\u2019effectue en arri\u00e8re-plan en l\u2019espace d\u2019une seconde environ, qui \u00e9quivaut au temps de chargement de votre fil d\u2019actualit\u00e9. Mais les choses changent constamment, et nous devons tenir compte de nouveaux enjeux qui se posent, tels que les pi\u00e8ges \u00e0 clic et la circulation de fausses informations. Quand cela se produit, nous devons trouver de nouvelles solutions. De fait, le syst\u00e8me de classement n\u2019est pas qu\u2019un simple algorithme ; ce sont plusieurs couches de mod\u00e8les de machine learning et de classements que nous appliquons pour pr\u00e9voir le contenu le plus pertinent et utile pour chaque utilisateur. \u00c0 chaque \u00e9tape du processus, le syst\u00e8me de classement r\u00e9duit ces milliers de publications possibles \u00e0 la centaine de publications qui apparaissent dans le fil d\u2019actualit\u00e9 de l\u2019utilisateur \u00e0 n\u2019importe quel moment. Comment cela fonctionne-t-il ? Pour faire simple, le syst\u00e8me d\u00e9termine les publications qui apparaissent dans le fil d\u2019actualit\u00e9 ainsi que leur ordre d\u2019affichage, en pr\u00e9voyant celles qui sont les plus susceptibles de vous int\u00e9resser ou de vous faire interagir. Ces pr\u00e9visions s\u2019appuient sur diff\u00e9rents facteurs, tels que les utilisateurs r\u00e9cemment suivis ou les contenus r\u00e9cemment aim\u00e9s ou comment\u00e9s. Pour mieux comprendre ce processus dans la pratique, voyons ce qui se passe lorsqu\u2019un utilisateur se connecte \u00e0 Facebook.\u00a0 Prenons l\u2019exemple de Juan. Depuis qu\u2019il s\u2019est connect\u00e9 hier, Wei, un de ses amis, a publi\u00e9 une photo de son chien. Une autre amie, Saanvi, a publi\u00e9 une vid\u00e9o de son jogging matinal. Sa Page favorite a publi\u00e9 un article sur la meilleure fa\u00e7on d\u2019observer la Voie lact\u00e9e de nuit, et son Groupe de cuisine pr\u00e9f\u00e9r\u00e9 a publi\u00e9 4 nouvelles recettes de levain.\u00a0 Il est probable que Juan trouve tout ce contenu pertinent ou int\u00e9ressant, car il a choisi de suivre les utilisateurs ou Pages qui le partagent. Pour d\u00e9terminer les publications qui devraient appara\u00eetre en premier dans le fil d\u2019actualit\u00e9 de Juan, nous devons pr\u00e9voir ce qui est le plus important pour lui, et le contenu qui a une plus grande valeur \u00e0 ses yeux. En termes math\u00e9matiques, nous devons d\u00e9finir une fonction objective pour Juan, et proc\u00e9der \u00e0 une optimisation \u00e0 objectif unique.\u00a0 Nous pouvons utiliser les caract\u00e9ristiques d\u2019une publication, comme par exemple les personnes identifi\u00e9es sur une photo et sa date de publication, pour pr\u00e9voir si Juan pourrait l\u2019aimer ou non. Ainsi, si Juan a tendance \u00e0 interagir souvent avec les publications de Saanvi, par exemple en les partageant ou en les commentant, et si la vid\u00e9o de son jogging matinal est tr\u00e8s r\u00e9cente, il est fort probable que Juan aimera sa publication. Si, jusqu\u2019\u00e0 pr\u00e9sent, Juan a plus interagi avec des contenus vid\u00e9o qu\u2019avec des photos, la probabilit\u00e9 qu\u2019il aime la photo du chien de Wei risque d\u2019\u00eatre assez faible. Dans ce cas, notre algorithme classerait la vid\u00e9o du jogging matinal de Saanvi plus haut que la photo du chien de Wei, car la probabilit\u00e9 que Juan l\u2019aime serait plus \u00e9lev\u00e9e.\u00a0 Mais les utilisateurs peuvent exprimer leurs pr\u00e9f\u00e9rences sur Facebook de bien d\u2019autres fa\u00e7ons qu\u2019\u00e0 travers des Likes (\u201cJ\u2019aime\u201d). Chaque jour, des utilisateurs partagent des articles qu\u2019ils trouvent int\u00e9ressants, regardent des vid\u00e9os d\u2019autres utilisateurs ou de c\u00e9l\u00e9brit\u00e9s qu\u2019ils suivent, ou publient des commentaires sur les publications de leurs amis. D\u2019un point de vue math\u00e9matique, les choses se compliquent lorsque nous devons optimiser plusieurs objectifs qui viennent s\u2019ajouter \u00e0 notre objectif principal : cr\u00e9er de la valeur \u00e0 plus long terme possible pour les utilisateurs en leur montrant un contenu pertinent et int\u00e9ressant pour eux.\u00a0 L\u2019utilisation de plusieurs mod\u00e8les de machine learning permet d\u2019obtenir diverses pr\u00e9visions pour Juan : la probabilit\u00e9 qu\u2019il interagisse avec la photo de Wei, la vid\u00e9o de Saanvi, l\u2019article sur la Voie lact\u00e9e ou les recettes de levain. Chaque mod\u00e8le tente de classer ces diff\u00e9rents contenus pour Juan. Mais ils peuvent parfois \u00eatre discordants : la probabilit\u00e9 que Juan pr\u00e9f\u00e8re la vid\u00e9o du jogging matinal de Saanvi \u00e0 l\u2019article sur la Voie lact\u00e9e peut \u00eatre plus \u00e9lev\u00e9e, mais il peut \u00eatre plus enclin \u00e0 commenter l\u2019article que la vid\u00e9o. Il faut donc trouver un moyen de combiner ces diff\u00e9rentes pr\u00e9visions de mani\u00e8re \u00e0 obtenir un score optimis\u00e9 pour notre objectif principal de valeur \u00e0 long terme.\u00a0 Comment peut-on savoir si un contenu cr\u00e9e de la valeur \u00e0 long terme pour quelqu\u2019un ? En lui posant la question. Nous effectuons par exemple des sondages aupr\u00e8s des utilisateurs pour savoir l\u2019importance qu\u2019ils ont accord\u00e9e \u00e0 une interaction avec leurs amis, ou si une publication a r\u00e9ellement valu le temps consacr\u00e9, de fa\u00e7on \u00e0 ce que notre syst\u00e8me refl\u00e8te ce que les utilisateurs aiment et trouvent int\u00e9ressant. Nous pouvons ensuite exploiter chaque pr\u00e9vision pour Juan en fonction des actions que les utilisateurs consid\u00e8rent les plus int\u00e9ressantes et utiles dans leurs r\u00e9ponses aux sondages. Un syst\u00e8me multi-couches Pour classer plus d\u2019un millier de publications par utilisateur, par jour, pour plus de 2 milliards d\u2019utilisateurs, en temps r\u00e9el, le processus doit \u00eatre efficace. Nous proc\u00e9dons pour cela en plusieurs \u00e9tapes strat\u00e9giquement organis\u00e9es pour rendre le processus rapide et limiter les ressources de calcul n\u00e9cessaires.\u00a0 Dans un premier temps, le syst\u00e8me recense toutes les publications possibles qui pourraient \u00eatre class\u00e9es pour Juan (la photo du chien, la vid\u00e9o du jogging matinal, etc.). Cet inventaire \u00e9ligible inclut toute publication partag\u00e9e avec Juan par un ami, un groupe ou une Page qu\u2019il suit depuis sa derni\u00e8re connexion et qui n\u2019a pas \u00e9t\u00e9 supprim\u00e9e. Mais comment g\u00e9rer les publications cr\u00e9\u00e9es avant la derni\u00e8re connexion de Juan et qu\u2019il n\u2019a pas encore vues ? Pour s\u2019assurer que les publications qui n\u2019ont pas encore \u00e9t\u00e9 vues soient prises en compte, nous appliquons une logique de remont\u00e9e du contenu non lu : les publications r\u00e9centes qui ont \u00e9t\u00e9 class\u00e9es pour Juan, mais qu\u2019il n\u2019a pas encore vues lors de ses connexions ant\u00e9rieures, sont aussi ajout\u00e9es \u00e0 l\u2019inventaire \u00e9ligible pour cette connexion. Nous appliquons \u00e9galement une logique de remont\u00e9e en fonction des actions de mani\u00e8re \u00e0 ce que toute publication que Juan a d\u00e9j\u00e0 vue et qui a depuis g\u00e9n\u00e9r\u00e9 une conversation int\u00e9ressante entre ses amis soit aussi ajout\u00e9e \u00e0 l\u2019inventaire \u00e9ligible.\u00a0 Le syst\u00e8me doit ensuite calculer le score de chaque publication \u00e0 partir de divers facteurs, tels que le type de publication, la similitude avec d\u2019autres \u00e9l\u00e9ments, ou encore la mesure dans laquelle la publication correspond \u00e0 ce avec quoi Juan a tendance \u00e0 interagir. Pour calculer ce score pour plus de 1 000 publications, pour chacun des milliards d\u2019utilisateurs et en temps r\u00e9el, nous ex\u00e9cutons ces mod\u00e8les pour toutes les publications possibles en parall\u00e8le sur plusieurs machines dites de pr\u00e9vision.\u00a0 Avant de combiner toutes ces pr\u00e9visions pour obtenir un score unique, nous devons appliquer des r\u00e8gles suppl\u00e9mentaires. Nous attendons d’avoir ces premi\u00e8res pr\u00e9visions pour pouvoir r\u00e9duire le nombre de publications \u00e0 classer, et nous les appliquons sur plusieurs passages pour \u00e9conomiser la puissance de calcul.\u00a0 Tout d\u2019abord, des processus d\u2019int\u00e9grit\u00e9 sont appliqu\u00e9s \u00e0 chaque publication. Ils visent \u00e0 d\u00e9terminer quelles mesures de d\u00e9tection de l’int\u00e9grit\u00e9, le cas \u00e9ch\u00e9ant, doivent \u00eatre appliqu\u00e9es aux articles s\u00e9lectionn\u00e9s pour le classement. Lors du passage suivant, un mod\u00e8le l\u00e9ger r\u00e9duit le nombre de candidats \u00e0 environ 500 publications parmi les plus pertinentes pour Juan. Le fait de classer moins de publications nous permet d’utiliser des mod\u00e8les de r\u00e9seaux de neurones plus puissants pour les prochains passages.\u00a0 Ensuite, il y a le passage principal de la notation, au cours duquel se fait l\u2019essentiel de la personnalisation. Ici, un score pour chaque histoire est calcul\u00e9 ind\u00e9pendamment, puis les 500 publications sont class\u00e9es par ordre de score. Pour certaines, le score peut \u00eatre plus \u00e9lev\u00e9 pour les Likes que pour les commentaires, car certaines personnes aiment s’exprimer davantage ainsi. Toute action qu’une personne entreprend rarement, comme par exemple, une pr\u00e9vision de Like tr\u00e8s proche de z\u00e9ro, joue automatiquement un r\u00f4le minime dans le classement, car la valeur pr\u00e9dite est tr\u00e8s faible.\u00a0 Enfin, nous effectuons un passage contextuel, au cours duquel des caract\u00e9ristiques contextuelles, comme les r\u00e8gles de diversit\u00e9 des types de contenu, sont ajout\u00e9es pour s’assurer que le fil d’actualit\u00e9 de Juan offre un m\u00e9lange \u00e9quilibr\u00e9 de types de contenu, et \u00e9viter qu\u2019il ne voit plusieurs vid\u00e9os \u00e0 la suite les unes des autres.\u00a0 Toutes ces \u00e9tapes de classement ne prennent que le temps n\u00e9cessaire \u00e0 Juan pour ouvrir l\u2019application Facebook. Et en l\u2019espace de quelques secondes seulement, il peut profiter d\u2019un fil d\u2019actualit\u00e9 dont le contenu a \u00e9t\u00e9 sp\u00e9cialement con\u00e7u pour lui et l\u2019explorer comme bon lui semble.","protected":false},"author":164097090,"featured_media":22017,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[243888424,243897985,243897984,243898086],"tags":[243898098,81819,26968339,243898097,236441,243898099],"class_list":["post-22016","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-fil-dactualite-pi","category-meta","category-technologies","category-tuto","tag-algorithme","tag-facebook","tag-fil-dactualite","tag-machine-learning","tag-newsfeed","tag-publications"],"yoast_head":"\nComment le fil d\u2019actualit\u00e9 de Facebook pr\u00e9voit-il ce que vous souhaitez voir ? | \u00c0 propos de Meta<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Comment le fil d\u2019actualit\u00e9 de Facebook pr\u00e9voit-il ce que vous souhaitez voir ? | \u00c0 propos de Meta\" \/>\n<meta property=\"og:description\" content=\"Il existe de nombreux mythes et th\u00e9ories autour de l\u2019algorithme du fil d\u2019actualit\u00e9 de Facebook. La plupart des utilisateurs savent qu\u2019il s\u2019appuie sur un algorithme, et bon nombre d\u2019entre eux connaissent m\u00eame certains des facteurs qui le r\u00e9gissent. Par exemple, si vous aimez ou non une publication ou si vous interagissez avec elle. Mais il y a encore beaucoup de choses \u00e0 son propos qui sont mal comprises.\u00a0 Nous partageons r\u00e9guli\u00e8rement de nombreux d\u00e9tails et caract\u00e9ristiques du fil d\u2019actualit\u00e9. En y regardant de plus pr\u00e8s, le syst\u00e8me de classement bas\u00e9 sur le machine learning qui est utilis\u00e9 par le fil d\u2019actualit\u00e9, est incroyablement complexe et compos\u00e9 de plusieurs couches. Voici plus d\u2019informations sur le mode de fonctionnement de ce syst\u00e8me, et sur le d\u00e9fi que repr\u00e9sente la personnalisation du contenu pour plus de 2 milliards d\u2019utilisateurs, permettant de montrer \u00e0 chacun un contenu pertinent et utile \u00e0 chaque connexion \u00e0 Facebook. En quoi cela repr\u00e9sente-t-il un v\u00e9ritable d\u00e9fi ? Tout d\u2019abord, parce que le volume de donn\u00e9es est gigantesque. Plus de 2 milliards d\u2019internautes utilisent Facebook dans le monde. Pour chacun d\u2019eux, il existe plus d\u2019un millier de publications \u00ab possibles \u00bb – autrement dit, autant de publications qui pourraient \u00e9ventuellement appara\u00eetre dans le fil d\u2019actualit\u00e9 de chacun. Nous parlons ici de milliers de milliards de publications pour tous les utilisateurs de Facebook.\u00a0 Si l\u2019on part du principe que pour chacun de ces utilisateurs, il existe des milliers de signaux tels que les publications aim\u00e9es ou comment\u00e9es, il est n\u00e9cessaire d\u2019\u00e9valuer ces contenus afin de d\u00e9terminer ceux qui pourraient \u00eatre les plus int\u00e9ressants pour chaque utilisateur. Ainsi, parmi des milliards de publications et des milliers de signaux, nous devons pr\u00e9voir ce que chaque utilisateur souhaite voir instantan\u00e9ment dans son fil d\u2019actualit\u00e9. Lorsque vous vous connectez \u00e0 Facebook, ce processus s\u2019effectue en arri\u00e8re-plan en l\u2019espace d\u2019une seconde environ, qui \u00e9quivaut au temps de chargement de votre fil d\u2019actualit\u00e9. Mais les choses changent constamment, et nous devons tenir compte de nouveaux enjeux qui se posent, tels que les pi\u00e8ges \u00e0 clic et la circulation de fausses informations. Quand cela se produit, nous devons trouver de nouvelles solutions. De fait, le syst\u00e8me de classement n\u2019est pas qu\u2019un simple algorithme ; ce sont plusieurs couches de mod\u00e8les de machine learning et de classements que nous appliquons pour pr\u00e9voir le contenu le plus pertinent et utile pour chaque utilisateur. \u00c0 chaque \u00e9tape du processus, le syst\u00e8me de classement r\u00e9duit ces milliers de publications possibles \u00e0 la centaine de publications qui apparaissent dans le fil d\u2019actualit\u00e9 de l\u2019utilisateur \u00e0 n\u2019importe quel moment. Comment cela fonctionne-t-il ? Pour faire simple, le syst\u00e8me d\u00e9termine les publications qui apparaissent dans le fil d\u2019actualit\u00e9 ainsi que leur ordre d\u2019affichage, en pr\u00e9voyant celles qui sont les plus susceptibles de vous int\u00e9resser ou de vous faire interagir. Ces pr\u00e9visions s\u2019appuient sur diff\u00e9rents facteurs, tels que les utilisateurs r\u00e9cemment suivis ou les contenus r\u00e9cemment aim\u00e9s ou comment\u00e9s. Pour mieux comprendre ce processus dans la pratique, voyons ce qui se passe lorsqu\u2019un utilisateur se connecte \u00e0 Facebook.\u00a0 Prenons l\u2019exemple de Juan. Depuis qu\u2019il s\u2019est connect\u00e9 hier, Wei, un de ses amis, a publi\u00e9 une photo de son chien. Une autre amie, Saanvi, a publi\u00e9 une vid\u00e9o de son jogging matinal. Sa Page favorite a publi\u00e9 un article sur la meilleure fa\u00e7on d\u2019observer la Voie lact\u00e9e de nuit, et son Groupe de cuisine pr\u00e9f\u00e9r\u00e9 a publi\u00e9 4 nouvelles recettes de levain.\u00a0 Il est probable que Juan trouve tout ce contenu pertinent ou int\u00e9ressant, car il a choisi de suivre les utilisateurs ou Pages qui le partagent. Pour d\u00e9terminer les publications qui devraient appara\u00eetre en premier dans le fil d\u2019actualit\u00e9 de Juan, nous devons pr\u00e9voir ce qui est le plus important pour lui, et le contenu qui a une plus grande valeur \u00e0 ses yeux. En termes math\u00e9matiques, nous devons d\u00e9finir une fonction objective pour Juan, et proc\u00e9der \u00e0 une optimisation \u00e0 objectif unique.\u00a0 Nous pouvons utiliser les caract\u00e9ristiques d\u2019une publication, comme par exemple les personnes identifi\u00e9es sur une photo et sa date de publication, pour pr\u00e9voir si Juan pourrait l\u2019aimer ou non. Ainsi, si Juan a tendance \u00e0 interagir souvent avec les publications de Saanvi, par exemple en les partageant ou en les commentant, et si la vid\u00e9o de son jogging matinal est tr\u00e8s r\u00e9cente, il est fort probable que Juan aimera sa publication. Si, jusqu\u2019\u00e0 pr\u00e9sent, Juan a plus interagi avec des contenus vid\u00e9o qu\u2019avec des photos, la probabilit\u00e9 qu\u2019il aime la photo du chien de Wei risque d\u2019\u00eatre assez faible. Dans ce cas, notre algorithme classerait la vid\u00e9o du jogging matinal de Saanvi plus haut que la photo du chien de Wei, car la probabilit\u00e9 que Juan l\u2019aime serait plus \u00e9lev\u00e9e.\u00a0 Mais les utilisateurs peuvent exprimer leurs pr\u00e9f\u00e9rences sur Facebook de bien d\u2019autres fa\u00e7ons qu\u2019\u00e0 travers des Likes (\u201cJ\u2019aime\u201d). Chaque jour, des utilisateurs partagent des articles qu\u2019ils trouvent int\u00e9ressants, regardent des vid\u00e9os d\u2019autres utilisateurs ou de c\u00e9l\u00e9brit\u00e9s qu\u2019ils suivent, ou publient des commentaires sur les publications de leurs amis. D\u2019un point de vue math\u00e9matique, les choses se compliquent lorsque nous devons optimiser plusieurs objectifs qui viennent s\u2019ajouter \u00e0 notre objectif principal : cr\u00e9er de la valeur \u00e0 plus long terme possible pour les utilisateurs en leur montrant un contenu pertinent et int\u00e9ressant pour eux.\u00a0 L\u2019utilisation de plusieurs mod\u00e8les de machine learning permet d\u2019obtenir diverses pr\u00e9visions pour Juan : la probabilit\u00e9 qu\u2019il interagisse avec la photo de Wei, la vid\u00e9o de Saanvi, l\u2019article sur la Voie lact\u00e9e ou les recettes de levain. Chaque mod\u00e8le tente de classer ces diff\u00e9rents contenus pour Juan. Mais ils peuvent parfois \u00eatre discordants : la probabilit\u00e9 que Juan pr\u00e9f\u00e8re la vid\u00e9o du jogging matinal de Saanvi \u00e0 l\u2019article sur la Voie lact\u00e9e peut \u00eatre plus \u00e9lev\u00e9e, mais il peut \u00eatre plus enclin \u00e0 commenter l\u2019article que la vid\u00e9o. Il faut donc trouver un moyen de combiner ces diff\u00e9rentes pr\u00e9visions de mani\u00e8re \u00e0 obtenir un score optimis\u00e9 pour notre objectif principal de valeur \u00e0 long terme.\u00a0 Comment peut-on savoir si un contenu cr\u00e9e de la valeur \u00e0 long terme pour quelqu\u2019un ? En lui posant la question. Nous effectuons par exemple des sondages aupr\u00e8s des utilisateurs pour savoir l\u2019importance qu\u2019ils ont accord\u00e9e \u00e0 une interaction avec leurs amis, ou si une publication a r\u00e9ellement valu le temps consacr\u00e9, de fa\u00e7on \u00e0 ce que notre syst\u00e8me refl\u00e8te ce que les utilisateurs aiment et trouvent int\u00e9ressant. Nous pouvons ensuite exploiter chaque pr\u00e9vision pour Juan en fonction des actions que les utilisateurs consid\u00e8rent les plus int\u00e9ressantes et utiles dans leurs r\u00e9ponses aux sondages. Un syst\u00e8me multi-couches Pour classer plus d\u2019un millier de publications par utilisateur, par jour, pour plus de 2 milliards d\u2019utilisateurs, en temps r\u00e9el, le processus doit \u00eatre efficace. Nous proc\u00e9dons pour cela en plusieurs \u00e9tapes strat\u00e9giquement organis\u00e9es pour rendre le processus rapide et limiter les ressources de calcul n\u00e9cessaires.\u00a0 Dans un premier temps, le syst\u00e8me recense toutes les publications possibles qui pourraient \u00eatre class\u00e9es pour Juan (la photo du chien, la vid\u00e9o du jogging matinal, etc.). Cet inventaire \u00e9ligible inclut toute publication partag\u00e9e avec Juan par un ami, un groupe ou une Page qu\u2019il suit depuis sa derni\u00e8re connexion et qui n\u2019a pas \u00e9t\u00e9 supprim\u00e9e. Mais comment g\u00e9rer les publications cr\u00e9\u00e9es avant la derni\u00e8re connexion de Juan et qu\u2019il n\u2019a pas encore vues ? Pour s\u2019assurer que les publications qui n\u2019ont pas encore \u00e9t\u00e9 vues soient prises en compte, nous appliquons une logique de remont\u00e9e du contenu non lu : les publications r\u00e9centes qui ont \u00e9t\u00e9 class\u00e9es pour Juan, mais qu\u2019il n\u2019a pas encore vues lors de ses connexions ant\u00e9rieures, sont aussi ajout\u00e9es \u00e0 l\u2019inventaire \u00e9ligible pour cette connexion. Nous appliquons \u00e9galement une logique de remont\u00e9e en fonction des actions de mani\u00e8re \u00e0 ce que toute publication que Juan a d\u00e9j\u00e0 vue et qui a depuis g\u00e9n\u00e9r\u00e9 une conversation int\u00e9ressante entre ses amis soit aussi ajout\u00e9e \u00e0 l\u2019inventaire \u00e9ligible.\u00a0 Le syst\u00e8me doit ensuite calculer le score de chaque publication \u00e0 partir de divers facteurs, tels que le type de publication, la similitude avec d\u2019autres \u00e9l\u00e9ments, ou encore la mesure dans laquelle la publication correspond \u00e0 ce avec quoi Juan a tendance \u00e0 interagir. Pour calculer ce score pour plus de 1 000 publications, pour chacun des milliards d\u2019utilisateurs et en temps r\u00e9el, nous ex\u00e9cutons ces mod\u00e8les pour toutes les publications possibles en parall\u00e8le sur plusieurs machines dites de pr\u00e9vision.\u00a0 Avant de combiner toutes ces pr\u00e9visions pour obtenir un score unique, nous devons appliquer des r\u00e8gles suppl\u00e9mentaires. Nous attendons d’avoir ces premi\u00e8res pr\u00e9visions pour pouvoir r\u00e9duire le nombre de publications \u00e0 classer, et nous les appliquons sur plusieurs passages pour \u00e9conomiser la puissance de calcul.\u00a0 Tout d\u2019abord, des processus d\u2019int\u00e9grit\u00e9 sont appliqu\u00e9s \u00e0 chaque publication. Ils visent \u00e0 d\u00e9terminer quelles mesures de d\u00e9tection de l’int\u00e9grit\u00e9, le cas \u00e9ch\u00e9ant, doivent \u00eatre appliqu\u00e9es aux articles s\u00e9lectionn\u00e9s pour le classement. Lors du passage suivant, un mod\u00e8le l\u00e9ger r\u00e9duit le nombre de candidats \u00e0 environ 500 publications parmi les plus pertinentes pour Juan. Le fait de classer moins de publications nous permet d’utiliser des mod\u00e8les de r\u00e9seaux de neurones plus puissants pour les prochains passages.\u00a0 Ensuite, il y a le passage principal de la notation, au cours duquel se fait l\u2019essentiel de la personnalisation. Ici, un score pour chaque histoire est calcul\u00e9 ind\u00e9pendamment, puis les 500 publications sont class\u00e9es par ordre de score. Pour certaines, le score peut \u00eatre plus \u00e9lev\u00e9 pour les Likes que pour les commentaires, car certaines personnes aiment s’exprimer davantage ainsi. Toute action qu’une personne entreprend rarement, comme par exemple, une pr\u00e9vision de Like tr\u00e8s proche de z\u00e9ro, joue automatiquement un r\u00f4le minime dans le classement, car la valeur pr\u00e9dite est tr\u00e8s faible.\u00a0 Enfin, nous effectuons un passage contextuel, au cours duquel des caract\u00e9ristiques contextuelles, comme les r\u00e8gles de diversit\u00e9 des types de contenu, sont ajout\u00e9es pour s’assurer que le fil d’actualit\u00e9 de Juan offre un m\u00e9lange \u00e9quilibr\u00e9 de types de contenu, et \u00e9viter qu\u2019il ne voit plusieurs vid\u00e9os \u00e0 la suite les unes des autres.\u00a0 Toutes ces \u00e9tapes de classement ne prennent que le temps n\u00e9cessaire \u00e0 Juan pour ouvrir l\u2019application Facebook. Et en l\u2019espace de quelques secondes seulement, il peut profiter d\u2019un fil d\u2019actualit\u00e9 dont le contenu a \u00e9t\u00e9 sp\u00e9cialement con\u00e7u pour lui et l\u2019explorer comme bon lui semble.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/\" \/>\n<meta property=\"og:site_name\" content=\"\u00c0 propos de Meta\" \/>\n<meta property=\"article:published_time\" content=\"2021-02-05T13:42:22+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2021-02-05T14:47:45+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/Under-the-Hood_Hero_1920x1080_Final.png?resize=1024,576\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"576\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"hopscotch\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@METAfrance\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Meta\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/\"},\"author\":\"Facebook company\",\"headline\":\"Comment le fil d\u2019actualit\u00e9 de Facebook pr\u00e9voit-il ce que vous souhaitez voir ?\",\"datePublished\":\"2021-02-05T13:42:22+00:00\",\"dateModified\":\"2021-02-05T14:47:45+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/\"},\"wordCount\":1924,\"publisher\":{\"@id\":\"https:\/\/about.fb.com\/fr\/#organization\"},\"image\":{\"@id\":\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/Under-the-Hood_Hero_1920x1080_Final.png?fit=3840%2C2160\",\"keywords\":[\"algorithme\",\"Facebook\",\"fil d'actualit\u00e9\",\"machine learning\",\"Newsfeed\",\"publications\"],\"articleSection\":[\"Fil d\u2019actualit\u00e9 PI\",\"Meta\",\"Technologies\",\"Tutoriels\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/\",\"url\":\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/\",\"name\":\"Comment le fil d\u2019actualit\u00e9 de Facebook pr\u00e9voit-il ce que vous souhaitez voir ? | \u00c0 propos de Meta\",\"isPartOf\":{\"@id\":\"https:\/\/about.fb.com\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/Under-the-Hood_Hero_1920x1080_Final.png?fit=3840%2C2160\",\"datePublished\":\"2021-02-05T13:42:22+00:00\",\"dateModified\":\"2021-02-05T14:47:45+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/\"]}],\"author\":\"\u00c0 propos de Meta\"},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#primaryimage\",\"url\":\"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/Under-the-Hood_Hero_1920x1080_Final.png?fit=3840%2C2160\",\"contentUrl\":\"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/Under-the-Hood_Hero_1920x1080_Final.png?fit=3840%2C2160\",\"width\":3840,\"height\":2160,\"caption\":\"Fil d'actualit\u00e9 Facebook\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/about.fb.com\/fr\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Comment le fil d\u2019actualit\u00e9 de Facebook pr\u00e9voit-il ce que vous souhaitez voir ?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/about.fb.com\/fr\/#website\",\"url\":\"https:\/\/about.fb.com\/news\/\",\"name\":\"\u00c0 propos de Meta\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/about.fb.com\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/about.fb.com\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\",\"alternateName\":[\"Meta Newsroom\",\"Meta\"]},{\"@type\":\"Organization\",\"@id\":\"https:\/\/about.fb.com\/fr\/#organization\",\"name\":\"Meta\",\"url\":\"https:\/\/about.fb.com\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/about.fb.com\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/10\/meta-social-16x9-1.jpg?fit=8000%2C4500\",\"contentUrl\":\"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/10\/meta-social-16x9-1.jpg?fit=8000%2C4500\",\"width\":8000,\"height\":4500,\"caption\":\"Meta\"},\"image\":{\"@id\":\"https:\/\/about.fb.com\/fr\/#\/schema\/logo\/image\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Comment le fil d\u2019actualit\u00e9 de Facebook pr\u00e9voit-il ce que vous souhaitez voir ? | \u00c0 propos de Meta","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/","og_locale":"fr_FR","og_type":"article","og_title":"Comment le fil d\u2019actualit\u00e9 de Facebook pr\u00e9voit-il ce que vous souhaitez voir ? | \u00c0 propos de Meta","og_description":"Il existe de nombreux mythes et th\u00e9ories autour de l\u2019algorithme du fil d\u2019actualit\u00e9 de Facebook. La plupart des utilisateurs savent qu\u2019il s\u2019appuie sur un algorithme, et bon nombre d\u2019entre eux connaissent m\u00eame certains des facteurs qui le r\u00e9gissent. Par exemple, si vous aimez ou non une publication ou si vous interagissez avec elle. Mais il y a encore beaucoup de choses \u00e0 son propos qui sont mal comprises.\u00a0 Nous partageons r\u00e9guli\u00e8rement de nombreux d\u00e9tails et caract\u00e9ristiques du fil d\u2019actualit\u00e9. En y regardant de plus pr\u00e8s, le syst\u00e8me de classement bas\u00e9 sur le machine learning qui est utilis\u00e9 par le fil d\u2019actualit\u00e9, est incroyablement complexe et compos\u00e9 de plusieurs couches. Voici plus d\u2019informations sur le mode de fonctionnement de ce syst\u00e8me, et sur le d\u00e9fi que repr\u00e9sente la personnalisation du contenu pour plus de 2 milliards d\u2019utilisateurs, permettant de montrer \u00e0 chacun un contenu pertinent et utile \u00e0 chaque connexion \u00e0 Facebook. En quoi cela repr\u00e9sente-t-il un v\u00e9ritable d\u00e9fi ? Tout d\u2019abord, parce que le volume de donn\u00e9es est gigantesque. Plus de 2 milliards d\u2019internautes utilisent Facebook dans le monde. Pour chacun d\u2019eux, il existe plus d\u2019un millier de publications \u00ab possibles \u00bb – autrement dit, autant de publications qui pourraient \u00e9ventuellement appara\u00eetre dans le fil d\u2019actualit\u00e9 de chacun. Nous parlons ici de milliers de milliards de publications pour tous les utilisateurs de Facebook.\u00a0 Si l\u2019on part du principe que pour chacun de ces utilisateurs, il existe des milliers de signaux tels que les publications aim\u00e9es ou comment\u00e9es, il est n\u00e9cessaire d\u2019\u00e9valuer ces contenus afin de d\u00e9terminer ceux qui pourraient \u00eatre les plus int\u00e9ressants pour chaque utilisateur. Ainsi, parmi des milliards de publications et des milliers de signaux, nous devons pr\u00e9voir ce que chaque utilisateur souhaite voir instantan\u00e9ment dans son fil d\u2019actualit\u00e9. Lorsque vous vous connectez \u00e0 Facebook, ce processus s\u2019effectue en arri\u00e8re-plan en l\u2019espace d\u2019une seconde environ, qui \u00e9quivaut au temps de chargement de votre fil d\u2019actualit\u00e9. Mais les choses changent constamment, et nous devons tenir compte de nouveaux enjeux qui se posent, tels que les pi\u00e8ges \u00e0 clic et la circulation de fausses informations. Quand cela se produit, nous devons trouver de nouvelles solutions. De fait, le syst\u00e8me de classement n\u2019est pas qu\u2019un simple algorithme ; ce sont plusieurs couches de mod\u00e8les de machine learning et de classements que nous appliquons pour pr\u00e9voir le contenu le plus pertinent et utile pour chaque utilisateur. \u00c0 chaque \u00e9tape du processus, le syst\u00e8me de classement r\u00e9duit ces milliers de publications possibles \u00e0 la centaine de publications qui apparaissent dans le fil d\u2019actualit\u00e9 de l\u2019utilisateur \u00e0 n\u2019importe quel moment. Comment cela fonctionne-t-il ? Pour faire simple, le syst\u00e8me d\u00e9termine les publications qui apparaissent dans le fil d\u2019actualit\u00e9 ainsi que leur ordre d\u2019affichage, en pr\u00e9voyant celles qui sont les plus susceptibles de vous int\u00e9resser ou de vous faire interagir. Ces pr\u00e9visions s\u2019appuient sur diff\u00e9rents facteurs, tels que les utilisateurs r\u00e9cemment suivis ou les contenus r\u00e9cemment aim\u00e9s ou comment\u00e9s. Pour mieux comprendre ce processus dans la pratique, voyons ce qui se passe lorsqu\u2019un utilisateur se connecte \u00e0 Facebook.\u00a0 Prenons l\u2019exemple de Juan. Depuis qu\u2019il s\u2019est connect\u00e9 hier, Wei, un de ses amis, a publi\u00e9 une photo de son chien. Une autre amie, Saanvi, a publi\u00e9 une vid\u00e9o de son jogging matinal. Sa Page favorite a publi\u00e9 un article sur la meilleure fa\u00e7on d\u2019observer la Voie lact\u00e9e de nuit, et son Groupe de cuisine pr\u00e9f\u00e9r\u00e9 a publi\u00e9 4 nouvelles recettes de levain.\u00a0 Il est probable que Juan trouve tout ce contenu pertinent ou int\u00e9ressant, car il a choisi de suivre les utilisateurs ou Pages qui le partagent. Pour d\u00e9terminer les publications qui devraient appara\u00eetre en premier dans le fil d\u2019actualit\u00e9 de Juan, nous devons pr\u00e9voir ce qui est le plus important pour lui, et le contenu qui a une plus grande valeur \u00e0 ses yeux. En termes math\u00e9matiques, nous devons d\u00e9finir une fonction objective pour Juan, et proc\u00e9der \u00e0 une optimisation \u00e0 objectif unique.\u00a0 Nous pouvons utiliser les caract\u00e9ristiques d\u2019une publication, comme par exemple les personnes identifi\u00e9es sur une photo et sa date de publication, pour pr\u00e9voir si Juan pourrait l\u2019aimer ou non. Ainsi, si Juan a tendance \u00e0 interagir souvent avec les publications de Saanvi, par exemple en les partageant ou en les commentant, et si la vid\u00e9o de son jogging matinal est tr\u00e8s r\u00e9cente, il est fort probable que Juan aimera sa publication. Si, jusqu\u2019\u00e0 pr\u00e9sent, Juan a plus interagi avec des contenus vid\u00e9o qu\u2019avec des photos, la probabilit\u00e9 qu\u2019il aime la photo du chien de Wei risque d\u2019\u00eatre assez faible. Dans ce cas, notre algorithme classerait la vid\u00e9o du jogging matinal de Saanvi plus haut que la photo du chien de Wei, car la probabilit\u00e9 que Juan l\u2019aime serait plus \u00e9lev\u00e9e.\u00a0 Mais les utilisateurs peuvent exprimer leurs pr\u00e9f\u00e9rences sur Facebook de bien d\u2019autres fa\u00e7ons qu\u2019\u00e0 travers des Likes (\u201cJ\u2019aime\u201d). Chaque jour, des utilisateurs partagent des articles qu\u2019ils trouvent int\u00e9ressants, regardent des vid\u00e9os d\u2019autres utilisateurs ou de c\u00e9l\u00e9brit\u00e9s qu\u2019ils suivent, ou publient des commentaires sur les publications de leurs amis. D\u2019un point de vue math\u00e9matique, les choses se compliquent lorsque nous devons optimiser plusieurs objectifs qui viennent s\u2019ajouter \u00e0 notre objectif principal : cr\u00e9er de la valeur \u00e0 plus long terme possible pour les utilisateurs en leur montrant un contenu pertinent et int\u00e9ressant pour eux.\u00a0 L\u2019utilisation de plusieurs mod\u00e8les de machine learning permet d\u2019obtenir diverses pr\u00e9visions pour Juan : la probabilit\u00e9 qu\u2019il interagisse avec la photo de Wei, la vid\u00e9o de Saanvi, l\u2019article sur la Voie lact\u00e9e ou les recettes de levain. Chaque mod\u00e8le tente de classer ces diff\u00e9rents contenus pour Juan. Mais ils peuvent parfois \u00eatre discordants : la probabilit\u00e9 que Juan pr\u00e9f\u00e8re la vid\u00e9o du jogging matinal de Saanvi \u00e0 l\u2019article sur la Voie lact\u00e9e peut \u00eatre plus \u00e9lev\u00e9e, mais il peut \u00eatre plus enclin \u00e0 commenter l\u2019article que la vid\u00e9o. Il faut donc trouver un moyen de combiner ces diff\u00e9rentes pr\u00e9visions de mani\u00e8re \u00e0 obtenir un score optimis\u00e9 pour notre objectif principal de valeur \u00e0 long terme.\u00a0 Comment peut-on savoir si un contenu cr\u00e9e de la valeur \u00e0 long terme pour quelqu\u2019un ? En lui posant la question. Nous effectuons par exemple des sondages aupr\u00e8s des utilisateurs pour savoir l\u2019importance qu\u2019ils ont accord\u00e9e \u00e0 une interaction avec leurs amis, ou si une publication a r\u00e9ellement valu le temps consacr\u00e9, de fa\u00e7on \u00e0 ce que notre syst\u00e8me refl\u00e8te ce que les utilisateurs aiment et trouvent int\u00e9ressant. Nous pouvons ensuite exploiter chaque pr\u00e9vision pour Juan en fonction des actions que les utilisateurs consid\u00e8rent les plus int\u00e9ressantes et utiles dans leurs r\u00e9ponses aux sondages. Un syst\u00e8me multi-couches Pour classer plus d\u2019un millier de publications par utilisateur, par jour, pour plus de 2 milliards d\u2019utilisateurs, en temps r\u00e9el, le processus doit \u00eatre efficace. Nous proc\u00e9dons pour cela en plusieurs \u00e9tapes strat\u00e9giquement organis\u00e9es pour rendre le processus rapide et limiter les ressources de calcul n\u00e9cessaires.\u00a0 Dans un premier temps, le syst\u00e8me recense toutes les publications possibles qui pourraient \u00eatre class\u00e9es pour Juan (la photo du chien, la vid\u00e9o du jogging matinal, etc.). Cet inventaire \u00e9ligible inclut toute publication partag\u00e9e avec Juan par un ami, un groupe ou une Page qu\u2019il suit depuis sa derni\u00e8re connexion et qui n\u2019a pas \u00e9t\u00e9 supprim\u00e9e. Mais comment g\u00e9rer les publications cr\u00e9\u00e9es avant la derni\u00e8re connexion de Juan et qu\u2019il n\u2019a pas encore vues ? Pour s\u2019assurer que les publications qui n\u2019ont pas encore \u00e9t\u00e9 vues soient prises en compte, nous appliquons une logique de remont\u00e9e du contenu non lu : les publications r\u00e9centes qui ont \u00e9t\u00e9 class\u00e9es pour Juan, mais qu\u2019il n\u2019a pas encore vues lors de ses connexions ant\u00e9rieures, sont aussi ajout\u00e9es \u00e0 l\u2019inventaire \u00e9ligible pour cette connexion. Nous appliquons \u00e9galement une logique de remont\u00e9e en fonction des actions de mani\u00e8re \u00e0 ce que toute publication que Juan a d\u00e9j\u00e0 vue et qui a depuis g\u00e9n\u00e9r\u00e9 une conversation int\u00e9ressante entre ses amis soit aussi ajout\u00e9e \u00e0 l\u2019inventaire \u00e9ligible.\u00a0 Le syst\u00e8me doit ensuite calculer le score de chaque publication \u00e0 partir de divers facteurs, tels que le type de publication, la similitude avec d\u2019autres \u00e9l\u00e9ments, ou encore la mesure dans laquelle la publication correspond \u00e0 ce avec quoi Juan a tendance \u00e0 interagir. Pour calculer ce score pour plus de 1 000 publications, pour chacun des milliards d\u2019utilisateurs et en temps r\u00e9el, nous ex\u00e9cutons ces mod\u00e8les pour toutes les publications possibles en parall\u00e8le sur plusieurs machines dites de pr\u00e9vision.\u00a0 Avant de combiner toutes ces pr\u00e9visions pour obtenir un score unique, nous devons appliquer des r\u00e8gles suppl\u00e9mentaires. Nous attendons d’avoir ces premi\u00e8res pr\u00e9visions pour pouvoir r\u00e9duire le nombre de publications \u00e0 classer, et nous les appliquons sur plusieurs passages pour \u00e9conomiser la puissance de calcul.\u00a0 Tout d\u2019abord, des processus d\u2019int\u00e9grit\u00e9 sont appliqu\u00e9s \u00e0 chaque publication. Ils visent \u00e0 d\u00e9terminer quelles mesures de d\u00e9tection de l’int\u00e9grit\u00e9, le cas \u00e9ch\u00e9ant, doivent \u00eatre appliqu\u00e9es aux articles s\u00e9lectionn\u00e9s pour le classement. Lors du passage suivant, un mod\u00e8le l\u00e9ger r\u00e9duit le nombre de candidats \u00e0 environ 500 publications parmi les plus pertinentes pour Juan. Le fait de classer moins de publications nous permet d’utiliser des mod\u00e8les de r\u00e9seaux de neurones plus puissants pour les prochains passages.\u00a0 Ensuite, il y a le passage principal de la notation, au cours duquel se fait l\u2019essentiel de la personnalisation. Ici, un score pour chaque histoire est calcul\u00e9 ind\u00e9pendamment, puis les 500 publications sont class\u00e9es par ordre de score. Pour certaines, le score peut \u00eatre plus \u00e9lev\u00e9 pour les Likes que pour les commentaires, car certaines personnes aiment s’exprimer davantage ainsi. Toute action qu’une personne entreprend rarement, comme par exemple, une pr\u00e9vision de Like tr\u00e8s proche de z\u00e9ro, joue automatiquement un r\u00f4le minime dans le classement, car la valeur pr\u00e9dite est tr\u00e8s faible.\u00a0 Enfin, nous effectuons un passage contextuel, au cours duquel des caract\u00e9ristiques contextuelles, comme les r\u00e8gles de diversit\u00e9 des types de contenu, sont ajout\u00e9es pour s’assurer que le fil d’actualit\u00e9 de Juan offre un m\u00e9lange \u00e9quilibr\u00e9 de types de contenu, et \u00e9viter qu\u2019il ne voit plusieurs vid\u00e9os \u00e0 la suite les unes des autres.\u00a0 Toutes ces \u00e9tapes de classement ne prennent que le temps n\u00e9cessaire \u00e0 Juan pour ouvrir l\u2019application Facebook. Et en l\u2019espace de quelques secondes seulement, il peut profiter d\u2019un fil d\u2019actualit\u00e9 dont le contenu a \u00e9t\u00e9 sp\u00e9cialement con\u00e7u pour lui et l\u2019explorer comme bon lui semble.","og_url":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/","og_site_name":"\u00c0 propos de Meta","article_published_time":"2021-02-05T13:42:22+00:00","article_modified_time":"2021-02-05T14:47:45+00:00","og_image":[{"width":1024,"height":576,"url":"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/Under-the-Hood_Hero_1920x1080_Final.png?resize=1024,576","type":"image\/png"}],"author":"hopscotch","twitter_card":"summary_large_image","twitter_creator":"@METAfrance","twitter_misc":{"Written by":"Meta","Est. reading time":"8 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#article","isPartOf":{"@id":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/"},"author":"Facebook company","headline":"Comment le fil d\u2019actualit\u00e9 de Facebook pr\u00e9voit-il ce que vous souhaitez voir ?","datePublished":"2021-02-05T13:42:22+00:00","dateModified":"2021-02-05T14:47:45+00:00","mainEntityOfPage":{"@id":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/"},"wordCount":1924,"publisher":{"@id":"https:\/\/about.fb.com\/fr\/#organization"},"image":{"@id":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#primaryimage"},"thumbnailUrl":"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/Under-the-Hood_Hero_1920x1080_Final.png?fit=3840%2C2160","keywords":["algorithme","Facebook","fil d'actualit\u00e9","machine learning","Newsfeed","publications"],"articleSection":["Fil d\u2019actualit\u00e9 PI","Meta","Technologies","Tutoriels"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/","url":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/","name":"Comment le fil d\u2019actualit\u00e9 de Facebook pr\u00e9voit-il ce que vous souhaitez voir ? | \u00c0 propos de Meta","isPartOf":{"@id":"https:\/\/about.fb.com\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#primaryimage"},"image":{"@id":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#primaryimage"},"thumbnailUrl":"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/Under-the-Hood_Hero_1920x1080_Final.png?fit=3840%2C2160","datePublished":"2021-02-05T13:42:22+00:00","dateModified":"2021-02-05T14:47:45+00:00","breadcrumb":{"@id":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/"]}],"author":"\u00c0 propos de Meta"},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#primaryimage","url":"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/Under-the-Hood_Hero_1920x1080_Final.png?fit=3840%2C2160","contentUrl":"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/Under-the-Hood_Hero_1920x1080_Final.png?fit=3840%2C2160","width":3840,"height":2160,"caption":"Fil d'actualit\u00e9 Facebook"},{"@type":"BreadcrumbList","@id":"https:\/\/about.fb.com\/fr\/news\/2021\/02\/comment-le-fil-dactualite-de-facebook-prevoit-il-ce-que-vous-souhaitez-voir\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/about.fb.com\/fr\/"},{"@type":"ListItem","position":2,"name":"Comment le fil d\u2019actualit\u00e9 de Facebook pr\u00e9voit-il ce que vous souhaitez voir ?"}]},{"@type":"WebSite","@id":"https:\/\/about.fb.com\/fr\/#website","url":"https:\/\/about.fb.com\/news\/","name":"\u00c0 propos de Meta","description":"","publisher":{"@id":"https:\/\/about.fb.com\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/about.fb.com\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR","alternateName":["Meta Newsroom","Meta"]},{"@type":"Organization","@id":"https:\/\/about.fb.com\/fr\/#organization","name":"Meta","url":"https:\/\/about.fb.com\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/about.fb.com\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/10\/meta-social-16x9-1.jpg?fit=8000%2C4500","contentUrl":"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/10\/meta-social-16x9-1.jpg?fit=8000%2C4500","width":8000,"height":4500,"caption":"Meta"},"image":{"@id":"https:\/\/about.fb.com\/fr\/#\/schema\/logo\/image\/"}}]}},"jetpack_featured_media_url":"https:\/\/about.fb.com\/fr\/wp-content\/uploads\/sites\/12\/2021\/02\/Under-the-Hood_Hero_1920x1080_Final.png?fit=3840%2C2160","jetpack-related-posts":[],"jetpack_sharing_enabled":true,"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/about.fb.com\/fr\/wp-json\/wp\/v2\/posts\/22016","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/about.fb.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/about.fb.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/about.fb.com\/fr\/wp-json\/wp\/v2\/users\/164097090"}],"replies":[{"embeddable":true,"href":"https:\/\/about.fb.com\/fr\/wp-json\/wp\/v2\/comments?post=22016"}],"version-history":[{"count":3,"href":"https:\/\/about.fb.com\/fr\/wp-json\/wp\/v2\/posts\/22016\/revisions"}],"predecessor-version":[{"id":22026,"href":"https:\/\/about.fb.com\/fr\/wp-json\/wp\/v2\/posts\/22016\/revisions\/22026"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/about.fb.com\/fr\/wp-json\/wp\/v2\/media\/22017"}],"wp:attachment":[{"href":"https:\/\/about.fb.com\/fr\/wp-json\/wp\/v2\/media?parent=22016"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/about.fb.com\/fr\/wp-json\/wp\/v2\/categories?post=22016"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/about.fb.com\/fr\/wp-json\/wp\/v2\/tags?post=22016"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}