Depuis qu’a débuté le passage de l’analogique au numérique, soit dans les années 1990 (De Mauro, Greco, Grimaldi 2016), un nombre impressionnant de données ont été délivrées et le Big Data a fait son entrée sur la scène mondiale. Dès lors, il ne cesse de faire parler de lui et la donnée a pris une place prépondérante dans notre quotidien : moteurs de recherches, objets connectés, cartes de fidélité, tout est bon pour générer et récolter des données sur les utilisateurs. Si cela semble tout à fait inoffensif aux yeux du public, pour les grandes entreprises et les multinationales le Big Data est une véritable mine d’or.

Actuellement, les données sont partout et générées par un grand nombre d’actions que nous répétons au quotidien. Nos loisirs n’y font pas exception et en particulier lorsqu’il s’agit d’utiliser des sites de streaming payants comme Netflix. Pour rappel, Netflix est une entreprise californienne proposant l’accès à de nombreux films, documentaires et séries via sa plateforme en ligne payante. En octobre 2018, Netflix compte un total de 137 millions d’abonnés dans le monde entier (Netflix 2018). Ces chiffres impressionnants reflètent bien la capacité de l’entreprise à s’adapter au monde actuel et à se servir des moyens qui lui sont accessibles pour améliorer son fonctionnement. Ce sont les données générées par ses utilisateurs qui lui permettent d’adapter ses services de manière personnalisée. Vous allez en découvrir quatre dans les paragraphes qui vont suivre.

Source de l’image Flickr et crédit quotecatalog.com

La première pratique identifiée est la récolte des données sur le comportement des utilisateurs, comme nous l’explique Neil Patel dans un billet de blog datant de 2018. Il s’agit par exemple d’informations telles que le moment où, lors d’un visionnage, vous cliquez sur « pause », « passer plus vite » ou « stop », la date à laquelle vous regardez un contenu, si vous l’arrêter à un moment donné et si vous reprenez le visionnage ou pas. C’est de cette manière que Netflix a notamment pu déterminer que les internautes avaient tendance à regarder plutôt des séries au cours de la semaine et des films durant le week-end (Patel 2018).

Mais Netflix ne s’arrête pas là. Si vous êtes un adepte de cette plateforme, vous connaissez sans doute cette petite phrase très simple et qui apparaît lorsque vous parcourez la page d’accueil « Parce que vous avez regardé [nom de série]» au-dessous de laquelle se trouve tout un choix de séries, documentaires ou films en lien plus ou moins direct avec ce que vous avez effectivement regardé. Dans ce cas précis, la plateforme de streaming utilise un algorithme se basant sur votre historique de visionnage et donc les données que vous avez générées à cette occasion. Elle vous fait ensuite des recommandations, pour vous inciter à rester sur la plateforme et à consommer ses médias (Patel 2018). Ainsi, si vous avez regardé The Good Wife, il y a de fortes chances pour que Netflix vous propose d’enchaîner avec Suits ou How to get away with murder !

Source de l’image : capture d’écran du compte Netflix de l’auteur

Vous l’aurez probablement compris au fil de ces lignes, une des craintes de Netflix est de perdre les utilisateurs se déconnectant de l’application, car cela signifierait qu’ils ne reviendront peut-être jamais ; c’est en tout cas ce que semble leur dire les données qu’ils ont récoltées. Neil Patel (2018) suppose que Netflix pense que plus un internaute passe de temps sur la plateforme, plus il a de chance d’y revenir… Pour pallier ce problème, en plus de l’algorithme de recommandations personnalisées, la plateforme a mis au point un système ingénieux se nommant Post-play. Le Post-play est un réglage qui fait en sorte qu’entre la fin d’un épisode et le début du suivant, il n’y ait que quelques secondes de battement. Cela permet d’une part de ne pas avoir à cliquer sur play pour lancer l’épisode suivant, mais cela a aussi l’avantage de ne pas laisser beaucoup de temps pour quitter l’application avant que l’épisode suivant ne commence.

Enfin, une des dernières utilisations que fait Netflix des données recueillis chez ses utilisateurs est de créer des séries télévisées sur mesure. Pour cela, les équipes techniques de Netflix récupèrent les données générées par les utilisateurs comme l’historique des séries regardées, les notes attribuées à ces dernières, les contenus préférés (Wernicke 2015) et ils en extraient des informations comme les genres de séries qui sont appréciés, les acteurs qu’on y retrouve, etc. (Wernicke 2015) A partir de là, ils créent une série sur mesure pour les internautes. Un exemple parfait de ce procédé est la série House of Cards qui a rencontré un vif succès lorsqu’elle a été mise en ligne (Cherif 2018).

Source de l’image : Wikimedia Commons

Il existe donc de très nombreux moyens d’utiliser les données et le Big Data ; reste à savoir si ce genre de pratiques est positif ou non pour les usagers. Même si le but final est de permettre à des utilisateurs d’obtenir la meilleure expérience possible d’un service, quel en est le prix ? Et qu’en est-il de ces séries dont la création est centrée sur les envies de l’utilisateur plutôt que sur le scénario lui-même, avec le risque de créer encore et toujours des contenus qui répondent exactement aux mêmes critères que leurs prédécesseurs ? Toutes ces questions restent pour l’instant non résolues, mais si nous obtenons des réponses un jour, il y a des chances que ce soit en regardant un épisode de Black Mirror… sur Netflix !

Bibliographie

CHERIF, Anaïs, 2018. Le Big Data, l’arme secrète de Netflix pour ses séries à succès. La Tribune Hebdomadaire. 2 novembre 2018. N°267, pp. 12-13.

DE MAURO, Andrea, GRECO, Marco et GRIMALDI, Michele, 2016. A formal definition of Big Data based on its essential features. Library Review. Vol. 65, n°3, pp. 122-135.
Netflix. Wikipédia : l’encyclopédie libre [en ligne]. Dernière modification de la page le 13 novembre 2018 à 11 :23. [Consulté le 13 novembre 2018]. Disponible à l’adresse : https://en.wikipedia.org/w/index.php?title=Netflix&oldid=868620166

PATEL, Neil, 2018. How Netflix uses analytics to select movies, create content, and make multimillion dollar decisions. Neil Patel [en ligne]. [Consulté le 13 novembre 2018]. Disponible à l’adresse : https://neilpatel.com/blog/how-netflix-uses-analytics/

WERNICKE, Sebastian, 2015. How to use data to make a hit TV show [enregistrement vidéo]. TED, Ideas worth spreading [en ligne]. Juin 2015. [Consulté le 13 novembre 2018]. Disponible à l’adresse : https://www.ted.com/talks/sebastian_wernicke_how_to_use_data_to_make_a_hit_tv_show