Gérald Kembellec.mp4

Première séance du séminaire du groupe de travail Design des algorithmes de recommandation de biens culturels co-animé par Samuel Gantier et Ève Givois (UPHF/LARSH) au sein du groupe de recherche CIS - Centre internet et société (CNRS), tenue le 21 octobre 2021 de 16h à 17h.

Intervention de Gérarld Kembellec (CNAM/Dicen), « Recommandation de produits et services culturels : modèles et enjeux ».
La discussion a été assurée par Éric Kergosien (Université de Lille/GERiiCO).

Résumé : Avec l’avènement de l’Internet et la production de contenus en réseau, les données accessibles aux usagers du numérique n’ont cessé de croître de manière régulière. À partir de la décennie 2010, cette masse d’information a connu une explosion qui a changé le mode d’accès à l’information et aux contenus. En effet, la production de contenus est trop prolifique pour être suivie et présentée par les humains : la course à l’indexation ne peut être gagnée par les humains. Les données massifiées font l’objet d’un enjeu de filtrage, de tri et de personnalisation vital pour tous les pans de l’industrie. Nous sommes entrés depuis 10 ans dans le règne des algorithmes et du Big Data. La vente en ligne avec le digital marketing et la relation client sont bien sûr les secteurs les plus évidents pour les systèmes et moteurs de recommandation, mais ce ne sont pas les seuls. Les domaines de l’érudition, de la science et de la culture sont également impactés. Les librairies et bibliothèques, la SVOD, la musique en ligne, les plateformes de revues scientifiques sont tout autant de secteurs d’activité qui sont à la pointe en recherche et développement pour la personnalisation de contenus. Nous proposons ici un panorama des méthodes et enjeux techniques, financiers, légaux et éthiques qui complexifient la recommandation y compris dans les milieux culturels et GLAM (Galeries, bibliothèques, archives et musées). Une focale info documentaire sera proposée sur les techniques de médiation du Web sémantique qui offrent un contrepied aux méthodes strictement algorithmiques de filtrage, qu’elles soient sociales ou basées sur les contenus.