Ce livre illustre cette complexité en prenant l’exemple de l’application Android Youtube sur laquelle nous avons découvert un élément essentiel du process de personnalisation : l’évaluation des recommandations personnalisées par le principal intéressé : l’utilisateur
"En savoir plus sur la pertinence des recommandations proposées aux utilisateurs implique de leur poser directement des questions dans le bon contexte, au bon moment.
Au sein de l’application Youtube, cela se traduit par une section composée de 3 éléments :
Ces 3 éléments permettent à Youtube de calibrer finement les prochaines recommandations de vidéos en prenant en compte le feedback de l’utilisateur concernant la pertinence des précédentes. Ce process se veut non-intrusif, l’utilisateur peut ignorer le module de feedback en tapant sur l’icône de fermeture située dans la partie supérieure droite du module.
La nécessité d’un feedback humainLa recommandation joue un rôle essentiel en aidant les personnes à trouver des vidéos susceptibles de leur plaire. Néanmoins, de nombreux facteurs, comme la rareté des informations sur l’utilisateur, notamment lors des premiers instants d’utilisation, influencent la qualité des recommandations.
Dans certains systèmes, les tags attachés aux contenus sont utilisés pour rechercher des vidéos et les proposer en tant que recommandation personnalisée. Des points de vue différents, des tags incomplets et inexactes, etc. peuvent affaiblir les performances de ces systèmes.
Considérer le feedback humain peut aider à améliorer la personnalisation du contenu. À cette fin, un composant de design demandant l’évaluation de la qualité des recommandations directement à l’utilisateur peut être utilisé pour optimiser l'efficacité d’un algorithme de personnalisation.
Cette méthode évolutive permet de recommander des vidéos basées sur l’historique de navigation et l’opinion personnelle des utilisateurs."
