La génération actuelle a été extrêmement chanceuse, étant sur le point de connaître les bouleversements titanesques survenus dans le monde sous l’impulsion de la révolution technologique. Vous souvenez-vous comment, dans les temps plus simples, l’amour venait habituellement ? Les rendez-vous à l’aveugle ont été mis en place par des amis et des personnes qui vous connaissaient bien. Vous avez interagi avec les gens face à face pour voir si vous partagiez les mêmes intérêts et les mêmes convictions. La compatibilité a été déterminée en fonction du temps passé ensemble. Dans le monde d’aujourd’hui, la science des données et l’intelligence artificielle (IA) ont de plus en plus pris le rôle de vos amis, de votre famille, de vos collègues, de votre connaissance et même de votre propre jugement, pour vous trouver votre partenaire idéal.
Les règles d’engagement se sont métamorphosées autour de deux axes
Comment vous connectez-vous aux intérêts amoureux potentiels, c’est-à-dire aux canaux d’introduction et de communication ? Les rencontres physiques viennent beaucoup plus tard maintenant. Votre téléphone, votre tablette ou votre ordinateur sont les édifices par lesquels vous découvrez et faites des associations potentiellement romantiques. Vous choisissez avec juste quelques clics. Vous parlez à travers un écran avec des émoticônes remplaçant des expressions réelles. Et vous espérez que l’amour s’épanouira.
À qui vous vous connectez, c’est-à-dire le groupe de personnes dont vous avez le choix. C’est le plus criant des changements et, à certains égards, le plus effrayant. Ce n’est plus vous ou quelqu’un que vous connaissez qui propose un match potentiel. Les machines ont repris ce rôle.
Dans le paradigme actuel, les personnes peuvent être paramétrées, réduites à un « ensemble de fonctionnalités », et les algorithmes. L’IA peut alors trouver les « correspondances les plus optimales », c’est-à-dire les personnes avec lesquelles vous êtes le plus susceptible d’être compatible.
Comment cette « entreprise de l’amour » fonctionne vraiment en coulisse ?
Les moteurs de recommandation sont largement utilisés aujourd’hui dans tous les aspects de notre vie. Lorsque vous effectuez des achats sur Amazon et que vous recevez des suggestions concernant les articles que vous êtes susceptible d’acheter, c’est un moteur de recommandation qui est au travail. Idem quand Netflix vous suggère les films qui pourraient vous intéresser. La liste de telles applications est interminable aujourd’hui. De manière simpliste, ces moteurs fonctionnent généralement de trois manières différentes :
- Les tendances historiques : sur la base du comportement passé de la personne X, le moteur essaierait de prédire la probabilité de choix futurs que X pourrait faire.
- « Des personnes comme vous »: dans cette approche, un algorithme de classification basé sur l’apprentissage automatique déterminerait d’abord les groupes de personnes qui ont tendance à se ressembler. La similarité peut être définie, soit par le comportement (par exemple, ce qu’ils achètent ou parcourent, leur mode de paiement, la fréquence des achats, etc.), ou par des caractéristiques (par exemple, leur âge, leur sexe, leur emplacement, etc.), ou les deux. Le moteur de recommandation prédirait alors les choix de X en fonction non seulement de ce que X a fait dans le passé, mais également de ce que d’autres personnes « comme X » ont fait.
- « Basé sur le contenu »: cette approche est davantage axée sur les éléments cibles et leurs fonctionnalités que sur ceux de la personne. Ainsi, dans l’exemple du film Netflix, cela se traduirait par l’identification des caractéristiques des films que X aime regarder (genre, durée, langage, style vintage, acteurs, etc.) afin de déterminer ce qui l’intéresserait probablement.
En réalité, la plupart des moteurs de recommandation pourraient utiliser un hybride de tout ce qui précède. Et plus il a de retours, plus le moteur pourra prédire le comportement avec plus de précision. La rétroaction serait essentiellement de savoir si une prédiction particulière (ou recommandation) a été acceptée ou non.