Avec la diversification des modes de consommation de films et s\u00e9ries au fil du temps, \u00e9tendant les possibilit\u00e9s de visionnage \u00e0 un tr\u00e8s grand nombre d’\u00e9quipements multim\u00e9dias (t\u00e9l\u00e9vision, tablette, t\u00e9l\u00e9phone, ordinateur…) et de moyens par lesquels obtenir du contenu audiovisuel, ill\u00e9gaux ou pas, la naissance de plateformes en ligne de vid\u00e9os \u00e0 la demande \u00e9tait in\u00e9vitables.<\/p>\n

NETFLIX<\/strong><\/p>\n

Par exemple, dans le cas de la soci\u00e9t\u00e9 Netflix qui \u00e9tait principalement bas\u00e9e sur la location de DVD par correspondance depuis 1997, il lui a suffit de moderniser son offre pour conna\u00eetre un succ\u00e8s sans pr\u00e9c\u00e9dent.<\/p>\n

<\/p>\n

Cependant, il fallait maintenant trouver un moyen de remplacer les conseils donn\u00e9s par les employ\u00e9s du magasin, ce qu’il n’\u00e9tait plus possible de reproduire en ligne mais qui faisaient partie int\u00e9grante du commerce de location.<\/p>\n

C’est l\u00e0 que les algorithmes entrent en jeu, servant \u00e0 la fois de guide pour les utilisateurs et de barom\u00e8tre en temps r\u00e9el pour les personnes derri\u00e8re Netflix et brassant un nombre incalculable de donn\u00e9es chaque jour. Les cin\u00e9philes et s\u00e9riephiles\u00a0se retrouvent au centre de l\u2019organisation et de la production des plateformes, ce qui rend leur consommation personnalis\u00e9e et individualis\u00e9e. Cela permet la production de contenu s\u2019adressant directement \u00e0 eux plut\u00f4t que des s\u00e9ries adress\u00e9es \u00e0 un public g\u00e9n\u00e9ral et ensuite r\u00e9appropri\u00e9 par celui-ci.<\/p>\n

<\/p>\n

\u00ab\u00a0 Il existe 33 millions de versions de Netflix\u00a0 \u00bb – Joris Evers, directeur des communications.<\/p>\n

En effet, comme nous le disions plus haut, chaque personne aura une page personnelle et unique adapt\u00e9es \u00e0 ce que l’algorithme aura r\u00e9ussi \u00e0 d\u00e9duire des pratiques de l’utilisateur. Le tout \u00e9tant modifi\u00e9 chaque jour \u00e9galement en fonction des nouvelles sorties, s\u00e9ries du moment…<\/p>\n

<\/p>\n

Mais que peut savoir Netflix exactement et quelles sont les informations qu’il utilise ?<\/p>\n

– Quand la s\u00e9rie est mise sur pause, rembobin\u00e9e ou pass\u00e9e en acc\u00e9l\u00e9r\u00e9.
\n– Le jour pr\u00e9cis de visionnage (ce qui a permis \u00e0 Netflix de savoir que les clients regardaient beaucoup de s\u00e9ries en semaine et des films le week-end)
\n– La date et l\u2019heure du visionnage.
\n– L\u2019endroit d\u2019o\u00f9 le contenu est regard\u00e9 (via le code postal indiqu\u00e9 lors de l\u2019inscription)
\n– L\u2019appareil utilis\u00e9 et les diverses habitudes qui en r\u00e9sultent (l\u2019IPad pour le contenu destin\u00e9 aux enfants, la grande t\u00e9l\u00e9 pour le film du soir\u2026)
\n– Quand le client met sur pause et quitte le site (et si il revient au contenu quitt\u00e9 un jour)
\n– Les notes donn\u00e9es au contenu (4 millions par jour)
\n– Les recherches (3 millions par jour)
\n– Le comportement de \u00ab\u00a0 browsing and scrolling\u00a0 \u00bb, dans l\u2019exploration du site.<\/p>\n

Netflix regarde \u00e9galement le comportement de ses utilisateurs lors du visionnage, ses algorithmes savent quand le g\u00e9n\u00e9rique de fin apparait et \u00e9tudient le comportement des spectateurs\u00a0 : vont-ils quitter l\u2019application ou y rester? C’est pour cette raison que le g\u00e9n\u00e9rique de fin ne d\u00e9file pas en entier \u00e0 la fin d’une s\u00e9rie mais il se coupe pour lancer l’\u00e9pisode suivant imm\u00e9diatement, poussant les utilisateurs \u00e0 “binge-watcher”.<\/p>\n

<\/p>\n

LES BIG DATAS<\/strong><\/p>\n

Les big datas sont les traces num\u00e9riques laiss\u00e9es par l\u2019activit\u00e9 des internautes sur la Toile\u00a0 : leurs horaires de connexion, leurs profils personnels, leurs sch\u00e9mas de navigation, les sites consult\u00e9s, la dur\u00e9e et la fr\u00e9quence de visite, etc.<\/p>\n

<\/p>\n

Pour l\u2019industrie des films et s\u00e9ries, ces donn\u00e9es, qui r\u00e9v\u00e8lent les habitudes des personnes en ligne (go\u00fbts, horaires, localisation, langage, sujets de discussion sur Facebook, humeurs sur Twitter\u2026), font figure de mine d\u2019or dont l\u2019exploitation permettrait de mieux cerner l\u2019audience et, potentiellement, de pr\u00e9dire les tendances, de rep\u00e9rer de nouveaux \u00ab\u00a0 buzz\u00a0 \u00bb ou de cibler avec pr\u00e9cision les campagnes promotionnelles. Beaucoup de compagnies font le choix du recours \u00e0 des entreprises sp\u00e9cialis\u00e9es dans l\u2019analyse de ces donn\u00e9es si fugaces, parce qu\u2019elles savent bien qu\u2019en celles-ci repose le futur du capitalisme. A partir des r\u00e9sultats obtenus, on peut savoir quelle s\u00e9rie est le plus en vogue chez les internautes, et ce qu’ils appr\u00e9cient, qui regarde quoi, ce qui permet ensuite de savoir quel type de s\u00e9rie plaira \u00e0 quel type de public chez les cin\u00e9philes et s\u00e9riephiles.<\/p>\n