X a levé un peu plus le voile sur le fonctionnement interne de son fil « For You ». Une publication technique détaille désormais l’architecture complète de l’algorithme de recommandation qui organise les contenus visibles par les utilisateurs. L’ensemble repose sur un principe central : confier presque entièrement la sélection et le classement des messages à un modèle d’apprentissage automatique de type transformeur, dérivé de Grok.

Le fil « For You » combine deux grandes sources de contenus. D’un côté, les messages issus du réseau direct de l’utilisateur, c’est-à-dire les comptes qu’il suit. De l’autre, des contenus extérieurs au réseau personnel, repérés dans l’ensemble de la plateforme à l’aide de techniques de similarité sémantique. Ces deux flux sont mélangés très tôt dans le processus, puis traités comme un seul ensemble de candidats à classer.

L’orchestration générale est assurée par une couche appelée Home Mixer. Ce composant récupère d’abord le contexte de l’utilisateur, notamment son historique d’interactions, ses abonnements et certaines préférences. Il déclenche ensuite la recherche de messages via deux sous-systèmes distincts : Thunder pour les contenus du réseau direct et Phoenix pour les contenus découverts à l’échelle globale.

Thunder fonctionne comme une mémoire vive du réseau social. Il ingère en temps réel les publications, réponses et reposts, conserve ces données sur une courte période, et permet des accès quasi instantanés aux messages provenant des comptes suivis. Cette approche évite de solliciter des bases de données externes et privilégie la rapidité.

Phoenix joue un double rôle. Il sert d’abord à identifier des messages pertinents hors du réseau personnel, grâce à un modèle dit à deux tours, qui transforme à la fois les profils utilisateurs et les publications en vecteurs numériques comparables. Il assure ensuite le classement final à l’aide d’un transformeur inspiré du modèle Grok développé par xAI. Ce modèle prédit, pour chaque message, la probabilité de nombreuses actions possibles, comme aimer, répondre, repartager, cliquer ou au contraire masquer ou signaler le contenu.

Ces prédictions sont ensuite combinées en un score unique, calculé comme une somme pondérée. Les actions positives font monter le score, les actions négatives le font baisser. Le système ajuste aussi les résultats pour éviter une surreprésentation d’un même auteur et pour équilibrer les contenus provenant de l’extérieur du réseau personnel.

Avant et après ce calcul, une série de filtres élimine les messages inéligibles. Sont exclus notamment les doublons, les publications trop anciennes, les contenus déjà vus, les messages issus de comptes bloqués ou contenant des mots-clés masqués. Une dernière étape vérifie la conformité aux règles de visibilité, par exemple en matière de spam ou de contenus violents.

Un choix technique ressort clairement de cette architecture. X affirme avoir supprimé l’ensemble des règles manuelles et des indicateurs conçus à la main. Toute l’évaluation de la pertinence est désormais apprise par le modèle, à partir des comportements réels des utilisateurs. Autre décision structurante, chaque message est évalué indépendamment des autres, ce qui garantit une cohérence des scores et facilite leur mise en cache.

Au final, X décrit un système de recommandation fortement automatisé, modulaire et centré sur la prédiction des comportements individuels. Une approche qui illustre l’évolution des grands réseaux sociaux vers des algorithmes toujours plus opaques pour les utilisateurs, mais de plus en plus documentés sur le plan technique, du moins pour ceux qui prennent le temps d’en lire les coulisses.

Source : X

******

Du lundi au vendredi, Bruno Guglielminetti vous propose un regard sur l’essentiel de l’actualité numérique avec 120 secondes de Tech.

Ou encore…

Écoutez la plus récente édition de Mon Carnet,
le magazine hebdomadaire de l’actualité numérique.