L'essor des algorithmes contrôlés par l'utilisateur : une nouvelle ère pour les réseaux sociaux

L'ère des moteurs de recommandation en « boîte noire » touche à sa fin, alors que les géants des réseaux sociaux commencent à rendre le volant aux utilisateurs. En intégrant l'IA avancée et les grands modèles de langage (LLM), les plateformes transforment les flux passifs en expériences hautement personnalisables et pilotées par l'utilisateur.

De la consommation passive à l'entraînement actif

Pendant des années, les systèmes de recommandation ont fonctionné selon un modèle de diffusion universel où les utilisateurs disposaient de peu de recours, au-delà d'un simple bouton « Pas intéressé ». Cependant, un changement fondamental s'opère : les réseaux sociaux évoluent vers un modèle de service de streaming où les utilisateurs agissent comme les curateurs de leur propre environnement numérique. Cette évolution est portée par la nécessité d'accroître l'engagement en garantissant une pertinence extrême du contenu, tout en répondant à la demande croissante des utilisateurs pour plus de transparence et d'autonomie.

Threads et Instagram : exploiter les LLM pour la personnalisation

Meta mène cette charge en utilisant les LLM pour rendre les modèles de classement complexes plus interprétables et contrôlables. Threads est passé de son outil expérimental « Dear Algo » — qui obligeait les utilisateurs à publier des messages publics pour signaler leurs intérêts — à la fonctionnalité plus discrète « Your Algo » lancée en juillet 2026. Les utilisateurs peuvent désormais demander en privé des contenus spécifiques, tels que « plus de baseball » ou « moins de nouvelles stressantes », avec la possibilité de définir la durée de ces préférences pour un, trois ou sept jours.

Instagram a suivi une trajectoire de transparence similaire. Suite au déploiement pour Reels en décembre 2025, l'outil « Your Algorithm » est désormais disponible sur le fil d'actualité principal, dans l'onglet Explorer et sur Reels. Selon le responsable d'Instagram, Adam Mosseri, les LLM sont ici le facteur de différenciation clé ; ils permettent au système d'expliquer pourquoi certains contenus sont affichés et permettent aux utilisateurs de communiquer leurs préférences en langage naturel, rendant la technologie sous-jacente beaucoup plus accessible à l'utilisateur moyen.

TikTok : contrôle granulaire et filtrage par mots-clés via l'IA

TikTok continue de perfectionner son outil « Manage Topics », permettant aux utilisateurs d'affiner leur flux « Pour vous » via un mécanisme de curseur. Les utilisateurs peuvent ajuster le poids de catégories telles que le voyage, l'humour ou l'actualité pour dicter la quantité de ce contenu qui apparaît.

Pour ajouter une couche de sophistication technique plus profonde, TikTok a introduit les « Smart Keyword Filters » basés sur l'IA en 2025. Cette fonctionnalité va au-delà de la simple correspondance de mots ; elle utilise la compréhension sémantique pour identifier des synonymes et des concepts connexes. Par exemple, si un utilisateur filtre le mot « remodeling », l'IA supprime intelligemment le contenu lié à « renovation » ou « renovations », garantissant ainsi une expérience utilisateur plus fluide et efficace.

Pourquoi cela est important pour le paysage de l'IA

Ce changement marque un jalon important dans le déploiement de l'IA destinée aux consommateurs. Nous assistons à un passage d'une IA purement prédictive — qui devine ce qu'un utilisateur veut — vers une IA collaborative, où l'humain et la machine travaillent en tandem pour façonner un résultat. Pour les développeurs et les fondateurs, cela souligne une tendance croissante : les implémentations d'IA les plus réussies seront celles qui privilégient l'autonomie de l'utilisateur et fournissent des interfaces claires et exploitables pour une personnalisation de type « human-in-the-loop ».

Points clés à retenir