J’attendais de voir ce qu’allait donner l’acquisition de Discovereads, spécialisée dans la recommandation de livres, par le réseau social de lecteurs Goodreads en mars dernier. Goodreads en avait bien besoin. En effet, si sa base de données est très riche en pratiques utilisateurs (évaluation, critiques, etc.), contrairement à Amazon (pour l’instant), l’entreprise ne disposait pas d’un algorithme assez puissant pour l’exploiter. Avec Discovereads, Goodreads se dote ainsi d’une technologie mise au point pendant 3 ans par un ingénieur de Stanford.
Alors que l’algorithme de recommandation d’Amazon repose surtout sur une lecture de l’historique d’achat des utilisateurs, Goodreads s’appuie notamment sur leurs évaluations, établies à l’échelle de leur bibliothèque. C’est a priori plus efficace parce qu’il n’y a pas de perte : je peux avoir aimé un livre, et vouloir le recommander, sans l’avoir acheté (autrement dit : l’acte d’achat ne détermine pas exclusivement le goût pour un objet; d’autres manières permettent de l’exprimer). L’algorithme bénéficie donc de plusieurs outils de mesure (évaluation, critiques, commentaires, etc.) qui tentent de lire le plus finement possible le comportement du lecteur afin de garantir une recommandation à partir de 20 milliards de points de données. Ainsi, si un grand nombre de lecteurs ont lu les livres A, B, C, l’algorithme est capable de suggérer C à un lecteur qui n’aurait lu que A et B.
Pour pouvoir utiliser le service, on doit aujourd’hui évaluer 20 livres. Ce n’est qu’à cette condition que Goodreads peut proposer des suggestions de lecture. L’algorithme se double par ailleurs d’un niveau social dont l’utilisateur peut mesurer l’impact (en évaluant un livre, s’il sait que l’algorithme s’en trouvera affiné, il ignore pour quel utilisateur il l’aura été) en recommandant par exemple à un cercle d’amis un livre ou en demandant directement au réseau de lecteurs de répondre à sa demande. LibraryJournal révèle par ailleurs, dans le sillage d’aNobii, que Goodreads compte étendre la recommandation à l’adhésion de clubs de lecture, susceptibles de correspondre aux centres d’intérêt d’un utilisateur pour l’inscrire ainsi dans une communauté où le livre, conçu comme un premier point de contact, est moins important que l’échange potentiel qu’il autorise. La nouveauté, c’est donc que la recommandation se fait non seulement à plusieurs échelles (à partir d’un seul livre ou de toute la bibliothèque) mais combine en plus des savoir-faire (algorithme, personnalisation) et ce, sans idéologie (algorithme = robot).
Au final, les recommandations obtenues – dans mon cas, voir en dessous – sont plutôt bonnes et correspondent en partie à ce que contient ma bibliothèque papier (poésie et essais). Mais reste à mon avis à donner à l’utilisateur les moyens de renverser en partie l’ordre de la recommandation, en multipliant les points d’entrée dans un livre (par lieu, par personnage, par description, etc.), pour doser soi-même sa recherche – ce que le décevant service BookLamp semblait promettre et qu’aujourd’hui seul LibraryThing maîtrise bien.
