BaRT signifie Bandits for Recommendations as Treatments (Bandits pour les Recommandations comme Traitements). C'est le système d'IA qui régit ce qui apparaît sur l'écran d'accueil d'un utilisateur Spotify, y compris l'ordre des playlists, les chansons dans ces playlists et le texte explicatif accompagnant les recommandations.
Le nom provient d'une technique d'apprentissage automatique appelée « bandits multi-bras », qui aide l'algorithme à décider quand jouer la sécurité avec de la musique familière et quand introduire quelque chose de nouveau.
Comment BaRT organise l'écran d'accueil
L'écran d'accueil de Spotify est structuré en rangées de playlists appelées « étagères » (comme « Créé pour vous » ou « Inspiré par votre écoute récente »), avec des playlists individuelles à l'intérieur de ces étagères appelées « cartes ».
BaRT a deux missions :
- Classer les cartes dans chaque étagère - décider quelles playlists apparaissent en premier
- Classer les étagères elles-mêmes - décider quelles rangées de contenu apparaissent en haut de votre écran
Ce classement est personnalisé en temps réel en fonction de votre historique d'écoute, de l'heure de la journée et de la manière dont vous avez réagi aux recommandations précédentes.
Comment BaRT équilibre-t-il l'Exploration contre l'Exploitation ?
BaRT équilibre constamment deux modes :
Le mode Exploitation recommande du contenu que le système est certain que vous aimerez. Il s'appuie sur votre historique d'écoute, vos chansons enregistrées, les titres ignorés et votre activité sur les playlists pour prédire ce qui vous fera continuer à écouter.
Le mode Exploration recommande du contenu sur lequel le système est incertain. Cela sert deux objectifs : aider Spotify à en apprendre davantage sur vos préférences et vous faire découvrir de la musique que vous n'auriez peut-être pas trouvée autrement.
L'équilibre entre ces modes est géré par une stratégie « epsilon-greedy ». La plupart du temps, BaRT exploite ce qu'il sait de vous. Occasionnellement, il explore pour recueillir de nouvelles informations.
Pour les nouveaux utilisateurs avec peu d'historique d'écoute, BaRT penche davantage vers l'exploration. Pour les utilisateurs de longue date avec des préférences établies, il penche davantage vers l'exploitation.
Quel est le signal de succès de 30 secondes ?
BaRT mesure sa propre performance à l'aide d'un seuil simple : si un auditeur diffuse un titre recommandé pendant plus de 30 secondes, la recommandation est comptée comme réussie.
Plus quelqu'un écoute longtemps une playlist ou une session radio recommandée, plus BaRT gagne en confiance dans ses prédictions pour cet utilisateur. C'est pourquoi les skips précoces nuisent à votre portée algorithmique - ils apprennent à BaRT que la recommandation a échoué.
Quelles sont les trois sources de données utilisées par BaRT ?
BaRT ne fonctionne pas seul. Il s'appuie sur trois pipelines de données principaux :
| Source de données | Ce qu'elle capture | Comment cela aide |
|---|---|---|
| Filtrage collaboratif | Modèles de ce que les auditeurs similaires apprécient | « Les fans de l'Artiste X aiment aussi l'Artiste Y » |
| Analyse audio | Tempo, tonalité, timbre, énergie | Trouve des titres soniquement similaires pour la Radio |
| Traitement du langage naturel | Paroles, titres de playlists, mentions dans les blogs | Comprend le contexte de l'ambiance et du genre |
Ces signaux alimentent BaRT, qui décide ensuite comment les pondérer pour chaque utilisateur individuel.
Ce que cela signifie pour les artistes
BaRT n'est pas un gardien auquel vous pouvez faire des propositions. C'est un moteur de prédiction qui apprend du comportement des auditeurs.
Des saves élevés et des skips faibles indiquent à BaRT que votre musique satisfait les auditeurs auxquels elle a été présentée. Cela augmente la probabilité de futures recommandations.
Des skips élevés et des saves faibles indiquent à BaRT que la recommandation était inappropriée. Le système sera moins susceptible de montrer votre titre à des auditeurs similaires.
La seule façon d'influencer BaRT est de lui envoyer des signaux positifs par le biais de l'engagement authentique des auditeurs. Cela signifie optimiser pour le taux de save, le taux d'achèvement et les écoutes répétées plutôt que pour les chiffres bruts d'écoutes.
Comment BaRT se compare-t-il aux autres systèmes de Spotify ?
BaRT gère spécifiquement l'écran d'accueil et les recommandations d'étagères personnalisées. D'autres surfaces algorithmiques ont leur propre logique :
- Discover Weekly est actualisé chaque lundi en utilisant le filtrage collaboratif
- Release Radar est mis à jour chaque vendredi et priorise les artistes suivis
- Radio et Autoplay utilisent la similarité audio et les signaux de continuation de session
Ces systèmes partagent des données, mais ils fonctionnent indépendamment. Un titre qui fonctionne bien dans les recommandations de l'écran d'accueil de BaRT peut également être repris par la Radio, mais il n'y a pas de croisement garanti.
Quelles recherches sous-tendent BaRT ?
La recherche fondamentale a été publiée par des ingénieurs de Spotify en 2018 sous le titre « Explore, Exploit, Explain: Personalizing Explainable Recommendations with Bandits ». L'article décrit comment BaRT apprend à prédire la satisfaction de l'utilisateur pour toute combinaison d'élément, d'explication et de contexte.
Depuis lors, Spotify a continué à affiner cette approche. Un article de recherche de 2025 décrit l'utilisation de bandits contextuels pour calibrer les types de contenu (musique, podcasts, livres audio) dans les listes de recommandations, s'adaptant aux préférences évolutives des utilisateurs en temps réel.