Ce glossaire définit les termes techniques utilisés pour décrire le fonctionnement du système de recommandation de Spotify. Utilisez-le comme référence lorsque vous lisez sur les playlists algorithmiques, l'optimisation de l'engagement ou la stratégie de plateforme.
Systèmes fondamentaux
BaRT (Bandits for Recommendations as Treatments)
Le système d'IA qui régit les recommandations de l'écran d'accueil de Spotify. BaRT utilise une approche multi-bras bandits pour équilibrer l'exploitation (montrer du contenu que vous aimez déjà) et l'exploration (tester du nouveau contenu pour en apprendre davantage sur vos préférences). Explication complète →
Filtrage collaboratif
Une technique de recommandation qui identifie des schémas dans ce que les auditeurs similaires apprécient. Si des auditeurs qui ont sauvegardé votre morceau ont également sauvegardé le Morceau B, l'algorithme est plus susceptible de recommander le Morceau B aux nouveaux auditeurs de votre musique. Ceci alimente les associations « Les fans aiment aussi » et une grande partie de Discover Weekly. Explication complète →
Analyse audio
Le processus d'extraction de caractéristiques mesurables à partir de la forme d'onde audio brute d'un morceau. Spotify utilise des réseaux neuronaux convolutifs (CNN) pour analyser les spectrogrammes et détecter des caractéristiques telles que le tempo, la tonalité, l'énergie et l'ambiance. Cela permet des recommandations de similarité sonore pour Radio et Autoplay. Explication complète →
Traitement du langage naturel (NLP)
La capacité de l'algorithme à comprendre le contexte textuel. La composante NLP de Spotify analyse les titres de playlists, les paroles de chansons, les mentions dans les blogs et les discussions sur les réseaux sociaux pour comprendre le contexte culturel entourant la musique.
Métriques d'engagement
Taux de sauvegarde
Le pourcentage d'auditeurs qui sauvegardent votre morceau dans leur bibliothèque. Calculé comme saves ÷ auditeurs uniques. Un taux de sauvegarde élevé signale une intention d'écoute forte et est l'un des prédicteurs les plus importants du succès algorithmique. Explication complète →
Taux de saut (Skip rate)
Le pourcentage de streams où l'auditeur saute avant un certain seuil, souvent les 30 secondes. Des taux de saut précoces élevés indiquent à l'algorithme que votre morceau n'est pas adapté à l'audience à laquelle il a été présenté.
Taux d'achèvement (Completion rate)
Le pourcentage d'auditeurs qui écoutent un morceau du début à la fin. Des taux d'achèvement élevés indiquent une forte rétention et contribuent positivement au score algorithmique.
Taux d'écoute répétée (Repeat listen rate)
La fréquence à laquelle les auditeurs individuels reviennent écouter le même morceau plusieurs fois. Des taux de répétition élevés signalent un engagement profond et peuvent déclencher la classification de « super auditeur ».
Ratio stream/auditeur
Le nombre moyen de streams par auditeur unique sur une période donnée. Un ratio supérieur à 1,0 indique des écoutes répétées. Des ratios plus élevés suggèrent des fans dévoués plutôt que des écoutes occasionnelles uniques.
Caractéristiques audio
Tempo
La vitesse d'un morceau mesurée en battements par minute (BPM). Varie de 0 à 250 BPM.
Énergie
Une mesure de 0,0 à 1,0 de l'intensité et de l'activité. Combine la plage dynamique, la sonorité perçue, le timbre, le taux d'apparition des attaques et l'entropie. Le death metal obtient un score élevé ; la musique ambiante obtient un score faible.
Valence
Une mesure de 0,0 à 1,0 de la positivité musicale. Une valence élevée (0,8+) sonne joyeuse ou euphorique. Une valence faible (0,2 ou moins) sonne triste, mélancolique ou en colère.
Dansabilité (Danceability)
Un score de 0,0 à 1,0 indiquant à quel point un morceau est adapté à la danse, basé sur le tempo, la stabilité du rythme, la force des battements et la régularité.
Acousticité (Acousticness)
Une mesure de confiance de 0,0 à 1,0 quant à savoir si un morceau est acoustique. Une valeur de 1,0 indique une forte confiance que le morceau ne contient aucun instrument électronique ou amplifié.
Instrumentalité (Instrumentalness)
Une prédiction de 0,0 à 1,0 indiquant si un morceau contient des voix. Les valeurs supérieures à 0,5 suggèrent des morceaux instrumentaux. Les sons « Ooh » et « aah » sont traités comme instrumentaux.
Parole (Speechiness)
Une mesure de 0,0 à 1,0 de la présence de paroles. Le contenu de type podcast obtient un score élevé ; la musique purement instrumentale obtient un score faible.
Surfaces algorithmiques
Discover Weekly
Une playlist personnalisée de 30 morceaux que l'auditeur n'a jamais entendus, actualisée chaque lundi. Principalement alimentée par le filtrage collaboratif. Explication complète →
Release Radar
Une playlist personnalisée des nouvelles sorties des artistes suivis et des groupes similaires, actualisée chaque vendredi. Nécessite une soumission via Spotify for Artists au moins 7 jours avant la sortie.
Radio
Une file d'attente générée automatiquement de morceaux similaires à une chanson ou un artiste de départ. Utilise l'analyse audio pour la similarité sonore et le filtrage collaboratif pour le chevauchement d'audience.
Autoplay
La fonctionnalité qui continue de jouer de la musique lorsqu'une playlist ou un album se termine. Alimentée par les mêmes signaux que Radio, prolongeant la session d'écoute indéfiniment.
Daily Mix
Un ensemble de 4 à 6 playlists regroupant votre musique sauvegardée et des morceaux similaires par genre ou ambiance. Mis à jour quotidiennement.
AI DJ
Une expérience radio personnalisée avec des commentaires vocaux synthétisés. Utilise le même moteur de personnalisation que les autres surfaces, mais ajoute un contexte parlé sur les artistes et les morceaux. Explication complète →
Outils promotionnels
Discovery Mode
Un arrangement de partage de redevances où les artistes acceptent une commission de 30 % sur les streams provenant de Radio, Autoplay et Mixes en échange d'une probabilité de recommandation accrue. Explication complète →
Marquee
Une publicité plein écran pour les nouvelles sorties (dans les 21 jours), affichée lorsque les auditeurs ciblés ouvrent l'application mobile. Fait partie de Campaign Kit ; tarification au paiement par clic.
Showcase
Une bannière publicitaire sur le fil d'accueil de Spotify pour toute sortie. Fait partie de Campaign Kit ; tarification au paiement par clic. Explication complète →
Canvas
Une vidéo en boucle de 3 à 8 secondes qui se joue derrière votre morceau sur mobile. Non directement algorithmique, mais peut améliorer les métriques d'engagement en encourageant les auditeurs à regarder et à sauvegarder.
Concepts techniques
Exploration contre exploitation
Le compromis que BaRT gère entre vous montrer du contenu qu'il sait que vous aimez (exploitation) et tester du nouveau contenu pour apprendre vos préférences (exploration). Les nouveaux utilisateurs bénéficient de plus d'exploration ; les utilisateurs établis bénéficient de plus d'exploitation.
Problème de démarrage à froid (Cold start problem)
Le défi de recommander de la musique pour de nouveaux artistes ou de nouveaux utilisateurs qui n'ont aucun historique d'écoute. L'analyse audio aide à résoudre ce problème en permettant des recommandations de similarité sonore sans données comportementales.
Stratégie epsilon-glouton (Epsilon-greedy strategy)
L'algorithme spécifique que BaRT utilise pour équilibrer exploration et exploitation. La plupart du temps, il exploite (montre des recommandations à haute confiance) ; occasionnellement, il explore (montre des recommandations incertaines pour recueillir des données).
Bandit contextuel (Contextual bandit)
Un cadre d'apprentissage automatique qui apprend les actions optimales basées sur le contexte. BaRT est un système de bandit contextuel qui prend en compte le contexte de l'utilisateur (heure de la journée, appareil, activité récente) lors de l'établissement des recommandations.
Spectrogramme
Une représentation visuelle des fréquences sonores dans le temps. Les CNN de Spotify analysent les spectrogrammes pour extraire des caractéristiques audio des formes d'onde brutes.
Microgenre
Une classification de sous-genre granulaire utilisée pour la personnalisation. Spotify maintient une grande taxonomie de microgenres basée sur les schémas d'écoute et les caractéristiques audio.
Segments d'auditeurs
Auditeur actif
Un auditeur qui recherche intentionnellement votre musique à partir de sources actives (profil d'artiste, pages de sortie, playlists personnelles, recherche) au cours des 28 derniers jours.
Auditeur actif mensuel
Le sous-ensemble des auditeurs mensuels qui ont écouté intentionnellement à partir de sources actives, et pas seulement via des playlists passives ou l'exposition à la Radio.
Auditeur programmé
Un auditeur qui a entendu votre musique via des playlists algorithmiques ou éditoriales sans vous avoir recherché activement.
Concepts de plateforme
Règle des 30 secondes
Un stream ne compte pour les redevances et les métriques d'engagement que si l'auditeur écoute le morceau pendant 30 secondes ou plus. Les sauts avant 30 secondes ne génèrent aucun revenu et envoient des signaux négatifs. Explication complète →
Seuil de 1 000 streams
Depuis 2024, les morceaux doivent accumuler 1 000 streams sur une période glissante de 12 mois pour générer des redevances. Les streams en dessous de ce seuil ne sont pas rémunérés.
Indice de popularité
Un score de 0 à 100 que Spotify attribue à chaque morceau et artiste en fonction de la vélocité de streaming récente. Des scores plus élevés indiquent une croissance plus rapide par rapport à la moyenne de la plateforme. Explication complète →
Profil de goût (Taste profile)
Le modèle algorithmique que Spotify construit pour chaque utilisateur en fonction de son historique d'écoute, de ses sauvegardes, de ses sauts et de son activité de playlist. Alimente toutes les recommandations personnalisées.