Comment BaRT organise l'écran d'accueil
L'écran d'accueil de Spotify est structuré en rangées de playlists appelées « étagères » (comme « Made for You » ou « Inspiré de vos écoutes récentes »), avec des playlists individuelles à l'intérieur de ces étagères appelées « cartes ».
BaRT a deux missions :
- Classer les cartes au sein de 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 et l'exploitation ?
BaRT équilibre constamment deux modes :
Le mode exploitation recommande du contenu dont le système est certain que vous l'apprécierez. Il s'appuie sur votre historique d'écoute, vos titres enregistrés, vos morceaux passés et votre activité sur les playlists pour prédire ce qui vous incitera à continuer l'écoute.
Le mode exploration recommande du contenu sur lequel le système est incertain. Cela sert deux objectifs : aider Spotify à mieux comprendre 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.
Idée clé : Pour les nouveaux utilisateurs ayant peu d'historique d'écoute, BaRT s'appuie davantage sur l'exploration. Pour les utilisateurs de longue date ayant des préférences établies, il penche davantage vers l'exploitation.
Qu'est-ce que le signal de succès de 30 secondes ?
BaRT mesure sa propre performance à l'aide d'un seuil simple : si un auditeur écoute un titre recommandé pendant plus de 30 secondes, la recommandation est considérée comme réussie.
Plus une personne écoute longtemps une playlist recommandée ou une session radio, plus BaRT gagne en confiance dans ses prédictions pour cet utilisateur. C'est pourquoi les skips précoces nuisent à votre portée algorithmique : ils indiquent à BaRT que la recommandation a échoué.
Quelles sont les trois sources de données utilisées par BaRT ?
BaRT ne travaille pas seul. Il s'appuie sur trois pipelines de données principaux :
| Source de données | Ce qu'elle capture | Comment elle 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, énergie, timbre | Trouve des titres soniquement similaires pour la Radio |
| Traitement du langage naturel | Paroles, titres de playlists, mentions sur les blogs | Comprend le contexte de l'humeur 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 que vous pouvez démarcher. C'est un moteur de prédiction qui apprend du comportement des auditeurs.
Un nombre élevé de saves et peu de passages apprennent à BaRT que votre musique satisfait les auditeurs à qui elle a été présentée. Cela augmente la probabilité de futures recommandations.
Un nombre élevé de passages et peu de saves apprennent à BaRT que la recommandation n'était pas adaptée. Le système devient moins susceptible de montrer votre titre à des auditeurs similaires.
La seule façon d'influencer BaRT est de lui envoyer des signaux positifs grâce à un engagement authentique des auditeurs. Cela signifie qu'il faut optimiser le taux de saves, le taux de complétion et le nombre d'écoutes répétées plutôt que le volume brut de streams.
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 :
- Découvertes de la semaine se rafraîchit chaque lundi en utilisant le filtrage collaboratif
- Radar des sorties se met à jour chaque vendredi et donne la priorité aux 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 obtient de bons résultats dans les recommandations d'accueil de BaRT peut également être repris par la Radio, mais il n'y a pas de croisement garanti.
Quelle recherche soutient BaRT ?
La recherche fondamentale a été publiée par les ingénieurs de Spotify en 2018 sous le titre « Explore, Exploit, Explain: Personalizing Explainable Recommendations with Bandits ». Le document décrit comment BaRT apprend à prédire la satisfaction de l'utilisateur pour toute combinaison d'élément, d'explication et de contexte.
Depuis, Spotify a continué d'affiner l'approche. Un document de recherche de 2025 décrit l'utilisation de bandits contextuels pour calibrer les types de contenu (musique, podcasts, livres audio) au sein des listes de recommandations, s'adaptant aux préférences évolutives des utilisateurs en temps réel.