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 « Inspired by your recent listening »), avec des playlists individuelles à l'intérieur de ces étagères appelées « cartes ».
BaRT a deux fonctions :
- 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 selon votre historique d'écoute, l'heure de la journée et la manière dont vous avez réagi aux recommandations précédentes.
Comment BaRT équilibre-t-il exploration et exploitation ?
BaRT équilibre constamment deux modes :
Le mode exploitation recommande les contenus que le système pense que vous aimerez. Il s'appuie sur votre historique d'écoute, les chansons sauvegardées, les titres ignorés et l'activité des playlists pour prédire ce qui vous fera continuer à écouter.
Le mode exploration recommande des contenus dont le système est incertain. Cela a deux objectifs : aider Spotify à mieux connaître vos préférences et vous faire découvrir une 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. À l'occasion, il explore pour recueillir de nouvelles informations.
Pour les nouveaux utilisateurs qui ont peu d'historique d'écoute, BaRT privilégie davantage l'exploration. Pour les utilisateurs de longue date aux préférences établies, il s'oriente davantage vers l'exploitation.
Quel est le signal de réussite de 30 secondes ?
BaRT mesure ses propres performances avec un seuil simple : si un auditeur écoute un titre recommandé pendant plus de 30 secondes, la recommandation est comptée comme réussie.
Plus une personne écoute une playlist ou une session radio recommandée longtemps, plus BaRT prend 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 fonctionne pas seul. Il s'appuie sur trois principaux pipelines de données :
| Source de données | Ce qu'elle capture | Comment elle aide |
|---|---|---|
| Filtrage collaboratif | Les habitudes d'écoute de personnes qui apprécient les mêmes contenus | « Les fans de l'artiste X aiment aussi l'artiste Y » |
| Analyse audio | Tempo, tonalité, énergie, timbre | Trouve des titres aux sonorités similaires pour la Radio |
| Traitement du langage naturel | Paroles, titres de playlists, mentions dans des blogs | Comprend le contexte d'humeur et de genre musical |
Ces signaux alimentent BaRT, qui décide ensuite comment les pondérer pour chaque utilisateur.
Ce que cela signifie pour les artistes
BaRT n'est pas un gardien auquel vous pouvez soumettre votre musique. C'est un moteur de prédiction qui apprend du comportement des auditeurs.
Des sauvegardes nombreuses et peu de skips indiquent à BaRT que votre musique satisfait les auditeurs auxquels elle a été proposée. Cela augmente la probabilité de recommandations futures.
Beaucoup de skips et peu de sauvegardes indiquent à BaRT que la recommandation ne correspondait pas aux attentes. Le système est alors 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 optimiser le taux de sauvegarde, le taux de complétion et les écoutes répétées plutôt que le nombre brut de streams.
Comment BaRT se compare-t-il aux autres systèmes de Spotify ?
BaRT gère spécifiquement l'écran d'accueil et les recommandations personnalisées des étagères. Les autres surfaces algorithmiques ont leur propre logique :
- Discover Weekly est actualisé chaque lundi grâce au filtrage collaboratif
- Release Radar est mis à jour chaque vendredi et donne la priorité aux artistes suivis
- Radio et Autoplay utilisent la similarité audio et des signaux de continuité de session
Ces systèmes partagent des données, mais fonctionnent indépendamment. Un titre qui obtient de bons résultats dans les recommandations d'accueil de BaRT peut aussi être sélectionné par la Radio, mais aucun passage de l'un à l'autre n'est garanti.
Quelles recherches se cachent derrière BaRT ?
La recherche fondatrice 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, Spotify a continué d'affiner cette approche. Un article de recherche publié en 2025 décrit l'utilisation de bandits contextuels pour calibrer les types de contenu (musique, podcasts, livres audio) dans les listes de recommandations, en s'adaptant en temps réel à l'évolution des préférences des utilisateurs.