Comment l'IA transforme le fil Instagram et l'engagement

Vous avez probablement remarqué que votre fil semblait à la fois plus étrange et plus familier. De nouveaux visages. Des favoris anciens. Des écarts plus courts entre ce que vous aimez et ce qui apparaît. Ce changement n'est pas un accident.

Petits changements côté serveur, grandes répercussions comportementales

Mark Zuckerberg a dit aux investisseurs que le temps passé sur Instagram par utilisateur a augmenté à deux chiffres d'une année sur l'autre au deuxième trimestre. L'entreprise attribue cette hausse à une révolution discrète : le moteur de recommandation, ajusté avec une nouvelle intelligence artificielle, combine désormais un traitement plus rapide et un examen plus approfondi des historiques d'activité des utilisateurs. Le résultat est un fil qui paraît personnel, opportun et surtout plus en phase avec ce que les gens veulent réellement regarder et partager.

Pensez-y comme un DJ qui non seulement se souvient des chansons préférées du public, mais lit aussi la salle rapidement et avec précision. Les Reels, le cœur des courtes vidéos d'Instagram, s'appuient désormais sur cette même logique. Des inférences plus rapides. Une architecture repensée. Une mémoire plus longue du comportement passé. Ces changements permettent au système de prédire les intérêts avec une précision renforcée et de proposer des clips qui incitent les spectateurs à appuyer encore une fois.

Meta affirme que ces améliorations se sont traduites par une hausse d'environ 15 points de base du nombre de sessions. C'est un indicateur qui semble faible mais qui peut se renforcer rapidement : plus de sessions signifient plus de repartages, des temps de visionnage plus longs et une boucle de découverte et d'engagement plus grande. Pour une plateforme basée sur l'attention, de petits gains s'accumulent en déplacements d'audience perceptibles.

Comment Meta procède-t-elle réellement ? Selon Zuckerberg, l'entreprise soumet chaque publication publique et chaque clip Reels public à un grand modèle de langage qui analyse le sujet et le ton. Cette analyse étiquette le contenu à grande échelle, permettant au système de recommandation d'associer des subtilités, comme l'humeur, le sujet et l'intention, aux habitudes nuancées des utilisateurs. Meta prévoit d'étendre cette approche à d'autres parties de Facebook, en diffusant la même logique de personnalisation à travers son graphe social.

C'est une tactique efficace. Les grands modèles de langage offrent une sorte de lentille sémantique que les classificateurs plus anciens n'avaient pas. Là où un modèle traditionnel pourrait qualifier un clip de « sport » ou de « comédie », un modèle linguistique moderne peut révéler si le ton est sarcastique, aspirant, didactique ou nostalgique. Ce contexte change la notion de pertinence pour chaque spectateur individuel.

Cependant, l'histoire technique n'est pas la seule intrigue.

Les régulateurs et les avocats suivent cela de près. Plus de 20 États américains ont accusé Meta de concevoir des produits qui accrochent les jeunes utilisateurs. La pression juridique s'accumule, et la direction de Meta s'attend à ce que la surveillance se poursuive. Susan Li, directrice financière de Meta, a averti les investisseurs que plusieurs affaires liées à l'utilisation par des adolescents sont en cours et pourraient entraîner des revers financiers. L'entreprise a mis de côté environ 2,2 milliards d'euros liés à ces poursuites.

Cette tension est importante. D'une part, la personnalisation pilotée par l'IA peut rendre la découverte fluide et agréable. D'autre part, les critiques soutiennent que ces mêmes systèmes peuvent pousser des groupes vulnérables vers un usage excessif. L'architecture qui améliore la pertinence peut aussi amplifier ses effets secondaires si des garde-fous ne sont pas intégrés dès la conception.

Au-delà de Meta, l'industrie évolue rapidement. Apple distribue des versions développeur d'iOS 18.1 qui intègrent les propres fonctionnalités d'IA de l'entreprise au système d'exploitation, signalant que les détenteurs de plateformes et les éditeurs d'applications cherchent tous à offrir des expériences d'IA différenciées. La concurrence s'intensifie publiquement, tandis que la vraie course se joue dans les modèles privés, les optimisations de latence et les décisions produit concernant les domaines où la personnalisation aide et ceux où elle nuit.

Alors, qu'est-ce que cela change pour les utilisateurs ? Pour l'instant, beaucoup vivront simplement l'expérience d'un fil qui paraît plus sur mesure. Pour les décideurs, la question est de savoir si « sur mesure » équivaut à « bénéfique ». Pour les équipes produit, le défi est clair : optimiser la pertinence sans perdre le contrôle. Pour les investisseurs, de petits mouvements en pourcentage du temps passé peuvent changer les récits sur la croissance. Et pour les designers, le travail consiste à faire en sorte que ces gains ressemblent moins à de la manipulation et davantage à un service.

Ce moment concerne moins une astuce d'ingénierie isolée que la mise en place d'une nouvelle logique opérationnelle pour les applications sociales, axée sur l'IA, attentive au comportement des utilisateurs et soumise à une pression juridique pour démontrer sa valeur de manière responsable.