Présentation de la fonctionnalité
Meta déploie sur Facebook la fonction « Your Algorithm », déjà testée sur Instagram, qui permet aux utilisateurs de choisir explicitement les sujets qu’ils souhaitent voir ou éviter dans le fil d’actualité et les Reels. L’interface propose les boutons interested et not interested accessibles depuis le menu à trois points d’un post ou directement sous le contenu. En sélectionnant une option, l’utilisateur peut également fournir un texte libre décrivant son souhait, ce qui déclenche une mise à jour immédiate du classement.
Mécanisme d’intégration des LLM
Le cœur du nouveau système repose sur des large language models (LLM) intégrés aux pipelines de ranking. Contrairement aux modèles traditionnels qui utilisent uniquement des signaux d’interaction (clics, temps de visionnage, etc.), les LLM analysent le texte fourni par l’utilisateur pour extraire intérêts, contexte et intention. Cette analyse s’effectue en temps réel, le modèle générant un vecteur de préférence qui est injecté dans le score final du post avant son affichage. Meta indique que le processus « répond en temps réel, adaptant la même session », ce qui implique que le calcul du score doit être effectué dans la même requête de rendu, limitant la latence à quelques dizaines de millisecondes.
Impacts sur le classement et la réactivité
En combinant les signaux explicites (boutons) avec les vecteurs sémantiques issus des LLM, le système peut ré‑ordonner les contenus sans attendre l’accumulation de données comportementales historiques. Cette approche réduit le délai entre la modification d’une préférence et son effet visible, améliorant la perception de contrôle par l’utilisateur. Cependant, l’ajout d’un modèle de langage à chaque requête augmente la charge CPU/GPU des serveurs de ranking, ce qui nécessite une optimisation du modèle (quantisation, inference à faible latence) pour éviter un impact négatif sur le temps de réponse global du fil.
Limites et enjeux de confidentialité
Le traitement du texte libre soulève des questions de protection des données personnelles. Meta doit extraire les intentions sans conserver de traces identifiables, ce qui implique l’usage de techniques de différenciation ou de stockage temporaire. De plus, la transparence du modèle reste limitée : les utilisateurs ne savent pas quels critères exacts le LLM privilégie, ce qui peut compliquer la détection de biais algorithmiques. Enfin, la fonctionnalité dépend de la disponibilité d’une connexion stable, car le calcul du vecteur de préférence se fait côté serveur ; en cas de perte de connexion, les ajustements ne seront pas appliqués immédiatement.
