Présentation du service
Le 28 octobre 2026, TikTok a annoncé le déploiement de Must Eat, une interface communautaire qui centralise les recommandations de restaurants. Le service apparaît d’abord dans trois métropoles américaines – New York, Los Angeles et San Francisco – et se veut une alternative visuelle aux listes classiques de Yelp ou Google Maps.
Must Eat s’intègre directement à l’écosystème TikTok : les utilisateurs y accèdent via la barre de recherche, le fil Local, les pages de restaurants ou les liens géolocalisés dans les vidéos. Une fonctionnalité supplémentaire permet de réserver une table en temps réel grâce à une connexion avec OpenTable, transformant la découverte en action immédiate.
Mécanismes de recommandation
Le moteur de Must Eat exploite plus de 40 millions de publications et commentaires générés sur la plateforme pour extraire des suggestions de lieux. Les données sont agrégées, puis filtrées par ville, type de cuisine, fourchette de prix, note moyenne et distance, offrant ainsi une recherche granulaire adaptée aux préférences de chaque utilisateur.
Les recommandations sont classées en deux catégories distinctes : « Everyday Eats », qui regroupe les établissements de quartier à forte fréquentation, et « Elevated Dining », dédié aux restaurants ciblés pour des occasions spéciales. Cette segmentation repose sur des critères d’engagement (likes, partages) et sur la densité de mentions positives, mais elle expose également le système à des biais de popularité et à une sur‑représentation des établissements déjà viraux.
Implications concurrentielles et limites
En combinant découverte visuelle et réservation instantanée, Must Eat place TikTok en concurrence directe avec les acteurs traditionnels du guide local. Le trafic potentiel redirigé depuis la plateforme vers les restaurants partenaires pourrait réduire la part de marché de Yelp et de Google Maps, tout en offrant à TikTok une nouvelle source de monétisation via les commissions de réservation.
Le modèle repose toutefois sur l’analyse de contenus générés par les utilisateurs, ce qui soulève des questions de modération et de transparence. TikTok ne publie pas de métriques détaillées sur la pondération des signaux (likes, commentaires, durée de visionnage), ce qui complique l’évaluation de la fiabilité des classements. De plus, la collecte massive de données de localisation et de préférences alimentaires implique des risques de confidentialité, notamment si les informations sont exploitées à des fins publicitaires sans consentement explicite.
