Présentation du service
Le mercredi 2024, TikTok a annoncé Must Eat, une nouvelle section qui transforme les 40 millions de publications, avis et commentaires liés à la restauration en un guide interactif. Le dispositif propose des critiques crowdsourcées, la possibilité d’appeler ou de réserver directement depuis l’application, ainsi qu’une carte géolocalisée. La fonctionnalité se décline en deux onglets – « everyday eats » et « elevated dining » – et permet de filtrer par note, distance, type de cuisine ou statut d’ouverture. Au lancement, la disponibilité est limitée à New York, Los Angeles et la Bay Area.
Architecture et traitement des données
Must Eat s’appuie sur le moteur de recommandation interne de TikTok, qui agrège les métadonnées des vidéos (tags, mentions, commentaires) et les associe à des entités de lieux via une base de données géospatiale. Chaque restaurant possède une page qui intègre les vidéos pertinentes grâce à un index inversé basé sur les mots‑clés et les identifiants de localisation. Le système de réservation utilise l’API de partenaires tiers, déclenchée par un appel HTTP lorsqu’un utilisateur clique sur le bouton « Réserver ». Les appels sont journalisés et soumis à un contrôle anti‑spam afin d’éviter les réservations automatisées.
Le filtrage en temps réel repose sur un cache Redis qui stocke les scores de popularité calculés à partir du nombre de vues, de likes et de commentaires associés à chaque établissement. Les scores sont pondérés par un facteur de fraîcheur (décrément de 0,1 % par jour) pour privilégiser les contenus récents. La carte affichée utilise les tuiles de Google Maps, mais les points d’intérêt sont rendus à partir du propre jeu de données de TikTok, garantissant ainsi une cohérence entre les vidéos et la localisation affichée.
Analyse des impacts concurrentiels et limites
Avec 27 millions de convives américains ayant découvert un nouveau lieu grâce à TikTok l’an passé, Must Eat introduit un canal de découverte qui combine le format vidéo et la fonctionnalité de réservation. Cette approche diffère de Yelp, qui repose principalement sur des avis textuels, et de Google Maps, qui ne propose pas de contenu vidéo intégré. L’absence de paiement pour figurer dans les listes, explicitée par TikTok, vise à limiter les biais de monétisation, mais le modèle de modération reste opaque : les algorithmes de filtrage ne sont pas détaillés, ce qui peut entraîner des déséquilibres de visibilité entre établissements très médiatisés et petites structures.
Sur le plan technique, la dépendance à une base de données géospatiale et à des caches en mémoire impose des exigences de scalabilité importantes, surtout si la fonctionnalité s’étend au-delà des trois métropoles initiales. Le traitement de 40 millions d’interactions en temps réel nécessite une architecture de streaming (Kafka ou équivalent) pour éviter les latences lors de la mise à jour des scores de recommandation. Enfin, la collecte de données personnelles (géolocalisation, réservations) doit se conformer aux exigences du GDPR et du CCPA, ce qui impose des mécanismes de consentement explicite et de suppression à la demande.
