États-Unis : un Marocain parmi les concepteurs d’un algorithme révolutionnaire

Le Marocain Anasse Bari fait partie d’un groupe d’informaticiens de l’Université de New York, qui a développé un nouvel algorithme qui « déjoue le profiling des moteurs de recherche ». De même, il élargit les recommandations et devrait favoriser « une utilisation plus saine des plateformes comme Google, Netflix, etc ».

Pyrorank. C’est le nouvel algorithme conçu par une équipe d’informaticiens de l’Université de New York, dont le Marocain Anasse Bari pour « briser les bulles de filtres ». Il prend en compte le contenu qu’un utilisateur recherche en capturant un éventail de recommandations tout en diminuant l’importance de ce qu’il a déjà acheté ou avec lequel il a interagi. Pyrorank qui fonctionne comme un « complément » algorithmique aux systèmes de recommandation disponibles propose des résultats plus diversifiés et intéressants.

D’où est venue l’inspiration ? Anasse Bari et ses collègues se sont inspirés du « comportement des animaux à la recherche de nourriture ». « En ce qui concerne l’inspiration pour trouver des solutions aux problèmes informatiques, la nature est l’endroit idéal pour chercher. […] « Les phénomènes naturels, tels que les vols d’oiseaux à la recherche de nourriture, montrent que la nature peut souvent trouver des solutions optimales, mais simples, pour répondre aux besoins », explique Anasse Bari, professeur agrégé d’informatique à l’Université de New York.

Ces systèmes traditionnels montrent toutefois leurs limites parce qu’ils peuvent continuer à montrer aux utilisateurs « le même type de contenu encore et encore ». Un véritable problème. À titre d’illustration, « les gens peuvent ne voir que des nouvelles qui correspondent à leurs points de vue, sans être exposés à d’autres perspectives », fait savoir Le Desk. Des tests effectués, il ressort que le nouvel algorithme produit une plus grande variété de recommandations par rapport aux systèmes traditionnels. Seul inconvénient : il pourrait légèrement réduire la précision de ses prédictions quant à ce que l’utilisateur pourrait aimer. L’équilibre entre diversité et précision peut être néanmoins ajusté en fonction de la situation, estiment les chercheurs.