Streaming : comment l’IA de Vionlabs analyse l’impact émotionnel des contenus pour améliorer la personnalisation

Pascale Paoli Lebailly
Ce contenu est réservé aux abonnés La Tribune

Photo d'illustration
La Tribune

Pascale Paoli Lebailly
Ce contenu est réservé aux abonnés La Tribune

Photo d'illustration
La Tribune
L'IA cognitive (qui imite le fonctionnement du cerveau) sera-elle la nouvelle trouvaille des plateformes de streaming pour booster leurs algorithmes de recommandation de programmes ? Alors que 64% des utilisateurs de services de vidéo à la demande ne s'arrêtent pas sur un titre qui leur aurait peut-être plu parce que la présentation ne leur parle pas ou parce que l'offre est trop large, de plus en plus d'outils d'intelligence artificielle sont déployés pour « faciliter » la vie des utilisateurs. Objectif : améliorer la visibilité des contenus y compris à travers des pastilles pour TikTok, Instagram ou YouTube. En matière de personnalisation, la technologie de Vionlabs, fondée sur l'analyse des émotions, ouvre une nouvelle voie.
« On ne parle pas que de marketing mais d'engagement. L'IA cognitive de Vionlabs utilise des algorithmes avancés et le machine learning afin d'extraire des métadonnées permettant de comprendre l'impact émotionnel des contenus » expliquait Arash Pendari, fondateur et directeur de la création de Vionlabs. Lors d'une table ronde sur l'IA et l'innovation au marché audiovisuel, Mip TV, de Cannes en avril dernier, il a par exemple montré comment Netflix personnalisait ses vignettes des programmes et ses extraits.
À lire également
En produisant des métadonnées automatiques des films et des séries (palette de couleurs, environnement, humeur dominante, niveau de stress), Vionlabs peut fournir des analyses émotionnelles, des extractions de mots clé, produire des vignettes, des clips de présentation ou des shorts pour un visionnage sur portable. Alimentée par une IA appelée Ainar, sa technologie Fingerprint+ a été intégrée, en septembre 2023, par la plateforme de vidéos par abonnement, Hulu au Japon. Le service cherchait à améliorer la précision et la personnalisation de ses recommandations, ses taux de clics et la couverture de son catalogue.
Pascale Paoli Lebailly