← Cas
États-UnisMédias et divertissement2009 – en cours

Netflix

Système de recommandation et de personnalisation

Les recommandations orientaient environ 80 % des heures de visionnage sur Netflix, qui évaluait leur apport à plus de 1 milliard de dollars par an

Résultats confirmésDéclaration de l’entreprise

Problématique

Un abonné à un service de streaming qui ne trouve pas rapidement quoi regarder peut cesser de l’utiliser et se désabonner. Le catalogue de Netflix était trop vaste pour que les abonnés le parcourent, et chaque abonné perdu devait être remplacé par un nouveau.

Approche

Netflix a développé en interne un ensemble d’algorithmes qui classent les titres sur la page d’accueil, composent des rangées personnalisées, sélectionnent des titres similaires, choisissent les visuels et alimentent la recherche. L’entreprise est passée de la prédiction des notes en étoiles, au cœur de son activité à l’époque du DVD et du Netflix Prize, à des modèles fondés sur les comportements de visionnage en streaming. Elle évaluait les modifications par des tests A/B mesurant la fidélisation et l’engagement à moyen terme.

Chiffres clés

~80%Part des heures de streaming pour lesquelles le système de recommandation a influencé le choixDéclaration de l’entreprise[1]
$1B+Économies annuelles estimées grâce à la personnalisation et aux recommandations, principalement par la baisse du taux de résiliationDéclaration de l’entreprise[1][2]

Enseignement

Netflix évaluait la valeur des recommandations à partir des résiliations évitées, sans mesurer de ventes directes. Le chiffre de 1 milliard de dollars est une estimation de Netflix datant de 2015.

Catégories

Fonction de l’entreprise
Marketing et ventesInformatique et R&D
Mode d’adoption
Développement interne
Type de preuve
Déclaration de l’entreprise

Sources

  1. The Netflix Recommender System: Algorithms, Business Value, and Innovation
    ACM Transactions on Management Information Systems28 déc. 2015Étude ou rapport de recherche

Résumés des sources

[1]ACM Transactions on Management Information Systems28 déc. 2015

Carlos Gomez-Uribe et Neil Hunt, de Netflix, décrivent les algorithmes de recommandation du service et leur évaluation par des expérimentations A/B. Ils indiquent que les recommandations influencent environ 80 % des heures de streaming, les 20 % restants provenant de la recherche. Selon eux, la personnalisation a réduit le taux mensuel de résiliation de plusieurs points de pourcentage, et ils estiment l’effet combiné à plus de 1 milliard de dollars par an.

[2]Tubefilter20 juin 2016

Tubefilter rapporte l’estimation annuelle de 1 milliard de dollars avancée par deux dirigeants de Netflix et explique que les économies proviennent principalement de la fidélisation des abonnés. L’auteur précise que cette estimation ne peut être étayée par des chiffres solides et pourrait être quelque peu surestimée.

Les informations complètes figurent dans les sources d’origine.

Ajouté le 25 oct. 2026 · Mis à jour le 25 oct. 2026
Ouvrir la page du cas ↗