3 pièce(s) jointe(s)
Steam s'appuie sur le machine learning dans son nouveau système de recommandation interactif
Steam s'appuie sur le machine learning dans son nouveau système de recommandation interactif,
qui s'éloigne des approches traditionnelles
Une des forces de Steam est son gigantesque catalogue de jeux, créés tant par de grands studios que des développeurs indépendants, avec des offres dans quasiment tous les genres. Avec tant de choix, de nombreux utilisateurs ont demandé de meilleurs outils pour trouver des jeux qui pourraient les intéresser.
Aussi, depuis des années maintenant, Valve teste de nouvelles approches pour filtrer la surabondance de jeux Steam pour proposer aux utilisateurs les applications qui sont les plus susceptibles d'aiguiser leur intérêt. À cette fin, la société a déployé un système de recommandation interactif basé sur l'apprentissage automatique et formé sur des « milliards de sessions de jeu » à partir de la base d'utilisateurs Steam.
Par le passé, Steam s’appuyait largement sur des métadonnées telles que les tags des utilisateurs, des listes organisées par les utilisateurs, les notes globales données aux applications ainsi que les données de vente pour piloter ses algorithmes de recommandation.
Mais le nouveau système de recommandation est différent, explique Valve, car il fonctionne sans aucune information initiale interne ou externe sur les jeux eux-mêmes (à l'exception de la date de sortie) : « le store offre déjà certaines fonctionnalités, comme la recherche par tags, qui peuvent être efficaces. Néanmoins, nous pensons pouvoir faire encore mieux en tirant parti de la puissance de l'apprentissage automatique (machine learning) pour offrir aux joueurs des recommandations personnalisées basées sur leurs habitudes de jeux individuelles. Ajoutez à cela des contrôles en temps réel pour ajuster vos résultats, et le système de recommandations devient un outil amusant et puissant pour explorer Steam et vous faire découvrir vos futurs jeux favoris ».
Votre propre historique de lecture est une partie essentielle de ce modèle piloté par un réseau de neurones. Le nombre d'heures que vous mettez dans chaque jeu de votre bibliothèque est comparé à celui de millions d'autres utilisateurs de Steam. Le réseau de neurones peut donc faire des « suggestions éclairées » sur les types de jeux qui pourraient vous intéresser.
« Ce nouveau système de recommandations utilise un modèle de réseau de neurones qui a été entraîné pour recommander des jeux en fonction de l'historique de temps de jeu de l'utilisateur, ainsi que diverses autres données importantes. Pour entraîner ce modèle, nous utilisons les données de millions d'utilisateurs Steam et de milliards de sessions de jeu afin de générer des résultats fiables qui rendent compte des nuances des différents profils types de joueur et qui couvrent notre catalogue. Ce modèle dispose de plusieurs paramètres qui permettent notamment de limiter les recommandations aux jeux sortis pendant un intervalle de temps donné, ou de favoriser les jeux qui ont une forte popularité ou au contraire une faible popularité. Ces paramètres peuvent être modifiés par les utilisateurs ; vous pouvez donc choisir de ne voir que les sorties récentes dans les résultats, ou remonter dans le temps et inclure les jeux sortis il y a dix ans. De même, vous pouvez choisir de voir les titres les plus populaires, ou explorer les recoins oubliés du catalogue. Quel que soit le réglage des curseurs, les résultats seront toujours personnalisés et pertinents pour chaque utilisateur ».
L’apprentissage automatique sur Steam
Valve explique que, contrairement aux approches plus traditionnelles, il n’injecte pas directement dans son modèle des données sur les jeux. À la place, c'est le modèle lui-même qui apprend à connaître les jeux pendant la phase d'apprentissage. « En réalité, la seule information qui est injectée directement dans le modèle pendant cette phase est la date de sortie, ce qui nous permet de proposer un intervalle de temps glissant pour le réglage de la date de sortie. Il s'avère qu'inclure la date de sortie dans le processus d'apprentissage du modèle donne de meilleurs résultats que de filtrer les résultats obtenus en sortie sur cette date ».
Qui plus est, le modèle n'incorpore aucune information sur les tags ou les scores d'évaluations. Cela signifie que les évaluations et les tags à eux seuls ne peuvent pas influer sur les résultats. Le modèle déduit les propriétés des jeux en apprenant ce que font les utilisateurs sans prendre en compte d'autres données externes.
Les utilisateurs ont la possibilité de filtrer les résultats finaux sur les tags pour les limiter au genre de jeux qu'ils recherchent à un moment donné, mais cela ne fait pas partie du modèle sous-jacent.
Un réseau de neurones informé par la communauté Steam des joueurs
« On pourrait rassembler la totalité des informations d'un jeu, en déduire quels jeux sont similaires, puis les recommander. Mais cela conduit à toutes sortes de distorsions bizarres ; ce n'est pas parce qu'un utilisateur joue beaucoup à Beat Saber que nous devrions uniquement lui recommander des jeux de rythme en VR. Notre modèle mise sur une approche différente. Il ne tient pas compte de la plupart des données usuelles d'un jeu, telles que le genre ou le prix. Il se concentre plutôt sur les jeux auxquels vous et d'autres utilisateurs jouez, et il fait ensuite des suggestions pertinentes basées sur les décisions des autres joueurs sur Steam. Le modèle repose sur l'idée que si des joueurs avec des habitudes de jeu globalement similaires aux vôtres ont également tendance à jouer à un autre jeu que vous n'avez pas encore essayé, alors ce jeu serait susceptible de vous plaire » .
Valve a choisi le terme « popularité » uniquement car il n'existe sans doute pas de terme plus exact, mais l'idée est celle du mot « mainstream ». Tout comme pour les livres, la musique ou les films, l'éventail de ce que les gens recherchent est très vaste. Certains veulent connaître les derniers jeux les plus populaires, tandis que d'autres veulent le contraire : des jeux qui sont pertinents par rapport à leurs centres d'intérêt mais ne sont pas nécessairement très connus. Valve est persuadé que cet outil sera utile aux joueurs d'un bout à l'autre du spectre. L’éditeur affirme avoir remarqué que fouiller dans les jeux dits « de niche » peut s'avérer un excellent moyen de trouver des merveilles cachées, surtout pour ceux qui jouent à beaucoup de jeux.
Plutôt que d'apporter d'importants changements dans la manière dont les recommandations personnalisées sont déterminées par Steam, Valve propose à titre d'expérience ce nouveau système de recommandations que les clients peuvent essayer. « Cela nous permettra de recueillir de meilleures données concernant l'utilisation, tout en évitant des changements soudains qui, nous le savons, peuvent être frustrants pour les clients et les développeurs qui sont habitués à Steam ».
Dans le cas où l'expérience du système de recommandations interactif ou les expériences connexes s'avéreraient concluantes, Valve fera une annonce avant de déployer d'importantes modifications à la manière dont Steam recommande des titres aux utilisateurs. Les catégories « populaires », « nouveautés » et « à la une », la liste de découvertes, ce nouveau système de recommandations, etc. sont tous basés sur des données différentes. Ce nouveau système de recommandations interactif s'inscrit comme un élément de découverte parmi bien d'autres.
Néanmoins, les nouveaux jeux dans un système tel que celui-ci posent un problème de « démarrage à froid ». En effet, le modèle ne peut pas recommander des jeux auxquels personne n'a joué car il n'a aucune donnée sur ces jeux. Il peut réagir très rapidement, et avec un réapprentissage, prendre en compte les nouveautés avec des données sur quelques jours seulement. Ceci dit, le modèle ne peut pas remplacer le rôle de la liste de découvertes en faisant émerger du tout nouveau contenu ; Valve voit donc cet outil comme un ajout aux mécanismes existants plutôt que comme un remplacement de ces derniers.
Pas besoin d’optimisation pour les développeurs
Cela devrait donc permettre d’éviter les problèmes soulevés par les développeurs qui tentent de jouer avec le système en choisissant des tags populaires ou en s’appuyant sur des critiques positives, comme ils l’ont fait avec les algorithmes de recommandation précédents.
À ce propos, Valve explique « Parfois, la découverte assistée par ordinateur pousse les créateurs à cibler leur optimisation sur “l’algorithme“ plutôt que sur les clients. Vous vous demandez peut-être : en quoi est-ce différent ici ? Nous avons fait en sorte que le système de recommandations soit guidé par les actions des joueurs, et non pas par des éléments externes comme les tags ou les évaluations. La meilleure optimisation pour ce modèle consiste donc à créer un jeu auquel les utilisateurs aiment jouer. Même s'il est important de donner des informations utiles aux joueurs à propos de votre jeu sur sa page du magasin, sachez que les tags et les autres métadonnées n'auront pas d'influence sur la manière dont le modèle de recommandations verra votre jeu ».
S’adressant encore aux développeurs, l’éditeur explique avoir conçu ce nouveau système de recommandations comme un outil destiné aux clients, et qui, idéalement, les aidera également. En attendant, les développeurs peuvent voir combien de visites le système de recommandations génère depuis la page « Analyse du trafic » pour chacun de leurs jeux. « Notez cependant qu'il est possible que cette expérience ne génère pas beaucoup de trafic par rapport au reste de Steam », précise Valve.
:fleche: Découvrir le système de recommandation interactif
Source : Valve
Et vous ?
:fleche: Disposez-vous d'un compte sur Steam ?
:fleche: Allez-vous essayer ce nouveau système de recommandation ?
:fleche: Si vous l'avez déjà essayé, quelle différence constatez-vous avec les autres systèmes de recommandation ? Pensez-vous que celui-ci vous apporte un plus ?
:fleche: Que pensez-vous de l'approche de ce système ?
:fleche: Ce genre de service vient-il justifier la commission de 30% prélevé par Steam ?
Voir aussi :
:fleche: Steam va continuer à supporter les jeux sur Ubuntu après le rétropédalage de Canonical, mais Valve semble vouloir explorer d'autres distributions
:fleche: Epic Games continue sa campagne de conquête en annonçant deux nouvelles exclusivités à sa plateforme, qui étaient précédemment annoncées sur Steam
:fleche: « Epic Games va cesser de faire des exclusivités si Steam offre aux développeurs plus d'argent », a annoncé Tim Sweeney, PDG d'Epic Game
:fleche: Valve muscle son service de Cloud gaming, Steam Link, avec Steam Link Anywhere : désormais vous pouvez jouer en streaming à vos jeux PC partout
