OutilsMeta Engineering ML7sem

Bulles d'amis : améliorer la découverte sociale sur Facebook Reels

Résumé IASource uniqueImpact UE

Facebook enrichit l'expérience sociale de ses Reels avec une fonctionnalité baptisée "Friend Bubbles" (bulles d'amis) : des indicateurs visuels qui signalent les vidéos que vos proches ont aimées ou commentées. D'un simple appel sur une bulle, l'utilisateur peut instantanément lancer une conversation privée avec l'ami en question — transformant la découverte de contenu en point de départ pour des échanges réels.

L'enjeu dépasse la simple curiosité sociale. En combinant signaux d'intérêt personnel et signaux du graphe social, Facebook cherche à créer une boucle vertueuse : le contenu partagé entre amis génère plus d'engagement, ce qui à son tour renforce les recommandations et consolide les liens sur la plateforme. Pour Meta, il s'agit de différencier Facebook Reels de TikTok en jouant la carte de la proximité sociale là où le concurrent mise avant tout sur l'algorithme de découverte anonyme.

L'architecture technique repose sur plusieurs composants d'apprentissage automatique. Deux modèles distincts évaluent la "proximité" entre utilisateurs : l'un s'appuie sur des enquêtes utilisateurs (sondage binaire "proche / pas proche" soumis à un groupe aléatoire), l'autre analyse les interactions réelles sur la plateforme — likes, commentaires, partages — au moment précis où les bulles sont affichées. En production, le premier modèle tourne une inférence hebdomadaire sur des milliers de milliards de connexions entre utilisateurs Facebook. Le second affine la pertinence en capturant la proximité contextuelle, c'est-à-dire la probabilité qu'un contenu recommandé par un ami spécifique résonne vraiment avec le spectateur.

Le principe directeur est clairement énoncé par les ingénieurs de Meta : la qualité des connexions prime sur la quantité. Augmenter mécaniquement le nombre de bulles visibles ne suffit pas à améliorer l'engagement — l'objectif est de ne faire apparaître que les connexions les plus susceptibles de donner un sens social authentique à la recommandation.

Dans nos dossiers

Meta IA

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1AI News

Les systèmes d'IA autonomes reposent sur la gouvernance des données

Alors que le débat sur la sécurité de l'IA s'est longtemps concentré sur les modèles eux-mêmes, un déplacement s'opère vers les données qui les alimentent. Les systèmes d'IA autonomes — capables d'exécuter des tâches, de récupérer des informations et de déclencher des actions dans des flux métiers avec peu ou pas de supervision humaine — dépendent d'un flux continu de données fiables. Lorsque ces données sont fragmentées, obsolètes ou mal contrôlées, le comportement du système devient imprévisible. C'est sur ce problème que se positionne Denodo, éditeur de logiciels spécialisé dans la gestion et l'accès aux données distribuées. Sa plateforme crée une vue unifiée des données issues de sources multiples — clouds, bases internes, services tiers — sans avoir à les centraliser physiquement. Elle permet d'appliquer des règles d'accès, des contraintes de conformité et des limites d'utilisation depuis un point unique, tout en journalisant chaque requête pour constituer une piste d'audit exploitable. L'enjeu dépasse la simple organisation informatique. Dans les secteurs réglementés — finance, santé, industrie —, des résultats imprévisibles issus d'un système autonome peuvent engendrer des risques de conformité sérieux. Pour les applications en contact direct avec les clients, cela se traduit par des décisions erronées ou des réponses incorrectes. En garantissant que plusieurs systèmes d'IA s'appuient sur la même couche de données gouvernée, Denodo réduit le risque de sorties contradictoires entre différents départements d'une même organisation. La capacité à monitorer en temps réel l'utilisation des données et à détecter les activités inhabituelles renforce également la capacité des équipes à comprendre comment un système autonome est parvenu à une décision donnée — un prérequis de plus en plus exigé par les régulateurs. Cette évolution s'inscrit dans une maturité croissante de l'industrie vis-à-vis de l'IA en entreprise. Les premières phases de déploiement se focalisaient sur les capacités des modèles : ce qu'ils pouvaient faire. La conversation actuelle porte sur la manière dont ils doivent être gérés une fois en production. La gouvernance des données, qui constitue la couche la plus basse de la pile — en dessous des modèles et des applications — est ainsi devenue un levier de contrôle à part entière. Denodo participait notamment aux discussions sur ce sujet lors de l'AI & Big Data Expo North America 2026. La prochaine étape de l'adoption de l'IA dépendra probablement moins des avancées des modèles que de la capacité des organisations à structurer les systèmes qui les entourent : la gouvernance n'est plus une option, mais une condition d'exploitation des systèmes autonomes.

UEL'AI Act européen impose traçabilité et auditabilité des systèmes d'IA en production, rendant les plateformes de gouvernance des données directement pertinentes pour les entreprises européennes des secteurs réglementés.

OutilsActu

1 source

2InfoQ AI

GitHub intègre l'IA pour améliorer la gestion des problèmes d'accessibilité et automatiser le tri des retours

GitHub a déployé un système de gestion automatisée des retours d'accessibilité s'appuyant sur l'intelligence artificielle. Développé en interne par l'ingénieure Leela Kumili, le workflow combine GitHub Actions, GitHub Copilot et les APIs GitHub Models pour centraliser les signalements d'accessibilité, analyser leur conformité aux normes WCAG (Web Content Accessibility Guidelines) et automatiser le triage des tickets. L'objectif est de traiter à grande échelle des volumes de retours qui dépassaient les capacités humaines de traitement manuel. L'impact concret est une réduction significative du temps de résolution des problèmes d'accessibilité signalés par les utilisateurs. Le système ne remplace pas la validation humaine, qu'il maintient comme étape obligatoire, mais supprime les tâches répétitives de classification et de priorisation. Pour les équipes produit et les équipes d'accessibilité, cela se traduit par une meilleure collaboration transversale et une inclusion numérique plus rapide à mettre en oeuvre. Les utilisateurs en situation de handicap bénéficient ainsi d'un temps de réponse raccourci sur leurs remontées. Cette initiative s'inscrit dans une tendance plus large chez les grandes plateformes tech à intégrer l'IA directement dans leurs processus internes de qualité et de conformité. GitHub, détenu par Microsoft depuis 2018, capitalise ici sur ses propres outils pour démontrer leur valeur en conditions réelles, une approche dite "dogfooding". La gestion de l'accessibilité représente un enjeu réglementaire croissant, notamment avec le renforcement de l'European Accessibility Act applicable depuis juin 2025, ce qui pousse les éditeurs logiciels à industrialiser leurs processus de conformité.

UEL'European Accessibility Act, applicable depuis juin 2025, pousse les éditeurs logiciels européens à industrialiser leur conformité accessibilité, rendant ce type d'automatisation directement pertinent pour les équipes produit en France et dans l'UE.

OutilsOutil

1 source

3MarkTechPost

Découvrez OpenViking : une base de données contextuelle open-source qui apporte la mémoire et la récupération basées sur le système de fichiers aux systèmes d'agents intelligents comme OpenClaw

OpenViking est une base de données contextuelle open-source pour agents AI développée par Volcengine. Elle utilise un paradigme de système de fichiers pour organiser le contexte, permettant une gestion unifiée des mémoires, ressources et compétences via une structure hiérarchique. Cette approche vise à résoudre cinq problèmes courants dans le développement d'agents : fragmentation du contexte, augmentation volumineuse du contexte pendant les tâches longues, faible qualité de récupération dans des pipelines RAG plats, mauvaise observabilité des comportements de récupération et limitation de l'iteration mémoire au-delà de l'historique de la conversation. Le cœur du design est un système de fichiers virtuel exposant le protocole viking:// pour gérer différents types de contexte via des répertoires (ressources, utilisateur, agent), offrant une navigation plus déterministe par rapport aux recherches de similarité sur un index vecteur plat. La méthode de récupération en arbre de répertoires permet de conserver à la fois la pertinence locale et la structure globale du contexte, améliorant ainsi les modèles de récupération traditionnels. De plus, OpenViking inclut un mécanisme intégré pour la chargement progressif du contexte en couches (L0, L1, L2) pour minimiser la surcharge token lors des requêtes d'agents étendues à plusieurs référentiels et mémoires accumulées.

OutilsActu

1 source

4Presse-citron

Revolut lance son IA spéciale banque et finance : conseils, économie, assistance, elle change l’interface de l’application

Revolut a annoncé le lancement d'AIR (AI by Revolut), un assistant d'intelligence artificielle directement intégré à son application mobile. Disponible en premier au Royaume-Uni avec un déploiement progressif sur d'autres marchés, AIR permet aux utilisateurs de gérer leurs finances via une interface conversationnelle en langage naturel. Concrètement, l'assistant peut analyser les dépenses, bloquer une carte bancaire, suivre des investissements, gérer des abonnements ou encore fournir une assistance lors de voyages, le tout sans naviguer dans les menus traditionnels de l'application. Ce changement représente un tournant dans la façon dont des millions d'utilisateurs interagissent avec leur banque au quotidien. En remplaçant la navigation par menus par un simple échange textuel, Revolut cherche à réduire la friction dans la gestion financière personnelle. Pour les utilisateurs, cela signifie pouvoir poser une question comme "combien ai-je dépensé en restaurants ce mois-ci ?" et obtenir une réponse instantanée, sans chercher dans plusieurs onglets. C'est un pari sur l'adoption massive des interfaces conversationnelles dans la fintech. Revolut, qui compte plus de 50 millions de clients dans le monde, s'inscrit ainsi dans une tendance de fond : l'intégration de l'IA générative dans les services financiers. Des concurrents comme Monzo ou N26 explorent des fonctionnalités similaires, tandis que les banques traditionnelles peinent à s'adapter à cette rapidité d'exécution. AIR représente une étape vers une application bancaire pilotée entièrement par l'IA, une vision que Revolut semble vouloir concrétiser marché après marché.

UERevolut étant présent en France et dans toute l'UE avec des millions de clients, le déploiement progressif d'AIR pourrait transformer concrètement l'expérience bancaire quotidienne des utilisateurs européens de la néobanque.

OutilsOutil

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour