Qu'est-ce qui vous a amené à commencer à travailler dans le domaine de la recommandation de contenu d'actualité ?
J'ai commencé ma carrière dans l'industrie de l'énergie aux États-Unis en 2005. J'ai travaillé 12 ans dans l'industrie de l'énergie. L'industrie de l'énergie est très gourmande en données et très tôt dans ma carrière, j'ai été exposé à des projets de mégadonnées. J'ai vraiment apprécié et, avec le recul, c'était aussi une bénédiction car Big Data Analytics a vraiment décollé au cours des 5 dernières années. Il y a tellement de puissance de cloud computing également disponible que l'espace Big Data Analytics devient très intéressant.
C'était mon parcours professionnel. Sur le plan personnel, j'aime rester à jour et me tenir au courant des développements. Je prends mes nouvelles de diverses sources, notamment des sites Web d'information, des médias sociaux et, bien sûr, des blogs spécialisés. Vers 2017, j'ai pensé qu'il serait bien de marier mon intérêt pour Big Data Analytics et News et je suis passé de Big Data Analytics de l'industrie de l'énergie à Big Data Analytics de recommandation de contenu d'actualités.
Comment cela vous a-t-il amené à fonder Newsology ?
Comme je l'ai mentionné plus haut, je suis un grand consommateur d'actualités. Cependant, j'avais l'impression de recevoir des recommandations d'actualités du grand public - plutôt que d'experts et de professionnels dans un certain domaine. Ainsi, par exemple, je recevais des articles sur la nutrition du grand public, peut-être de mes amis - et je sentais que je préférerais lire ce que les nutritionnistes recommandent. L'hypothèse est qu'un professionnel de son domaine est mieux informé sur la qualité d'un article d'actualité.
Nous avons mené plusieurs séances de rétroaction pour tester notre hypothèse et nous avons estimé qu'il était nécessaire de régler ce problème. Nous avons donc lancé Newsology en 2017. Nous avons reçu les commentaires de notre communauté d'utilisateurs et de journalistes en cours de route pour nous assurer que nous recommandons un bon contenu à nos utilisateurs. Nous continuons à recevoir des commentaires sur la recommandation des articles suggérés par notre application et nous ajustons notre produit en conséquence.
A quoi ressemble une journée type ?
Je suis définitivement un oiseau de nuit, donc ma "nuit" typique commence par l'analyse de nos KPI clés avec le système existant, puis l'état d'avancement des prochaines améliorations que nous construisons - cela pourrait être des ajustements à notre moteur d'IA, ou des modifications sur notre application. Nous travaillons avec une équipe distribuée. Nous n'avons pas d'horaires fixes pour les réunions. Tout le monde est sur Skype, nous nous envoyons simplement des messages et, si nécessaire, organisons des conférences téléphoniques.
Donc ma nuit est utilisée pour plus de travail technique. Tout au long de la journée, j'ai tendance à effectuer d'autres tâches telles que le marketing, les relations publiques et les efforts liés aux commentaires des clients.
À quoi ressemble votre configuration de travail ? (vos applications, outils de productivité, etc.)
J'ai un ordinateur portable connecté avec une configuration à double écran. J'essaie d'éviter d'écrire de longs e-mails sur mon téléphone et de le garder pour mon ordinateur afin de pouvoir donner des instructions et des réponses claires. Nos tâches sont enregistrées sur Trello. Nous avons des directives très claires sur la façon dont les problèmes sont enregistrés sur Trello, quand une tâche est-elle marquée comme terminée, etc. Nous essayons de maintenir une culture consistant à fournir de nombreuses informations à l'utilisateur suivant afin que la tâche avance efficacement avec un minimum de réunions. Nous sommes définitivement une boutique O365. Nos documents, KPI, flux de travail, présentations, etc. sont tous stockés sur le cloud O365. En dehors de cela, nous utilisons GitHub et AWS.
Comment l’IA fait-elle apparaître le contenu original ?
Il existe une poignée d'applications d'agrégation de nouvelles qui utilisent l'IA pour faire apparaître le contenu original. Il existe plusieurs façons dont ces applications utilisent l'IA pour afficher le contenu original. J'expliquerai deux des méthodes les plus couramment utilisées, puis une variante utilisée par Newsology.
La première technologie utilisable est le filtrage collaboratif. Nous pouvons expliquer le filtrage collaboratif avec un exemple simple. Disons que Stephan s'intéresse à la nutrition et à la perte de poids. Et Sarah s'intéresse également à la nutrition et à la perte de poids. Mais Sarah s'intéresse aussi aux fruits de mer. Peut-être devrions-nous recommander des articles sur les fruits de mer à Stephan ? Si Stephan montre un manque d'intérêt envers les articles sur les fruits de mer, le modèle le reconnaîtra et testera un autre sujet. Vous pouvez voir ici que le moteur d'IA trouve indépendamment de nouveaux sujets susceptibles d'intéresser un lecteur.
Parlons d'une seconde technologie : Doc2Vec. Il y a parfois une perspective intéressante qu'offre un journaliste ou un blogueur. Et cela est noyé par un grand nombre d'articles qui parlent essentiellement de la même chose. Nous pouvons utiliser des algorithmes comme Doc2Vec pour voir si les journalistes parlent du même événement. Ainsi, par exemple, supposons qu'un astrologue découvre deux choses intéressantes sur notre galaxie le même jour. Nous pourrions avoir 10 journalistes couvrant le premier événement mais seulement 1 journaliste couvrant le 2 ème événement. Doc2Vec peut identifier qu'en réalité les 10 journalistes discutent du même événement, et leurs articles seront regroupés en un seul 'display'. Cela donne une chance au 2 ème article d'être montré aux utilisateurs qui s'intéressent à l'astrologie. Dans ce cas, l'IA a aidé un utilisateur à voir des développements qui pourraient autrement être cachés.
La torsion que Newsology ajoute est qu'elle tient également compte de l'expérience professionnelle de l'utilisateur. Prenons notre premier exemple avec Sarah et Stephan. Si un utilisateur de Newsology déclare être nutritionniste, nous ajoutons maintenant cette troisième dimension en recommandant des articles à Sarah et Stephan sur les articles sur la nutrition. C'est-à-dire : quels articles les nutritionnistes lisent-ils ? Compte tenu de ces informations, que pouvons-nous maintenant recommander à Sarah et Stephan ?
Bien sûr, il n'y a pas que deux ou trois modèles d'IA utilisés par les applications d'agrégation de nouvelles. Il existe de nombreux autres modèles qui fonctionnent ensemble, testent ensemble et recommandent ensemble. Ils apprennent également eux-mêmes si leur recommandation fonctionne. Par exemple, l'utilisateur répond-il à la recommandation ? C'est ce qu'on appelle les tests A/B. Et si l'utilisateur ne répond pas, que fait-on ?
Quel est l’avantage pour les blogueurs et les écrivains ?
L'utilisateur souhaite consommer un contenu original et bien articulé. Il y a des milliers de blogueurs et d'écrivains qui écrivent du contenu original qui n'est pas suffisamment exposé. Newsology aide à faire émerger le contenu des blogueurs et écrivains indépendants.
Quels sont les conseils de délégation que vous suivez ?
La délégation est un processus. La première étape consiste à utiliser le quadrant de délégation (important/non important vs urgent/non urgent). Vous seriez surpris du nombre de tâches qui tombent à ce stade. Si je délègue, je trouve qu'il est préférable de prendre le temps d'abord d'écrire moi-même la vision/le besoin/le problème pour m'assurer que j'ai bien compris le problème et le résultat final souhaité. Après avoir bien réfléchi à la tâche, je me demande alors qui est la meilleure personne à qui confier la tâche. Il est important d'expliquer à quoi ressemble un succès et d'encourager le délégué à se demander s'il pense qu'une tâche est accomplie avec succès. Cela garantit que la personne qui accomplit la tâche effectue son propre CQ.
Contenu de nos partenaires
Quels conseils donneriez-vous aux professionnels ambitieux de l’édition numérique et des médias qui se lancent dans le domaine de l’IA et du ML ?
Je vais donner deux conseils. Une soft skill et une hard skill.
Du côté des compétences non techniques, passez beaucoup de temps à embaucher la bonne personne pour la tâche. Mais une fois que vous avez embauché la personne, n'ayez pas peur de tenir votre équipe à des normes élevées. Vous seriez surpris du nombre de personnes qui opèrent avec la mentalité « assez bien ». Ce n'est pas leur faute. Ils recherchent des conseils de votre part sur vos attentes.
Du côté des compétences techniques : les technologies d'IA et de ML peuvent vous aider à exposer votre contenu. Essayez d'utiliser des balises et des mots-clés dans vos articles. Les moteurs d'exploration recherchent ces mots-clés. Aussi, ne diluez pas votre article. Certains éditeurs ajoutent toutes sortes de mots-clés à leur article. Ainsi, leur article peut porter sur la randonnée, mais ils ajoutent en arrière-plan des mots-clés tels que "Politique internationale, voyage dans le temps, etc". Les moteurs d'intelligence artificielle peuvent le détecter et, au contraire, cela fait mal de montrer vos articles.