Spotify
playlist algorithmique de decouverte
Discover Weekly, la playlist hebdomadaire personnalisee de Spotify lancee en 2015, a cumule plus de 100 milliards de titres streames et fait ecouter ses utilisateurs plus de deux fois plus longtemps.
L'essentiel
- Playlist hebdomadaire de 30 titres de decouverte, regeneree chaque lundi sans action.
- Filtrage collaboratif et analyse audio in-house sur l'historique d'ecoute.
- Plus de 100 milliards de titres streames, ecoute plus de 2x plus longue.
- Preuve B, statut confirme, feature active depuis 2015 (communique 10 ans).
Objectif
Rendre la decouverte musicale automatique et sans effort, pour ancrer l'habitude d'ouvrir Spotify chaque semaine et augmenter le temps d'ecoute et la fidelite face aux plateformes concurrentes.
Le déploiement
Chaque lundi, Spotify livre a l'auditeur une playlist de 30 titres qu'il n'a pas encore ecoutes mais susceptibles de lui plaire. Le systeme croise le filtrage collaboratif (ce qu'ecoutent des profils proches), l'analyse du contenu audio et l'historique d'ecoute. La playlist se regenere chaque semaine, sans action de l'utilisateur. Depuis 2025, l'auditeur peut filtrer Discover Weekly par genre.
Résultats Preuve B
Chiffres publies par Spotify (newsroom 10 ans, et regie publicitaire Spotify) sur une feature en production depuis 2015. Chiffrage direct de la marque-sujet, volume cumule verifiable dans le temps, sans passer par les resultats financiers.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- outil Filtrage collaboratif in-house rapprochement des profils par co-ecoute pour predire des titres jamais ecoutes mais probables
- outil Analyse de contenu audio in-house features audio des titres, en complement du collaboratif la ou la co-ecoute manque (nouveautes, niches)
- infra Pipeline batch hebdomadaire regeneration de la playlist de 30 titres chaque lundi pour chaque auditeur, sans action de sa part
Comment ça tourne, concrètement
Pour les équipes ops-
1Agregation des ecoutes equipe data
Les ecoutes de la semaine, playlists suivies et titres sautes sont consolides par profil.
-
2Generation des candidats IA
Filtrage collaboratif et analyse audio produisent une liste de titres jamais ecoutes mais probables.
-
3Assemblage de la playlist IA
Le systeme selectionne 30 titres, ordonnes pour l'auditeur, livres le lundi.
-
4Boucle de retour humain / IA
Ce que l'auditeur ecoute, sauvegarde ou saute dans la playlist affine la semaine suivante.
L'historique d'ecoute de l'auditeur et les patterns de co-ecoute entre profils proches. Sans donnee d'ecoute recente, le filtrage collaboratif n'a rien pour rapprocher l'auditeur d'autres profils.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLe paradoxe est documente des deux cotes : 71% des consommateurs attendent des interactions personnalisees et 76% sont frustres quand elles manquent (McKinsey, 2021), mais 75% declarent ne pas acheter aupres d'organisations auxquelles ils ne confient pas leurs donnees (Cisco, 2024). La « creepy line » est localisee : messages recus quelques secondes apres une recherche et suivi de localisation sont les pratiques qui mettent le plus mal a l'aise (Periscope by McKinsey, 2019).
Conditions d'acceptation
- La confiance dans le traitement des donnees precede l'achat : 75% ne achetent pas sans elle (Cisco 2024)
- Un cadre legal protecteur rassure : 59% des consommateurs disent que des lois fortes sur la vie privee les rendent plus a l'aise pour partager des informations dans des applications IA (Cisco 2024)
- La personnalisation elle-meme est attendue quand elle est consentie : environ la moitie des consommateurs (US 55%, UK 52%) disent s'inscrire souvent ou parfois a des services personnalises (Periscope by McKinsey 2019)
Lignes rouges
- Le message declenche quelques secondes apres une recherche ou un achat : deuxieme ou troisieme cause de malaise selon les pays (Periscope by McKinsey 2019)
- Le suivi de localisation percu comme de la surveillance : 40% de malaise en Allemagne et au Royaume-Uni (Periscope by McKinsey 2019)
- Le mesusage des donnees personnelles par l'IA, devenu la premiere inquietude des consommateurs, a 53% et en hausse (Qualtrics 2025)
Sources : McKinsey & Company 2021 · Periscope by McKinsey 2019 · Cisco 2024 · Qualtrics 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- historique d'ecoute / consommation par utilisateur
- catalogue avec features audio ou metadonnees
- volume d'utilisateurs suffisant pour le filtrage collaboratif
Prérequis orga
- equipe data science
- pipeline batch fiable
- surface produit pour exposer la playlist
Stack possible
- custom/in-house
- moteur de reco managed
- job batch hebdomadaire
Le plan, étape par étape
- Étape 1Verifier le volume de signal : assez d'usage croise (utilisateurs actifs, co-consommation) pour que le filtrage collaboratif produise des candidatsLivrable : Etude de faisabilite chiffree, go/no-go
- Étape 2Consolider les historiques : ecoutes, sauvegardes et skips par profil dans un pipeline fiableLivrable : Dataset par utilisateur, rafraichi chaque semaine
- Étape 3Construire le modele candidat : filtrage collaboratif + features de contenu pour scorer des items jamais consommesLivrable : Liste de candidats scores par utilisateur, evaluee offline
- Étape 4Assembler la playlist (30 items ordonnes) et la livrer dans une surface produit dediee, un jour fixeLivrable : Playlist hebdomadaire en beta sur un segment
- Étape 5Boucler le feedback : reinjecter ecoutes, sauvegardes et skips, mesurer retention et temps d'ecoute contre temoinLivrable : Boucle d'apprentissage active et lecture d'impact
Première étape : Verifier qu'on a assez de volume d'ecoute croise pour que le filtrage collaboratif produise des candidats pertinents.
Le même pattern, prouvé dans d'autres industries
Boots
scoring par machine learning de la propension a utiliser une offre, applique au courrier et a l'app
Michaels
personnalisation genAI du message marketing (copy) a l'echelle, calee sur la voix de marque
Nike
offres et acces exclusifs personnalises selon l'engagement et l'historique membre
Sources
- S1 Discover Weekly Turns 10: Celebrating 100 Billion+ Tracks Streamed (Spotify Newsroom) Officiel intéressé archive à générer
- S2 Five Years of Discover Weekly (Spotify Advertising) Officiel intéressé archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.