Elon Musk a réécrit l’algorithme de recommandation de la plateforme X en utilisant une architecture Transformer et l’a open source, mais n’a pas publié les poids du modèle ni les données d’entraînement.
(Précédent contexte : Musk en ligne pour défendre OpenAI : l’ancien « grand frère » exige 1340 milliards de dollars, la nostalgie finit-elle par céder face aux affaires ?)
(Complément d’information : Dans « Le guide ultime pour gagner de l’argent en écrivant sur la plateforme X », Musk lance X Articles pour doubler les revenus, cibler l’audience, présenter des faits, supprimer les bavardages, promouvoir l’abonnement…)

Table des matières de cet article

• Passage complet des règles strictes à la prédiction IA
• La formule de score de recommandation montre « l’économie de l’attention »
• Portée de l’open source et limites de la boîte noire

Le 20 janvier, heure américaine, Elon Musk a téléchargé le nouveau code de l’algorithme de recommandation de X, nommé « Phoenix », sur GitHub. Le document indique que le système est passé d’une ingénierie manuelle basée sur des règles « si… alors… » à une architecture IA centrée sur Transformer, mais sans publier les poids du modèle ni les données d’entraînement.

Passage complet des règles strictes à la prédiction IA

Au cours des dix dernières années, le classement des tweets sur X (anciennement Twitter) dépendait principalement de règles définies par des ingénieurs, telles que des mots-clés, des relations de suivi ou la durée de visionnage. Selon la structure du code récemment dévoilée par X, Phoenix a supprimé la majorité des caractéristiques manuelles, en utilisant un analyseur Transformer, issu de xAI et de Grok, pour analyser la séquence du comportement utilisateur.

Les actions telles que liker, partager, bloquer ou le temps de visionnage sont traitées comme des événements continus, et le modèle prédit la prochaine étape via une distribution de probabilité, déterminant ainsi la portée et la visibilité du contenu.

La formule de score de recommandation montre « l’économie de l’attention »

Dans le fichier Git, la logique de calcul la plus centrale est simplifiée en :

Score = Σ (Probabilité × Poids)

Ce qui indique qu’il s’agit d’estimer la probabilité que l’utilisateur déclenche diverses actions pour un tweet donné, puis de multiplier par le poids défini par la plateforme.

Par exemple, si la probabilité de liker est de 60 %, celle de bloquer de 5 %, et que la plateforme attribue un poids positif au « like » et un poids négatif au « blocage », le score final influencera directement si le tweet entre dans le flux de recommandation. Le document indique que le temps de visionnage peut même être quantifié à la seconde près, ce qui signifie que les créateurs de contenu seront davantage orientés par l’algorithme vers l’objectif de « retenir l’attention ». Quant aux valeurs exactes des poids pour chaque action, le code ne les divulgue pas.

Portée de l’open source et limites de la boîte noire

Bien que le code soit accessible en consultation, les paramètres réels du modèle et l’ensemble complet des données d’entraînement ne sont pas publics. Les analyses du marché estiment qu’en comparaison avec TikTok ou Meta, qui sont totalement fermés, Phoenix fournit au moins le processus de calcul ; mais l’absence de poids empêche les développeurs externes de vérifier l’efficacité de la recommandation ou de reproduire le modèle.

Cela contraste avec la première ouverture partielle de X en 2023, où certains paramètres avaient été dévoilés. Musk, en « open source démonstrative », a répondu aux critiques de transparence de communautés comme Slashdot, tout en conservant une véritable barrière commerciale.

Phoenix symbolise également l’intégration de la stack technologique de X et xAI, où la plateforme X alimente Grok avec d’énormes données d’interaction en temps réel, et ce dernier contrôle la distribution du trafic, formant ainsi une boucle fermée.