La sélectivité plutôt que la quantité
Le fondateur de Deepnews a récemment été longuement interviewé sur les mutations des médias dans l’excellent podcast Ginkio.
- On retiendra de cette interview que, chez Deepnews, l’idée de départ est qu’il faut un sourcing précis et de qualité.
Le fondateur explique ainsi qu’il existe deux types d’informations : d’un côté, les « commodity news », que l’on retrouve partout gratuitement et qui n’ont aucune valeur ajoutée, et de l’autre, « l’information à valeur ajoutée ». C’est sur cette dernière que Deepnews s’est concentré.
Pour la newsletter gratuite, 600 sources anglophones ont été sélectionnées manuellement, car les fondateurs de Deepnews ont considéré que surveiller le plus de sources possible était en réalité inefficace.
Pour les newsletters payantes, le corpus varie d’un sujet à l’autre, et il est prévu de faire appel à des experts des secteurs concernés pour valider les sources.
« On a décidé de travailler sur un corpus un peu fermé. On a regardé chacune de nos sources dans le détail : des journaux, des publications universitaires, mais aussi des petites sources. C’est une des spécificités de Deepnews à laquelle je tiens énormément. On part du principe que sur Internet existent des articles extrêmement riches et très largement sous-exploités. Sur tous les sujets, il y a un niveau d’expertise absolument phénoménal. Nous avons vocation à détecter ce niveau d’expertise. » Frédéric Filloux, fondateur de Deepnews, dans le podcast Ginkio du 19 décembre 2019.
Un tandem humain/machine learning
Même si le discours commercial de leur site Web met beaucoup en avant la notion de machine learning pour détecter des informations de qualité, il s’agit en réalité plutôt d’une complémentarité entre l’humain et l’algorithme.
L’humain sélectionne un corpus de sources qualifiées ; l’algorithme passe en revue tous les articles publiés dans ces sources en lien avec le thème de la newsletter et retient les 25 articles qu’il évalue comme les plus pertinents. Comme la pertinence n’est pas parfaite (estimée aujourd’hui à 85 % en moyenne, mais inégale selon le domaine d’activité), un humain se charge ensuite de revoir, valider et éventuellement annoter les contenus retenus pour la newsletter.
Ce temps de travail humain après la sélection est estimé à 1 h par semaine et par newsletter.
L’éternel problème de la boîte noire
Sur de grands sujets d’actualité et d’avenir qui génèrent un gros volume d’articles, même de qualité, l’idée d’un algorithme capable de faire ressortir les 25 articles qu’il faut absolument avoir lus fait évidemment rêver.
Mais, comme toujours, il s’agit d’une boîte noire sur laquelle ni l’internaute ni même l’équipe n’a la main.
