Les livres-jeux des années 80 ont fait des émules chez les nouvelles générations de cinéastes, avec une approche différente, des moyens avancés et diversifiés. Le film interactif Black Mirror, produit par Netflix, est un des précurseurs de ce nouveau genre cinématographique.
Ceux qui veulent profiter du caractère interactif du film doivent donc le visionner sur la chaîne. Derrière cette technologie cinématographique où le spectateur peut choisir des parcours différents du personnage pour arriver à 5 fins différentes. Mais quel est le rapport avec la Big data ?
Black Mirror Bandersnatch : synopsis et mode de création
Bandersnatch retrace l’aventure de Stefan Butler, jeune programmeur d’une vingtaine d’années et créateur de jeu vidéo. Dans son parcours pour réaliser son projet d’adaptation d’un livre-jeu « Choose your own adventure », il est mit devant des choix d’actions et de chemins divers (au choix du téléspectateur). À certains moments, Stefan ressent un contrôle extérieur de sa vie par des forces extérieures. Il sombre peu à peu dans la folie ou la paranoïa. Son aventure se clôture par 5 fins différentes, en fonction de la multitude de choix faits par le téléspectateur.
La réalisation de Bandersnatch
Ce film est imaginé par Charlie Brooker, journaliste, animateur et scénariste anglais qui a auparavant créé une série d’anthologies ayant donné lieu à la franchise de Black Mirror. Sous ce titre qui renvoie aux écrans noirs de nos appareils préférés (la télé, l’ordinateur, les mobiles), son auteur veut nous confronter à des réalités pour le moins terrifiantes de notre époque : une dépendance quasi collective à la technologie, au risque d’être contrôlé par des entités diverses.
Il a fallu plus d’un an pour planifier le film et 35 jours pour le tournage. Le long du scénario, le téléspectateur peut explorer plus d’un trillion de permutations, mais seulement cinq fins principales possibles.
Au-delà du script et de la réalisation de Black Mirror Bandersnatch
Le téléspectateur prend des décisions tout au long du film, allant du choix des aliments au petit-déjeuner, à celui de traverser un miroir, de sauter d’un balcon, de tuer son psychologue, etc. Chaque choix influe sur la destinée de Stefan. Mais à chaque fois, le téléspectateur produit en fait des données de grande importance à notre ère de la Big Data ! Y a-t-il donc un but particulier et important à la collecte de ces données ?
Netflix : un grand maître de la data
Aujourd’hui, on ne se pose plus de questions sur l’utilité d’un tel produit et source de données pour le leader mondial du VOD. Ceci étant dit, il est de raison de s’interroger sur comment Netflix exploite la data à travers ses propres offres de divertissement et comment la chaîne l’utilise.
Modèle de data mining selon Netflix
Netflix, pionnier de l’interactivité avec ses utilisateurs, déploie une ingénieuse stratégie de collecte de données via des spectacles interactifs. Cette approche, exploitant le Big Data, constitue une véritable mine d’or pour les moteurs de recommandation, rivalisant avec des géants tels qu’Amazon, Pinterest et Best Buy. Grâce à un puissant outil de data mining, Netflix va au-delà des données traditionnelles pour analyser les préférences, les appareils de visionnage, la durée des sessions, offrant ainsi une expérience personnalisée.
Doté d’une stratégie innovante de collecte de données, Netflix utilise le Big Data à travers des spectacles interactifs, notamment avec l’épisode de Black Mirror sorti en janvier 2019. Cette approche va au-delà des données passives pour inclure des éléments tels que le type de contenu visionné, l’appareil utilisé, et même la possibilité de revenir en arrière. En décembre 2018, avec l’épisode interactif mettant en vedette Fionn Whitehead sur ZX Spectrum, Netflix révolutionne l’analyse des préférences des utilisateurs dans le domaine de la science-fiction.
Data Black Mirror Bandersnatch : quelles utilités pour Netflix ?
Les possibilités sont immenses tout au long de l’histoire. Netflix peut en apprendre davantage sur ses utilisateurs, leurs habitudes, leurs préférences, leur niveau de satisfaction et même, peut-être, sur leurs secrets. Il s’agit de connaître précisément chacun de ses utilisateurs, pour pouvoir adapter l’offre.
En somme, « Black Mirror : Bandersnatch » permet à Netflix d’amener la publicité à un degré beaucoup plus subtil, en fonction des choix du téléspectateur.
Data Mining : comment extraire et exploiter les données ?
Entreprise data-driven assumée, Netflix dispose de ses propres algorithmes de data mining et de recommandations. Les techniques peuvent en effet varier d’une entreprise à l’autre, selon ses objectifs :
- Le modèle descriptif établit des modèles et trouve des relations entre les données actuelles. L’objectif est de les synthétiser pour simplifier la présentation d’une situation
- L’analyse prédictive sert à mettre en valeur des résultats futurs. Elle s’appuie sur des données connues pour sortir des données plus précises.
- L’analyse des valeurs aberrantes : Elle sert notamment à identifier des données qui ne correspondent pas exactement à des modèles : pour la détection des fraudes, la détection des intrusions dans les réseaux, etc.
Netflix en particulier fait usage d’une technique de data mining orientée marketing prédictif.
Data Mining : capacités et limites
Chez Netflix, la data mining prédictive guide entièrement les recommandations d’émissions et de films, s’appuyant sur les visionnages antérieurs. Dans un rapport publié le 28 décembre, Netflix met en lumière l’impact positif du marketing prédictif, renforçant la fidélité des abonnés. Cette approche, illustrée par des épisodes interactifs comme celui de Black Mirror avec Will Poulter en décembre 2018, offre une expérience personnalisée où les utilisateurs peuvent faire des choix influant sur le déroulement de l’histoire, rappelant l’univers des jeux vidéo. Réalisé par David Slade et mettant en vedette Craig Parkinson, cet épisode marque une étape significative dans l’évolution de la plateforme de streaming.
Autrement dit, la data mining est un outil puissant qui peut aider ses utilisateurs finaux à identifier des modèles et des relations dans les données massives. Le data mining justifie donc toute son importance :
- Elle aide les entreprises à recueillir des informations fiables, en vue de réaliser des ajustements rentables en termes de production et d’exploitation
- Il est possible de faire de la data mining aussi bien avec les anciens comme les nouveaux systèmes
- Les entreprises prennent des décisions plus éclairées en détectant les risques et les limites d’une stratégie
- La data mining permet aux data scientists d’analyser facilement et rapidement d’énormes quantités de données, d’élaborer des modèles de risque et d’améliorer la sécurité des produits
- Elle aide les datas specialists à lancer rapidement des prédictions automatisées de comportements et de tendances, tout en mettant en valeur des modèles cachés.
Mais sa réalisation ne dispense ni de connaître son entreprise et ses besoins, ni de comprendre les données et leurs méthodes d’analyse.
Les possibles dérives du data mining
La collecte de données sur les habitudes de consommation pose des problématiques d’ordre éthique et légal pour les utilisateurs de data mining.
En effet, le data mining est un travail mené sur des informations nominatives permettant de dresser un profil complet des consommateurs. Aussi, quel que soit l’individu, il est indispensable pour l’entreprise d’informer ses utilisateurs et prospects sur à l’utilisation de leurs données, et de rendre possible une opposition à celle-ci. Est-ce que Netflix s’en assure ? Y a-t-il une chance que le cauchemar de Stefan Butler devienne réalité ?
Vous souhaitez vous former au Big Data ? Retrouvez les formations Data Full Stack et Data Analyst qui vous forment aux métiers de Data Analyst, Data Scientist, Data Engineer et AI Scientist.
Merci pour votre lecture ! Si vous souhaitez lire nos prochains articles autour de la Data et de l’IA, vous pouvez nous suivre sur Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié !
