Aller au contenu

YouTube

Session watch time : le virage YouTube de 2016

En 2016, YouTube a publié le fonctionnement technique de son algorithme de classement. Ce que ce document dit vraiment, et ce qu’il ne dit pas sur le session watch time.

Deux choses distinctes portent la date de 2016 dans l’histoire du classement YouTube, et il importe de ne pas les confondre. La première est documentée avec précision : un article scientifique publié par trois ingénieurs de YouTube en septembre 2016. La seconde — l’idée que le temps passé sur YouTube au-delà d’une seule vidéo compte pour le classement — est confirmée par YouTube elle-même, mais sans date de première annonce vérifiable.

Pourquoi le watch time par vidéo ne suffisait pas

Le pivot de 2012 avait fait du watch time — le temps cumulé qu’un spectateur passe à regarder une vidéo — le critère central du classement, à la place du nombre de vues. Mais mesurer le watch time d’une seule vidéo laisse ouverte une question : que se passe-t-il ensuite ? Un spectateur qui regarde une vidéo en entier, puis quitte YouTube, ne rapporte pas la même chose qu’un spectateur qui enchaîne sur une autre vidéo. Le système de 2012, tel que documenté, ne distinguait pas ces deux cas.

Le papier de 2016 : YouTube documente son passage à l’apprentissage profond

Le 15 septembre 2016, trois ingénieurs de YouTube — Paul Covington, Jay Adams et Emre Sargin — ont publié « Deep Neural Networks for YouTube Recommendations » à la conférence RecSys de l’ACM, la conférence académique de référence sur les systèmes de recommandation. Le document explique que le classement repose sur deux réseaux de neurones distincts : un premier qui réduit des millions de vidéos à quelques centaines de candidates, un second qui les classe finement.

Le document précise explicitement l’objectif du second réseau : prédire le watch time attendu (« expected watch time ») pour chaque vidéo candidate, plutôt que la probabilité de clic. Les auteurs justifient ce choix en des termes proches de ceux employés par YouTube en 2012 : classer par taux de clic favorise des vidéos trompeuses que le spectateur n’achève pas, alors que le watch time capture mieux l’engagement réel.

Le même document contient une précision qui mérite d’être relevée : bien que YouTube dispose de mécanismes de retour explicite (pouces vers le haut ou vers le bas, sondages intégrés au produit), le modèle décrit dans cet article s’entraîne sur le retour implicite du visionnage — pas sur les sondages de satisfaction — parce que ce signal est disponible en bien plus grand volume. Un lecteur qui a retenu l’idée que 2016 marquerait le passage de YouTube au tout-satisfaction trouvera ici une nuance : au moment de ce document, le signal d’entraînement dominant restait le temps de visionnage, pas la réponse à un sondage.

Le session watch time : ce que YouTube confirme au-delà d’une seule vidéo

Indépendamment de ce document technique, YouTube a confirmé par ailleurs, dans ses propres contenus destinés aux créateurs, qu’une vidéo est aussi jugée sur ce qu’elle produit après elle : si elle amène le spectateur à regarder autre chose sur YouTube, elle contribue positivement à ce que les créateurs appellent le session watch time — le temps de visionnage cumulé sur l’ensemble d’une session, pas seulement sur une vidéo isolée. YouTube l’a formulé ainsi, dans une vidéo destinée aux créateurs : une chaîne dont le contenu pousse à regarder davantage ailleurs sur la plateforme en profite, tandis qu’une vidéo qui fait quitter YouTube est désavantagée.

Cette confirmation existe bel et bien — ce n’est pas une extrapolation de blogueurs SEO. Mais, à la différence du document de septembre 2016, elle n’est adossée à aucune date de première publication vérifiable en source primaire à ce stade de la recherche. Le présenter comme un « changement de 2016 » au même titre que le papier de recherche serait prêter à cette confirmation une précision qu’elle n’a pas.

Ce qui est bien daté, ce qui ne l’est pas

Le tableau qui suit sépare volontairement les deux. Confondre les deux, c’est risquer de dater un concept réel — le session watch time existe et compte — à partir de la date d’un document qui n’en parle pas explicitement.

Ce qui est documenté et ce qui reste déduit

Affirmation Statut Source
Le 15 septembre 2016, YouTube a publié un article décrivant son système de classement en deux réseaux de neurones Documenté Google Research, « Deep Neural Networks for YouTube Recommendations »
Ce système est entraîné pour prédire le watch time attendu, pas la probabilité de clic Documenté Google Research, même document
Le document précise que l’entraînement du modèle décrit repose sur le visionnage implicite, pas sur les sondages de satisfaction Documenté Google Research, même document
YouTube confirme qu’une vidéo qui prolonge le temps passé sur la plateforme est avantagée dans le classement Documenté (sans date de première annonce vérifiée) Déclaration de YouTube reprise par Backlinko
La date exacte à laquelle YouTube a commencé à mesurer le session watch time Non documenté —

Le watch time, par vidéo ou par session, n’est pas pour autant le seul signal : ce que la documentation officielle dit des autres critères de YouTube.

Questions fréquentes

Le session watch time et le papier de 2016 sont-ils la même chose ? Non. Le papier de septembre 2016 documente le passage à un classement par apprentissage profond, centré sur le watch time d’une vidéo. Le session watch time est un concept distinct, confirmé par YouTube mais non daté avec la même précision.

Une vidéo qui retient bien son spectateur mais le fait quitter YouTube ensuite est-elle pénalisée ? D’après ce que YouTube a confirmé, oui, relativement à une vidéo équivalente qui prolonge la session sur la plateforme — même si le poids exact de cet effet n’est pas publié.

Le classement par apprentissage profond a-t-il remplacé tout ce qui existait avant 2016 ? Le document ne le dit pas explicitement ; il décrit une évolution technique de la manière de calculer le classement, pas un abandon des principes posés en 2012, qu’il reconduit plutôt.

Deux affirmations de 2016, deux niveaux de preuve Le papier de recherche du 15 septembre 2016 est daté précisément. Le session watch time est confirmé par YouTube mais sans date de première annonce vérifiée. DATÉ PRÉCISÉMENT 15 septembre 2016 Papier RecSys de YouTube Deux réseaux de neurones : génération de candidats et classement Objectif : prédire le watch time attendu, pas le clic Entraîné sur le visionnage implicite, pas les sondages Source : conférence ACM, document public et daté CONFIRMÉ, NON DATÉ Session watch time Déclaration de YouTube Une vidéo qui prolonge le temps passé sur YouTube est avantagée au classement Confirmé dans une vidéo destinée aux créateurs Date de première annonce : non vérifiée à ce stade Ne pas dater à « 2016 » sans preuve de la première annonce
Le papier « Deep Neural Networks for YouTube Recommendations » (Covington, Adams, Sargin) est daté avec précision : présenté à la conférence RecSys de l’ACM le 15 septembre 2016. Le session watch time est confirmé par YouTube dans une vidéo destinée aux créateurs, mais aucune date de première annonce n’a été vérifiée en source primaire à ce stade de la recherche — les deux ne doivent pas être fondus en un seul « changement de 2016 ».

Bibliographie

  1. static.googleusercontent.com — Covington, Adams, Sargin, « Deep Neural Networks for YouTube Recommendations », RecSys ’16, 15 septembre 2016
  2. backlinko.com — page « Watch Time », citant une déclaration vidéo de YouTube sur le session watch time, mise à jour le 10 mars 2025

Grégory Florin

Expert SEO et auteur sur learnSEO.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *