# Spotify fait état de gains grâce à un agent conversationnel de recommandation musicale

> Une équipe de recherche de Spotify explique comment elle a utilisé des conversations simulées et l’amélioration automatisée des prompts pour concevoir un agent musical. Selon ses membres, lors de tests A/B, le système a augmenté le temps d’écoute et le nombre d’utilisateurs actifs par semaine par rapport à une fonctionnalité limitée à l’affinement d’une session d’écoute.

Oossa · 2026-09-29 · https://oossa.com/fr/spotify-reports-gains-from-a-conversational-music-recommendation-agent

Des chercheurs de Spotify affirment qu’un agent conversationnel de recommandation a contribué à augmenter le temps d’écoute et le nombre d’utilisateurs actifs par semaine lors de tests A/B en ligne. Le système permet aux utilisateurs de décrire ce qu’ils recherchent en langage courant — par exemple, « des artistes indie italiens que je ne connais pas encore » — plutôt que de demander uniquement des modifications à une session d’écoute en cours.

Les résultats figurent dans un article publié sur arXiv le 28 septembre 2026 et répertorié comme un article de RecSys 2026. Les auteurs font état d’une hausse de 14 % du temps d’écoute, d’une augmentation de 5 % du nombre d’utilisateurs actifs par semaine et d’une baisse de 5 % du taux de morceaux passés, par rapport à l’ancienne fonctionnalité de Spotify permettant d’affiner une session.

## Comment le système a été conçu

L’équipe s’est penchée sur un défi à relever avant le lancement : apprendre à un agent à planifier, notamment à choisir les outils à utiliser et leur ordre d’utilisation, alors qu’il ne dispose pas encore de conversations réelles avec des utilisateurs pour apprendre. Son processus transforme des prompts à un seul tour en conversations simulées à plusieurs tours afin de tester l’agent en amont.

L’équipe s’appuie ensuite sur une boucle d’amélioration automatisée pour repérer et corriger les erreurs de planification et d’utilisation des outils. La méthode compare différentes réponses de l’agent et les modifie par itérations avec l’aide d’un agent de programmation. Les chercheurs affirment que cette démarche a amélioré la qualité de 8 % par rapport à un prompt manuel déjà très optimisé. Ils ajoutent qu’elle a raccourci les cycles de développement, sans que le résumé de l’article précise de combien.

## Ce que montrent les résultats

Les chiffres rapportés sur le temps d’écoute et l’engagement proviennent de tests en ligne comparant le système à une fonctionnalité antérieure précise, et non à l’ensemble des façons dont les utilisateurs se servent de Spotify. Dans son résumé, l’article ne précise ni le nombre de participants, ni la durée des tests, ni si l’agent est accessible à tous les utilisateurs.

L’étude porte principalement sur une méthode de développement : utiliser des conversations générées et des révisions automatisées pour améliorer un agent avant son lancement et pendant celui-ci. Cette approche pourrait aider les équipes à tester des outils de recommandation en langage naturel même si, au départ, elles disposent de peu de données issues d’interactions réelles.

## Les faits

- L’article a été publié sur arXiv le 28 septembre 2026 et indique RecSys 2026 comme référence de publication.
- Les chercheurs ont généré des conversations à plusieurs tours à partir de prompts à un seul tour pour tester l’agent avant son lancement.
- L’équipe fait état d’une amélioration de la qualité de 8 % par rapport à un prompt manuel très optimisé.
- Lors de tests A/B, les chercheurs rapportent une hausse de 14 % du temps d’écoute, une augmentation de 5 % du nombre d’utilisateurs actifs par semaine et une baisse de 5 % du taux de morceaux passés par rapport à l’ancienne fonctionnalité d’affinement d’une session.

## Pourquoi c'est important

Pour les auditeurs, cette approche vise à faciliter la recherche musicale grâce à des descriptions détaillées formulées dans le langage courant. Les gains rapportés sont encourageants, mais le résumé ne précise ni la taille ni la durée des tests, et ne permet pas d’établir que l’agent est accessible à tous.

## Sources et références

1. [Bootstrapping Conversational Recommendation Agents At Spotify: Synthetic Data Generation and Self-Improvement Loops](https://arxiv.org/abs/2609.30297) – arXiv, 2026-09-28

Dernière mise à jour: 2026-09-29