IA pour la recommandation culturelle

• Comprendre le fonctionnement des systèmes de recommandation
• Concevoir des suggestions de spectacles, d’œuvres et de lieux
• Préserver la diversité culturelle face aux effets de bulle

Responsables numériques, billetterie, éditeurs de plateforme

Notions d’analyse de données et usage du numérique culturel

• Distinguer filtrage collaboratif, par contenus et approches hybrides
• Définir les données utiles : historiques d’achat, d’écoute, navigation
• Choisir les critères : goûts, proximité, nouveauté, budget du spectateur
• Traiter le démarrage à froid d’un nouvel utilisateur sans historique
• Intégrer la recommandation dans un site, une appli ou une newsletter
• Mesurer la pertinence : taux de clic, conversion, découverte de genres
• Prévenir les effets de bulle et valoriser la diversité de l’offre
• Garantir transparence, consentement et maîtrise des données personnelles
• Tester avec des échantillons de publics avant le déploiement
• Piloter l’évolution du système de recommandation dans la durée

• Définir les règles de recommandation d’une saison de théâtre
• Comparer deux scénarios de suggestion pour un même visiteur
• Imaginer un test A/B de recommandation pour une newsletter

• Fiche repère des grands types de systèmes de recommandation
• Check list de transparence d’une recommandation personnelle
• Exemples concrets de recommandation dans le spectacle vivant