Pourquoi le secteur des jeux en ligne doit repenser la personnalisation
La personnalisation est devenue l'un des termes les plus fréquemment utilisés dans les stratégies de jeux numériques, mais selon Fraser Dunk, PDG de Jurnii, c'est aussi l'un des moins bien compris. Dans un entretien accordé à G3, il explique que les opérateurs ont trop souvent emprunté des modèles de personnalisation au e-commerce et aux médias sans tenir compte du caractère habituel et intentionnel du comportement de jeu, créant ainsi une complexité inutile là où la clarté et la cohérence permettraient souvent d'obtenir de meilleurs résultats.
Fraser, vous avez dit que la personnalisation est abordée de manière beaucoup trop vague. Quand les opérateurs parlent de « personnalisation », à quoi font-ils généralement référence et avec quoi la confondent-ils ?
Il me semble essentiel de préciser d'emblée que la personnalisation est un concept fondamental de la stratégie produit numérique, et le secteur des jeux en ligne ne fait pas exception. Bien maîtrisée, elle influence quasiment tous les aspects importants de l'expérience du joueur, de la présentation du contenu à la structuration des parcours et au timing des offres.
Le problème, c'est que le terme lui-même est devenu trop vague. Il sert désormais à tout décrire, des e-mails ciblés et des parcours CRM aux moteurs de recommandation basés sur l'IA, en passant par la gestion des clients VIP et la configuration des produits. Dès lors que tout devient « personnalisation », le mot perd de son sens.
Différents types de personnalisation sont à l'œuvre : personnalisation du contenu, personnalisation de l'expérience utilisateur, personnalisation du parcours client, personnalisation des offres et configuration des produits. Il s'agit de problématiques distinctes, nécessitant des données, des compétences et des indicateurs de performance différents, mais le secteur les regroupe souvent sous un seul concept fourre-tout.
L'autre point important est que les opérateurs interprètent souvent mal un besoin réel de l'utilisateur. Les études montrent généralement que lorsque les clients disent vouloir de la personnalisation, ils veulent en réalité de la pertinence et une expérience fluide. Ils veulent accéder rapidement et facilement à ce qu'ils recherchent. Ils ne réclament pas une sophistication algorithmique pour le simple plaisir de la sophistication.
Où constatez-vous les plus grandes erreurs de catégorisation ?
L'une des principales sources de confusion réside dans la distinction entre personnalisation explicite et implicite. La personnalisation explicite est initiée par l'utilisateur : les joueurs configurent activement leur expérience, que ce soit par le biais de leurs préférences, de leurs paramètres ou du type de messages qu'ils souhaitent recevoir. La personnalisation implicite, quant à elle, est pilotée par le système : la plateforme déduit les attentes du joueur à partir de son comportement et s'adapte en conséquence.
Dans le jeu vidéo, on s'intéresse bien plus à l'aspect implicite qu'à l'aspect explicite. Cela s'explique en partie par le fait que l'essor de l'IA et de l'apprentissage automatique a engendré une sorte de phénomène de surmédiatisation autour des possibilités offertes. On est attiré par la sophistication du moteur de jeu, plutôt que de prendre du recul et de se demander si l'on s'attaque au bon problème dès le départ.
Ce qui est intéressant, c'est que les entreprises les plus souvent citées comme preuve de l'efficacité de la personnalisation implicite, telles que Netflix et Spotify, investissent massivement dans les signaux explicites. Les utilisateurs notent, apprécient ou n'apprécient pas certains contenus et établissent des profils de préférences. Ce sont ces données explicites qui permettent d'améliorer les systèmes implicites. Dans le domaine du jeu vidéo, nous avons tendance à négliger cette étape. Nous appliquons des modèles basés sur l'historique des comportements et espérons que cela suffira à améliorer l'engagement.
Je ne perçois pas vraiment l'explicite et l'implicite comme un continuum. Je les vois plutôt comme les deux faces d'une même pièce. Les meilleurs systèmes de recommandation sont optimisés par les données explicites, mais c'est un domaine que l'industrie du jeu vidéo sous-exploite encore.
Comme vous l'avez souligné, le jeu vidéo est une activité routinière et chronophage. En quoi cette réalité limite-t-elle fondamentalement la valeur des expériences hyper-personnalisées dès lors qu'un joueur sait déjà ce qu'il veut faire ?
De nombreuses recherches auxquelles j'ai participé, notamment des études ethnographiques et des groupes de discussion, convergent vers la même conclusion : le jeu est bien plus routinier que guidé par la découverte. Lors de la plupart des sessions de jeu suivantes, le joueur cherche à accomplir une tâche. Il souhaite se rendre à un marché, placer un pari ou jouer à un jeu qu'il connaît déjà. Il n'est pas forcément dans une démarche exploratoire.
Les sciences comportementales sont formelles à ce sujet. Une fois qu'un comportement devient une habitude, la motivation et la réflexion diminuent considérablement, car il s'agit d'une routine. Ainsi, si une personne se connecte tous les mardis soirs pour jouer au même jeu, lui proposer des recommandations à ce moment précis risque de nuire à son bien-être psychologique plutôt que de le renforcer.
Cela ne signifie pas que la personnalisation n'a aucun rôle à jouer, mais plutôt que sa valeur se concentre à des moments clés du cycle de vie client. L'intégration en est un exemple. La réactivation en est un autre. Les lancements de nouveaux produits peuvent également être pertinents. Cependant, c'est souvent en appliquant des expériences hyper-personnalisées de manière constante à chaque session, quel que soit le contexte, que le secteur se trompe.
À quel moment la personnalisation commence-t-elle à gêner l'utilisateur ? À quoi ressemble une sur-personnalisation dans un casino en direct ou un site de paris sportifs ?
Cela devient un obstacle lorsque cela interrompt le parcours au lieu de le faciliter. Un utilisateur évoluant dans un environnement de paris sportifs en direct ou de casino en direct est généralement très motivé et peu tolérant aux frictions. S'il doit naviguer entre des recommandations, des hiérarchies de contenu changeantes ou des mises en page instables pour atteindre une destination connue, vous avez dégradé le produit au nom de la pertinence.
Il existe un concept fondamental d'expérience utilisateur appelé « orientation », qui consiste à aider les utilisateurs à s'orienter et à se déplacer avec assurance dans une interface. Les utilisateurs s'appuient sur des repères et des schémas familiers. Si l'agencement d'un hall d'entrée est modifié à chaque visite, ou si la navigation change d'une session à l'autre, ces habitudes sont perturbées.
Le modèle le plus sûr est une structure statique avec un contenu personnalisé intégré. Ainsi, un composant « Recommandé pour vous » peut rester à un emplacement fixe, tandis que ses titres changent. Cela fonctionne. Mais lorsque l'architecture elle-même devient dynamique, la personnalisation devient perturbatrice.
Apple raconte une anecdote intéressante à propos de la lecture aléatoire sur l'iPod. Le système était censé être aléatoire, mais les utilisateurs se plaignaient de ne pas ressentir cette impression, car entendre deux fois de suite le même artiste leur paraissait étrange. Apple a donc dû modifier le fonctionnement de la lecture aléatoire pour qu'elle paraisse plus aléatoire. Cela nous rappelle utilement que la logique algorithmique et la perception humaine sont deux choses différentes. La personnalisation peut être techniquement correcte et pourtant s'avérer déconcertante à l'usage.
La découverte se fait souvent en dehors de la plateforme plutôt que sur celle-ci. Dans ce cas, les opérateurs n'investissent-ils pas excessivement dans la personnalisation sur site au détriment de la correction des fondamentaux de l'expérience utilisateur ?
Dans de nombreux cas, oui. Ce phénomène n'est évidemment pas propre au jeu vidéo. Dans tous les secteurs numériques, de nombreuses décisions d'achat et découvertes ont lieu avant même que l'utilisateur n'accède à la plateforme. Cela passe par les pairs, les affiliés, les moteurs de recherche, les réseaux sociaux, les influenceurs et d'autres canaux externes.
Dans le secteur des jeux en ligne, ce phénomène est particulièrement marqué. Une grande partie du trafic arrive sur un site avec une intention déjà formée. Le joueur a déjà vu le jeu, le marché ou la marque ailleurs, et lorsqu'il arrive sur le site, il sait déjà globalement ce qu'il veut faire – ce qui pose un problème d'attribution. Les moteurs de recommandation intégrés au site peuvent s'attribuer le mérite d'interactions qui auraient eu lieu de toute façon, simplement parce que le contenu était affiché au moment de la visite. Cela peut gonfler artificiellement le retour sur investissement apparent de la personnalisation sur le site. En réalité, une grande partie de cette intention a probablement été formée en dehors de la plateforme.
Je pense donc qu'il existe un risque que les opérateurs surinvestissent dans la personnalisation au détriment des fondamentaux. Si l'expérience utilisateur n'est pas intuitive, si la navigation est défaillante, si les parcours clients principaux sont peu performants, aucun moteur de recommandation ne pourra compenser ces lacunes.
De nombreuses stratégies de personnalisation partent du principe que les données comportementales sont de haute qualité. Mais cette hypothèse est-elle réaliste compte tenu de la fragmentation des données, des contraintes réglementaires et de la complexité des relations entre marques ?
Honnêtement, pour la plupart des opérateurs, cette hypothèse est bien moins réaliste que leurs ambitions ne le laissent supposer. Le problème de fragmentation est structurel. Les joueurs possèdent souvent plusieurs comptes auprès de différentes marques, si bien qu'un opérateur n'a qu'une vision partielle du comportement de ce client.
Même au sein de groupes multimarques, ces signaux ne sont pas toujours interconnectés. Si vous exploitez plusieurs marques sur un même marché, il se peut que vous ne puissiez pas unifier ces données comme le souhaiterait un moteur de recommandation. D'une région à l'autre, la situation se complexifie encore davantage, car un même profil d'acteur peut se comporter différemment selon les cadres réglementaires et les positionnements de marque.
Ainsi, les données de base sont souvent bien plus fragiles qu'on ne le pense. Ajoutez à cela des technologies obsolètes, jamais conçues pour une activation en temps réel, et il devient évident que le défi de l'infrastructure est tout aussi important que celui des données. Dresser un tableau véritablement complet des intentions des joueurs est extrêmement difficile dans un secteur où les comportements sont fragmentés par nature.
D'après vos recherches, dans quels domaines la personnalisation fait-elle réellement la différence, et dans quels domaines ne fait-elle que créer du bruit ?
La forme de personnalisation la plus efficace jamais vue dans le secteur est sans doute la gestion VIP. Elle est profondément personnalisée, mais repose sur l'humain plutôt que sur un algorithme. Les bons gestionnaires de compte connaissent leurs joueurs, comprennent leurs préférences et interagissent avec eux de manière pertinente. Commercialement, c'est probablement la forme de personnalisation la plus performante dans le jeu vidéo.
Paradoxalement, les joueurs les plus ciblés par la personnalisation algorithmique sont souvent ceux qui en ont le moins besoin. Les joueurs les plus rentables sont généralement ceux qui ont les habitudes les plus ancrées et une parfaite maîtrise de la navigation. Ils savent déjà à quoi et comment ils veulent jouer.
La personnalisation apporte une réelle valeur ajoutée aux moments clés du cycle de vie où l'intention n'est pas encore pleinement définie ou s'est estompée. L'intégration en est un exemple. La réactivation en est un autre. La vente croisée peut s'avérer efficace dans certains contextes. Ce sont les moments où les clients potentiels sont plus réceptifs à la découverte.
Il existe également un aspect commercial souvent négligé. Un moteur de recommandation optimisé pour la pertinence est différent d'un moteur optimisé pour les résultats commerciaux. Un titre peut obtenir un score de pertinence légèrement supérieur, tandis qu'un autre génère un GGR nettement plus élevé. Si le modèle n'optimise que son propre score de pertinence, les résultats commerciaux deviennent secondaires. Ils doivent être intégrés au système dès sa conception.
Comment les opérateurs doivent-ils envisager la personnalisation par rapport à la cohérence de l'expérience utilisateur ? Existe-t-il un moment où la personnalisation des expériences nuit à la familiarité et à la confiance des utilisateurs ?
Absolument. La cohérence est essentielle à une bonne expérience utilisateur. Les utilisateurs se forgent une représentation mentale des produits. Ils apprennent où se trouvent les éléments, comment fonctionnent les flux et à quoi s'attendre. C'est ce qui leur permet de se déplacer rapidement et avec assurance. Si la personnalisation modifie l'architecture entre les sessions, les utilisateurs doivent se réadapter à chaque fois qu'ils reviennent. Pour les utilisateurs réguliers, c'est particulièrement préjudiciable car cela perturbe la confiance et les repères sur lesquels ils s'appuient.
Le modèle idéal, selon moi, repose sur la cohérence de la structure et de la navigation, la personnalisation s'appliquant au contenu plutôt qu'à l'architecture. Cela préserve l'ergonomie tout en garantissant la pertinence. Il y a également un avantage pratique : une expérience utilisateur cohérente est plus facile à tester, à optimiser et à améliorer au fil du temps. Si l'interface est modifiée de façon trop radicale d'une session à l'autre, il devient beaucoup plus difficile d'identifier avec précision les éléments qui améliorent réellement les performances.
L'IA a facilité le déploiement de la personnalisation, mais pas nécessairement son amélioration. Risquons-nous d'automatiser à grande échelle des hypothèses erronées ?
Oui, absolument. De nombreux systèmes de recommandation utilisent des algorithmes qui apprennent des comportements passés et mettent en avant les contenus qui semblent avoir bien fonctionné. Le risque est que, si l'on ne mesure pas correctement l'impact de ces performances, on crée un cercle vicieux. Un contenu est mis en avant parce qu'il a bien fonctionné auparavant, puis il fonctionne bien parce qu'il a été mis en avant, et l'algorithme interprète cela comme la preuve qu'il a pris la bonne décision. À ce stade, le système n'apprend pas nécessairement les véritables préférences des utilisateurs ; il apprend son propre signal.
Une des solutions consiste à utiliser l'échantillonnage négatif, qui consiste à introduire délibérément du contenu aléatoire dans l'ensemble de recommandations à titre de contrôle. Cela permet de vérifier si le contenu prétendument « recommandé » surpasse réellement ce que les utilisateurs auraient consulté de toute façon. Paradoxalement, l'ajout d'une part d'aléatoire peut améliorer les performances globales car il empêche le modèle de devenir trop restrictif et de reposer sur des hypothèses trop rigides.
Plus généralement, l'IA amplifiera les hypothèses déjà intégrées au système. Si la logique du produit est défaillante, si les données sont incomplètes ou si les tendances historiques sont trompeuses, l'IA ne fera qu'amplifier ces problèmes plus rapidement.
Si vous deviez conseiller un opérateur qui part de zéro, que lui diriez-vous de bien faire en premier, avant même de penser à des couches de personnalisation avancées ?
Il faut d'abord consolider les bases. Si les erreurs de dépôt ne sont pas gérées clairement, si la navigation est défaillante sur mobile, si un joueur clique sur une publicité et atterrit au mauvais endroit, si le processus de vérification d'identité (KYC) engendre des difficultés inutiles, ce sont ces problèmes qu'il faut résoudre en priorité. Ils offriront presque toujours un meilleur retour sur investissement qu'un système de recommandations avancé.
Deuxièmement, il est essentiel d'assurer la qualité des données. Il faut bien comprendre quelles données vous possédez, leur niveau de qualité, les lacunes existantes et leur aptitude à être utilisées pour le type de modélisation souhaité. Cela implique d'analyser non seulement les comportements sur la plateforme, mais aussi les variables externes pertinentes, qu'il s'agisse de données démographiques, de calendriers d'événements ou d'autres signaux contextuels.
Troisièmement, définissez précisément ce que vous souhaitez personnaliser. Contenu, expérience utilisateur, offres et parcours clients représentent autant de défis distincts avec des objectifs différents. Si vous les traitez comme une seule et même initiative, vous risquez de disperser vos ressources et de ne résoudre aucun problème de manière satisfaisante.
À l'avenir, pensez-vous que le secteur abandonnera complètement le concept de « personnalisation » comme principal argument ? Si oui, quel terme plus juste la remplacera ?
Je ne pense pas que la personnalisation s'éloignera de l'essentiel. Au contraire, je pense qu'elle deviendra encore plus centrale. Ce qui change, c'est le niveau auquel elle s'opère.
Aujourd'hui, la personnalisation repose principalement sur des données comportementales historiques, la segmentation et des résultats intégrés à des interfaces relativement statiques. Le joueur la perçoit comme un produit légèrement amélioré, plutôt que comme une interface distincte.
L'IA et les LLM pourraient bien transformer l'interface elle-même. Avec le temps, je pense que la distinction entre « le produit » et « la version personnalisée du produit » s'estompe. Au lieu de naviguer sur un site statique et de recevoir ensuite des recommandations, les utilisateurs interagiront de plus en plus avec des interfaces conversationnelles, axées sur l'intention et répondant en temps réel à leurs actions.
Il est difficile de prédire à quelle vitesse cela se produira, notamment compte tenu de la réglementation, du respect de la vie privée et du contexte commercial où certaines entreprises renoncent déjà à certaines intégrations LLM. Mais globalement, je pense que c'est la direction que prennent les choses. La personnalisation ne disparaît pas pour autant ; elle devient simplement indissociable de l'interface elle-même.
