LES ALGORITHMES: Comment une suite de règles peut classer, recommander, décider et parfois te connaître un peu trop bien.

L'algorithme a décidé. Phrase idéale quand on veut éviter d'expliquer qui a choisi quoi. Derrière ton moteur de recherche, ton GPS, ton fil d'actualité ou tes recommandations musicales, il n'existe pas un cerveau numérique omniscient qui médite sur tes goûts. Il existe des procédures, des données, des critères, des scores, des seuils et des objectifs. Beaucoup moins mystique. Nettement plus intéressant.Le Pigeon commence par ouvrir la boîte à outils: entrées, sorties, conditions, boucles, complexité algorithmique, tris, recherche binaire, graphes, plus courts chemins, tables de hachage et heuristiques. L'objectif n'est pas de te transformer en programmeur clandestin avant le dîner, mais de comprendre pourquoi deux méthodes donnant le même résultat peuvent demander des quantités de calcul radicalement différentes. Puis viennent les systèmes modernes: indexation, récupération de candidats, classement, moteurs de recherche, recommandations et modèles appris. Tout algorithme n'est pas une intelligence artificielle, et toute prédiction n'est certainement pas une compréhension.Ensuite, la mécanique rencontre le monde réel. Pourquoi tel contenu apparaît-il avant un autre ? Que signifie réellement pertinent Que cherche un système à optimiser: clic, durée de visionnage, achat, risque, satisfaction ? Comment un score devient-il une décision ? Et que se passe-t-il lorsque les comportements provoqués par un classement deviennent ensuite les données utilisées pour améliorer ce même classement ? Les boucles de rétroaction, le biais d'exposition, les faux positifs, les compromis d'équité et les effets de visibilité montrent qu'un système peut parfaitement accomplir l'objectif qu'on lui a fixé tout en produisant des conséquences parfaitement discutables.Le livre revient enfin à l'endroit où tu rencontres réellement les algorithmes: moteurs de recherche, réseaux sociaux, musique, vidéo, navigation, filtrage, scoring et décisions automatisées. Il démonte au passage quelques classiques increvables: un algorithme, c'est une IA, il sait ce que je veux, s'il est mathématique, il est neutre ou le système a décidé tout seul . La question utile devient alors beaucoup plus précise: quelles données entrent, quels candidats sont considérés, quel objectif est optimisé, quel score est calculé, quel seuil déclenche l'action, qui fixe les règles et comment contester une erreur ? Tu n'as pas besoin de savoir coder pour arrêter de confondre calcul, magie et destin numérique.