Sommaire
LinkedIn a annoncé une refonte de son système de recommandation dans le fil d’actualité. La plateforme s’appuie désormais sur des grands modèles de langage, des modèles de type transformer et une infrastructure GPU pour sélectionner et classer les publications affichées à ses 1,3 milliard de membres.
Un nouveau système pour sélectionner les publications
LinkedIn explique avoir remplacé plusieurs systèmes de découverte de contenus par un modèle unifié, fondé sur des LLM.
Jusqu’ici, les contenus proposés dans le fil provenaient de plusieurs sources, comme :
- l’activité du réseau,
- les publications tendances,
- le filtrage collaboratif,
- des systèmes fondés sur les sujets.
Avec cette nouvelle approche, LinkedIn utilise des embeddings générés par des LLM pour mieux comprendre le contenu des publications et leur lien avec les centres d’intérêt professionnels des utilisateurs.
La plateforme indique ainsi pouvoir rapprocher des sujets liés, même lorsque les termes employés diffèrent. LinkedIn cite par exemple le cas de publications sur les petits réacteurs modulaires, susceptibles de faire remonter ensuite des contenus sur les infrastructures de réseau électrique ou les énergies renouvelables.
Un classement fondé sur l’évolution des centres d’intérêt
Après cette phase de sélection, LinkedIn classe les publications via un modèle séquentiel de type transformer. Au lieu d’évaluer chaque publication de façon isolée, ce système analyse les schémas issus des interactions passées d’un utilisateur, notamment :
- les likes,
- les commentaires,
- le temps passé sur un contenu,
- d’autres signaux d’engagement.
Selon LinkedIn, cette méthode doit permettre de mieux détecter l’évolution des intérêts professionnels et d’ajuster les recommandations en conséquence.
Une infrastructure pensée pour la rapidité
LinkedIn précise que ce dispositif repose sur une infrastructure GPU capable de traiter des millions de publications tout en gardant un fil d’actualité actualisé.
La plateforme avance notamment deux éléments techniques :
- une mise à jour des embeddings en quelques minutes,
- une récupération des contenus candidats en moins de 50 millisecondes.
Des ajustements annoncés sur la qualité du contenu
LinkedIn a aussi présenté plusieurs évolutions liées à la qualité et à l’authenticité des contenus diffusés dans le fil.
Action contre l’engagement automatisé
La plateforme dit renforcer sa lutte contre les outils d’automatisation des commentaires, certaines extensions de navigateur et les groupes d’engagement artificiel. LinkedIn estime que ces pratiques enfreignent ses règles et nuisent aux échanges professionnels authentiques.
Réduction de la visibilité de certains formats
LinkedIn prévoit aussi de moins diffuser les contenus pensés avant tout pour générer artificiellement des commentaires ou des clics.
Sont notamment visés :
- les publications demandant de commenter “Yes” pour accroître leur portée,
- les posts qui associent des vidéos sans rapport avec le texte pour influencer la diffusion,
- certains contenus de thought leadership recyclés, jugés peu substantiels.
Personnalisation plus rapide pour les nouveaux inscrits
LinkedIn teste enfin un outil baptisé “Interest Picker” au moment de l’inscription. Il permet aux nouveaux membres de choisir des thèmes comme le leadership, les compétences liées à la recherche d’emploi ou l’évolution de carrière, afin de personnaliser plus vite leur fil d’actualité.
Pourquoi c’est important pour le SEO
LinkedIn conserve une place centrale dans les stratégies SEO en 2026. La visibilité, les prises de parole et les signaux d’engagement qui y sont associés participent à la construction de la réputation, donc de l’autorité.
Dans un contexte où les moteurs de recherche et les modèles de langage s’appuient de plus en plus sur des signaux de crédibilité et de présence éditoriale, LinkedIn reste un canal à travailler pour renforcer la perception d’une marque ou d’un site.
