Canopy.
Développement Web · 6 min de lecture

X ouvre son algorithme : ce que le code du fil For You montre et ce qu'il tait

En bref

X a publié sur GitHub le code qui classe les posts du fil For You, avec son modèle Phoenix basé sur Grok. Le dépôt décrit le pipeline et les signaux, sans donner leurs poids.

Mis à jour le Par
  • x
  • elon musk
  • algorithme x
  • grok
X ouvre son algorithme : ce que le code du fil For You montre et ce qu'il tait

X a publié sur GitHub, dans le dépôt xai-org/x-algorithm, le code du système de recommandation qui alimente le fil « For You ». Elon Musk s'était engagé publiquement à le faire sous sept jours, puis à publier les évolutions toutes les quatre semaines avec un journal des modifications. Le dépôt décrit la façon dont les posts sont récupérés, filtrés puis classés. Il ne donne ni le poids de chaque signal ni les règles de modération.

Le contexte de la publication

TechCrunch relève que cette ouverture intervient alors que X fait face à une amende liée à la transparence algorithmique, et que des controverses entourent Grok, le modèle d'IA développé par xAI. Musk qualifie lui-même l'algorithme de « dumb » et promet des « massive improvements ».

X indique que le code publié traite à la fois les posts organiques et les posts publicitaires.

Comment le fil For You est construit

Le pipeline décrit dans le dépôt comporte quatre étapes.

La récupération des candidats

Le système rassemble d'abord des posts susceptibles d'intéresser l'utilisateur, à partir de deux sources. Thunder remonte les contenus des comptes suivis, dits in-network. Phoenix Retrieval va chercher des posts hors réseau, dits out-of-network, à l'aide d'un modèle à deux tours (two-tower).

Dans ce modèle, une tour encode le profil et l'historique d'engagement de l'utilisateur sous forme de vecteur, et l'autre encode chaque post candidat. Le système calcule la similarité entre ces vecteurs par produit scalaire et retient les posts les plus proches des centres d'intérêt de l'utilisateur. C'est une architecture classique en recommandation, qui permet de trier des millions de posts en temps réel à un coût de calcul acceptable.

Le filtrage

Avant tout calcul de score, le système écarte une partie des candidats :

  • les doublons et les posts trop anciens ;
  • les posts de l'utilisateur lui-même ;
  • les contenus de comptes bloqués ou masqués, et ceux qui contiennent un mot-clé masqué ;
  • les contenus déjà vus récemment ;
  • certains contenus payants non éligibles ;
  • les posts signalés pour violence ou spam.

Le score attribué par Phoenix

Phoenix est un transformer basé sur Grok, dans une variante adaptée au classement et distincte du Grok conversationnel. Pour chaque post, il prédit la probabilité que l'utilisateur effectue différentes actions, comme un like, une réponse, un repost, un clic, un partage ou une lecture prolongée, et aussi un masquage, un blocage ou un signalement. Chaque action reçoit un poids, positif ou négatif. Le score final additionne ces probabilités pondérées, et les posts sont classés par score décroissant.

X affirme que ce modèle apprend la pertinence directement à partir des séquences d'engagement, sans sélection manuelle de variables ni règle métier codée en dur. Cette approche simplifie l'architecture et demande en contrepartie de grands volumes de données et de calcul.

Les ajustements finaux

Deux correctifs s'appliquent après le score. L'Author Diversity Scorer pénalise les auteurs qui reviennent trop souvent dans un même fil, ce qui empêche un compte de l'occuper à lui seul. L'OON Scorer ajuste le score des contenus hors réseau pour équilibrer leur présence face aux contenus des comptes suivis.

Les signaux pris en compte

Le dépôt liste les types de signaux utilisés. Les actions comptées positivement sont le like, la réponse, le repost, le clic sur un lien, le partage externe, le temps passé sur le post (dwell time), l'ajout aux signets et l'ouverture du profil après lecture. Les actions comptées négativement sont le masquage, le blocage, le signalement, le défilement immédiat et la fermeture du fil après lecture.

Le dépôt n'indique pas combien pèse chacune de ces actions. Il est probable qu'une réponse ou un repost compte davantage qu'un like, puisque l'une ajoute du contenu à la conversation et que l'autre étend la portée du post, mais rien dans le code publié ne permet de le chiffrer.

Le code ne contient pas non plus de pénalité explicite pour les posts qui renvoient vers un lien externe.

Ce que le dépôt ne dit pas

Plusieurs éléments restent hors du code publié. Les poids exacts des signaux n'y figurent pas. Les règles de modération, qu'il s'agisse de réduction de visibilité, de limitation ou de suppression, ne sont pas décrites. Le code des filtres de spam et de violence est présent, sans leurs critères détaillés ni leurs seuils.

Le dépôt ne contient aucune liste de comptes favorisés ou défavorisés à la main, ni règle de priorité explicite. Cette absence ne permet pas de savoir si de tels mécanismes existent dans une couche non publiée.

La correspondance avec la production n'est pas garantie. Sur Hacker News, des développeurs notent que l'ancien dépôt twitter/the-algorithm n'avait pas été mis à jour depuis huit mois et ne reflétait plus le code en service. Le nouveau dépôt est présenté comme le « core recommendation system powering the For You feed », sans preuve qu'il soit identique à la version déployée.

Le modèle lui-même reste en partie une boîte noire. Le code montre les signaux en entrée et les scores en sortie, sans donner accès aux représentations internes de Phoenix ni aux régularités qu'il apprend dans les séquences d'engagement. Il n'explique donc pas pourquoi un post donné est recommandé à un utilisateur donné.

Conséquences pour publier sur X

Les signaux listés donnent quelques repères à une entreprise qui publie sur X. Les réponses, les reposts et le temps de lecture figurent parmi les actions comptées positivement. Les formats qui retiennent le lecteur et appellent une réaction, comme une question ouverte, un fil explicatif ou des données originales, alimentent ces signaux. Un post qui provoque des masquages ou des blocages voit son score baisser.

L'Author Diversity Scorer pénalise la répétition d'un même auteur dans un fil. Publier en rafale n'apporte donc pas plus de visibilité que publier régulièrement.

Si X tient le rythme annoncé d'une publication toutes les quatre semaines, les règles de classement peuvent changer chaque mois. Un réglage éditorial fondé sur le code d'aujourd'hui doit être revérifié à chaque nouvelle version du journal des modifications, en comparant les résultats dans X Analytics. Une entreprise dont l'acquisition repose largement sur X peut aussi s'appuyer sur ce dépôt pour documenter ce risque et répartir ses efforts sur d'autres canaux, comme LinkedIn, le référencement naturel ou l'e-mail.

Phoenix illustre enfin un choix d'architecture qui dépasse le cas de X, puisqu'un même type de modèle sert à répondre dans un chat et à classer des contenus. Une entreprise qui développe un produit doté d'un moteur de recommandation peut envisager la même mutualisation, à condition de disposer des données et de la capacité de calcul nécessaires.

Un projet en tête ?

Discutons du vôtre.

Web, mobile, IA ou SEO : on revient sous 48 heures avec une première lecture.

L’auteur

Simon Duchène dirige Canopy, agence SEO et GEO basée à Bordeaux. Il pilote les audits et le conseil SEO, la stratégie de visibilité sur Google et dans les moteurs IA, et le développement des sites et des serveurs MCP que l’agence livre. Il suit de près les protocoles du web agentique, dont MCP, ACP, UCP et WebMCP.