Algorithme LinkedIn : la pertinence et l'expertise plutôt que la viralité

Ce que l'algorithme LinkedIn évalue

Entre 2024 et 2026, LinkedIn a remanié son fil d'actualité en abandonnant la viralité comme objectif. Au lieu de diffuser une publication au plus grand nombre, le système cherche à la montrer aux bonnes personnes. Daniel Roth, VP et Editor in Chief de LinkedIn, l'a résumé en substance ainsi : le but de la plateforme n'est pas de montrer les contenus au plus grand nombre, mais aux bonnes personnes.

Il en découle trois dimensions que des analyses spécialisées comme le guide de Hootsuite sur l'algorithme LinkedIn décrivent séparément :

Pertinence : le système compare ta publication aux centres d'intérêt de chaque membre, pas à ta liste d'abonnés. Une publication sur des migrations vers Payload touche des développeurs qui s'intéressent aux CMS headless même s'ils ne te suivent pas, et n'atteint peut-être pas du tout tes propres contacts commerciaux.

Expertise : LinkedIn déduit du profil et de l'historique de publication ce que représente une personne. Qui publie régulièrement sur un même sujet a plus de chances d'être traité comme une autorité. C'est un signal qui se construit sur des mois, pas avec une seule publication.

Qualité de l'engagement : ce n'est pas la quantité de réactions qui compte, mais leur nature. Un commentaire réfléchi en dit plus sur la pertinence qu'un like distribué en passant, et selon Hootsuite, un enregistrement agit environ cinq fois plus sur la portée qu'un like.

Cette répartition en trois n'est pas un modèle de pondération publié par LinkedIn. C'est le résumé le plus utile de ce que l'on peut déduire des déclarations de la plateforme, des articles d'ingénierie et des analyses tierces. La traiter comme une formule, c'est surestimer les données disponibles.

Pourquoi la portée a chuté, et quelle est la fiabilité des chiffres

Les chiffres les plus cités sur la chute de la portée viennent de Richard van der Blom. Son Algorithm InSights Report 2025 fait état, sur un an, d'une baisse de 50 % des vues, de 25 % de l'engagement et de 59 % de la croissance des abonnés, sur la base de 1,8 million de publications, 58 000 profils et 31 000 pages entreprise sur douze mois jusqu'en février 2025. Sa mise à jour d'octobre 2025, portant sur environ 400 000 profils, mesure une baisse de 47 % de la visibilité, de 39 % de l'engagement et de 42 % de la croissance des abonnés. Une analyse distincte de l'équipe SayWhat (Q3 LinkedIn Algorithm Report 2025) chiffre le recul des impressions médianes à 65 % depuis 2023.

Trois réserves qui manquent dans la plupart des posts LinkedIn sur ce sujet. Premièrement, aucun de ces chiffres ne vient de LinkedIn : ce sont des analyses tierces avec leurs propres échantillons. Deuxièmement, l'année de référence et la méthode diffèrent, si bien qu'une baisse de 47, de 50 ou de 65 % ne mesure pas la même chose. Troisièmement, les rapports complets sont payants, et seul le résumé de chacun est vérifiable. Prends la tendance au sérieux, pas les décimales.

La répartition est plus instructive que la moyenne : selon Saleshigher, depuis 2022, la part de visibilité des top créateurs est passée de 15 à 31 %, tandis que celle des autres créateurs est tombée de 57 à 28 %. La portée a donc diminué et s'est en même temps répartie de façon plus inégale. Pour les entreprises disposant de quelques profils actifs au positionnement thématique clair, c'est plutôt une opportunité qu'un problème.

Comment l'algorithme LinkedIn classe techniquement les publications

Depuis 2025, la mécanique est en partie documentée publiquement. L'article « Large Scale Retrieval for the LinkedIn Feed using Causal Language Models » décrit un dual encoder affiné à partir de LLaMA 3 qui sélectionne environ 2 000 publications par requête parmi des centaines de millions de candidats, avec un budget de latence de quelques millisecondes. Seuls ces 2 000 candidats passent au classement proprement dit.

Pour l'étape de classement, LinkedIn a présenté 360Brew, un modèle décodeur de 150 milliards de paramètres qui résout plus de 30 tâches de prédiction auparavant confiées à des modèles dédiés. Au moment de la publication, en janvier 2025, les auteurs le qualifiaient de modèle en préproduction. L'article a ensuite été retiré d'arXiv pour un problème de licence ; seul le résumé reste consultable. Les affirmations de tiers selon lesquelles le modèle serait déployé sur 40 à 100 % des surfaces de la plateforme sont explicitement présentées comme des estimations, pas comme une confirmation de LinkedIn.

La conséquence structurelle est la même que sur les autres grandes plateformes : la diffusion passe par les centres d'intérêt, pas par le réseau de relations. La façon dont ce pipeline de génération de candidats, de présélection et de classement est construit en général est expliquée dans la présentation de l'algorithme de recommandation.

Les signaux réellement établis

Le dwell time, c'est-à-dire le temps qui s'écoule avant de continuer à faire défiler, a été décrit par LinkedIn Engineering dès 2020 comme signal du fil, avec un modèle qui prédit la probabilité qu'une publication soit ignorée. Le signal est ancien et stable. Ce qui n'est pas établi : les pourcentages par tranche de secondes qui circulent, par exemple 15,6 % d'engagement au-delà de 61 secondes. Ces chiffres n'ont aucune source primaire identifiable, et LinkedIn ne publie pas ce genre de ventilation.

Pour les types de réactions, l'analyse d'AuthoredUp fournit les valeurs les plus concrètes : sur 621 833 publications analysées, les commentaires comptent environ deux fois plus que les likes, et les enregistrements et republications immédiates sont les plus puissants moteurs de portée. Côté timing, il reste vrai que les 30 à 60 premières minutes déterminent la trajectoire de la portée, mais que les publications qui suscitent de vraies conversations restent visibles deux à trois semaines dans le fil. C'est la seconde partie qui constitue la vraie nouveauté : la longue traîne est de retour, ce qui avantage les contenus bien documentés par rapport à l'actualité du jour.

Un détail pratique issu de la même source : plus de 91 % de la navigation se fait sur mobile, alors que 80 % de la modification des profils se fait sur ordinateur. Qui met en forme ses textes sur un écran de 27 pouces vérifie rarement à quoi ressemblent les trois premières lignes sur un téléphone. Or ce sont précisément elles qui décident du dwell time.

Formats et facteurs de forme

Sur les formats, les données sont plus minces que ne le laisse entendre la littérature de conseils, et elles évoluent à chaque mise à jour. La même analyse d'AuthoredUp indique actuellement pour les profils personnels un multiplicateur de portée de 1,64 pour les sondages et de 1,45 pour les publications de documents ; sur les pages entreprise, les documents arrivent en tête avec 1,40. Des multiplicateurs de cet ordre ne décident de rien si la pertinence et l'expertise font défaut. Ils amplifient une publication qui convient déjà, mais n'en sauvent aucune qui passe à côté de son public.

Deux facteurs de forme sont plus concrets. Pour la longueur du texte, l'analyse cite 800 à 1 000 caractères comme zone idéale, soit à peu près une argumentation avec un exemple : ni une simple déclaration, ni un essai. Et les hashtags aident moins que leur réputation ne le laisse croire : selon la même analyse, trois à cinq hashtags ont plutôt tendance à réduire légèrement la visibilité au lieu de l'augmenter. Le fameux gain de 12,6 % grâce aux hashtags provient d'une ancienne étude multiplateforme et n'est pas fiable pour LinkedIn.

Confirmé, fondé sur des études, folklore

Ce tableau est la véritable feuille de route : pour chaque tactique LinkedIn, vérifie dans quelle ligne elle se trouve avant d'y consacrer des ressources éditoriales.

Le test evergreen et ce qu'il signifie

En juillet 2025, de nombreux utilisateurs ont remarqué que des publications vieilles de plusieurs semaines réapparaissaient en haut du fil. Gyanda Sachdeva, Vice President of Product Management chez LinkedIn, a confirmé le test et expliqué qu'il s'agissait de redonner de la visibilité à des idées précieuses et à des étapes marquantes de carrière. Selon des sources du secteur, le test a été en partie annulé après les critiques des utilisateurs.

Considère-le comme une indication de direction, pas comme un état permanent. Si la pertinence est le critère de tri, l'actualité perd du poids. Les contenus encore valables dans six mois l'emportent sur les commentaires de l'actualité de la veille.

Ce que cela signifie pour le B2B

Dans la région DACH (Allemagne, Autriche, Suisse), LinkedIn compte environ 24 millions de membres inscrits (données LinkedIn via socialmediastatistik.de, début 2025). Ce chiffre est à prendre avec prudence, car les ventilations par pays disponibles mélangent membres inscrits, utilisateurs actifs mensuels et audience publicitaire, et ne tombent pas juste mathématiquement. À l'échelle mondiale, LinkedIn annonce lui-même plus d'un milliard de membres, 63 millions de décideurs et 10 millions de dirigeants de niveau C ; l'affirmation, également avancée, selon laquelle quatre membres sur cinq prendraient des décisions commerciales s'appuie sur une étude de 2016 et n'est donc plus très récente.

Sur le plan opérationnel, cela implique trois choses.

Positionnement resserré : oriente les profils vers un domaine thématique plutôt que vers toute la gamme de services. L'expertise est un signal qui se construit dans la durée, et un compte qui traite trois sujets en parallèle ne fournit au système de schéma clair pour aucun d'eux.

Le public cible comme référence : mesure la portée par publication par rapport au public atteignable, pas au nombre d'abonnés. En règle générale, si la portée organique par publication reste sous la barre d'environ deux pour cent malgré une orientation constante sur l'expertise, il devient judicieux de réorienter les moyens vers l'employee advocacy et la publicité payante.

Clarifier les rôles : définis tôt ce que la page entreprise doit apporter et ce qu'apportent les profils personnels. La comparaison directe des deux portées se trouve dans l'article sur la page entreprise et le profil. Pour savoir si XING joue encore un rôle à côté dans la région DACH, la comparaison des deux plateformes B2B vaut le détour.

Erreurs fréquentes

Sauter d'un sujet à l'autre : écrire cette semaine sur le recrutement, la suivante sur les cryptomonnaies, puis sur le leadership, c'est ne rien donner d'exploitable au signal d'expertise. Le système ne peut amplifier que ce qu'il reconnaît.

Laisser la carte d'aperçu du lien : si tu insères un lien dans ta publication, supprime la carte d'aperçu générée automatiquement. C'est l'une des rares recommandations de format qui apparaissent de manière constante dans les grands jeux de données.

Engagement pods : les commentaires coordonnés génèrent des réactions sans adéquation de fond. Si la pertinence est le critère de classement, cela produit des signaux qui mènent au mauvais public et dégrade la diffusion à moyen terme.

Mesurer la portée au nombre d'abonnés : avec une diffusion fondée sur les centres d'intérêt, les abonnés sont un stock qui ne garantit aucune diffusion. Les références plus utiles sont présentées dans l'article sur les taux d'engagement et benchmarks.

Ce que tu devrais mesurer

Trois indicateurs suffisent pour commencer. Les impressions par publication rapportées au public cible atteignable montrent si la diffusion a lieu. La part des commentaires, enregistrements et republications dans l'ensemble des réactions montre si la diffusion touche les bonnes personnes. Et l'évolution sur douze semaines montre si le signal d'expertise fonctionne, car avec cette architecture, les pics isolés ne disent pas grand-chose.

Le dwell time lui-même n'est pas mesurable de l'extérieur. Comme approximation, tu peux comparer des publications courtes et longues du même compte : si les plus longues récoltent régulièrement plus de réactions sur un même sujet, cela plaide pour le temps de lecture comme moteur. Ce n'est pas une preuve, cela reste une corrélation au sein de ton propre compte.

Lors de l'analyse, deux choses sont souvent confondues. La première, c'est la valeur aberrante : une publication qui a glissé dans une grande bulle d'intérêt ne dit rien de la qualité de diffusion des autres. La seconde, c'est le mélange entre niveau publication et niveau compte. Si la portée baisse en même temps sur tous les profils d'une entreprise, la cause tient plus probablement au système du fil qu'à des publications isolées ; si elle ne baisse que sur un profil, le choix des sujets est l'explication la plus plausible.

État en août 2026. Les principes, à savoir la diffusion fondée sur les centres d'intérêt, la présélection par retrieval et l'évaluation selon la qualité des réactions, sont plus stables que les chiffres isolés. Les chiffres changent plusieurs fois par an ; le principe, lui, n'a plus changé depuis 2024.