Comment fonctionne l'algorithme d'un site de rencontre

Vous ouvrez une application de rencontre, et une dizaine de profils se présentent dans un ordre que vous n’avez pas choisi. Cet ordre est le produit d’un calcul, et c’est le point sur lequel les plateformes restent les plus discrètes. Voici ce que les éditeurs reconnaissent regarder, ce que la recherche française a documenté, et ce que la réglementation européenne les oblige désormais à écrire dans leurs conditions d’utilisation.

Trois gisements de données, un seul objectif : classer

Dans son état des lieux publié en mai 2026, l’Observatoire de l’IA de l’université Paris 1 Panthéon-Sorbonne range ce que ces applications collectent en trois familles : les données techniques — modèle de téléphone, adresse IP, géolocalisation —, les données d’utilisation — heures de connexion, profils aimés ou rejetés — et les données déclaratives, tout ce que vous avez saisi vous-même.

Les éditeurs ne disent pas autre chose quand ils s’expliquent. Sur la page qu’elle consacre à la question, l’application Hinge parle d’« un ensemble d’algorithmes que nous appelons un système de recommandation », nourri par les préférences déclarées, les critères rédhibitoires fixés à l’inscription et surtout l’activité : chaque like en apprend davantage sur ce vers quoi vous allez.

Une précision s’impose : l’algorithme ne décide pas des mises en relation, il décide de l’ordre dans lequel vous voyez les profils — la réciprocité reste la seule porte d’entrée, comme nous l’expliquons à propos de la règle du match. Et la nature du tri varie selon la famille de plateforme, du questionnaire de compatibilité au simple historique de trajets, un paysage que nous déplions dans notre panorama des types de sites.

Le score d’attractivité : une page tournée, pas déchirée

Le sujet traîne une vieille affaire. Comme le rappelait le laboratoire d’innovation numérique de la CNIL en juin 2021, Tinder avait reconnu en 2015 apparier ses membres selon leur « attractivité » respective : un profil très liké obtenait un score élevé — le fameux score Elo, emprunté aux échecs — et n’était montré qu’à des personnes du même niveau.

L’entreprise a officiellement tourné la page en mars 2019. « Nous ne comptons plus sur Elo », déclarait-elle alors, citée par le Journal du Geek, au profit de modèles de goûts bâtis sur l’activité récente, les préférences et la localisation : si deux personnes aiment les mêmes profils, le système en déduit des préférences voisines.

La hiérarchie, elle, n’a pas disparu du secteur : l’Observatoire de l’IA évoque encore des « systèmes de points, de scores et de hiérarchisation des profils », et une tendance de fond à l’homophilie — qui se ressemble s’assemble. Le laboratoire de la CNIL pose la limite que personne ne franchit : l’appariement « dépend de nombreuses variables dont la liste exacte et les poids respectifs ne sont pas rendus publics ».

Ce que la géographie et l’horloge décident à votre place

Deux variables pèsent lourd et ne relèvent d’aucun mystère. La densité d’utilisateurs autour de vous, d’abord : un algorithme n’invente pas des profils là où il n’y en a pas, ce qui condamne les mécaniques fondées sur la proximité dans les zones peu peuplées — nous l’avons constaté en détaillant la mécanique des croisements de happn. La simultanéité, ensuite : un profil déserté depuis trois mois pèse peu dans un classement qui cherche à produire des conversations.

Ces deux leviers expliquent une bonne part de l’offre payante. Faire remonter un profil dans la file, voir qui vous a aimé sans attendre la réciprocité : ce sont des contournements du classement, vendus à l’unité ou par abonnement, dont nous décortiquons les grilles dans notre article sur le vrai prix des formules.

Ce que la loi les oblige enfin à écrire

Depuis le 17 février 2024, le règlement européen sur les services numériques s’applique à toutes les plateformes en ligne, quelle que soit leur taille. Parmi ses exigences, résumées par l’Arcom, désignée coordinateur français pour les services numériques aux côtés de la CNIL et de la DGCCRF : la transparence du fonctionnement des algorithmes, et le droit de comprendre pourquoi tel contenu vous est recommandé. Les principaux paramètres du système de recommandation doivent donc figurer dans les conditions d’utilisation, en langage clair.

Transparence ne veut pas dire recette. Le problème théorique en jeu — apparier deux populations selon leurs préférences mutuelles — a valu à Lloyd Shapley et Alvin Roth le prix Nobel d’économie 2012 ; les pondérations retenues par chaque éditeur, elles, restent son secret industriel.

L’erreur à ne pas commettre est de lire l’ordre des profils comme un verdict sur votre valeur : c’est une file d’attente optimisée pour l’engagement, pas une note. Quant aux recettes qui promettent de « pirater l’algorithme », aucune ne s’appuie sur un document publié par les plateformes — et cette opacité nourrit la lassitude que nous suivons dans notre article sur le désamour des applis de rencontre.