All In
FR EN
Retour au blog
Algorithme & stratégie LinkedIn 19 min de lecture

360Brew decrypte : comment le nouvel algorithme IA a 150 milliards de parametres juge vos publications

| Par Patrick de Carvalho

Fin 2024, LinkedIn a silencieusement remplace l'ensemble de son infrastructure de classement de contenu par un modele unique : 360Brew. Ce transformer decoder-only de 150 milliards de parametres, construit sur l'architecture Mixtral 8x22B par l'equipe FAIT (Foundation AI Technologies) de LinkedIn, ne compte plus les likes et les partages comme ses predecesseurs. Il lit vos publications, analyse votre profil, evalue l'historique du lecteur, puis raisonne en langage naturel pour decider si votre contenu merite d'etre distribue. Resultat mesurable : la portee mediane des publications a chute de 47 % en un an selon l'analyse de plus de 621 000 posts par AuthoredUp, passant de 1 211 impressions par post en juin 2024 a 636 en mai 2025. Les publications qui performent sous 360Brew ne sont plus les memes. Cet article vous donne les cles techniques et strategiques pour adapter votre presence.

En bref : 360Brew est un modele IA unifie de 150 milliards de parametres qui remplace les anciens systemes de classement fragmentes de LinkedIn. Il fonctionne en deux etapes : un Causal LLM filtre environ 300 millions de posts vers 2 000 candidats, puis 360Brew evalue chaque candidat par raisonnement semantique. Les saves generent 5 fois plus de portee qu'un like, les commentaires de plus de 15 mots declenchent un effet d'amplification de 5,2x, et le dwell time reste un signal critique. Ce n'est plus une question de volume d'engagement, mais de qualite de l'attention.

Ce que 360Brew change fondamentalement par rapport a l'ancien algorithme

L'ancien systeme de recommandation LinkedIn reposait sur une constellation de modeles specialises : un pour le fil d'actualite, un pour les suggestions de connexion, un pour les offres d'emploi, un pour les publicites. Chacun fonctionnait avec ses propres features numeriques, ses propres embeddings, ses propres seuils. Selon le papier de recherche publie sur arXiv (reference 2501.16450), 360Brew unifie plus de 30 taches predictives dans un seul modele.

Notre decryptage de l'algorithme LinkedIn 2026 detaillait deja cette transition. La difference fondamentale tient en une phrase : l'ancien systeme comptait des signaux, le nouveau raisonne sur du texte.

Concretement, la ou l'ancien algorithme traitait votre publication comme un vecteur numerique (nombre de likes, taux de clic, vitesse d'engagement dans la premiere heure), 360Brew construit un "prompt" qui verbalise le contexte. Il lit le texte de votre publication, le profil de son auteur, l'historique de consultation du lecteur potentiel, puis genere une prediction de pertinence. Ce passage du vecteur numerique a l'interface en langage naturel explique pourquoi des publications autrefois performantes perdent soudainement en portee : elles optimisaient les bons chiffres mais pas le bon sens.

Critere Ancien algorithme 360Brew
Architecture Multiples modeles specialises Modele unifie decoder-only (150B params)
Base architecturale BERT (encodeur) + modeles maison Mixtral 8x22B (Mixture of Experts)
Traitement du contenu Vecteurs numeriques, features categoriques Langage naturel, raisonnement contextuel
Signaux prioritaires Volume d'engagement rapide (likes, commentaires) Qualite d'attention (saves, dwell time, commentaires substantiels)
Portee typique Mediane ~1 211 impressions/post Mediane ~636 impressions/post (-47 %)
Capacite de generalisation Limitee a chaque tache Zero-shot sur de nouvelles taches

Source des donnees de portee : AuthoredUp, analyse de 621 000+ posts, mai 2025.

L'architecture en deux etapes : du retrieval au scoring semantique

360Brew ne travaille pas seul. Le systeme complet fonctionne comme un entonnoir a deux niveaux, chacun pilote par un modele d'IA distinct.

Etape 1 : le retrieval par Causal LLM

Le premier modele, documente dans le papier arXiv 2510.14223 ("Large Scale Retrieval for the LinkedIn Feed using Causal Language Models"), est un LLM causal fine-tune a partir de LLaMA 3 de Meta. Son role : reduire l'ensemble des publications disponibles (environ 300 millions de posts actifs a un instant donne sur la plateforme aux 1,3 milliard de membres) a environ 2 000 candidats pertinents pour un lecteur donne.

Ce modele fonctionne comme un encodeur dual : il genere des embeddings de haute qualite a la fois pour les membres (lecteurs) et pour les contenus (publications), en s'appuyant uniquement sur des entrees textuelles. Le budget de latence est de quelques millisecondes, avec un debit de plusieurs milliers de requetes par seconde.

Ce systeme de retrieval a remplace cinq systemes distincts qui utilisaient chacun des structures d'index differentes. Un seul modele LLM les remplace tous, avec des gains mesures en pertinence, latence et debit, selon VentureBeat.

Etape 2 : le scoring par 360Brew

Une fois les 2 000 candidats selectionnes, 360Brew prend le relais. Ce modele de 150 milliards de parametres effectue un raisonnement sophistique sur chaque candidat. Il ne se contente pas de classer : il evalue la pertinence contextuelle entre le contenu, son auteur et le lecteur potentiel.

Le modele utilise l'In-Context Learning (ICL), une capacite des grands modeles de langage a adapter leur comportement en fonction du contexte fourni dans le prompt, sans necessiter de reapprentissage. Pour chaque paire contenu-lecteur, 360Brew recoit un prompt structure qui inclut le texte du post, les informations de profil de l'auteur, le profil et l'historique du lecteur, puis genere un score de pertinence.

Les nouveaux signaux qui comptent : saves, dwell time et commentaires qualifies

Sous 360Brew, la hierarchie des signaux d'engagement a ete bouleversee. Les donnees convergent depuis plusieurs analyses independantes.

Les saves : le signal le plus puissant

L'analyse d'AuthoredUp portant sur plus de 3 millions de publications revele qu'un save genere 5 fois plus de portee qu'un like, et 2 fois plus qu'un commentaire. Ce ratio est coherent avec la logique de 360Brew : un save indique qu'un lecteur a trouve le contenu suffisamment precieux pour vouloir le retrouver plus tard. C'est un signal d'utilite reelle, pas de politesse sociale. Notre article sur les saves et sends comme metriques cachees de LinkedIn approfondit ces mecanismes.

Pour un dirigeant de PME B2B, cette donnee a une implication strategique directe : vos publications doivent contenir des elements de reference (frameworks, checklists, donnees comparatives, templates) que vos lecteurs voudront conserver.

Le dwell time : la lecture silencieuse valorisee

Le dwell time mesure la duree de lecture d'une publication dans le fil. Les donnees compilees par UpGrowth et Botdog indiquent que les publications qui retiennent l'attention au-dela de 30 secondes beneficient d'une distribution significativement superieure. Selon les analyses de SourceGeek, les posts affichant un dwell time de 61 secondes et plus atteignent un taux d'engagement de 15,6 %, contre 1,2 % pour ceux lus en moins de 3 secondes.

360Brew accorde par ailleurs 3 a 5 fois plus de poids au traitement des 1 a 2 premieres phrases d'un post qu'a sa fin. Votre accroche determine donc la distribution bien avant que le lecteur ait fini de lire.

Les commentaires qualifies : le multiplicateur d'amplification

Les commentaires courts ("Super post !", "Merci pour le partage") n'ont plus le meme impact. Les commentaires de plus de 15 mots qui declenchent un echange soutenu generent un effet d'amplification de 5,2x selon les analyses de Botdog. Plus encore, les commentaires provenant d'experts reconnus dans le meme secteur portent un poids algorithmique 5 a 7 fois superieur a ceux de connexions hors domaine.

Cette hierarchisation des commentaires par qualite et par pertinence sectorielle est une consequence directe de la capacite de 360Brew a lire et comprendre le texte des commentaires, la ou l'ancien systeme se contentait de les compter.

L'engagement differe : un nouveau signal de valeur durable

Autre bouleversement : les publications qui recoivent des saves et des commentaires substantiels 24 a 72 heures apres leur publication performent 4 a 6 fois mieux que celles dont l'engagement se concentre dans la premiere heure. 360Brew interprete l'engagement tardif comme un signe que le contenu a une valeur durable, pas simplement une viralite ephemere. Cette donnee provient de l'analyse AuthoredUp sur 3 millions de posts.

Pourquoi la portee a chute de 47 % (et ce que ca signifie reellement)

La baisse de portee mediane mesuree par AuthoredUp (de 1 211 a 636 impressions par post, soit -47 %) peut sembler alarmante. Elle masque une realite plus nuancee.

360Brew ne distribue plus le contenu de maniere large et indifferenciee. Il le distribue de maniere ciblee et qualifiee. Moins de personnes voient votre publication, mais celles qui la voient sont plus susceptibles d'etre dans votre marche cible. Pour un dirigeant de PME B2B qui utilise LinkedIn pour generer des leads, cette evolution est potentiellement favorable : mieux vaut 500 impressions aupres de decideurs qualifies que 2 000 impressions aupres d'un public dilue.

Les formats les plus touches sont les videos (-72 % de portee) et les publications texte classiques (-34 %). Selon les donnees d'AuthoredUp, 98 % des utilisateurs ont constate une baisse de portee. Mais les publications qui generent des saves, du dwell time eleve et des commentaires qualifies maintiennent, voire augmentent, leur portee effective.

Prenons un exemple concret. Un dirigeant d'une PME industrielle en region lyonnaise publiait regulierement des posts courts accompagnes d'images generiques sur les "bonnes pratiques du management". Portee typique en 2024 : 800-1 200 vues. Sous 360Brew, la meme approche genere 300-500 vues. En revanche, quand il publie un post long detaillant un cas reel de transformation de processus dans son usine, avec des chiffres precis et un framework applicable, la portee atteint 1 500-2 500 vues aupres d'un public majoritairement compose d'industriels et de dirigeants.

Le framework Audit 360Brew All In

Pour evaluer la compatibilite de votre profil et de vos publications avec le nouveau modele, All In a developpe un framework d'audit en cinq dimensions. Chaque dimension correspond a un mecanisme specifique de 360Brew.

Dimension 1 : coherence semantique profil-contenu

360Brew lit votre profil et vos publications comme un texte continu. Si votre titre LinkedIn dit "Directeur commercial" mais que vos publications parlent de developpement personnel, le modele detecte une incoherence semantique qui penalise la distribution. Auditez la coherence entre votre titre, votre resume, vos experiences et les themes de vos 20 derniers posts.

Score : 0 (deconnexion totale) a 5 (alignement parfait)

Dimension 2 : densite d'elements sauvegardables

Comptez dans vos 10 dernieres publications le nombre d'elements qu'un lecteur pourrait vouloir sauvegarder : un framework, un tableau comparatif, une liste de ressources, un template, un benchmark chiffre. Si ce nombre est inferieur a 1 par publication en moyenne, votre contenu ne genere pas assez de saves.

Score : 0 (aucun element sauvegardable) a 5 (chaque post contient au moins un element de reference)

Dimension 3 : profondeur d'accroche (dwell time potentiel)

Evaluez vos 2 premieres lignes. Est-ce qu'elles posent un fait precis, un paradoxe, un chiffre contre-intuitif ? Ou est-ce qu'elles enoncent une generalite ? Les accroches factuelles et specifiques generent 3 a 5 fois plus de dwell time que les formules generiques.

Score : 0 (accroches generiques) a 5 (accroches factuelles, specifiques, irresistibles)

Dimension 4 : potentiel de commentaires qualifies

Vos publications contiennent-elles un point de vue tranche, une position assumee, une question ouverte qui appelle un retour d'experience ? Les contenus qui ne prennent aucun risque intellectuel ne generent que des commentaires courts et polis, sans valeur algorithmique.

Score : 0 (contenu consensuel, commentaires de courtoisie) a 5 (prise de position forte, debat substantiel)

Dimension 5 : expertise sectorielle lisible par l'IA

360Brew identifie votre domaine d'expertise en analysant le vocabulaire technique de vos publications. Utilisez-vous le jargon precis de votre secteur ? Citez-vous des sources, des etudes, des acteurs reconnus ? La specificite terminologique aide le modele a vous positionner comme expert et a distribuer votre contenu aux bonnes personnes.

Score : 0 (vocabulaire generique, aucun marqueur sectoriel) a 5 (terminologie precise, references sectorielles systematiques)

Grille de synthese de l'Audit 360Brew All In

Dimension Score /5 Action prioritaire si < 3
Coherence semantique profil-contenu _ /5 Realigner titre, resume et themes de publication
Densite d'elements sauvegardables _ /5 Integrer framework, tableau ou checklist dans chaque post
Profondeur d'accroche _ /5 Retravailler les 2 premieres lignes avec donnees factuelles
Potentiel de commentaires qualifies _ /5 Prendre position, poser des questions de fond
Expertise sectorielle lisible _ /5 Enrichir le vocabulaire technique, citer des sources
Total _ /25 < 15 = refonte strategique recommandee

Un score inferieur a 15/25 indique que votre profil et vos publications ne sont pas optimises pour 360Brew. La bonne nouvelle : chaque dimension est actionnable, et les resultats se manifestent generalement en 4 a 6 semaines de publication reguliere ajustee.

Les erreurs strategiques que 360Brew penalise

Certaines pratiques qui fonctionnaient sous l'ancien algorithme sont desormais contre-productives.

L'engagement artificiel organise

Les pods d'engagement (groupes ou les membres se likent et commentent mutuellement de maniere systematique) sont detectes par 360Brew. Le modele identifie les patterns de commentaires reciproques non correles a une expertise sectorielle commune. Les commentaires generiques provenant de profils hors domaine ne generent plus de distribution supplementaire et peuvent meme la reduire.

Le clickbait professionnel

Les accroches du type "J'ai ete licencie, et voici ce qui s'est passe" ou "Ce que personne ne vous dit sur [sujet]" sans substance derriere generaient du dwell time artificiel sous l'ancien systeme. 360Brew evalue la coherence entre l'accroche et le contenu reel du post. Un dwell time eleve suivi d'un desengagement (pas de save, pas de commentaire, pas de clic sur le profil) est interprete comme un signal negatif.

La publication haute frequence sans profondeur

Publier chaque jour un post court et generique diluait deja votre portee sous l'ancien algorithme. Sous 360Brew, c'est pire : le modele evalue la coherence thematique de vos publications dans le temps. Une production reguliere mais superficielle signale au modele que votre contenu n'apporte pas une valeur distinctive.

Le contenu 100 % genere par IA sans valeur ajoutee humaine

360Brew a ete entraine sur les contenus LinkedIn existants. Il detecte les patterns stylistiques typiques des sorties de modeles de langage. Un contenu qui empile les generalites sans donnees propres, sans experience terrain, sans point de vue original est systematiquement sous-distribue. Le modele privilegie les signaux d'expertise humaine authentique : donnees proprietaires, cas vecus, prises de position argumentees. Notre analyse du contenu IA vs humain sur LinkedIn detaille les criteres de detection et les strategies pour rester authentique.

Comment adapter votre strategie de contenu en 5 leviers

Levier 1 : structurer chaque post pour le save

Integrez systematiquement un element de reference : un mini-framework en 3-5 etapes, un tableau comparatif, une liste de ressources commentees, un benchmark sectoriel. Les formats "carrousel" et "document PDF" natif generent les taux de save les plus eleves car ils offrent un contenu dense et structurellement sauvegardable.

Levier 2 : optimiser les 2 premieres lignes pour le dwell time

Commencez par un fait precis, un chiffre contre-intuitif, ou un constat de terrain specifique. Evitez les formules d'amorce generiques. La premiere ligne doit donner au lecteur une raison factuelle de continuer a lire. Rappelez-vous : 360Brew accorde 3 a 5 fois plus de poids au traitement de ces premieres lignes.

Levier 3 : provoquer des commentaires de fond

Terminez vos publications par une question ouverte qui appelle un retour d'experience, pas un simple avis. "Quel dispositif avez-vous mis en place pour [probleme specifique] ?" genere des commentaires plus longs et plus qualifies que "Qu'en pensez-vous ?".

Levier 4 : publier moins, publier mieux

Les donnees convergent : 2 a 3 publications par semaine de haute qualite surpassent 5 a 7 publications superficielles sous 360Brew. Chaque publication doit contenir au moins un element sauvegardable, une accroche factuelle et une prise de position claire.

Levier 5 : aligner profil et contenu semantiquement

Reecrivez votre titre et votre resume LinkedIn pour qu'ils refletent precisement les themes de vos publications. Si vous publiez sur la transformation digitale des PME industrielles, votre titre doit le dire explicitement. 360Brew utilise cette coherence semantique pour decider a quel public distribuer votre contenu.

FAQ

360Brew est-il deploye pour tous les utilisateurs LinkedIn en 2026 ?

Oui. Le deploiement de 360Brew a commence fin 2024 et s'est generalise courant 2025. En mars 2026, le modele pilote l'ensemble du classement du fil d'actualite pour les 1,3 milliard de membres LinkedIn, ainsi que d'autres surfaces de la plateforme (suggestions de connexion, recommandations d'emploi).

Combien de parametres possede le modele 360Brew ?

360Brew est un modele de 150 milliards de parametres, construit sur l'architecture Mixtral 8x22B (Mixture of Experts). Il a ete entraine sur 15 sources de donnees distinctes issues de l'Economic Graph de LinkedIn, incluant profils de membres, descriptions de postes, publications et donnees d'interaction.

Les saves sont-ils vraiment plus importants que les commentaires ?

Selon l'analyse d'AuthoredUp sur plus de 3 millions de publications, un save genere 5 fois plus de portee qu'un like et 2 fois plus qu'un commentaire standard. Cependant, un commentaire qualifie de plus de 15 mots provenant d'un expert sectoriel peut generer un effet d'amplification de 5,2x, ce qui le rend potentiellement plus puissant qu'un save isole.

Comment savoir si 360Brew penalise mes publications ?

Le signe le plus fiable est une baisse de portee superieure a 50 % par rapport a votre moyenne de 2024, combinee a un taux d'engagement stable ou en baisse. Utilisez le framework Audit 360Brew All In presente dans cet article pour evaluer votre score sur les 5 dimensions cles. Un score inferieur a 15/25 indique un desalignement avec le modele.

360Brew detecte-t-il le contenu genere par intelligence artificielle ?

360Brew ne dispose pas d'un detecteur d'IA explicite, mais le modele evalue la specificite, l'originalite et la profondeur d'expertise du contenu. Les publications generees par IA sans valeur ajoutee humaine (donnees proprietaires, experience terrain, point de vue original) obtiennent systematiquement des scores de pertinence plus faibles, ce qui reduit leur distribution.

L'engagement dans la premiere heure est-il toujours determinant sous 360Brew ?

Moins qu'avant. L'engagement dans la premiere heure reste un signal positif, mais 360Brew accorde desormais une valeur significative a l'engagement differe (24 a 72 heures apres publication). Selon AuthoredUp, les publications qui recoivent des saves et des commentaires substantiels dans cette fenetre tardive performent 4 a 6 fois mieux. Le modele interprete cet engagement tardif comme un indicateur de valeur durable.

Glossaire

360Brew : modele d'intelligence artificielle de 150 milliards de parametres developpe par l'equipe FAIT de LinkedIn, base sur l'architecture Mixtral 8x22B. Il unifie plus de 30 taches de classement et de recommandation sur la plateforme.

Decoder-only : type d'architecture de modele de langage qui genere du texte de maniere sequentielle, mot apres mot. Contrairement aux modeles encodeur (type BERT) qui analysent le texte globalement, un decoder-only raisonne de maniere causale, ce qui lui permet de generer des predictions contextuelles.

Causal LLM : grand modele de langage causal utilise par LinkedIn pour l'etape de retrieval. Fine-tune a partir de LLaMA 3 de Meta, il filtre environ 300 millions de posts vers 2 000 candidats pour chaque utilisateur.

Retrieval : premiere etape du pipeline algorithmique qui selectionne un sous-ensemble de contenus potentiellement pertinents dans l'ensemble du corpus disponible. Chez LinkedIn, le retrieval reduit environ 300 millions de posts a 2 000 candidats.

Scoring semantique : methode d'evaluation du contenu basee sur la comprehension du sens du texte (semantique) plutot que sur le comptage de signaux numeriques. 360Brew attribue un score de pertinence en analysant le sens du contenu en relation avec le profil du lecteur.

Mixture of Experts (MoE) : architecture de reseau de neurones ou seule une fraction des parametres est activee pour chaque requete. Le modele Mixtral 8x22B utilise par 360Brew active un sous-ensemble de ses 150 milliards de parametres selon la tache, ce qui optimise les performances tout en controlant les couts de calcul.

Dwell time : duree pendant laquelle un utilisateur reste sur une publication dans son fil d'actualite. Les posts affichant un dwell time superieur a 60 secondes atteignent un taux d'engagement de 15,6 %, contre 1,2 % pour ceux lus en moins de 3 secondes.

Save (sauvegarde) : action de sauvegarder une publication LinkedIn pour la retrouver plus tard. Sous 360Brew, un save genere 5 fois plus de portee qu'un like et 2 fois plus qu'un commentaire standard.

In-Context Learning (ICL) : capacite des grands modeles de langage a adapter leur comportement en fonction du contexte fourni dans le prompt, sans necessiter de fine-tuning supplementaire. 360Brew utilise l'ICL pour evaluer la pertinence de chaque contenu pour chaque lecteur.

Economic Graph : representation numerique de l'economie mondiale construite par LinkedIn, comprenant les profils de 1,3 milliard de membres, les entreprises, les competences, les postes et les interactions. 360Brew a ete entraine sur ces donnees.

Embedding : representation numerique d'un texte sous forme de vecteur dans un espace multidimensionnel. Le systeme de retrieval de LinkedIn genere des embeddings pour les membres et les contenus afin de calculer leur proximite semantique.

Feature engineering : processus manuel de creation de variables numeriques a partir de donnees brutes pour alimenter un modele de machine learning. 360Brew elimine cette etape en utilisant directement le langage naturel comme interface.

Pod d'engagement : groupe organise d'utilisateurs LinkedIn qui se likent et se commentent mutuellement de maniere systematique pour gonfler artificiellement les metriques d'engagement. Cette pratique est detectee et penalisee par 360Brew.

Zero-shot : capacite d'un modele d'IA a effectuer une tache qu'il n'a jamais explicitement apprise lors de son entrainement. 360Brew peut generaliser a de nouvelles taches de recommandation sans fine-tuning specifique, grace a son interface en langage naturel.

QPS (Queries Per Second) : nombre de requetes traitees par seconde par un systeme. Le systeme de retrieval de LinkedIn traite plusieurs milliers de QPS avec un budget de latence de quelques millisecondes.

All In : decodez l'algorithme, reprenez le controle de votre visibilite LinkedIn

360Brew a redistribue les cartes de la visibilite sur LinkedIn. Les dirigeants de PME B2B qui comprennent les mecanismes du nouveau modele et ajustent leur strategie de contenu en consequence prennent un avantage concurrentiel mesurable sur leur marche.

All In est la plateforme media et formation des dirigeants de PME B2B qui veulent maitriser LinkedIn pour generer des leads, developper leur marque personnelle et structurer leur presence commerciale.

Rejoignez la communaute All In

Sources