360Brew : le cerveau IA derrière le nouvel algorithme LinkedIn

Le 12 mars 2026, LinkedIn a levé le voile sur la refonte la plus importante de son fil d'actualité depuis la création de la plateforme. Au cœur de ce changement : 360Brew, un modèle d'intelligence artificielle à 150 milliards de paramètres qui remplace la mécanique de recommandation fragmentée construite au fil des années.

Pourtant, ce n'est pas une mauvaise nouvelle pour tout le monde. Les créateurs qui comprennent comment pense 360Brew voient au contraire leur autorité grimper. Voici ce qu'il faut savoir pour jouer avec les nouvelles règles plutôt que contre elles.

Qu'est-ce que 360Brew exactement ?

360Brew est un modèle de fondation (foundation model) décodeur seul, développé par l'équipe FAIT (Foundation AI Technologies) de LinkedIn et détaillé publiquement dans un article de recherche publié sur arXiv en janvier 2025 par Hamed Firooz et ses collègues.

Trois caractéristiques techniques à retenir :

• 150 milliards de paramètres, entraîné exclusivement sur les données propriétaires de LinkedIn (profils, posts, interactions professionnelles, descriptions de poste).
• Architecture issue de la famille LLaMA 3 de Meta, adaptée et fine-tunée par LinkedIn.
• Capable de gérer plus de 30 tâches prédictives différentes : classement du fil, recommandations d'emplois, suggestions de connexions, ciblage publicitaire, etc.

Avant 360Brew, le fil d'actualité reposait sur cinq pipelines de récupération distincts fonctionnant en parallèle — contenu tendance, filtrage collaboratif, trending géographique, modules sectoriels, systèmes d'embeddings — chacun avec sa propre infrastructure. Aucune équipe ne pouvait optimiser l'ensemble de manière cohérente. 360Brew unifie tout ça dans un seul cerveau qui lit réellement le contenu au lieu de se fier à des signaux indirects comme les hashtags ou les clics.

Une façon simple de le comprendre : imaginez que 360Brew fonctionne comme ChatGPT, mais interne à LinkedIn. Chaque fois que vous ouvrez l'application, le système envoie une requête à son modèle, dans le style :

• Quand vous faites une recherche : « En te basant sur le profil de cet utilisateur et les critères qu'il vient d'entrer, donne-moi la liste des profils ou contenus les plus pertinents à afficher. »
• Quand vous ouvrez votre fil d'actualité : « En te basant sur le profil de cet utilisateur, ses intérêts, son historique d'engagement, sa proximité avec les auteurs et plusieurs autres critères, affiche-moi la liste des posts les plus pertinents pour lui. »

Le système garde en mémoire vos données, vos préférences, votre historique, et combine tout ça avec sa compréhension sémantique du contenu pour composer vos feeds, listes et suggestions.

Comment fonctionne le nouvel algorithme LinkedIn depuis le 12 mars 2026 ?

Le système annoncé officiellement par Hristo Danchev, Senior Staff TPM chez LinkedIn, fonctionne en deux étapes distinctes.

Étape 1 : la récupération (retrieval)

Un premier modèle — un Causal LLM basé sur LLaMA 3 — convertit chaque publication et chaque profil utilisateur en une représentation vectorielle dans un espace sémantique partagé. Concrètement, il transforme les mots en chiffres qui capturent leur sens professionnel.

Quand vous ouvrez LinkedIn, ce modèle compare votre « empreinte sémantique » (ce que votre profil et vos interactions disent de vos intérêts professionnels) à celle de millions de posts, et présélectionne environ 2 000 candidats en quelques millisecondes. La correspondance se fait par similarité cosinus — une mesure mathématique de proximité sémantique.

C'est ici que le cold start (démarrage à froid) devient une force. Un nouvel utilisateur qui indique « ingénieur électrique » dans son profil peut recevoir du contenu pertinent sur l'optimisation des réseaux électriques ou les petits réacteurs nucléaires modulaires dès le premier jour, sans historique d'engagement. Le LLM infère l'intérêt latent à partir du sens, pas de l'historique.

Étape 2 : le classement (ranking)

Les 2 000 posts présélectionnés passent ensuite dans le Generative Recommender (GR), un modèle transformer qui analyse plus de 1 000 de vos interactions passées comme une séquence chronologique — pas comme un sac d'événements indépendants.

Cette nuance est capitale. L'ancien système évaluait chaque post isolément. Le nouveau comprend votre trajectoire : si vous avez lu trois articles sur le marketing B2B cette semaine, puis cherché des infos sur le growth hacking, puis sauvegardé un post sur la génération de leads, il en déduit où votre intérêt se dirige — pas seulement où il a été.

Qu'est-ce qui a vraiment changé dans votre portée ?

Les chiffres racontent une histoire brutale mais cohérente.

Sources : Algorithm Insights 2026 — Richard van der Blom et analyse croisée Buffer, Metricool, Socialinsider, Agorapulse par Xavier Degraux.

Ce que 360Brew récompense (et ce qu'il pénalise)

Parce qu'il lit le contenu au lieu de compter les réactions, 360Brew change radicalement ce qui fonctionne.

Ce qui est récompensé

• La cohérence thématique. Publier régulièrement sur 3 ou 4 sujets précis envoie un signal clair au modèle. Votre profil devient une « empreinte sémantique » exploitable.
• L'expertise originale. Le modèle peut évaluer la nouveauté sémantique d'un post. Une prise de position inédite, une donnée first-party, un retour d'expérience spécifique performent mieux qu'un conseil recyclé.
• Les commentaires substantiels. Un post qui génère trois commentaires argumentés bat un post avec trente likes. L'algorithme pondère l'engagement actif (commentaires, partages, messages directs) bien plus que l'engagement passif.
• Les sauvegardes (saves) et le dwell time. Quand quelqu'un enregistre votre post ou passe du temps à le lire, 360Brew l'interprète comme un signal fort d'utilité — et élargit la distribution.
• L'alignement profil-contenu. Un CMO SaaS qui parle de go-to-market, de product-market fit et de croissance B2B envoie un signal propre. Un CMO SaaS qui alterne entre management, recettes de cuisine et méditation envoie du bruit.

Ce qui est pénalisé

• Les pods d'engagement et tactiques coordonnées (on y revient plus bas — gros sujet).
• Les appels à l'engagement mécaniques. « Commentez OUI si vous êtes d'accord », « Taggez quelqu'un qui a besoin de voir ça », « Likez si vous avez déjà vécu ça » — tous détectés, tous supprimés.
• Le contenu générique généré par IA. Les articles qui suivent des patterns prévisibles, sans perspective originale, sont déprioritisés activement.
• L'incohérence éditoriale. Changer de sujet à chaque post n'est plus vu comme de la variété — c'est lu comme une absence de positionnement.
• La publication trop fréquente. Daily posting = -45 % de portée. Le sweet spot est 2 à 3 posts par semaine.

Pourquoi les « tricheurs » de LinkedIn vont tout perdre avec 360Brew

C'est probablement le changement le plus sous-estimé. Pendant des années, une économie parallèle de tactiques d'engagement s'est construite sur LinkedIn : pods, bots de commentaires, hooks copiés-collés, polls pièges à clics, commentaires génériques à la chaîne. Tout ça est en train de s'effondrer. Voici pourquoi.

Comment adapter votre stratégie de contenu LinkedIn en 2026 ?

Voici les ajustements concrets à faire cette semaine, pas dans six mois.

FAQ

Dernière mise à jour : 21 avril 2026. Cet article sera mis à jour dès que LinkedIn publiera de nouvelles informations techniques sur 360Brew ou ses successeurs.