apprendre · l'algorithme linkedin

Comment fonctionne l’algorithme LinkedIn en 2026

J’ai lu les articles de recherche et les annonces officielles de LinkedIn ligne par ligne. Voici ce qu’ils disent sur la façon dont tes publications sont trouvées, classées et filtrées — et ce qu’ils ne disent pas.

par Petalie·recherche de Jean-Paul Azzi·mis à jour le 25 sept. 2026·8 min de lecture

Comment lire mes étiquettes : confirméla source le dit · déduitma déduction à partir de ce qui est confirmé · spéculéune supposition, et je le dis

la version courte

Le fil d’actualité LinkedIn est une chaîne d’étapes : il rassemble des publications de ton réseau et d’ailleurs, prédit ce que tu ferais avec chacune, en tire un score, puis applique quelques règles finales. confirmé · 1
Le modèle de classement principal, décrit dans un article de 2026, lit tes 1 000 dernières impressions dans le fil et ce que tu en as fait. Selon les ingénieurs de LinkedIn, il sert la majorité du trafic du fil. confirmé · 1
Ton réseau porte encore le fil : les publications de tes relations et de tes abonnements font plus de 70 % des impressions et de l’engagement. confirmé · 3
Le temps passé sur une publication fait partie de ce que le modèle prédit. En 2020, LinkedIn décrivait déjà une baisse du score des publications qu’on risque de sauter. confirmé · 1, 4, 10
Je n’ai trouvé aucun article ni page officielle de LinkedIn qui confirme une pénalité pour les liens, un effet des hashtags ou une « heure d’or ». LinkedIn dit en revanche lutter contre les pods d’engagement et les appâts du type « commente si tu es d’accord ». confirmé · 8

LinkedIn publie plus sur son fil que la plupart des plateformes, et les articles les plus récents datent de 2026

Les ingénieurs de LinkedIn publient des articles sur le fil dans arXiv, l’archive ouverte de la recherche, et l’entreprise fait des annonces officielles dans sa salle de presse et sur son blogue. Voici ce que j’ai lu, du plus récent au plus ancien, avec le statut que chaque source se donne.

Feed SR (Hertel et al., LinkedIn, février 2026, révisé en septembre 2026). Le modèle de classement principal. L’article dit qu’il a remplacé l’ancien et qu’il sert « la majorité du trafic du fil LinkedIn ». confirmé · 1
Connected Content Retriever (Gupta et al., LinkedIn, septembre 2026). Le tri des publications de ton réseau avant le classement. Le résumé parle d’expériences en ligne sur le vrai fil, sans dire si le système est déployé partout. confirmé · 3
Large Scale Retrieval for the LinkedIn Feed (Ramanujam et al., LinkedIn, octobre 2025). La recherche de publications hors de ton réseau, avec une version affinée du modèle de langage Llama 3 de Meta. L’article décrit un test A/B en ligne, pas un déploiement complet ; l’article de 2026 le cite parmi les sources de publications du fil. confirmé · 2, 1
LiRank (Borisyuk et al., LinkedIn, 2024) et LiGR (Borisyuk et al., LinkedIn, 2025). Les générations précédentes du modèle de classement, dont les méthodes sont passées en production selon les deux articles. confirmé · 4, 5
LinkedIn Post Embeddings (Ramanujam et al., LinkedIn, 2024, mis à jour en 2025). Le modèle qui transforme le texte d’une publication en représentation de son sujet, utilisé pour trouver et classer les publications du fil, en production depuis plus de deux ans selon l’article. confirmé · 6
360Brew (Firooz et al., LinkedIn, 2025). Un modèle de recherche de 150 milliards de paramètres que son propre résumé dit « pré-production ». Les administrateurs d’arXiv ont depuis retiré toutes ses versions pour un problème de licence. confirmé · 7
Annonces officielles : un texte de mars 2026 de la salle de presse de LinkedIn sur le fil, et un billet de mai 2022 de son blogue officiel sur la qualité du fil. confirmé · 8, 9 Trois billets du blogue d’ingénierie (2017, 2018, 2020) complètent les détails. Ils sont vieux, et les systèmes changent. confirmé · 10, 11, 12

Ce que je n’ai pas pu lire : le centre d’aide de LinkedIn, ses Politiques de la communauté professionnelle et son plus récent billet d’ingénierie n’étaient pas accessibles quand j’ai vérifié. Rien ici ne s’appuie sur eux.

Une publication arrive dans un fil en cinq étapes, et LinkedIn a décrit chacune

1Comprendre la publication. Dès sa mise en ligne, des classificateurs l’étiquettent « spam », « faible qualité » ou « correcte » presque en temps réel, selon la description de 2017. confirmé · 12 Un modèle de texte transforme tes mots en représentation du sujet, et les publications semblables se retrouvent proches. confirmé · 6 Pour trouver des lecteurs hors de ton réseau, la publication est aussi décrite en texte à un modèle de langage : type de publication, contenu partagé (texte, image, vidéo, changement de poste), nom, titre de profil, entreprise, secteur et poste de l’auteur, popularité, titre et source d’un éventuel article en lien, et le texte lui-même. confirmé · 2 Une nouvelle publication entre dans cet index en moins d’une minute, et sa représentation est mise à jour en moins de 30 minutes à mesure que les gens réagissent. confirmé · 2

2Trouver des candidates. Premier réservoir, ton réseau : les publications de tes relations et de tes abonnements, qui font plus de 70 % des impressions et de l’engagement du fil. confirmé · 3 On y trouve aussi les publications qu’une de tes relations a aimées, commentées ou republiées sans les avoir écrites, ce que les ingénieurs de LinkedIn appellent « stranger viral ». confirmé · 3 Cet index dépasse le milliard d’éléments ; la sélection de l’activité de ton réseau le ramène à quelques dizaines de milliers, et un modèle de pré-classement en transmet quelques centaines au classement. confirmé · 3 Second réservoir, les publications suggérées hors réseau : un modèle Llama 3 affiné lit une description texte de toi (titre de profil, résumé, secteur, compétences, lieu, parcours, certifications, langues, et publications avec lesquelles tu as interagi), puis garde les mille à deux mille publications les plus proches parmi des centaines de millions. confirmé · 2 Chaque candidate doit passer les classificateurs de confiance de LinkedIn, être dans une langue que tu comprends, ne pas venir de quelqu’un que tu as bloqué et ne pas être déjà vue. confirmé · 2

3Classer selon les actions prédites. Le modèle évalue en général environ 512 candidates par requête. confirmé · 1 Pour chacune, il prédit la probabilité que tu restes au-delà d’un certain seuil (la « lecture longue », long dwell), que tu aimes, commentes, partages ou cliques ; l’article de 2024 mentionne aussi « vote ». confirmé · 1, 4 Ces prédictions sont combinées avec des pondérations en un seul score. confirmé · 1, 4 Le modèle de 2026 s’appuie sur tes 1 000 dernières impressions et ce que tu as fait sur chacune, ta proximité avec l’auteur (l’« affinité lecteur-auteur »), la popularité déjà acquise par la publication et un résumé de ton profil produit par un modèle de langage. confirmé · 1 Ses ingénieurs écrivent que les signaux de popularité « restent cruciaux ». confirmé · 1 En 2020, LinkedIn ajoutait aussi au score l’activité que la publication générerait plus loin si tu interagissais, et la valeur pour l’auteur de recevoir une réaction. confirmé · 10 En 2018, un changement a déplacé environ 8 % de toutes les réactions des 0,1 % de créateurs du haut vers les 98 % du bas. confirmé · 11 Ces descriptions sont anciennes, et les pondérations actuelles ne sont pas publiées.

4Les règles finales. Après le classement, une « logique métier supplémentaire est appliquée à la liste classée ». confirmé · 1 L’article LiGR de 2025 décrit ce que ça a historiquement inclus : au moins deux éléments entre deux publications hors réseau, et entre deux publications du même auteur. confirmé · 5 L’article de 2026 ne donne pas les règles actuelles.

5Apprendre de la suite. Les modèles de classement sont mis à jour chaque jour avec les nouvelles interactions. confirmé · 1 Les publications qu’on t’a montrées sans que tu interagisses servent de « négatifs difficiles » (hard negatives) pour entraîner le modèle de recherche : des exemples de ce qu’il ne faut pas aller chercher pour toi. confirmé · 2 En 2020, LinkedIn décrivait un modèle qui prédit si tu vas sauter une publication et baisse son score en proportion de ce risque. confirmé · 10 LinkedIn dit aussi utiliser l’« exploration/exploitation » dans le fil. confirmé · 4 En général, ça veut dire montrer parfois des éléments dont le modèle est moins sûr, pour apprendre de la réaction. déduit

Ce que ça change pour toi : retenir l’attention, obtenir de vraies réponses, dire de quoi tu parles

Ce sont mes déductions à partir des éléments confirmés ci-dessus, pas des règles publiées par LinkedIn.

Écris pour la lecture, pas pour le clic. Le modèle prédit la lecture longue et a pénalisé les publications qu’on risque de sauter : une publication qui retient ceux qui s’y arrêtent part donc probablement avec un avantage sur un simple clic rapide. déduit
Ton réseau reste la route principale. La plupart des impressions viennent des relations et des abonnements, et une réaction, un commentaire ou un partage d’une relation peut faire entrer ta publication dans le réservoir de son réseau : la portée grandit par les gens qui interagissent vraiment. déduit Comme le modèle tient compte de la proximité entre lecteur et auteur, ceux qui interagissent souvent avec toi sont probablement ceux qui verront ta prochaine publication. déduit
Dis de quoi tu parles, avec les mots de ton public. Le modèle qui cherche hors réseau lit ton texte, ton titre de profil, ton entreprise, ton secteur et ton poste, et les compare aux gens qui ont interagi avec des publications semblables. Des mots clairs et un titre de profil juste lui donnent plus de prise. déduit
La réaction du début est un signal, pas un chronomètre. La popularité déjà acquise alimente la recherche et le classement, donc un vrai engagement dans les premières heures se prolonge ; aucune source ne décrit de fenêtre fixe après laquelle une publication serait finie. déduit
Pas d’appâts. LinkedIn dit réduire les invitations du type « commente si tu es d’accord », les publications recyclées ou conçues pour faire cliquer et les vidéos qui ne correspondent pas à leur texte, et vouloir rendre les pods d’engagement inefficaces. confirmé · 8 Les publications qu’on fait défiler deviennent aussi des exemples de ce qu’il ne faut pas montrer. confirmé · 2
Espace tes publications. Avec la règle d’écart pour un même auteur, publier plusieurs fois d’affilée ne remplira probablement pas des places consécutives dans un fil. Aucune source ne donne de fréquence idéale. déduit

Ce que personne hors de LinkedIn ne sait, moi comprise, et six croyances vérifiées

La plus grande inconnue, ce sont les pondérations : aucun article ni page officielle ne dit combien vaut un commentaire par rapport à un j’aime, un partage ou une lecture longue. Je regarde des publications toute la journée, et je ne vois pas ces pondérations. Personne hors de LinkedIn ne les voit. Le seuil de lecture longue n’est pas publié non plus : l’article de 2024 donne en exemple le 90e centile du temps passé, et celui de 2026 dit qu’il dépend du type de publication. confirmé · 4, 1 La liste complète des caractéristiques du modèle de 2026 n’est pas publiée non plus. Voici six croyances répandues, vérifiées contre les sources (voir la page des mythes).

« Les liens externes sont punis. » Aucune preuve dans un sens ou dans l’autre : aucun article ni page officielle que j’ai vérifiés ne parle d’une pénalité. Le modèle de recherche lit le titre et la source d’un article en lien comme une partie de la publication. confirmé · 2 LinkedIn dit réduire les publications « conçues pour faire cliquer », sans définir le terme ni parler de liens. confirmé · 8
« Les hashtags augmentent la portée. » Aucune preuve. Dans les articles que j’ai lus, les hashtags n’apparaissent que comme étiquette d’entraînement pour aider le modèle de texte à comprendre le sujet des publications. confirmé · 6 Ils sont donc probablement lus comme n’importe quels mots sur le sujet ; rien ne montre qu’ils ajoutent de la portée. déduit
« L’heure d’or décide de tout. » Aucune preuve d’une fenêtre fixe. Les compteurs de popularité font partie des données d’entrée, et le modèle de recherche les met à jour en moins de 30 minutes. confirmé · 1, 2 En 2017, surveiller la vitesse des j’aime, partages et commentaires servait à repérer les publications qui pourraient devenir virales, pour faire vérifier celles de faible qualité. confirmé · 12
« Les commentaires valent plus que les j’aime. » Non confirmé. Chaque action est prédite séparément et pondérée, mais les pondérations ne sont pas publiées. confirmé · 1, 4 Une réaction, un commentaire ou un partage d’une relation peuvent chacun faire entrer une publication dans le réservoir de son réseau. confirmé · 3
« Le temps de lecture compte. » Confirmé : la lecture longue est une action prédite par les modèles de 2024 et de 2026. confirmé · 4, 1
« Le fil tourne maintenant sur 360Brew. » Non étayé. 360Brew était décrit comme pré-production, et son article a été retiré. confirmé · 7 L’article de production de 2026 décrit un autre modèle et dit qu’un classement par LLM testé par l’équipe n’a « jamais obtenu de meilleurs résultats en ligne » que la production. confirmé · 1 Les modèles de langage servent ailleurs : trouver les publications suggérées et résumer les profils. confirmé · 2, 1

Pages entreprise : aucune des sources vérifiées ne décrit de traitement à part pour leurs publications. La FAQ ci-dessous dit ce qu’on peut en déduire.

Les questions qu'on se pose

Comment fonctionne l’algorithme LinkedIn en 2026 ?

LinkedIn rassemble des publications candidates de ton réseau et d’ailleurs, prédit pour chacune des actions comme la lecture longue, le j’aime, le commentaire et le partage, combine le tout en un score, puis applique des règles finales, comme espacer les publications d’un même auteur. confirmé · 1, 5 Le modèle principal, décrit dans un article de 2026, lit tes 1 000 dernières impressions dans le fil. confirmé · 1 Les publications suggérées de personnes que tu ne connais pas sont trouvées par un modèle de langage qui lit ton profil et les publications avec lesquelles tu as interagi. confirmé · 2

Qu’est-ce qui a changé dans l’algorithme LinkedIn en 2026 ?

En mars 2026, LinkedIn a annoncé passer le classement du fil à de plus grands modèles séquentiels, appelés Generative Recommenders, complétés par des LLM, et réduire les appâts à engagement, les publications recyclées et l’engagement artificiel comme les pods et les commentaires automatisés. confirmé · 8 Un article d’ingénierie de la même année décrit Feed SR, un modèle qui lit l’historique récent du fil d’un membre et sert la majorité du trafic. confirmé · 1 Que les deux décrivent le même système, c’est ma déduction. déduit

Est-ce que LinkedIn pénalise les publications avec un lien externe ?

Aucun article ni aucune page officielle de LinkedIn que j’ai vérifiés ne le dit. Le modèle de recherche lit le titre et la source d’un article en lien comme une partie de la publication, et le modèle de classement compte un clic prédit parmi les actions qu’il évalue. confirmé · 2, 4 Rien de publié ne dit si quelque chose compense ça pour les publications avec lien.

Les hashtags servent-ils encore à quelque chose sur LinkedIn ?

Aucun article ni aucune page officielle que j’ai vérifiés ne dit que les hashtags augmentent la diffusion. Le modèle de texte de LinkedIn utilise les hashtags comme une des étiquettes d’entraînement pour apprendre de quoi parle une publication confirmé · 6, donc ils sont lus comme des mots sur le sujet. Ton texte et ton titre de profil portent le même genre d’information. déduit

Comment l’algorithme LinkedIn traite-t-il les Pages entreprise ?

Aucune des sources que j’ai vérifiées ne décrit de règle à part pour les publications des Pages. Les candidates du réseau viennent des relations et des abonnements, et le modèle tient compte de la proximité entre chaque lecteur et l’auteur. confirmé · 3, 1 Ça laisse penser qu’une Page atteint ses abonnés par le même chemin que les personnes, et qu’une Page avec laquelle ses abonnés interagissent rarement part avec un retard. déduit

360Brew, c’est l’algorithme de LinkedIn ?

Pas selon les propres articles de LinkedIn. 360Brew était un modèle de recherche de 150 milliards de paramètres décrit comme pré-production, et toutes ses versions sur arXiv ont été retirées. confirmé · 7 Le modèle de classement en production décrit en 2026 s’appelle Feed SR, et le même article dit qu’un modèle de classement basé sur un LLM n’a jamais battu la production lors des tests en ligne. confirmé · 1

Sources

Hertel, L., Srivastava, G., Naqvi, S. A., et al. (2026). An Industrial-Scale Sequential Recommender for LinkedIn Feed Ranking (Feed SR). arXiv:2602.12354 (v1 Feb 2026, v3 Sep 2026). LinkedIn. arxiv.org · article scientifique · productionLe modèle de classement principal actuel ; dit servir la majorité du trafic du fil. Actions prédites, historique de 1 000 impressions, popularité et affinité, mises à jour quotidiennes, test d’un classement par LLM non concluant. Ne publie ni les pondérations ni la liste complète des caractéristiques.
Ramanujam, S. S., Alonso, A., Kataria, S., et al. (2025). Large Scale Retrieval for the LinkedIn Feed using Causal Language Models. arXiv:2510.14223. LinkedIn. arxiv.org · article scientifique · productionRecherche de publications hors réseau (suggérées) avec Llama 3 affiné : données d’entrée, filtres, fraîcheur, négatifs difficiles. Décrit un test A/B en ligne sur du vrai trafic ; n’affirme pas un déploiement complet (cité comme source de candidats par la source 1).
Gupta, A., Ramanujam, S. S., Mehta, C. B., et al. (2026). Connected Content Retriever: Dense Graph Edge Features Powering Pre-Ranking at LinkedIn. arXiv:2609.22441. LinkedIn. arxiv.org · article scientifique · recherchePré-classement des publications du réseau ; part du réseau dans les impressions (plus de 70 %) et candidates « stranger viral ». Seul le résumé a été lu ; il fait état d’expériences en ligne, pas d’un déploiement complet confirmé.
Borisyuk, F., Zhou, M., Song, Q., et al. (2024). LiRank: Industrial Large Scale Ranking Models at LinkedIn. arXiv:2402.06859. LinkedIn. arxiv.org · article scientifique · productionModèle de classement précédent en production : actions prédites (j’aime, commentaire, partage, vote, lecture longue, clic), combinaison linéaire, définition de la lecture longue, exploration/exploitation dans le fil.
Borisyuk, F., Hertel, L., Parameswaran, G., et al. (2025). From Features to Transformers: Redefining Ranking for Scalable Impact (LiGR). arXiv:2502.03417. LinkedIn. arxiv.org · article scientifique · productionCadre de classement à base de transformeurs mis en production ; décrit les anciennes règles de diversité (écarts de deux éléments).
Ramanujam, S. S., Bindal, A., Jiang, Y., et al. (2024, v4 2025). LinkedIn Post Embeddings: Industrial Scale Embedding Generation and Usage across LinkedIn. arXiv:2405.11344. LinkedIn. arxiv.org · article scientifique · productionReprésentation textuelle des publications utilisée dans la recherche de candidats et le classement du fil, en production depuis plus de deux ans ; hashtags utilisés comme étiquettes d’entraînement.
Firooz, H., Sanjabi, M., Englhardt, A., et al. (2025). 360Brew: A Decoder-only Foundation Model for Personalized Ranking and Recommendation. arXiv:2501.16450. LinkedIn. arxiv.org · article scientifique · rechercheModèle de recherche qui se décrit comme pré-production (150 milliards de paramètres, plus de 30 tâches, résultats hors ligne). Les quatre versions arXiv ont été retirées par les administrateurs d’arXiv (problème de licence) ; lu à partir d’une copie sauvegardée de la version du début de 2025.
LinkedIn Corporate Communications (2026, 12 March). How LinkedIn Is Improving the Feed to Show More Relevant, Authentic Professional Content. LinkedIn Pressroom. news.linkedin.com · page officielle · déclaration officielleGenerative Recommenders complétés par des LLM ; mesures contre les pods, les commentaires automatisés, les appâts, les publications recyclées ou conçues pour faire cliquer ; test d’un sélecteur de centres d’intérêt. Aucun détail technique, aucune mention des liens ni des hashtags.
LinkedIn (2022, 5 May). Keeping your feed relevant and productive. Official LinkedIn Blog. blog.linkedin.com · page officielle · déclaration officielleDit que LinkedIn ne mettra pas en avant les publications qui demandent des j’aime ou des réactions pour gagner en portée ; moins de sondages d’inconnus ; option « Je ne veux pas voir ceci ». Date de quatre ans.
Dangi, S., Jia, J., Somaiya, M., Xuan, Y. (2020). Understanding dwell time to improve LinkedIn feed ranking. LinkedIn Engineering Blog. engineering.linkedin.com · page officielle · productionMesure du temps de lecture, modèle de défilement qui baisse les scores, combinaison pondérée incluant l’effet en aval et la valeur pour le créateur. Décrit le système de 2020.
Barrilleaux, B., Wang, D. (2018). Spreading the love in the LinkedIn feed with creator-side optimization. LinkedIn Engineering Blog. engineering.linkedin.com · page officielle · productionChangement déployé qui a redirigé des réactions vers les plus petits créateurs. Décrit le système de 2018.
Bhatt, R., Saltman, B. (2017). Strategies for keeping the LinkedIn feed relevant. LinkedIn Engineering Blog. engineering.linkedin.com · page officielle · productionClassement spam / faible qualité / correct à la publication, vérification des contenus qui deviennent viraux, signalements des membres. Décrit le système de 2017.

Ceci est la version en langage clair. La recherche complète — chaque étape formalisée — est celle de Jean-Paul Azzi, et elle deviendra un livre. Chaque affirmation ici renvoie à l'article, à la page ou au code de la plateforme elle-même ; rien ne vient de blogues marketing.