💻 informatique

Aesthetics Prediction of Websites using Federated Learning

Cet article propose une approche basée sur l'apprentissage fédéré utilisant EfficientNet-B0 pour prédire l'esthétique des interfaces de sites web en incorporant les préférences individuelles des utilisateurs à travers cinq groupes démographiques, atteignant une erreur quadratique moyenne prometteuse de 0,0534 tout en surmontant les limites de la collecte de données centralisée et des évaluations moyennes.

Auteurs originaux : Ranjan Maity, Jahnavi Roy, Rahul Son Boro, Deepali Borgayary

Publié 2026-10-19

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Ranjan Maity, Jahnavi Roy, Rahul Son Boro, Deepali Borgayary

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Nous vivons dans un monde où l'aspect d'un écran numérique compte autant que ce qu'il fait. Avant même qu'une personne ne lise un seul mot sur un site web ou une application, son cerveau a déjà formé une opinion pour savoir s'il est plaisant ou rebutant. Ce jugement en une fraction de seconde, souvent rendu en moins d'un clin d'œil, peut déterminer si un utilisateur reste pour explorer ou s'en va immédiatement. Pour les designers, cela crée un défi difficile : la beauté est profondément personnelle. Ce qu'une personne trouve élégant, une autre peut le trouver encombré ou ennuyeux. Traditionnellement, pour comprendre ces préférences, les chercheurs ont rassemblé des milliers de personnes pour évaluer des images, puis ont fait la moyenne des scores pour trouver une opinion « générale ». Mais cette approche présente une faille. En mélangeant les goûts de chacun en un chiffre unique, elle efface les préférences uniques des individus. Elle suppose qu'un étudiant, un professionnel actif et un retraité voient le monde de la même manière, ce qui est rarement vrai. De plus, la collecte de toutes ces évaluations personnelles dans une base de données centrale soulève des préoccupations concernant la vie privée, car elle exige que les utilisateurs confient leurs opinions privées à une autorité centrale.

Une équipe de chercheurs de l'Institut Central de Technologie de Kokrajhar, en Inde, s'est donné pour mission de résoudre ces problèmes en construissant un nouveau type de système qui respecte le goût individuel sans compromettre la vie privée. Ils ont proposé une méthode appelée Apprentissage Fédéré (Federated Learning), une technique qui permet aux ordinateurs d'apprendre à partir de données sans jamais déplacer ces données du dispositif de l'utilisateur. Au lieu de rassembler toutes les évaluations dans un seul grand tas, le système envoie un programme informatique intelligent sur les appareils des utilisateurs. Le programme apprend à partir des évaluations stockées localement sur chaque appareil, et seules les leçons apprises — les ajustements mathématiques du programme — sont renvoyées vers un serveur central. Les évaluations brutes, les opinions personnelles, ne quittent jamais le téléphone ou l'ordinateur de l'utilisateur. Pour tester cette idée, les chercheurs ont créé un ensemble de données de cent interfaces de sites web, capturant à la fois les versions pour ordinateur de bureau et pour mobile de cinquante sites différents, allant des portails gouvernementaux aux applications de shopping. Ils ont ensuite demandé à cent personnes de noter ces écrans sur une échelle de un à dix. Les participants représentaient un mélange d'âges, de genres et de professions, garantissant une grande variété de perspectives.

Les chercheurs devaient d'abord trouver le meilleur « cerveau informatique » pour effectuer le travail lourd de reconnaissance de la beauté visuelle. Ils ont testé trois modèles d'apprentissage profond différents, qui sont des systèmes complexes conçus pour imiter la façon dont l'œil humain traite les images. Après avoir mené des essais approfondis, ils ont constaté qu'un modèle appelé EfficientNet-B0 était le plus efficace. Il était rapide, nécessitait moins de ressources informatiques et produisait les prédictions les plus précises. Cependant, la véritable innovation résidait dans la gestion de l'élément humain. L'équipe a réalisé que les gens n'utilisent pas les échelles d'évaluation de la même manière. Certaines personnes ont tendance à donner des scores élevés à tout, tandis que d'autres sont naturellement plus critiques. Pour corriger cela, ils ont développé un moyen d'ajuster les évaluations de chaque personne avant que l'ordinateur n'apprenne de celles-ci. Ils ont calculé comment une personne spécifique évalue généralement les choses par rapport à la moyenne du groupe et ont ajusté ses scores en conséquence. Cela a permis à l'ordinateur d'apprendre la véritable forme de la préférence d'une personne, plutôt que simplement sa tendance à être généreuse ou sévère.

Pour voir si cette approche fonctionnait dans un scénario réel, les chercheurs ont divisé les cent participants en cinq groupes distincts basés sur leur genre et leur profession : femmes sans emploi, étudiantes, femmes actives, étudiants et hommes actifs. Chaque groupe agissait comme un « client » séparé dans le système d'Apprentissage Fédéré. Le serveur central a envoyé le modèle initial EfficientNet-B0 à chacun de ces cinq groupes. Chaque groupe a entraîné le modèle sur ses propres données locales, apprenant ce que sa démographie spécifique trouvait beau. Une fois l'entraînement terminé, les groupes ont renvoyé les poids mis à jour de leur modèle au serveur. Le serveur a ensuite combiné ces mises à jour pour créer un nouveau modèle global plus intelligent, qui comprenait les nuances de chacun des cinq groupes. Ce cycle s'est répété pendant trente-trois cycles. Tout au long de ce processus, le système n'a jamais vu les évaluations brutes ; il n'a vu que les améliorations mathématiques apportées par chaque groupe.

Les résultats ont montré que cette approche préservant la vie privée était très efficace. Le modèle final a atteint un taux d'erreur très bas, ce qui signifie que ses prédictions sur la façon dont une personne aimerait un site web étaient extrêmement proches des évaluations réelles données par les utilisateurs. Le système a particulièrement bien fonctionné pour les groupes ayant des goûts plus similaires, tels que les participantes sans emploi, tout en maintenant une forte précision pour les groupes ayant des opinions plus diverses. Crucialement, les chercheurs ont constaté que les versions mobiles des sites web étaient évaluées presque de la même manière que leurs homologues pour ordinateur de bureau, suggérant que les principes de l'attrait visuel restent vrais à travers différentes tailles d'écran. L'étude a démontré qu'il est possible de construire un système qui apprend d'une grande variété de personnes sans jamais avoir besoin de collecter leurs données privées dans un lieu centralisé. En utilisant un modèle global unique qui est adapté grâce à un ajustement mathématique ingénieux des évaluations, le système peut offrir des prédictions esthétiques personnalisées à n'importe qui, quel que soit son origine. Ce travail suggère que l'avenir de la conception d'interfaces utilisateur pourrait reposer sur des systèmes qui sont non seulement assez intelligents pour comprendre la beauté, mais aussi assez respectueux pour préserver la confidentialité des préférences personnelles.

Résumé Technique : Prédiction de l'esthétique des sites web via l'apprentissage fédéré

Énoncé du problème
L'esthétique visuelle des interfaces utilisateur (UI) est cruciale pour la satisfaction et l'engagement des utilisateurs, pourtant la perception esthétique est intrinsèquement subjective et varie considérablement d'un individu à l'autre en raison de facteurs tels que l'âge, le genre et la profession. Les approches computationnelles existantes pour la prédiction de l'esthétique reposent généralement sur une collecte de données centralisée et sur l'agrégation de notes au niveau de la population pour produire un score esthétique « moyen » unique. Cette méthodologie ne parvient pas à rendre compte de la variabilité interindividuelle et ignore les préférences personnelles. De plus, les méthodes traditionnelles telles que les sondages ou les évaluations heuristiques sont chronophages, difficiles à mettre à l'échelle et sujettes aux biais humains. Bien que les modèles d'apprentissage profond aient montré des promesses dans l'évaluation de l'esthétique d'images, ils manquent généralement de mécanismes pour gérer la nature non-IID (non indépendante et identiquement distribuée) des données esthétiques à travers divers groupes d'utilisateurs sans compromettre la confidentialité ou nécessiter de vastes ensembles de données centralisés.

Méthodologie
Les auteurs proposent un cadre respectueux de la vie privée pour la prédiction personnalisée de l'esthétique des UI en utilisant l'apprentissage fédéré (Federated Learning - FL). La méthodologie se déroule selon les étapes suivantes :

Construction du jeu de données :
- Un jeu de données personnalisé de 100 interfaces de sites web a été créé, comprenant 50 versions de bureau et 50 versions mobiles des mêmes sites à travers dix domaines divers (ex. : gouvernement, commerce électronique, actualités).
- Des captures d'écran ont été réalisées à des résolutions standards (1920x1080 pour le bureau ; 640x1136 pour le mobile).
- 100 participants ont évalué ces 100 interfaces en utilisant une échelle de Likert en 10 points. La méthode du Carré Latin a été employée pour atténuer le biais d'ordre.
- Une analyse statistique (test t apparié) a confirmé qu'il n'y avait pas de différence significative entre les évaluations esthétiques des versions de bureau et mobiles ( $p > 0,05$ ), permettant de les traiter comme un ensemble de données unifié.
Sélection du modèle de base :
- Trois architectures ont été évaluées : EfficientNet-B0, ResNet-50 et Vision Transformer (ViT-B/16).
- EfficientNet-B0 a été sélectionné comme modèle de base en raison de ses performances supérieures, de son coût computationnel moindre et de son nombre réduit de paramètres, ce qui le rend adapté au déploiement sur les périphériques (edge computing).
- Le modèle a été adapté pour la régression en remplaçant la couche de classification finale par une unité linéaire unique afin de prédire un score esthétique continu.
Prétraitement des données et personnalisation :
- Prétraitement des images : Les entrées ont été redimensionnées en 224x224, augmentées de légers retournements aléatoires, rotations et variations de couleur (color jitter), et normalisées à l'aide des statistiques ImageNet.
- Normalisation des notes (Contribution clé) : Pour traiter la subjectivité, une stratégie de normalisation spécifique à l'utilisateur a été implémentée. Les notes brutes ont été ajustées en supprimant la tendance de l'utilisateur à la moyenne et en les recentrant autour de la moyenne globale ( $r_{centrée} = r_{brute} - \mu_u + \mu_g$ ). Ces valeurs ont ensuite été mises à l'échelle min-max dans l'intervalle [0, 1]. Cela permet au modèle d'apprendre des préférences relatives plutôt que des scores absolus.
Architecture d'apprentissage fédéré :
- Clients : Les 100 utilisateurs ont été regroupés en cinq clients démographiques basés sur l'intersection du genre et de la profession : Femme sans emploi, Femme étudiante, Femme active, Homme étudiant et Homme actif.
- Algorithme : L'algorithme Federated Averaging (FedAvg) a été utilisé. Un serveur central initialise le modèle global EfficientNet-B0 avec des poids pré-entraînés sur ImageNet-1K.
- Processus d'entraînement : À chaque cycle de communication, le serveur distribue le modèle global aux cinq clients. Chaque client entraîne localement le modèle pendant un époque en utilisant ses données démographiques spécifiques. Seuls les poids mis à jour du modèle (et non les données brutes) sont renvoyés au serveur.
- Agrégation : Le serveur calcule une moyenne pondérée des poids des clients, proportionnelle au nombre d'échantillons d'entraînement par client, pour mettre à jour le modèle global.
- Hyperparamètres : L'entraînement a utilisé l'optimiseur AdamW (taux d'apprentissage de $1 \times 10^{-4}$ ), la perte d'erreur quadratique moyenne (MSE) et la précision mixte automatique (AMP). L'arrêt précoce (early stopping) était déclenché si la perte de validation ne s'améliorait pas pendant 10 cycles consécutifs.

Résultats clés

Convergence : Le modèle global a convergé après 33 cycles de communication. L'erreur quadratique moyenne (MSE) de validation est passée de 0,0702 au cycle 1 à une valeur finale de 0,0534 sur l'échelle normalisée [0, 1].
Métriques de performance : Le modèle final a atteint un RMSE de 0,2312 et un MAE de 0,1837.
Variation par client : La performance a varié selon le groupe démographique, reflétant la diversité des préférences internes. Le groupe « Femme sans emploi » a obtenu l'erreur la plus faible (MSE = 0,0169), tandis que le groupe « Femme active » a présenté l'erreur la plus élevée (MSE = 0,0890). Les auteurs notent que les groupes présentant une plus grande diversité interne génèrent naturellement des taux d'erreur plus élevés.
Distribution des erreurs : Les erreurs de prédiction étaient approximativement normalement distribuées autour de zéro, la majorité des erreurs se situant dans un intervalle de $\pm0,15$ sur l'échelle normalisée (soit environ $\pm1,35$ points sur l'échelle originale de 1 à 10).

Signification et revendications
L'article présente un cadre pour la prédiction personnalisée de l'esthétique des UI utilisant l'apprentissage fédéré (FedAvg), une architecture de base EfficientNet-B0 et un pipeline de normalisation des notes adaptatif à l'utilisateur. Le système distribue le processus d'apprentissage à travers cinq groupes de clients démographiques, garantissant que les données brutes de notation des utilisateurs ne quittent jamais l'appareil local. La personnalisation est réalisée grâce au pipeline de transformation des notes (recentrage de la moyenne de l'utilisateur et réinjection du biais démographique) plutôt que par le maintien de modèles locaux distincts.

Cependant, les auteurs reconnaissent explicitement une limitation majeure : le modèle global présente une tendance à prédire des scores concentrés autour de la moyenne du jeu de données (environ 0,5–0,6 sur l'échelle normalisée 0-à-1). L'implémentation actuelle repose exclusivement sur le pipeline de transformation des notes pour la personnalisation et n'effectue pas de réglage fin (fine-tuning) spécifique au client ou de personnalisation de la tête locale après l'entraînement fédéré.

Limites
Les auteurs reconnaissent modestement une limite : le modèle global a tendance à prédire des scores concentrés autour de la moyenne du jeu de données (environ 0,5–0,6 sur l'échelle normalisée). L'implémentation actuelle repose uniquement sur le pipeline de transformation des notes pour la personnalisation et n'effectue aucun réglage fin spécifique au client ou de personnalisation de la tête locale après l'entraînement fédéré.

Articles similaires