Sur LinkedIn, les conseils qui circulaient encore il y a un an sont en grande partie périmés. Pods, hashtags optimisés, liens en commentaire, posts inspirationnels : tout ça fonctionnait sur un ancien système. Ce n'est plus ce qui tourne.
Ce que LinkedIn utilise depuis début 2026 s'appelle Feed-SR (Feed Sequential Recommender). C'est un modèle à base de transformeurs, documenté dans un article scientifique publié sur arXiv le 12 février 2026 par les équipes d'ingénierie de LinkedIn. Il remplace un ancien modèle appelé DCNv2. En tests A/B, Feed-SR a généré +2,10% de temps passé sur la plateforme par rapport au modèle précédent.
En pratique, l'effet ressemble à la logique de TikTok : ce qui retient l'attention est amplifié. Ce que ça change concrètement pour quiconque publie sur LinkedIn, c'est l'objet de cet article.
Feed-SR : ce que l'algorithme regarde vraiment
Avant 2025, LinkedIn fonctionnait avec une trentaine de signaux indépendants combinés dans un modèle appelé eRank. Engagement, affinité auteur-lecteur, fraîcheur du post... Chaque signal se travaillait séparément. C'était prévisible, et beaucoup en tiraient parti.
Feed-SR est un transformeur entraîné sur les comportements, pas sur le contenu des posts (même s'il n'est pas totalement aveugle au contenu). Chaque post de l'historique est représenté par deux embeddings entrelacés : un pour le post (contenant ses caractéristiques : ID d'auteur, type de contenu, popularité...) et un pour l'action prise par l'utilisateur. C'est cette compacité qui rend le modèle scalable.
LinkedIn a testé une approche à base de grands modèles de langue avec un projet interne appelé LLM-Rankers. Résultat : abandonné. Faire tourner un LLM sur des centaines de millions de posts en temps réel ne tenait pas économiquement, mais aussi échouait à faire de bonnes recommandations réseau.
Feed-SR analyse les 1 000 dernières impressions de chaque utilisateur, soit jusqu'à 1 an d'historique. Il construit un modèle de ce qu'il a l'habitude de faire face à quel type de contenu. Ensuite il prédit si cet utilisateur va sauvegarder, liker ou commenter le post-candidat, et présente ceux qui maximisent ces probabilités.
Pour les créateurs de contenu, ça veut dire une chose concrète : travailler son texte pour l'algorithme ne sert pas à grand-chose. Ce qui compte, c'est déclencher des comportements précis dans la première heure (Golden Hour).
Les signaux qui comptent vraiment
Ce qui fonctionne maintenant :
- Les saves : Un bookmark vaut plus qu'un like dans le scoring de Feed-SR. C'est l'interaction accessible via les trois points en haut à droite d'un post, option "Enregistrer". Si vous ne deviez retenir qu'une chose de cet article, c'est celle-là.
- Les commentaires longs. Un commentaire de plus de 15 mots pèse 2,5 fois plus qu'un commentaire court. "Super post !" n'enregistre pratiquement rien. Un commentaire qui développe une idée ou contredit un point, si.
- Le dwell time : LinkedIn optimise explicitement un signal appelé "Long Dwell" : le temps passé sur un post au-delà d'un seuil défini par type de contenu. C'est pour ça que les carrousels fonctionnent dans les secteurs techniques : les gens les lisent vraiment, slide par slide. Un hook qui pousse à cliquer "voir plus" n'est pas un détail stylistique, c'est un levier de rétention direct.
- Les liens externes : Les posts avec liens externes ont tendance à être moins distribués selon les observations terrain, mais LinkedIn ne publie pas de pénalité officielle chiffrée. Mettre le lien en commentaire à la place ne contourne plus rien depuis 2025, LinkedIn le détecte aussi.
Les formats
Il n'y a pas de meilleur format universel. C'est une conclusion directe du fonctionnement de Feed-SR, à contrecourant de ce qu'on lit souvent. L'algo construit un profil comportemental pour chaque utilisateur : si une audience a pris l'habitude d'interagir avec des carrousels dans un secteur donné, les carrousels marcheront. Si elle consomme du texte long, c'est le texte long qui gagne. La hiérarchie dépend de la niche, pas d'une règle générale.
| Format | Point fort | Signal clé | Taux d'engagement moyen |
|---|---|---|---|
| Carrousel | Dwell time via le swipe, beaucoup de saves | Temps de lecture slide par slide | ~6,6% |
| Vidéo native courte | Boost de distribution spécifique depuis 2026 | Taux de complétion | Variable |
| Texte long (800-1 200 car.) | Commentaires qualitatifs, dwell time élevé | Engagement et dwell time | Variable |
| LinkedIn Live | Taux d'engagement record | Participation en direct | ~29,6% |
Pour la vidéo native : format vertical (1080x1920), moins de 90 secondes, sous-titres recommandés pour l'accessibilité et l'encodage sémantique. Feed-SR n'est pas totalement aveugle au texte : il intègre les sous-titres vidéo et le contenu textuel des posts dans l'encodage des embeddings.
Pour choisir son format : regarder ce que les comptes référents de sa niche publient et ce qui génère des saves et des commentaires longs chez eux. C'est plus fiable que n'importe quel classement générique.
Structure optimale des carrousels
Un carrousel performant respecte une logique narrative en quatre temps :
- Slide 1 : hook percutant, une seule idée forte, aucune introduction.
- Slides intermédiaires : chaque slide construit autour d'une idée clé, entre 25 et 50 mots, visuellement lisible sur mobile.
- Mise en forme : icônes, graphiques clairs, phrases concises, cohérence avec votre personal branding.
- Dernière slide : appel à l'action explicite (commenter, enregistrer, repartager).
Format recommandé : PDF (max 100 Mo), dimensions 1080x1080 ou 1080x1350.
Timing et fréquence
| Jour | Créneau recommandé | Note |
|---|---|---|
| Mardi | 8h-11h | Bon créneau général |
| Mercredi | 8h-11h | Bon créneau général |
| Jeudi | 8h-11h | Meilleur créneau en France selon les études sectorielles |
Les 60 premières minutes sont critiques. Feed-SR teste un post pendant la première heure et c'est ce qui se passe là qui détermine si le post sera amplifié. Répondre aux commentaires dans les 15 minutes semble favoriser la distribution selon les observations de créateurs. Un point que la plupart des guides n'abordent pas : il ne faut pas publier si on ne peut pas garantir des interactions dans cette fenêtre. Un post qui sort sans signal d'engagement ne récupère pas.
Pour la fréquence, 2 à 3 posts par semaine reste la cible pour un profil personnel. Publier trop souvent déclenche une pénalisation mécanique : Feed-SR réduit le scoring du deuxième post puis du troisième dans une même fenêtre. Le premier post a toujours le meilleur scoring.
Texte et hashtags
Le hook en première ligne conditionne le clic sur "voir plus" et le dwell time. Trois formats qui fonctionnent : une donnée chiffrée surprenante, une question directe et clivante, une affirmation contre-intuitive. À éviter : une introduction qui explique ce que le post va dire.
Paragraphes courts (3-4 lignes max) avec des espaces entre chaque bloc. Sur mobile, c'est la différence entre un post qu'on lit et un post qu'on zappe. Le ciblage explicite dans le corps du texte ("si vous gérez le SEO d'un e-commerce...") aide Feed-SR à identifier l'audience et améliore l'engagement qualitatif.
Sur les hashtags : leur rôle de signal algorithmique a beaucoup diminué depuis 2024, notamment parce qu'ils ne sont plus cliquables sur desktop. LinkedIn scanne principalement le corps du texte pour la distribution. 3 à 5 hashtags précis en fin de post restent utiles pour la recherche interne. Mieux vaut privilégier #SEOtechnique ou #AutomatisationSEO à #Marketing ou #Digital, qui ne positionnent dans aucune niche.
Optimiser son profil
Le profil est un input direct dans l'algorithme. LinkedIn utilise un micro-LLM (environ 600 millions de paramètres, basé sur Qwen3) pour encoder chaque utilisateur et le positionner dans le graphe professionnel. Ce modèle est petit, sa sémantique est limitée : il faut être aussi lisible que possible.
| Élément | Ce qui encode mal | Ce qui encode bien |
|---|---|---|
| Headline | "J'aide les entreprises à X grâce à Y" | "Expert SEO technique - Audit & automatisation" |
| À propos | Texte de vente, autopromotion | Structure Expertise / Preuve / Domaine d'action, ton neutre |
| Expériences | "Head of SEO" seul | "Head of SEO, migration 500 000 URLs, +40% trafic, secteur e-commerce" |
| Compétences | Uniquement ses propres compétences | Compétences croisées avec celles de l'audience cible |
Cohérence comportementale
C'est probablement le point le moins connu de l'algorithme 2026.
Feed-SR prédit à qui montrer les posts d'un auteur en se basant sur son historique d'impressions, pas sur son profil déclaratif. Il analyse les 1000 dernières impressions pour modéliser sa position dans le graphe. Si cet historique est incohérent avec la niche visée, les posts de niche seront montrés à des gens qui n'ont aucune raison de les engager.
Cas concret : liker régulièrement les posts de contacts qui font du sport, de la cuisine ou du développement perso parce qu'on les connaît dans la vraie vie rend le profil comportemental généraliste. Quand un post sur le SEO technique sort, LinkedIn ne sait plus à qui le montrer.
La conséquence pratique : concentrer ses interactions sur les contenus de sa niche. L'engagement automatique sur tout ce qui passe dans le feed dilue le positionnement algorithmique de façon très concrète.
Si vous reprenez LinkedIn après une pause, ou si votre historique est brouillé, il faut reconstruire une fenêtre de 1000 interactions cohérentes avant de republier dans votre niche. C'est long. Mais c'est le mécanisme réel.
Profil personnel vs page entreprise
| Indicateur | Pages entreprise | Profils personnels |
|---|---|---|
| Portée organique moyenne | 1,6% des abonnés | Portée bien supérieure |
| Part du feed global | 1 à 2% | 65% de la consommation |
| Levier principal | Crédibilité, recrutement, cas clients | Distribution organique |
L'employee advocacy reste très efficace dans ce modèle : un post relayé par un employé peut performer jusqu'à 7 fois mieux que le même post publié depuis la page. Le réseau interne d'une entreprise est en moyenne 10 fois plus large que sa base d'abonnés. Avec seulement 3% d'ambassadeurs actifs, l'impact sur l'engagement peut dépasser 30%. Pour amplifier davantage cette portée, une agence LinkedIn Ads peut venir en complément du contenu organique.
Métriques à suivre
Les impressions et les likes ne sont pas des indicateurs fiables sous Feed-SR. Les suivre comme KPIs principaux, c'est piloter avec le mauvais tableau de bord. Voici les métriques qui comptent vraiment :
- Saves : Signal de valeur long terme, il pilote la durée de vie du post. LinkedIn les affiche dans les stats de chaque post depuis fin 2025. Un post avec peu de likes mais beaucoup de saves peut être remonté jusqu'à 3 mois après sa publication.
- Sends (partages en DM) : Reflète l'utilité réelle du contenu. C'est un signal que LinkedIn trace depuis peu et qui indique que le post a une valeur pratique forte.
- Taux de complétion (vidéo) : Pilote directement la distribution vidéo, pas les likes.
- Visites de profil post-publication : Indique que le post a atteint une audience hors réseau direct. C'est le vrai indicateur de portée organique.
- Messages entrants : Impossible à mesurer dans les analytics, mais c'est le signal business le plus concret. Si un post génère des prises de contact, il a rempli son rôle.
LinkedIn vs autres algorithmes sociaux
L'algorithme de LinkedIn se distingue fondamentalement de ses concurrents. Son évolution contraste avec l'algorithme TikTok qui privilégie davantage l'engagement immédiat et la viralité. Tandis que l'algorithme Instagram favorise l'esthétique visuelle et l'engagement rapide, et que l'algorithme Facebook privilégie les interactions personnelles et émotionnelles via Messenger et les pages Facebook, LinkedIn reste ancré dans la valeur professionnelle et le ciblage B2B.
Cette approche unique rappelle davantage les principes de l'algorithme Google qui valorise l'expertise, l'autorité et la pertinence thématique, contrairement aux algorithmes e-commerce comme l'algorithme Amazon qui privilégient la conversion et les performances commerciales. Les créateurs de contenu doivent donc adopter une mentalité plus proche du SEO éditorial et du webmarketing que du community management traditionnel sur Twitter ou autres réseaux sociaux.
Lead Reactor : l'accélérateur de votre succès digital
Chez Lead Reactor, on ne se contente pas d'expliquer le SEO : on le fait, avec vous ou à votre place. Création de site, refonte, optimisation, contenu, notre solution CMS intègre tout ce qu'il faut pour progresser sur Google durablement.
Nous avons construit une solution pensée pour les TPE et PME qui veulent des résultats concrets sur Google, sans avoir à devenir experts en référencement. Notre CMS intègre tous les critères de performance, d'accessibilité et de SEO technique. Il est conçu pour multiplier les pages utiles sur votre site, et donc les occasions de vous positionner sur les requêtes de vos futurs clients.
Peu importe votre point de départ. On a accompagné des entreprises qui démarraient de zéro comme d'autres qui stagnaient depuis des années. Dans les deux cas, la méthode est la même, et les résultats suivent.
L'algorithme LinkedIn de 2026 est moins manipulable que ses versions précédentes. Pas parce qu'il est plus intelligent, mais parce que les signaux ne sont plus indépendants. Tirer sur un seul levier peut dégrader les autres.
Ce qui marche : une niche claire, un historique d'interactions cohérent, des posts qui génèrent des saves et du temps de lecture. Ce qui a cessé de marcher : pods, hacks de hashtags, liens en commentaire, contenu générique sans point de vue.
Au fond, la logique n'a pas changé. Ce que les gens gardent et relisent finit par être montré à plus de monde. LinkedIn a juste mis un transformeur derrière cette intuition.
Sources
- arXiv, Feed-SR : An Industrial-Scale Sequential Recommender for LinkedIn Feed Ranking, LinkedIn Engineering, 12 février 2026 : https://arxiv.org/abs/2602.12354
- arXiv, LiRank : LiRank: Industrial Large Scale Ranking Models at LinkedIn, LinkedIn Engineering, 2024 : https://arxiv.org/abs/2402.06859
- LinkedIn Engineering Blog : Engineering the Next Generation of LinkedIn's Feed, mars 2026 : https://www.linkedin.com/blog/engineering/feed/engineering-the-next-generation-of-linkedins-feed
- LinkedIn Engineering Blog : Leveraging Dwell Time to Improve Member Experiences on the LinkedIn Feed, octobre 2024 : https://www.linkedin.com/blog/engineering/feed/leveraging-dwell-time-to-improve-member-experiences-on-the-linkedin-feed
- SocialInsider, Algorithm InSights 2025 Report : https://www.socialinsider.io/social-media-benchmarks/linkedin
- Hootsuite Blog, LinkedIn Algorithm : https://blog.hootsuite.com/linkedin-algorithm/