Réponse rapide : L'optimiseur FSRS peut rendre ton planificateur nettement meilleur — ou discrètement pire. Voici quand l'utiliser et quand le laisser tranquille. Ce guide t'apporte le contexte pratique, les compromis et les prochaines étapes pour que tu puisses décider comment l'appliquer à ton propre système d'apprentissage.
L'un des plus grands avantages de FSRS par rapport aux algorithmes plus anciens est que ses paramètres peuvent être réajustés à ton historique de révision personnel. L'optimisation consiste à prendre tout ce que tu as fait dans l'application et à te demander : compte tenu des schémas d'oubli réels de cet apprenant, quels poids auraient le mieux prédit ces résultats ?
Si elle est bien faite, elle peut réduire de manière tangible ta charge de travail de révision pour un même taux de rétention. Si elle est mal faite, elle dégrade les performances de ton planificateur. Voici comment faire la différence.
Quand l'optimisation est utile
Tu as assez d'historique de révision. Les conseils publiés par l'équipe FSRS suggèrent un minimum d'environ 1 000 révisions au total et au moins quelques centaines de cartes avant que l'optimisation ne produise des paramètres nettement meilleurs que ceux par défaut. En dessous de ce seuil, tu ne fais qu'ajuster du bruit. Les versions actuelles de FSRS proposent entre 17 et 21 poids entraînables (le nombre exact dépend de la version de FSRS intégrée à ton application) ; c'est amplement suffisant pour surajuster un échantillon de 100 révisions.
Ton contenu est relativement homogène. L'optimisation applique un seul ensemble de paramètres à ton comportement global d'oubli. Si tu as un paquet de cartes pour des faits médicaux et un autre pour des paroles de chansons, ce sont des tâches cognitives très différentes, et l'ajustement sera un compromis. L'optimisation par paquet est utile, et FSRS la prend en charge.
Tes habitudes d'étude sont stables. Si tu alternes de manière irrégulière entre des semaines d'étude intenses et légères, le modèle a du mal à séparer le signal du bruit de planification.
Quand l'optimisation nuit
C'est trop tôt. Lancer l'optimiseur à 100 révisions te donnera des paramètres qui ont l'air précis, mais qui sont en réalité surajustés à un échantillon minuscule. Tu en ressentiras l'impact le mois suivant, car le planificateur prédira mal l'oubli des cartes que tu n'as pas encore revues.
Ton historique de révision est dominé par un seul type d'évaluation. Si tu appuies sur "Correct" (Good) pour 95 % de tes révisions (ce qui est fréquent pour du contenu facile), l'optimiseur n'a presque aucun signal pour distinguer la stabilité de la difficulté.
Tes habitudes d'évaluation sont incohérentes. FSRS part du principe que tes évaluations veulent dire quelque chose. Si tu appuies sur "Facile" (Easy) alors que tu voulais dire "Correct" (Good), ou sur "Difficile" (Hard) alors que tu pensais "À revoir" (Again), l'optimiseur s'adapte à cette incohérence et l'intègre à ses calculs.
À quelle fréquence faut-il réoptimiser ?
Pour la plupart des apprenants, une fréquence de tous les 2 à 3 mois est amplement suffisante. Faire plus régulier relève du bruit. Faire moins souvent ne pose aucun problème, tant que tes habitudes d'étude n'ont pas radicalement changé.
L'optimisation réécrit-elle mon calendrier de révisions actuel ?
Non. L'optimisation modifie les poids que FSRS utilise pour les prédictions futures. Les cartes que tu as déjà révisées restent planifiées là où elles sont jusqu'à leur prochaine révision, moment où les nouveaux paramètres prennent le relais. C'est une transition progressive, pas une réinitialisation.
Une méthode de travail pratique
- Utilise les paramètres par défaut durant ton premier mois.
- Passe le seuil d'environ 1 000 révisions.
- Lance l'optimiseur.
- Examine les nouveaux paramètres — s'ils ont l'air radicalement différents des valeurs par défaut, c'est le signe que ton profil de révision a quelque chose d'inhabituel (potentiellement tes évaluations).
- Attends deux semaines avant d'évaluer l'impact des nouveaux paramètres.
- Réoptimise ensuite tous les deux ou trois mois.
L'essentiel à retenir
L'optimisation est un outil puissant, pas un bouton magique. Elle récompense les apprenants qui ont suffisamment de données de révision et des habitudes constantes, et elle pénalise ceux qui la lancent trop impatiemment. L'optimiseur de Neurako est conçu pour être utilisé — mais depuis cette mise à jour d'août 2026, il est également conçu pour refuser de s'exécuter s'il n'y a pas assez de données pour te donner un résultat pertinent. Si le bouton est grisé, c'est tout à fait normal : continue d'évaluer tes cartes honnêtement avec les paramètres par défaut jusqu'à ce que tu franchisses la barre des ~1 000 révisions.
Sources
- Wiki FSRS4Anki : github.com/open-spaced-repetition/fsrs4anki/wiki
- Benchmark FSRS : fsrs-benchmark