Les éditeurs de journaux font face à des défis majeurs dans la production de pages, à mesure que les journaux imprimés deviennent moins rentables et plus coûteux à produire. Améliorer la productivité de ce processus est donc essentiel. Dans cet article, nous nous concentrons sur la tâche de sélection du modèle d’article le plus approprié pour un contenu donné—un processus chronophage et complexe. Nous montrons comment les techniques des systèmes de recommandation (RS) peuvent être adaptées et étendues pour assister les éditeurs en leur proposant les meilleurs modèles en fonction de leurs besoins et préférences. Nous proposons un système de recommandation basé sur le clustering qui favorise la diversité, une exigence cruciale dans ce contexte. Notre méthode se compose de deux phases : d’abord, une phase de clustering hors ligne utilisant un réseau neuronal de correspondance de graphes pour calculer une mesure de similarité personnalisée (GMN) entre les modèles, modélisés comme des graphes. Ce processus de clustering repose sur des informations structurelles et de contenu, indépendamment des préférences des utilisateurs. La deuxième phase est un système de recommandation en ligne qui intègre à la fois les préférences des utilisateurs et les exigences liées au contenu, en favorisant les modèles minimisant la similarité. Comparée aux méthodes existantes, notre approche se distingue par sa capacité à améliorer la nouveauté et la diversité, notamment dans les cas où les articles les mieux notés sont regroupés dans des clusters. Nous présentons des résultats prometteurs à travers des exemples d’utilisation, démontrant l’applicabilité pratique de notre méthode dans des scénarios réels, tout en ouvrant des perspectives pour des études futures avec des professionnels du secteur. Bien que cette étude constitue une première étape vers l’application des systèmes de recommandation pour optimiser la sélection de modèles d’articles dans le processus de production de journaux, des recherches supplémentaires sont nécessaires pour étendre ce travail à des mises en page complètes et à des designs multi-pages, en proposant des recommandations plus complètes pour répondre aux besoins élargis de la production journalistique.