diff --git a/docs/regles-metier/04-algorithme-recommandation.md b/docs/regles-metier/04-algorithme-recommandation.md
index 1eb6b59..83704e8 100644
--- a/docs/regles-metier/04-algorithme-recommandation.md
+++ b/docs/regles-metier/04-algorithme-recommandation.md
@@ -39,6 +39,50 @@ où :
 - bonus_aleatoire = 10% des recommandations tirées aléatoirement
 ```
 
+#### Calcul détaillé du score_interets
+
+**Domaine des données** :
+- Jauges utilisateur : stockées en pourcentage [0-100]
+- score_interets : normalisé dans l'intervalle [0.0-1.0] pour pondération
+
+**Formule exacte** :
+```
+score_interets = (SUM(gauge_values_for_tags) / NB_TAGS) / 100
+
+où :
+- gauge_values_for_tags = valeurs des jauges correspondant aux tags du contenu
+- NB_TAGS = nombre de tags du contenu (minimum 1, maximum 3)
+- Division par 100 pour normaliser [0-100] → [0.0-1.0]
+```
+
+**Exemple concret** :
+```
+Contenu : "Visite du Louvre"
+Tags : ["Musique", "Tourisme"]
+
+Utilisateur :
+- Jauge "Musique" = 75%
+- Jauge "Tourisme" = 60%
+- Jauge "Automobile" = 40% (non pertinente, ignorée)
+
+Calcul :
+score_interets = ((75 + 60) / 2) / 100
+               = (135 / 2) / 100
+               = 67.5 / 100
+               = 0.675
+
+Impact dans le scoring final (type géo-contextuel) :
+score_final = (score_geo * 0.5) + (score_interets * 0.3) + (score_engagement * 0.2) + bonus_aleatoire
+            = (0.8 * 0.5) + (0.675 * 0.3) + (0.5 * 0.2) + 0
+            = 0.4 + 0.2025 + 0.1
+            = 0.7025 / 1.0
+```
+
+**Cas limites** :
+- Utilisateur n'a aucune jauge pour les tags du contenu → score_interets = 0.5 (valeur neutre par défaut)
+- Contenu avec 1 seul tag → score_interets = gauge_value / 100
+- Jauges multiples → moyenne arithmétique simple (pas de pondération différente par tag)
+
 **Pondérations par type** :
 
 | Type | Poids géo | Poids intérêts |