La prédiction précise de la durée d’écoute est essentielle pour améliorer l’engagement des utilisateurs sur les plateformes de diffusion de courts vidéos, bien qu’elle soit confrontée à des caractéristiques de distribution complexes à plusieurs niveaux de granularité. À travers une analyse systématique de données industrielles réelles, nous identifions deux défis cruciaux dans la prédiction de la durée d’écoute du point de vue de la distribution : (1) une asymétrie à grande échelle provoquée par une concentration importante de sauts rapides (quick-skips), et (2) une diversité à petite échelle résultant des multiples patterns d’interaction utilisateur-contenu vidéo. En conséquence, nous supposons que la durée d’écoute suit une distribution mixte exponentielle-gaussienne (Exponential-Gaussian Mixture, EGM), dans laquelle les composantes exponentielle et gaussienne modélisent respectivement l’asymétrie et la diversité. À cet effet, nous proposons un réseau mixte exponentiel-gaussien (Exponential-Gaussian Mixture Network, EGMN), destiné à la paramétrisation de la distribution EGM, composé de deux modules clés : un encodeur de représentation cachée et un générateur de paramètres mixtes. Nous avons mené des expériences hors ligne étendues sur des jeux de données publics ainsi que des tests A/B en ligne dans le contexte industriel de diffusion de contenus courts de l’application Xiaohongshu, afin de valider l’avantage de l’EGMN par rapport aux méthodes de pointe existantes. De manière remarquable, les résultats expérimentaux complets démontrent que l’EGMN présente une excellente capacité d’ajustement de distribution à la fois aux niveaux grossiers et fins.