Dans les systèmes de recommandation, l'approche du filtrage sur le contenu est revenue en force face à celle du filtrage collaboratif grâce à l'arrivée du paradigme de l'apprentissage profond et des techniques de word embedding. Dans cette même veine, l'avènement des folksonomies et du web sémantique a apporté une meilleure compréhension des profils des utilisateurs et des caracté- ristiques des articles à recommander. Dans cet article, nous nous intéressons au domaine musical et nous introduisons un nouveau calcul de mesure de préfé- rence intégrée dans un système de recommandations basées sur le contenu. En testant notre approche sur le jeu de données Last.fm, nous montrons que l'utili- sation de termes issus d'une folksonomie associés à des informations issues du web sémantique permet d'améliorer le processus de recommandation musicale.