Ces algorithmes qui nous divisent

Nokia releases, “Nokia ST Screen icons”.

Un algorithme est un calcul qui prend en compte toutes les étapes qui permettent d’arriver à un résultat; ces différentes étapes sont donc tout aussi importantes que le résultat lui-même.

De plus en plus de sites Internet se mettent à utiliser des algorithmes afin d’optimiser leur utilisation par les internautes, en proposant à ces derniers une expérience de navigation personnalisée. Par exemple, lorsque vous consultez la fiche d’un livre ou d’un disque sur le site d’Amazon et que vous voyez la rubrique “Ceux qui ont acheté ce livre ont également acheté:”, il s’agit du travail de l’algorithme mis en place par Amazon afin de proposer à chaque internaute des “suggestions” qui se rapprochent de ses goûts.

Ces contenus qui nous ressemblent.

Le problème qui se pose alors est celui de la stimulation; en effet, chaque individu a tendance à consommer le contenu qui stimule son esprit et ses sens. En cela, les algorithmes servent la volonté de chacun de se voir proposer un contenu qui lui ressemble, un contenu auquel il adhère. C’est en partant de ce principe que la sociologue Danah Boyd, spécialisée dans les médias sociaux, reprend l’analogie d’Eli Pariser : les résultats personnalisés sont l’équivalent de la “malbouffe”. En effet, proposer uniquement du contenu en adéquation avec les goûts de l’internaute reviendrait à proposer uniquement des aliments gras ou sucrés lors d’un repas, comme si chaque restaurant ne proposait que des frites, des pâtes ou des pizzas dans son menu. Selon cette perception, tous les autres aliments sont exclus : il ne reste que ce qui nous stimule, et ce n’est pas nécessairement ce qui est le mieux pour nous. Ce que Danah Boyd appelle l’obésité psychologique. Internet devient dès lors un espace où nous voyons ce que nous voulons voir, et non ce que nous avons besoin de voir.

Eli Pariser dans son ouvrage The Filter Bubble¹ explique : « à cause des algorithmes qui déterminent ce que nous voyons en ligne d’après nos habitudes de navigation, nous risquons d’être confrontés à moins de points de vue, d’être exposés à un champ plus réduit d’opinions et de contenus ». L’exemple le plus représentatif est certainement l’algorithme mis en place par Google. Dans son article “Mind control and the Internet”, Sue Halpern explique que l’algorithme de Google adresse à l’utilisateur un matériau qui ne fera que renforcer son idéologie. Ainsi, une personne très sensible aux questions écologiques n’aura pas les mêmes résultats qu’un investisseur pétrolier si elle tape “réchauffement climatique” dans la barre de recherche Google. Dans un sens, c’est un peu comme si deux personnes cherchaient un terme dans une encyclopédie, trouvaient deux définitions différentes, sans pour autant se douter qu’il existe une voire plusieurs autres définitions que celle qu’il a trouvé. Google nous préserve donc des opinions contradictoires et des points de vue qui entrent en conflit avec les nôtres.

Afin de proposer des résultats pointus et personnalisés, l’algorithme de Google est en évolution constante, le site SEOmoz dénombre ainsi entre 500 et 600 changements par an dans le fonctionnement de l’algorithme. Il s’agit en général de changements minimes, le socle de l’algorithme reposant principalement sur sept piliers (repris en français sur le forum WebRankInfo) :

Diagramme reproduit par nos soins à partir des données recueillies par le blog de SEOmoz, reprises en français sur WebRankInfo.

Dès les premières recherches effectuées par l’internaute, Google est capable de proposer un contenu adapté à la personnalité de ce dernier. Pour contrer cette récolte des données, le moteur de recherche DuckDuckGo a vu le jour en octobre dernier. Ce moteur de recherche s’appuie en grande partie sur les principes soulignés dans le livre d’Eli Pariser, et a pour mot d’ordre de ne pas utiliser d’algorithme, et comme slogan “We don’t track or bubble you!”.

Homophilie et émulation: l’exemple des réseaux sociaux de lecture.

Cependant, ces algorithmes ne se cantonnent pas aux moteurs de recherche. Il est en effet possible de se pencher sur les réseaux sociaux de lecture. Comme dans tout bon réseau social qui se respecte, il est possible de constater un phénomène d’homophilie: dans un monde en réseau, les individus se connectent à d’autres individus qui leur ressemblent, il est donc facile de ne pas accéder aux points de vue de personnes qui ne pensent pas comme nous; dans un sens, la technologie renforce les clivages sociaux. Alain Barrat, qui travaille au Centre de Physique Théorique de Marseille, constate le rapprochement entre des personnes qui ont les mêmes centres d’intérêts sur le site aNobii,qui recense actuellement 150 000 utilisateurs. Ce phénomène est renforcé par les moteurs de recommandations, qui se basent sur les goûts des internautes, ce qu’il nomme un “mécanisme préférenciel”. Il constate par ailleurs qu’une fois mis en contact, la similarité entre les internautes à tendance à augmenter, ce qu’il nomme une “volonté d’alignement”.

Le phénomène d’influence est lui aussi à prendre en compte: la probabilité qu’un individu se mette à lire un livre croît en fonction du nombre de “voisins” qui ont lu ce livre. Nous pouvons alors parler de bouche-à-oreille actif aussi sur les réseaux sociaux, et plus généralement sur les sites de vente en ligne, comme nous l’avons évoqué plus haut avec le fameux “ceux qui ont acheté ce livre ont également acheté” d’Amazon. Mais ces systèmes sont loins d’être parfaits, comme le souligne Marc Jahjah avec l’exemple du site LibraryThing: le site établit en effet des comparaisons uniquement entre les dix premiers livres que l’utilisateur a inscrit dans la catégorie “livres qui vous ont le plus marqués” ou entre les vingt derniers livres que nous avons lus, ce qui réduit énormément le champ des possibilités.

Les algorithmes, qu’ils soient utilisés par des moteurs de recherche ou par des réseaux sociaux ont pour vocation principale d’optimiser l’expérience de navigation en proposant directe- ment ce qui est susceptible de nous intéresser. Mais comme nous l’avons vu, ces algorithmes sont à perfectionner puisqu’ils excluent automatiquement ce qui ne nous concerne pas. Il serait certainement intéressant d’avoir des outils nous permettant justement de voir les résultats qui sont exclus, afin de ne pas nous enfermer dans notre propre idéologie.

¹ Eli Pariser, The Filter bubble,  Penguin Press, 2011.

Bibliographie:

– Danah Boyd, “Streams of Content, Limited Attention: The Flow of Information through Social Media”, Web2.0 Expo, 19 novembre 2009, < http://www.danah.org/papers/talks/Web2Expo.html >

– Alain Barrat et al., “Link creation and profile alignment in the aNobii social network”, IEEE International Conference on Social Computing SocialCom 2010, août 2010. < http://www.cpt.univ-mrs.fr/~barrat/4211a249.pdf >

Pour aller plus loin:

– La charte proposée par le moteur de recherche DuckDuckGo: http://dontbubble.us/

– Sue Halpern, “Mind Control & the Internet”, The New York Review of Books, 23 juin 2011. < http://www.nybooks.com/articles/archives/2011/jun/23/mind-control-and-internet/ >

Laurie Duval

More Posts