Médias sociaux, algorithmes et bulles de filtres

Aujourd'hui, la plupart des gens ne rencontrent plus les actualités sur la page d'un journal, mais dans un fil (feed), un flux sans fin composé par un algorithme. Pour vérifier les sources, il faut comprendre comment ce flux se constitue.

L'économie de l'attention

Les plateformes sociales sont en règle générale gratuites, parce que c'est nous le produit, plus précisément : notre attention. Les plateformes gagnent de l'argent grâce à la publicité, et la publicité grâce au temps passé. L'objectif des algorithmes de recommandation est donc l'engagement : clics, mentions « j'aime », commentaires, durée de visionnage. Ni la vérité, ni l'équilibre, ni votre bien-être.

Cela a des conséquences. Les contenus qui suscitent des émotions fortes (indignation, peur, enthousiasme) génèrent davantage d'engagement et sont donc davantage diffusés. Une étude évaluée par les pairs (Milli et al., PNAS Nexus 2025) a montré que le classement fondé sur l'engagement sur X (Twitter) amplifie spécifiquement les contenus hostiles, chargés émotionnellement et dirigés contre le camp politique adverse, et ce alors même que les utilisateurs ne privilégiaient pas du tout ces contenus et se sentaient plus mal après les avoir vus (étude).

À retenir

L'algorithme n'optimise pas ce qui est vrai, mais ce qui ne nous lâche pas. L'indignation retient bien l'attention : l'indignation est donc récompensée.

Les influenceurs et le brouillage de la publicité

Sur les médias sociaux, la frontière s'estompe entre information, divertissement et publicité. Les influenceurs ont l'air de proches familiers, mais ce sont souvent des partenaires commerciaux de marques. Les contenus rémunérés doivent être signalés comme de la publicité, mais ils ne le sont pas toujours. La vieille question est utile : Cui bono : à qui profite cette publication ? Et : cette personne dirait-elle la même chose si elle n'était pas payée pour cela ?

Bulle de filtres et chambre d'écho : ce que la recherche montre vraiment

Deux notions marquent le débat :

• La bulle de filtres (concept forgé par Eli Pariser, 2011) : les algorithmes de personnalisation montrent à chacun « son propre univers d'information » et masquent ce qui le contredit. Point décisif : par définition, la bulle de filtres naît d'un filtrage algorithmique, et non d'un choix personnel.
• La chambre d'écho : un environnement où résonnent surtout des voix qui pensent comme nous. Elle peut naître des algorithmes, mais aussi d'un choix personnel (nous suivons ceux avec qui nous sommes d'accord).

Voici un retournement important qu'exige la pensée critique : la thèse populaire de la bulle de filtres est étonnamment peu étayée empiriquement. Une revue de la littérature du réputé Reuters Institute (Oxford) aboutit aux constats suivants :

• Les véritables chambres d'écho sont rares. Au Royaume-Uni, seuls 2 à 5 % des gens vivent dans une chambre d'écho informationnelle politiquement homogène ; la plupart ont un régime médiatique assez varié.
• Les algorithmes mènent plutôt à plus de diversité, et non à moins, par des rencontres fortuites avec des sources que l'on n'aurait jamais choisies soi-même. C'est « le contraire de ce qu'affirme la thèse de la bulle de filtres ».

Source : Ross Arguedas et al., Echo chambers, filter bubbles and polarisation: a literature review, Reuters Institute (lien).

Attention

Une théorie séduisante n'est pas vraie pour la seule raison qu'on la répète partout. La bulle de filtres en est un bon exemple : l'image s'impose aussitôt à l'esprit, mais les données ne la soutiennent guère. Un cas d'école pour la pensée critique.

Que reste-t-il du problème des algorithmes ?

Cela veut-il dire que les algorithmes sont inoffensifs ? Non. L'inquiétude se déplace simplement vers le bon diagnostic : le problème solidement étayé n'est pas l'isolement dans la bulle, mais l'amplification de l'indignation, de l'hostilité et de l'exacerbation émotionnelle. Ce n'est pas que nous recevons trop peu d'opinions adverses ; c'est que ces opinions adverses nous sont présentées sous leur forme la plus agaçante et la plus polarisante.

Conséquences pratiques

• Ne pas confondre le fil avec le monde. Ce que vous voyez est une sélection algorithmique, pas un échantillon représentatif.
• S'en extraire délibérément. Aller directement vers des sources sérieuses choisies, au lieu de simplement attendre le fil. Rechercher activement des sources variées.
• Faire une pause quand on est remué. Dans le fil, une émotion forte est souvent le signe qu'un contenu a été optimisé pour la portée : c'est le moment d'appliquer SIFT.
• Partager, c'est diffuser. Chaque clic sur « partager » est un vote pour l'algorithme. Vérifier d'abord, partager ensuite.