Tous les utilisateurs de la plateforme vidéo YouTube ont déjà eu ce sentiment: l’algorithme du site semble parfois susceptible de nous « enfermer » dans une bulle de contenus similaires, au fil des recommandations.
Camille Roth, chercheur du CNRS au Centre Marc Bloch - Centre franco-allemand de recherche en sciences sociales et humaines (CNRS/MEAE/MESRI/BMBF), et ses collègues Antoine Mazières et Telmo Menezes, ont étudié ce phénomène en explorant les recommandations à partir d'un millier de vidéos portant sur des sujets variés, parcourant ainsi un demi-million de recommandations.
En faisant apparaître plusieurs phénomènes d'enfermement, leurs résultats suggèrent que la recommandation algorithmique sur YouTube pourrait faire figure d'exception parmi les plateformes en ligne, dont les algorithmes ne semblent généralement pas gêner l'exploration de nouveauté et la sérendipité. La navigation d'un utilisateur le long des recommandations peut être vue comme un déplacement au sein d'un réseau de vidéos interconnectées: en partant d’une vidéo donnée, le réseau de recommandation est plus ou moins enfermé, c’est-à-dire qu’il mène à des contenus plus ou moins similaires et redondants. De plus, les contenus à l’origine des réseaux de recommandation les plus enfermés semblent aussi rassembler le plus de vues, soit potentiellement le plus grand temps de visionnage.
Ces travaux ont été publiés le 21 avril 2020 dans la revue
PLOS ONE.
Pour aller plus loin (en anglais):
Projet bubbletube
Bibliographie:
Tubes and Bubbles, topological confinement of YouTube recommendations.
Camille Roth, Antoine Mazières et Telmo Menezes.
PLOS ONE, le 21 avril 2020.
DOI: 10.1371/journal.pone.0231703.
Source: CNRS