Le web et ses mécanismes « naturels »

From Wikimedia Commons

CC. Wikimedia Commons

Lorsqu’on s’intéresse au web, on peut rapidement se confronter à « deux boites noires » : celle des dispositifs (et de leur fonctionnement). Et celle des effets (cognitifs) sur leurs usagers. Pour favoriser l’appropriation rapide du fonctionnement des dispositifs, des analogies sont mises en place : notre cerveau est une « machine » qui (schématiquement) fonctionne sur un mode computationnel. Les « machines » s’appuient sur des computations, et leurs capacités à apprendre par ces calculs les rendraient plus « intelligentes » (toujours schématiquement). Bref, ce que soulignait Vannevar Bush en son temps.

Dans le contexte organisationnel de mes recherches, et en m’intéressant plus spécifiquement aux discours tenus pour/par les organisations, j’ai remarqué que la résolution partielle de ce dilemme des boites noires passe par le même type d’analogies. Dans ce petit billet, je souhaite mettre en avant quelques réflexions « brut » sur la question.

Influence, référencement naturel, engagement, portée organique… L’emploi de ces termes faisant référence à des phénomènes complexes (liés à l’humain ou la nature) pour désigner des mécanismes compliqués (fonctionnement des dispositifs, algorithmes, statistiques) repose bien entendu sur une recherche d’appropriation. Les préceptes du web 2.0 selon lesquels « n’importe qui » est en mesure de faire usage de manière optimale des dispositifs mis à sa disposition, suppose que l’usager en question comprenne au mieux le fonctionnement desdits dispositifs. L’internaute serait alors dans un environnement qui s’adapterait naturellement à lui (personnalisation), et inversement (facilité d’usage). Qui plus est pour les organisations qui, dans le cadre d’une « pragmatique du chiffre », souhaitent pouvoir mesurer les effets de leurs actions de communication/marketing. Depuis ses débuts, le machine learning fait de constants aller-retour entre notre manière de penser, et la possibilité d’optimiser, et plus précisément d’accroitre, nos raisonnements. Quand ces discours sont destinés au « grand public », ils s’appuient donc sur des métaphores liées au cerveau ou à la nature plus généralement. Il en va de même pour les statistiques d’ailleurs (même si machine learning et statistiques fonctionnent sur des modèles différents), et ce depuis longtemps pour les formes de mesure de la communication (« parts de voix » ou « impressions » (publicitaires).

Plusieurs hypothèses peuvent alors être posées :

  • La vulgarisation de ces questions suppose des référents et représentations solidement ancrés afin d’attirer un public (d’organisation, donc d’investisseurs) large ;
  • Il parait plus simple de parler, par exemple, d’un usager « influent » plutôt que décrire et comprendre les processus à la fois techniques et cognitifs qui ont amené à des phénomènes comme la diffusion « virale » d’un contenu ;
  • La « mise en chiffre » des traces d’usage et discours des usagers ne doit pas se départir d’un aspect humain ou naturel, qui plus est quand l’aspect social est constamment mis en avant (web social, social TV, médias sociaux, etc.) ;
  • Le fait de donner ce type de dénomination et de rapporter le fonctionnement des machines à celui de la nature permet de produire un imaginaire quant à leur capacité à fournir des résultats pertinents (ou autre). Et surtout, cela rassure pour leur déléguer des tâches ;
  • Certains choix de termes (comme « engagement ») permettent de générer de l’affect : les « fans » de votre page Facebook « s’engagent », vos contacts Twitter génèrent des « impressions », etc. ;
  • Ces termes deviennent performatifs : « l’engagement » de Facebook, devient « l’engagement » tout court. Le PageRank de Google (et son référencement naturel) une mesure quasi-unique de la réputation d’une source. Bref, les plates-formes acculturent leurs usagers à ces productions algorithmiques/statistiques, ce qui incite ensuite lesdits usagers à n’aller que dans le sens de la plate-forme ;
  • Voire : les systèmes des dispositifs pourraient-ils produire un reflet des états mentaux/cognitifs de leurs usagers ? Ce qui serait la question point de départ.

Bien d’autres suppositions sont en suspens. L’idée n’est pas ici d’apporter des réponses, mais de proposer une rapide description de ces termes et des mécanismes qu’ils supposent. Cela afin (pour moi) de poser sur ce blog au fur et à mesure les bases d’une enquête actuellement en cours.

 

Google, Facebook et Twitter : référencement naturel, portée organique et impressions

Google et le référencement naturel. Surement l’un des exemples les plus flagrants. Je ne sais pas si l’emploi de cette expression est uniquement francophone. Du point de vue des concepteurs (Brin et Page) elle prend du sens si l’on considère à leur suite que le lien hypertexte est une manière de désubjectiver une opinion, comme je souligne par ici. Les résultats seraient « naturellement » issus du travail et des choix (sincères) des internautes. Au-delà, cela permet à Google de différencier aux yeux des organisations ce qui relève d’un investissement direct (Adwords), et d’un travail supposant de s’appuyer sur les utilisateurs du moteur (pour générer de l’audience, du lien, etc.). Plutôt que de résultats « naturels » il conviendrait plus, à la suite notamment de Van Couvering, de parler de « résultats éditoriaux ». Comme le montrent d’ailleurs les travaux sur l’infomédiation, et la place du travail éditorial réalisé automatiquement ou non.

Facebook et sa portée organique (reach). Encore une fois, l’objectif de ce terme est de différencier l’investissement payant, de ce que la plate-forme ferait naturellement (et l’expression se retrouve aussi en anglais : organic/paid reach). Comme Google (peut-être ?) à terme, Facebook a ainsi créé un besoin avant de générer de la rareté : il faut maintenant payer pour produire de l’engagement sur sa page. L’aspect performatif de la notion de « portée organique » est ainsi pleinement (à mon sens) remplie : il y a beaucoup de monde sur Facebook, le système devient moins efficace de lui-même, il faut donc investir pour continuer de générer de l’engagement. Et qui mieux que Facebook peut réguler ou comprendre le fonctionnement « organique » de Facebook ? La plate-forme rassure ainsi ses investisseurs sur sa capacité à diffuser des contenus aux bonnes « cibles », tout en les ayant convaincu par avance de l’efficacité de cette diffusion.

En aparté, sur cette question des discours tenus par les plates-formes pour rassurer et convaincre, la dernière expérience de Facebook est un excellent exemple. Pour caricaturer, il est intéressant de lire une expérience démontrant que la plate-forme, qui vient d’inciter de nombreux médias à être hébergés chez elle, essaye de démontrer qu’elle ne produit pas de « bulles ». Et que : oui, ne vous inquiétez pas, même ceux qui n’ont pas les mêmes penchants politiques que votre ligne éditoriale auront aussi accès à vos articles. Mais j’extrapole et sur-interprète surement un peu trop… En effet, la question des “bulles” reste en débat, ce qui n’empêche pas de questionner (encore une fois) ce en quoi ces discours s’inscrivent dans une stratégie plus globale de gouvernance et de “compétitivité” des plates-formes.

Twitter et les impressions. Les impressions sur Twitter quantifient (globalement) l’attention portée à un tweet. Il s’agit d’un ratio entre le volume de profils abonnés à un compte qui diffuse le tweet que l’on « mesure », et ceux qui seraient connectés à ce moment-là. Le terme d’impression, au-delà de son écho aux « impressions publicitaires » qui doit parler à tout bon annonceur, permet de circonscrire le « public imaginé » d’un usager. Le chiffre rassure sur le fait que les tweets diffusés sont lus, et ils permettent de s’autoréguler, et surtout d’investir plus (de temps ou d’investissement publicitaires). Dans un récent échange avec le community manager d’une grande organisation, celui-ci m’a dit : « nos salariés ont générés X millions d’impressions sur Twitter ». A ma question : « savez-vous comment cela est calculé, et qu’est-ce que ces chiffres révèlent », la réponse a été : « je ne sais pas, mais ça rassure la direction sur la pertinence de nos actions ». Bref, ce genre de statistiques, fussent-elles fantaisistes, permettent d’appréhender un phénomène purement interne à un individu : l’attention. Et ainsi de rassurer l’organisation sur sa bonne insertion dans l’économie du même nom.

Klout et l’influence. Dernier exemple, celui d’un méta-dispositif, Klout.com, qui se présente comme un standard de l’influence. Là encore, les scores proposés sont loin de refléter une quelconque forme d’influence. Ils démontrent surtout qu’un usager a su utiliser de manière optimale les différentes fonctionnalités d’un dispositif, que son usage est conforme à ceux imaginés par les concepteurs des dispositifs en quelque sorte.

 

En somme : avec Google le lien hypertexte est un moyen de mettre en chiffre l’opinion des utilisateurs qui produisent des liens ; avec Facebook, les contenus se diffusent de manière organique en fonction de l’affinité des usagers avec ces contenus ; sur Twitter, l’attention portée à un message génère (fatalement) des impressions sur celui qui lit ledit message ; et avec Klout, l’influence d’un usager peut-être quantifiée à l’aune de son activité sur les plates-formes. La question que je me pose, au-delà des hypothèses soulevées supra, est de savoir en quoi ces conventions implicites, car acceptées par un grand nombre d’organisations (comme la mesure de l’audience TV ou les sondages d’opinions), influent sur les représentations qu’elles ont de leurs publics ? Et sur leurs décisions au final ? J’ai travaillé sur cette question pour la (e)réputation, mais il me semble qu’à l’heure où l’on parle de détecter des signaux faibles et des comportements suspects avec des algorithmes (entre autre), il convient de questionner cette forme de « vulgarisation » et ces analogies. Pour, d’une part, ne pas tomber dans une application vide de sens ou simpliste du machine learning. Et, d’autre part, se détacher des effets performatifs voulus (intentionnellement ou non) par les plates-formes.

Les mathématiques, c’est magique !

Pour conclure ce billet, voici un exemple caricatural, made in Disney, du rapport entre mathématiques et nature. Je suis loin d’être un spécialiste de ces questions, mais l’on retrouve ici pas mal d’arguments qui ne sont pas sans faire écho à ceux exposés plus haut : les mathématiques comme modèle universel pour expliquer l’Univers. Bien évidemment, il faut remettre cette vidéo dans son contexte historique (1959), où certains phénomènes naturels jugés magiques, ou liés à Dieu, méritaient d’être démystifiés… En créant de nouveaux mythes ?

Sur ces questions, je vous invite enfin à regarder le très bon documentaire « Comment j’ai détesté les maths » ! Il y est bien expliqué que les mathématiques, au sens large, ne sont qu’un outil, une manière d’appréhender le monde voire de l’expliquer (avec de très nombreuses limites), plutôt que d’agir sur lui. Tout du moins, c’est ce que souhaitent beaucoup de mathématiciens qui y sont interviewés…


OpenEdition vous propose de citer ce billet de la manière suivante :
Camille A (8 juin 2015). Le web et ses mécanismes « naturels ». CaddE-Réputation. Consulté le 26 mars 2025 à l’adresse https://doi.org/10.58079/m652


4 réflexions sur « Le web et ses mécanismes « naturels » »

  1. Ping : Le web et ses mécanismes « naturel...

  2. Ping : Le web et ses mécanismes « naturel...

  3. Ping : Quelles mesures des publics numériques ? | CaddE-Réputation

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

This site uses Akismet to reduce spam. Learn how your comment data is processed.