24 octobre 2018 893 mots, 4 min. de lecture Dernière mise à jour : 3 décembre 2023

Big Data : nous devons repenser la manière d’étudier les bulles de filtres

Par Pierre-Nicolas Schwab Docteur en marketing, directeur de IntoTheMinds
Lors de la conférence RecSys 2018, la dernière partie de mon intervention a été consacrée à nuancer le mythe des bulles de filtres en montrant les limites des recherches scientifiques actuelles et à proposer un nouveau cadre de recherche. La […]

Lors de la conférence RecSys 2018, la dernière partie de mon intervention a été consacrée à nuancer le mythe des bulles de filtres en montrant les limites des recherches scientifiques actuelles et à proposer un nouveau cadre de recherche.

La recherche sur les bulles filtrantes a été trop axée sur les aspects technologiques

Comme je l’ai expliqué dans la keynote que j’ai donnée à la conférence RecSys 2018, la recherche scientifique sur les bulles de filtres a été principalement axée sur des aspects technologiques et peut être considérée comme déterministe. Sortir de la « bulle » a été principalement mesuré sur la base de clics et sur les « sauts » d’un utilisateur d’une catégorie de contenus à une autre.
Bien que cette approche ait certainement été nécessaire pour explorer ce nouveau problème (rappelons-nous que la théorie des bulles de filtres a été popularisée par Eli Pariser en 2011), il me semble avec le recul qu’elle souffre de lacunes que je me propose d’expliquer dans cet article.

  1. Tout d’abord, la taille de la bulle de filtre (si tant est qu’elle existe) pour un utilisateur donné n’est pas nécessairement une constante. Elle me semble pouvoir varier dans le temps. Les travaux scientifiques actuels ne se sont pas encore attachés à étudier ces variations dites longitudinales (c’est-à-dire temporelles).
  2. Deuxièmement, la bulle de filtres ne peut être réduite à une simple transition d’une catégorie à une autre. La définition de « catégorie » vient dans bon nombre d’études de la structure même des donnés analysées. N’est-il pas étrange d’étudier un phénomène affectant l’utilisateur en utilisant une grille de lecture technique plutôt qu’en adoptant une approche centrée autour de l’utilisateur ?
  3. Troisièmement (et c’est peut-être l’argument le plus important), l’étude de la bulle de filtres demande que la consommation répétée d’un même contenu dans le temps soit prise en compte. Vous ne pouvez pas valider qu’un utilisateur sort de sa bulle de filtres si vous ne vérifiez pas que ses nouvelles habitudes de consommation se maintiennent dans le temps.

La conférence RecSys et en particulier l’atelier FATREC m’ont permis de mûrir mes réflexions et de proposer de nouvelles direction de recherches pour pallier aux lacunes évoquées ci-dessus.

Ces 3 dimensions ne sont pas prises en compte dans les études sur les bulles de filtres

L’approche axée sur la technologie suivie jusqu’à présent n’a pas permis de tenir compte des 3 perspectives utilisateurs suivantes :

  • l’intention
  • la personnalité
  • le risque

Ces trois facteurs définissent l’ouverture d’un utilisateur à la découverte et conditionnent la probabilité de consommer une recommandation tirant parti de l’exploration plutôt que de la précision.

« L’intention » capture la propension de l’utilisateur à consommer un type de recommandations nouvelles, de nature plus exploratoire, en fonction du contexte. Les utilisateurs cherchent parfois activement, dans des conditions précises, à élargir leur champ de connaissances, ce qui est un levier pour la consommation de recommandations plus exploratoires et donc moins précises. Cela peut être le cas par exemple lorsque l’utilisateur est insatisfait par les recommandations antérieures (même genre, même artiste en musique, même acteur), est saturé d’informations sur le même sujet (recommandation d’informations), ou est confronté à une nouvelle situation qui lui impose de trouver nouvelle solution (recommandation d’objets pour satisfaire à un besoin nouveau, recommandation d’une nouvelle route en cas de congestion de l’itinéraire normalement emprunté, etc.).

« La personnalité » est une variable dont dépend l’ouverture à des recommandations plus diverses, moins précises. Nos émotions et notre humeur se superposent à la personnalité comme l’a montré Marko Tkalčič dans sa récente contribution. Selon Burger (2010), la personnalité est décrite comme  » un modèle de comportement cohérent et des processus interpersonnels issus de l’individu « . Les travaux de recherche sur le sujet ont clairement établi le lien causal entre la personnalité et l’ouverture et ont également montré que la personnalité influence la façon dont les humains prennent des décisions. L’ouverture fait partie du modèle à cinq facteurs (FFM) élaboré par Costa et McCrae (1992).

La notion de « risque » recouvre l’idée que l’utilisateur peut être confronté à des coûts marginaux de consommation qui réduisent sa volonté d’essayer un nouveau type de recommandations, plus exploratoire. Pour les services par abonnement (vidéo à la demande, streaming), la consommation d’une recommandation est gratuite pour l’utilisateur. Le seul coût marginal qui pourrait être lié à une mauvaise recommandation est la frustration éventuelle de l’utilisateur d’avoir consommé une recommandation insatisfaisante et d’avoir ainsi perdu du temps. La situation est bien entendu très différente lorsqu’il s’agit de commerce électronique où de mauvaises recommandations peuvent avoir un coût financier à supporter par l’utilisateur. Les plateformes de commerce électronique tentent d’atténuer ce risque en affichant d’une part les notations et les avis des clients, et d’autre part en proposant des retours gratuits. De manière générale ont peut donc dire que le coût à supporter pr l’utilisateur se résume à du temps perdu lorsque des conséquences financières définitives peuvent être écartées.

J’espère que cet article vous aura permis d’appréhender les bulles de filtres sous un nouveau jour et qu’elle inspirera les scientifiques qui nous lisent dans leurs futures directions de recherche.



Publié dans Recherche.

Donnez votre avis

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *