Navigation – Plan du site

Dominique Cardon, À quoi rêvent les algorithmes

Thibault De Meyer
À quoi rêvent les algorithmes
Dominique Cardon, À quoi rêvent les algorithmes. Nos vies à l'heure des big data, Paris, Seuil, La République des idées, 2015, 105 p., ISBN : 978-2-02-127996-2.
Haut de page

Texte intégral

1Les algorithmes – c’est-à-dire les instructions qui commandent le fonctionnement des programmes informatiques – ont des effets concrets sur nos actions et sur les formes de sociétés que nous construisons. Si Dominique Cardon s’attache à montrer les conséquences des algorithmes sur nos vies, c’est d’abord pour souligner que les machines et les humains ne s’opposent pas ; au contraire, humains et machines se créent mutuellement. Ce premier point se lie à un second ayant une portée plus politique : en connaissant les effets concrets des algorithmes sur nous, humains, nous pourrons, espère l’auteur, contester certains types d’algorithmes en posant à leurs inventeurs de bonnes questions. Pour nous aider à décrypter les effets des algorithmes, il propose de distinguer quatre grandes familles d’algorithmes liées à quatre objectifs distincts : la popularité, l’autorité, la réputation et la prévision (ces distinctions sont intéressantes analytiquement même si souvent, dans la pratique, les différentes familles se recoupent et se mélangent).

2La première famille à faire son apparition sur le web est celle des algorithmes qui étudient la popularité des pages web, principalement en comptant combien de visiteurs elles reçoivent. Ce genre de calcul ne donne guère d’informations de qualité dans la mesure où l’on ne sait pas ce que font les visiteurs sur le site : y sont-ils restés longtemps, ont-ils apprécié le contenu, s’agit-il de personnes âgées ou d’adolescents… ? Autant de questions auxquelles les indices de popularité ne permettent pas de répondre. De plus, des robots-cliqueurs peuvent gonfler les chiffres artificiellement.

3Google a connu son succès grâce à l’instauration d’un nouveau type d’algorithmes qui calculent non plus la popularité mais l’autorité des pages web. Cette deuxième famille d’algorithmes analyse les liens entre les sites : un site souvent référencé est considéré comme un site qui fait autorité. Jusqu’à aujourd’hui, c’est encore ce genre d’algorithmes qui offre les meilleures approximations de la qualité d’une source (la communauté scientifique s’appuie d’ailleurs sur des raisonnements semblables quand elle évalue les articles en fonction du nombre de citations par les pairs). À l’instar des calculs de popularité, qui sont biaisés par des robots-cliqueurs, les calculs d’autorité peuvent être tronqués par des fausses références sur des sites fantômes. Pour éviter ce biais-là et d’autres, les algorithmes de cette seconde famille se sont complexifiés en donnant par exemple plus de poids à une référence venant d’un site lui-même bien référencé. Cependant, pour éviter la prolifération de nouvelles techniques visant à gonfler l’autorité d’un site, Google et les autres concepteurs de tels algorithmes en gardent les codes secrets.

4Les algorithmes d’autorité ignorent complètement les référencements sur Facebook ou Twitter, par exemple, car ces citations n’ont de valeur qu’au sein des réseaux restreints d’amis. Dans ces réseaux, sont apparus les « gloriomètres » que Gabriel Tarde envisageait il y a plus d’un siècle. Contrairement au calcul de l’autorité, les mesures de réputation sont connues de tous : le nombre de like, le nombre de retweet… Ces mesures ne cherchent pas à être neutres, mais, au contraire, elles poussent les acteurs à agir en fonction des scores obtenus : ajouter des photos qui font le buzz, écrire des articles de blog accrocheurs, publier des tweets au bon moment…

5Enfin, la quatrième famille – la dernière en date et celle qui inquiète le plus l’auteur – vise à prédire ce que veulent les internautes en fonction de ce qu’ils ont fait dans le passé, en fonction des traces laissées dans leur sillage lors de leurs précédents passages sur internet. Les cookies servent à récolter ces traces : ils enregistrent combien de temps les utilisateurs sont restés sur les différentes pages, quelles pages ont été vues juste avant et juste après, quels autres sites ont été visités les derniers jours… Ces données sont comparées aux milliers d’autres données récoltées chez d’autres internautes. Les algorithmes prédictifs cherchent alors des corrélations entre différents types de comportements. Posons que ceux qui ont écouté les morceaux A et B ont en général aussi écouté C et D. Ainsi, si j’écoute A ou B, il est fort probable que C et D me plaisent également. C’est pour cela que Deezer ou Spotify peuvent me conseiller d’écouter ces morceaux.

6Si cet exemple porte sur une corrélation entre des comportements semblables (écouter de la musique), les calculs de corrélation peuvent également porter sur des comportements et des informations hétérogènes. Ainsi, un certain magasin a détecté que les femmes enceintes (en l’occurrence, celles qui ouvrent une liste de naissance) achètent souvent certains types de produits. Ce magasin peut alors très tôt repérer d’autres clients de ces produits et leur envoyer des publicités ciblées sur leur grossesse supposée. Dans ce cas, le lien entre certains types d’achats et la grossesse paraît assez évident, mais les corrélations peuvent porter sur des informations et des comportements qui semblent n’avoir aucun lien entre eux, comme le fait qu’une personne aime une chose A, pour reprendre un exemple de Cardon, et la couleur de ses yeux, son origine sociale et le nombre de déménagements qu’elle a effectués au cours des cinq dernières années. Les algorithmes ne visent pas à expliquer les corrélations, ils ne font que remarquer leur présence en brassant d’énormes bases de données. Ceci, souligne Dominique Cardon, renverse la démarche classique des sciences sociales, selon laquelle les chercheurs doivent, dans un premier temps, supposer des corrélations entre certaines variables, comme la classe sociale et les goûts artistiques, et dans un second temps collecter des données afin de vérifier si l’hypothèse tient ou non. Dans le cas des algorithmes de corrélation, aucune hypothèse n’est émise ; la machine est à la recherche de n’importe quelles corrélations entre les données récoltées, indépendamment de toute relation causale, ce qui fait déclarer à Chris Anderson qu’on assiste à « la fin de la théorie ».

7Outre les problèmes éthiques que pose cette nouvelle situation où toutes nos actions sur internet sont susceptibles de participer à la construction de connaissances sans notre consentement éclairé, les calculs de corrélation et les prédictions qu’ils permettent de faire tendent à enfermer les consommateurs dans des « îlots comportementaux ». Si nous aimons le R’n’B, les algorithmes ne nous proposeront que des musiques de ce genre. Ce qui peut sembler anodin pour la musique pose déjà plus question par rapport à des opinions politiques : les internautes s’enferment dans des bulles où ils n’entendent presque jamais de voix dissonantes, ce qui pourrait mettre en péril certaines formes de débat démocratique. En plus, ces algorithmes tendent à renforcer les comportements passés et présents des internautes, sans tenir compte de ce qu’ils veulent faire. Ainsi, Cardon imagine la situation d’un consommateur de tabac qui voudrait arrêter de fumer, mais qui continuerait à recevoir des publicités pour des cigarettes parce que le calcul ne prend en compte que les actions concrètes et non pas les volontés.

8Un autre problème que souligne l’auteur est que les calculs prédictifs participent « innocemment » à la reproduction d’inégalités sociales. Ainsi, aux États-Unis, lorsqu’on tape un nom typé noir américain, il est fort probable qu’apparaissent des publicités pour des sites internet qui proposent de vérifier les casiers judiciaires. Ce résultat qui paraît discriminatoire n’est pourtant pas inscrit dans l’algorithme de Google, il est la « simple » conséquence des calculs de corrélation : étant donné que le système carcéral américain est hautement discriminatoire, avec une proportion de Noirs-Américains dans les prisons trois fois plus importante que la moyenne nationale, il est plus probable qu’une recherche sur internet portant sur un Noir-Américain ait pour but de vérifier les antécédents judiciaires de cette personne que ce ne serait le cas d’une recherche sur un patronyme supposé être celui d’un Blanc. En reproduisant simplement les pratiques « courantes », les algorithmes opposent une force contraire au changement des pratiques et des structures sociales.

9Dans les calculs d’autorité et de réputation, les gagnants, note encore le sociologue, ont des avantages cumulés énormes. Un site qui arrive en première position dans les recherches Google a beaucoup plus de chance d’être lu et référencé par d’autres sites qu’un site sur la deuxième page des résultats. En conséquence, sur internet qui est souvent décrit comme un espace égalitaire 99% des références renvoient à 1% des sites ! Les algorithmes de réputation posent le même type de problème. Sur Twitter, les sujets « tendance » reçoivent plus de visibilité. Or, pour qu’un sujet soit considéré comme trendy par l’algorithme, il faut que beaucoup d’individus en parlent dans un laps de temps très court, ce qui met en avant des événements comme les décès de célébrités, les sorties de films populaires, les discussions autour des débats télévisés à grande audience. Par contre, des événements peut-être plus importants mais plus étalés dans le temps, comme le mouvement #Occupy en 2011 aux États-Unis, ne sont jamais reconnus comme « tendance » malgré les très grands nombres de tweets à leur sujet. La façon de calculer la tendance favorise donc certains événements au détriment d’autres.

10Les rêves auxquels fait référence le titre du livre, À quoi rêvent les algorithmes, renvoient aux conséquences possibles des algorithmes sur nous et nos sociétés. Nous avons ici succinctement présenté les quatre grandes familles d’algorithmes qui correspondent chacune à des objectifs différents. Chaque famille induit des conséquences spécifiques et sous-tend des types de rêves différents. Nous n’avons esquissé l’analyse que de certains rêves inscrits dans nos machines, Dominique Cardon en analyse beaucoup d’autres. Si ces analyses sont toujours pertinentes, c’est parce qu’elles émettent des critiques circonstanciées qui ne cherchent pas à mettre en doute en bloc l’utilité des algorithmes en tant que telle. Au contraire, de façon plus constructive, le livre veut susciter une culture dans laquelle les citoyens qui, jusqu’à maintenant, se taisent très majoritairement pourraient remettre en questions les algorithmes en étant sensibles au fait que ceux-ci servent des rêves qui peuvent influencer nos actions et nos sociétés dans de bonnes, mais aussi dans de moins bonnes directions. En prenant la parole, les citoyens pourraient guider les rêves des ordinateurs afin qu’ils ne deviennent pas nos cauchemars de demain.

Haut de page

Pour citer cet article

Référence électronique

Thibault De Meyer, « Dominique Cardon, À quoi rêvent les algorithmes », Lectures [En ligne], Les comptes rendus, 2016, mis en ligne le 05 avril 2016, consulté le 20 février 2018. URL : http://journals.openedition.org/lectures/20554

Haut de page

Droits d’auteur

© Lectures - Toute reproduction interdite sans autorisation explicite de la rédaction / Any replication is submitted to the authorization of the editors

Haut de page