Navigation – Plan du site

AccueilNuméros35-3/4Note de rechercheLa géographie selon LinkedIn. L’e...

Note de recherche

La géographie selon LinkedIn. L’exemple de la région SUD.

Geography according to LinkedIn. The example of the SUD Region
Aurélia Bernard et Cyrille Genre-Grandpierre

Résumés

LinkedIn est un réseau social professionnel qui facilite l’échange d’informations et la mise en relation entre ses membres. Sur la base du profil des utilisateurs, l’algorithme de la plateforme les affecte à une commune, un secteur ou une région, dessinant ainsi une polarisation originale de l’espace. Mais sa logique parait peu lisible : les affectations varient pour une même commune et les découpages obtenus ne correspondent pas à ceux de la géographie traditionnelle. Ces affectations conditionnant potentiellement les mises en relation, elles peuvent avoir à terme des effets performatifs sur le marché de l’emploi. Dans cette note de recherches, nous cherchons donc à mieux les décrire et les comprendre. Sont ainsi mis à jour, à partir d’une base de données scrappée sur les membres de LinkedIn de la région SUD, les polarisations proposées par la plateforme. Elles sont ensuite comparées aux découpages traditionnels de la géographie. Sont enfin étudiées les différences de polarisation en fonction des emplois occupés par les membres de la plateforme.

Haut de page

Texte intégral

1Fondé en 2002 aux États-Unis, LinkedIn est un réseau social professionnel comptant environ 740 millions1 de membres à travers le monde. Cette plateforme tient aujourd’hui une place importante sur le marché de l’emploi en facilitant l’échange d’informations et la mise en relation entre ses membres, qu’ils soient salariés ou demandeurs d’emploi, et les employeurs.

2Chaque utilisateur définit son profil : profession, formation, et rentre des informations dans la rubrique « lieu », qui peut être aussi bien, faute de précision, son lieu de travail que son lieu de résidence.

3À partir de ces informations, l’utilisateur est mis en relation avec d’autres personnes susceptibles de « l’intéresser » du point de vue professionnel (par exemple ceux qui gravitent dans le même secteur d’activité ou ont fait la même formation), mais sans que l’on connaisse avec finesse la logique et les modalités pratiques de fonctionnement de l’algorithme de mise en relation.

4De même, lorsqu’un utilisateur intègre le réseau LinkedIn, il est étiqueté ou « affecté » géographiquement par l’algorithme de la plateforme à une ville, une agglomération ou même une région, par exemple : « Paul, responsable RH, Paris et périphérie ». Toutefois, là encore, la logique de cette affectation n’est pas transparente (la méthode n’est nulle part précisée et la plateforme ne communique pas sur cet algorithme). En toute logique, cette affectation doit se baser sur ce qui a été renseigné dans la rubrique « lieu », mais les affectations peuvent parfois surprendre. Par exemple, pour LinkedIn les salariés d’Avignon Université sont quasi systématiquement affectés à la « périphérie de Nîmes » et non à Avignon, alors que l’unité urbaine d’Avignon (458000 habitants) est deux fois et demie plus grande que celle de Nîmes. De même, on constate que l’algorithme de LinkedIn affecte ses utilisateurs localisés à Toulon, 14ème ville de France par sa population et qui fait partie d’une unité urbaine de plus de 580000 habitants, soit à Toulon et sa périphérie, ce qui parait logique, mais aussi pour une part non négligeable à la « périphérie de Marseille ».

5À travers ces deux exemples, il semble donc que l’algorithme de LinkedIn produise « sa propre géographie » en définissant des affectations, et donc des découpages ou aires de polarisation des villes, qui s’éloignent de ceux mobilisés habituellement, qu’ils relèvent de découpages territoriaux (département, EPCI) ou de découpages fonctionnels (bassin de vie par exemple). Mieux connaitre cette géographie LinkedIn parait intéressant pour comprendre comment fonctionne ce réseau social, mais surtout parce qu’on peut faire l’hypothèse que cette autre géographie puisse avoir à terme des effets performatifs sur l’attractivité relative des villes pour les entreprises ou les salariés, ou encore sur l’appariement offre-demande d’emploi. L’affectation des salariés d’une commune (ex Avignon) à une autre ville (Nîmes) peut par exemple à terme renforcer l’attractivité de cette dernière grâce à sa plus grande visibilité dans le réseau. De même, mettre systématiquement en relation un salarié avec des personnes ou entreprises qui ont la même affectation que lui, mais sans que ce soit celle de sa ville de résidence ou d’emplois, peut induire des appariements offre demande d’emploi s’éloignant de la logique de la proximité kilométrique ou en temps, avec de possibles effets induits sur la longueur des navettes domicile-travail par exemple. Comme le notent Cardon et Crépel (2019) « en imposant une forme abstraite et décontextualisée de calcul, on peut reprocher aux algorithmes d’être les agents d’une transformation des territoires » (Cardon et Crépel, 2019).

6Avant d’étudier d’éventuels effets performatifs du réseau LinkedIn sur l’attractivité relative des villes et le marché de l’emploi, l’objectif de ce travail préliminaire consiste plus simplement à décrire la « géographie selon LinkedIn », en prenant la région SUD pour terrain d’étude. Plus précisément, il s’agit tout d’abord de voir comment les communes sont affectées pour mettre à jour les découpages « fonctionnels » proposés par LinkedIn. En bref, on cherche à savoir « qui polarisent qui » et à décrire la forme des découpages obtenus. Dans un deuxième temps, les découpages LinkedIn sont mis en regard des découpages institutionnels (département, EPCI, etc.) et fonctionnels de l’espace (bassin de vie, aire urbaine) pour relever d’éventuelles correspondances. Enfin, dans un troisième temps, en prenant les exemples de Toulon et Nice, nous cherchons à voir dans quelle mesure les affectations proposées par LinkedIn varient selon le profil professionnel des utilisateurs, en différenciant en première approche les cadres des non-cadres. Cette exploration parait importante à conduire, car si les logiques d’affectation et de mise en relation s’avéraient différentes selon le profil des individus, les éventuels effets performatifs de l’algorithme de LinkedIn sur l’attractivité des villes et le marché de l’emploi seraient non seulement potentiellement importants, mais en plus socialement inégalitaires.

  • 2 Le script a été réalisé par Anthony Dalle, UMR 7300 CNRS ESPACE

7Pour dresser cette géographie selon LinkedIn, un échantillon aléatoire de membres de la plateforme a été collecté par « scraping »2 en juillet 2021 pour les communes de la région SUD en retenant un maximum de 1000 profils par commune. Au total 273135 profils ont été récoltés et anonymisés. Seules 33 communes, sur les 947 que comprend la région SUD, se sont avérées ne pas avoir d’utilisateurs LinkedIn. Pour chaque profil ont été relevés, l’information renseignée par l’utilisateur dans la rubrique « lieu », le type emploi et l’affectation proposée par l’algorithme LinkedIn. Il peut s’agir d’une commune : Marseille, d’une affectation plus floue : « Marseille et sa « périphérie », mais sans précision sur ce que recoupe la notion de périphérie, ou encore, de la région elle-même : région SUD, ou même de l’affectation France. Précisons que les affectations varient pour une même commune. À titre d’exemple, les 1000 utilisateurs de LinkedIn sélectionnés aléatoirement de la commune de Puyvert (commune de 850 habitants située à une heure de route de Marseille et 45 minutes d’Aix en Provence) sont affectés à « Marseille et périphérie » à 67 %, à Puyvert (16%), à Cadenet (8%), puis par ordre décroissant d’occurrence à Curcuron (3%), Lourmarin (3%), Marseille (1%), Aix-en-Provence (1%), Vaugines (1%), France (0.25%)

Les polarisations urbaines en région SUD selon LinkedIn

8Au-delà du cas particulier de Puyvert, il s’avère que 60 % des communes de la région SUD ont des affectations multiples (à d’autres communes, à la région SUD ou même à la France). Parmi les 40 % des communes « mono-affectées », on trouve essentiellement des communes de taille modeste, puisque 95 % d’entre elles ont moins de 5000 habitants.

Figure 1 : Affectation unique et multiple des communes de la région SUD selon LinkedIn

9Concernant les 9 communes avec une affectation France, leur population est inférieure à 1300 habitants et elles sont majoritairement des « communes isolées hors influence des pôles, ou des communes multipolarisées » d’après le zonage en aires urbaines de l’INSEE. Il en va de même pour les 55 communes ayant une affectation « Provence-Alpes-Côte d’Azur », même si elles sont un peu plus peuplées (moins de 2400 habitants).

10Après avoir différencié les communes à affectation unique de celles aux affectations multiples, nous avons sélectionné et cartographié pour chaque commune l’affectation la plus fréquente. La carte (figure 2) ne donne à voir aucune structure spatiale, mais au contraire un patchwork de nom de commune. Dit autrement, il n’existe pas de groupe de communes proches les unes des autres qui seraient affectées majoritairement à une seule et même commune. Ainsi, les utilisateurs de LinkedIn semblent affectés sans règle précise à leur commune de résidence, à des communes proches, pas toujours la plus grosse, ou à des communes beaucoup plus lointaines sans logique apparente.

Figure 2 : Affectation la plus fréquente des communes de la région SUD selon LinkedIn

11Pour essayer de mieux comprendre la géographie LinkedIn, nous avons ensuite inversé la démarche en regardant quelles sont les communes qui sont totalement ou partiellement affectées à une liste de « grands pôles » choisis en fonction de leur fréquence d’apparition dans le profil des utilisateurs : Marseille, Nice, Toulon, Aix-en-Provence, Avignon, Nîmes, Grenoble. Lorsque les utilisateurs LinkedIn d’une commune sont affectés à plusieurs grands pôles, c’est celui qui a la plus forte fréquence qui est retenu.

12Contrairement à la carte de l’affectation la plus fréquente, on identifie alors nettement des structures spatiales. Sur la figure 3, on voit par exemple que l’affectation à Nice et sa périphérie concernent 11% des communes de la région, qui sont essentiellement situées sur le littoral. On note aussi que les communes affectées à Marseille et sa périphérie (24% des communes) concernent un vaste ensemble allant d’Arles à Toulon, en passant par l’est d’Avignon. Enfin, les communes affectées à Toulon et sa périphérie sont majoritairement situées entre les aires de polarisation de Nice et de Marseille, mais elles ne concernent paradoxalement pas les communes à proximité directe de Toulon. Il en va de même pour Avignon, puisque toutes les communes de sa périphérie ou presque sont affectées à Nîmes. On remarquera pour terminer que les 14 communes affectées à « Grenoble et périphérie » sont de petites communes très majoritairement dans les Hautes-Alpes.

13

Figure 2 : Affectation selon LinkedIn des communes de la région SUD aux « grands pôles »

14Ainsi, des aires de polarisation « structurées » existent d’Avignon à Nice en suivant le littoral. Ce n’est en revanche pas le cas dans les départements des Alpes-de-Haute Provence, des Hautes-Alpes et dans le nord des Alpes-Maritimes, où l’émiettement est la règle. Dans ces secteurs, tout se passe comme si les communes (petites en majorité) étaient « inclassables ». Elles sont affectées à elle-même, à diverses autres communes, à la région SUD ou même à la France. On peut y lire comme une forme de « condescendance » pour ses portions de territoires que LinkedIn ne prend même pas la peine de rattacher à des pôles importants.

15On remarquera aussi que, lorsqu’elles existent, les aires de polarisation sont discontinues et ne reprennent pas les découpages habituels des territoires. Par exemple, les communes affectées à Nîmes et sa périphérie sont situées sur 8 départements : logiquement dans le Gard et en Occitanie, mais aussi dans tous les départements de la région SUD (à l’exception du Var) ou encore en Isère.

Pas d’adéquation des polarisations LinkedIn avec les découpages institutionnels ou fonctionnels traditionnels

16En comparant les aires d’affectation LinkedIn aux grands pôles avec les découpages de la région SUD en départements, en EPCI (établissement public de coopération intercommunale), en bassins de vie ou encore en aires urbaines, il apparait que la coïncidence des découpages est très faible ou même nulle (notamment avec les EPCI).

17Pour les bassins de vie, on relèvera seulement « l’exception du pôle niçois » pour lequel 43% des communes étiquetées « Nice et sa périphérie » par LinkedIn sont effectivement dans le bassin de vie de Nice.

Figure 3 : Découpage en bassins de vie et aires urbaines en région SUD

18Pour le découpage en aires urbaines, les correspondances sont meilleures, mais concernent très majoritairement les aires de Marseille-Aix-en-Provence et dans une moindre mesure celle de Nice. En effet, 78% des communes labellisées Marseille et Périphérie ou Aix-en-Provence et périphérie par LinkedIn sont dans l’Unité urbaine Marseille-Aix-en-Provence. Cette part tombe à 39 % pour Nice, 13% pour Toulon et 1% pour Avignon.

19On le voit, la géographie LinkedIn a sa propre logique qui ne recoupe pas celles des découpages traditionnels qu’ils soient institutionnels ou fonctionnels.

Des affectations fonction du profil des utilisateurs

20Dans ce travail préliminaire sur la géographie LinkedIn, nous avons enfin exploré une dernière dimension qui est celle de l’influence du métier des utilisateurs sur leur affectation.

21Ici, pour les échantillons de 860 et 904 profils collectés aléatoirement respectivement pour les villes de Toulon et Nice, choisies à titre heuristique, les métiers ont été codés manuellement de façon binaire en cadre et non-cadre. Les cadres ont été définis en reprenant l’Accord National Interprofessionnel (ANI) sur l’encadrement (2020) qui stipule que le cadre possède

  • une aptitude à des fonctions à caractère intellectuel prédominant

  • des fonctions conditionnant ou induisant la réflexion et/ou l’action d’autres salariés

  • une marge suffisante d’initiative et/ou d’autonomie dont l’amplitude dépend des responsabilités et/ou de la délégation de pouvoirs qui lui sont confiées

  • une responsabilité effective contribuant à la marche et au développement de l’entreprise ou l’organisation.

22Si le reclassement en cadre vs non cadre s’est appuyé sur cette définition, il n’est toutefois pas exempt d’erreur potentielle, car la description des métiers exercés n’est pas toujours très précise dans le profil des utilisateurs et le reclassement demeure donc parfois subjectif. Néanmoins, les résultats de ces premières analyses sont suffisamment nets pour ignorer de marginales erreurs de reclassification. En effet, on peut voir dans le tableau ci-dessous que si pour Nice les cadres et non cadres sont tous affectés à Nice ou Nice et sa périphérie, il n’en va pas de même pour Toulon. Ainsi, 42 % des cadres de Toulon sont affectés à Marseille et sa périphérie quand cette part tombe à seulement 12% pour les non-cadres.

Commune

Statut du membre LinkedIn

Affectation par LinkedIn

Pourcentage de l'échantillon

Toulon

(860 profils)

Non-cadres

Marseille et périphérie

12%

Toulon ou Toulon et périphérie

88%

Cadres

Marseille et périphérie

42%

Toulon ou Toulon et périphérie

58%

Nice

(904 profils)

Non-cadres

Nice ou Nice et périphérie

100%

Cadres

Nice ou Nice et périphérie

100%

Figure 4 : affectation des cadres et non cadres des villes de Nice et Toulon.

23Ainsi, tout se passe comme si l’algorithme de LinkedIn estimait qu’il est plus « stratégique » d’affecter les cadres de Toulon à Marseille que les ouvriers et donc, in fine, de leur offrir d’avantage de possibilités de relations à plus grande échelle et en lien avec une grande métropole. A l’inverse, en affectant plus massivement les non-cadres à leur aire de résidence (Toulon et sa périphérie), tout se passe comme si l’algorithme supposait que les non-cadres sont moins mobiles, ou qu’il n’est pas pertinent de les mettre en relation à grande échelle, présupposant sans doute que leur intérêt va avant tout à des relations à proximité du lieu de résidence.

24À travers cet exemple de Toulon, on peut voir que l’algorithme de LinkedIn n’est pas « neutre », mais qu’il doit au contraire comporter des règles explicites d’affectation et de mise en relation qui diffèrent selon le profil des individus, la taille des villes et/ou leur distance à une grande métropole. Nice est ainsi jugée assez importante pour que « ses cadres » lui restent affectés alors que ce n’est pas le cas de Toulon.

Conclusion

25Ce travail sur la géographie de LinkedIn n’en est qu’au stade préliminaire. Il permet néanmoins d’ores et déjà de conclure que LinkedIn produit sa propre géographie, qui s’écarte des découpages et polarisations habituellement mobilisés.

26Pour aller plus loin et mieux comprendre les ressorts de cette géographie selon LinkedIn et ses possibles effets, les pistes d’exploration sont nombreuses :

  • on peut tout d’abord tenter de produire des découpages aux limites plus floues (probabilistes), qui ne se baseraient pas seulement sur l’affectation la plus fréquente par commune, mais tiendraient compte des 2 ou 3 premières affectations, à la manière de la définition des aires de chalandise des magasins utilisant le modèle de Huff. (Huff, 1964)

  • on peut ensuite chercher à mieux comprendre les affectations aux grands pôles selon leur taille, leurs attributs institutionnels (en étudiant le rôle du statut de préfecture par exemple), leurs attributs fonctionnels (nombre d’emplois, catégories d’emplois, etc.), ou encore leur distance respective

  • il convient aussi de généraliser l’exemple de Toulon en étudiant dans quelle mesure et pour quelles villes, les « non-cadres » n’ont pas systématiquement les mêmes affectations que les cadres

  • enfin, un dernier chantier, plus important et qui mobilisera d’autres types de données (issues d’entretiens avec des utilisateurs et d’une exploration plus approfondie des mises en relations proposées par LinkedIn) pourrait viser à estimer le possible effet performatif des affectations LinkedIn sur le marché du travail, effet performatif que l’on peut supputer, mais pas confirmer à ce stade. Être affecté à telle ou telle commune, conditionne-t-il les contacts proposés par LinkedIn à ses membres et si tel est le cas cela joue-t-il in fine sur le choix des emplois effectivement exercés ?

27On le voit les pistes de recherche sont nombreuses. Elles s’inscrivent plus largement dans la mouvance des travaux qui cherchent à mieux comprendre les effets sur les fonctionnements territoriaux des algorithmes, aujourd’hui très présents dans nos quotidiens, mais dont on ignore tout ou presque des logiques sous-jacentes, qu’elles soient consciemment codées ou pas (Cardon, 2015).

Haut de page

Bibliographie

Cardon, D., Crepel M., (27 août 2019). « Algorithmes et régulation des territoires », La Vie des idées. ISSN : 2105-3030. [En ligne] URL : https://laviedesidees.fr/Algorithmes-et-regulation-des-territoires.html (Consulté le 7 mars 2021).

Cardon D., 2015 : À quoi rêvent les algorithmes. Nos vies à l'heure des big data, Paris, Seuil, La République des idées, 2015, 105 p

Huff D.L., 1964 : Defining and estimating a trading area, Journal of Marketing, vol 28, n°3, pp34-38.

LinkedIn, About Us, Statistics. Site officiel [En ligne] https://news.linkedin.com/about-us#Statistics (Consulté le 21 avril 2021).

LinkedIn, About Us, Statistics. Site officiel [En ligne] https://news.linkedin.com/about-us#Statistics (Consulté le 21 avril 2021).

Haut de page

Notes

1 LinkedIn, About Us, Statistics [En ligne] https://news.linkedin.com/about-us#Statistics (Consulté le 21 avril 2021).

2 Le script a été réalisé par Anthony Dalle, UMR 7300 CNRS ESPACE

Haut de page

Table des illustrations

Légende Figure 1 : Affectation unique et multiple des communes de la région SUD selon LinkedIn
URL http://journals.openedition.org/netcom/docannexe/image/6362/img-1.jpg
Fichier image/jpeg, 244k
Légende Figure 2 : Affectation la plus fréquente des communes de la région SUD selon LinkedIn
URL http://journals.openedition.org/netcom/docannexe/image/6362/img-2.jpg
Fichier image/jpeg, 212k
Légende Figure 2 : Affectation selon LinkedIn des communes de la région SUD aux « grands pôles »
URL http://journals.openedition.org/netcom/docannexe/image/6362/img-3.jpg
Fichier image/jpeg, 364k
Légende Figure 3 : Découpage en bassins de vie et aires urbaines en région SUD
URL http://journals.openedition.org/netcom/docannexe/image/6362/img-4.png
Fichier image/png, 396k
Haut de page

Pour citer cet article

Référence électronique

Aurélia Bernard et Cyrille Genre-Grandpierre, « La géographie selon LinkedIn. L’exemple de la région SUD. »Netcom [En ligne], 35-3/4 | 2021, mis en ligne le 30 juin 2022, consulté le 18 avril 2024. URL : http://journals.openedition.org/netcom/6362 ; DOI : https://doi.org/10.4000/netcom.6362

Haut de page

Auteurs

Aurélia Bernard

Doctorante en Géographie et Aménagement, Avignon Université, UMR 700 ESPACE, aurelia.bernard@univ-avignon.fr

Cyrille Genre-Grandpierre

Professeur en Géographie et Aménagement, Avignon Université, UMR 700 ESPACE, cyrille.genre-grandpierre@univ-avignon.fr

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search