Navigation – Plan du site

AccueilPublicationsCollection générale2023Littératie algorithmique et prati...

2023
182

Littératie algorithmique et pratiques médiatiques des jeunes à Bruxelles

Algoritmische geletterdheid en mediapraktijken bij jongeren in Brussel
Algorithmic literacy and media practices among young people in Brussels
Sylvain Malcorps, Arnaud Claes, Thibault Philippette et Marie Dufrasne
Traduction(s) :
Algoritmische geletterdheid en mediapraktijken bij jongeren in Brussel  [nl]
Algorithmic literacy and media practices among young people in Brussels  [en]

Résumés

Jouant un rôle indéniable dans l’accès à l’information, les algorithmes de recommandation visent à faciliter la navigation des usagers en leur recommandant les contenus les plus « pertinents » selon une série de critères sélectionnés par leurs concepteurs. En même temps, ces dispositifs participent au fonctionnement économique de ces plateformes en favorisant la captation et la rétention de l’attention des usagers de ces services. Il apparaît dès lors crucial de mieux comprendre les enjeux sociaux que posent ces technologies. Dans la mesure où le public des jeunes Bruxellois s’informe principalement par le biais des réseaux socionumériques, le projet ALG-OPINION s’est intéressé à la manière dont ils se représentent le fonctionnement de ces technologies ainsi qu'aux pratiques médiatiques qu'ils développent à leur contact. En voulant s'intéresser aux spécificités des pratiques de jeunes utilisateurs bruxellois, les travaux présentés dans cet article apportent une interprétation plus fine des relations effectives qu'entretiennent ces publics avec des technologies algorithmiques du quotidien. Cet article se conclut sur l'exploration de pistes d'éducation aux médias attentives à ces observations.

Haut de page

Notes de la rédaction

Pour voir les figures dans une meilleure résolution, accédez à l’article en ligne et cliquez sur « Original » en dessous de celles-ci.

Notes de l’auteur

Le projet ALG-OPINION a été financé par l’organisation régionale bruxelloise pour la recherche et l’innovation (Innoviris) dans le cadre des programmes Anticipate (2018-2020) sous la référence 2018-ANTICIPATE-24 et Prospective Research (2020-2022) sous la référence PRB-124.

Texte intégral

Introduction

1Jouant un rôle indéniable dans l’accès à l’information, les algorithmes de recommandation de contenus sont aujourd’hui des systèmes informatiques omniprésents en ligne. Implémentés sur les réseaux socionumériques [Coutant, 2015], sur les moteurs de recherche et sur un nombre grandissant de sites d’information, ils visent à faciliter la navigation des usagers en leur recommandant les contenus les plus « pertinents » selon une série de critères sélectionnés par leurs concepteurs. En même temps, les algorithmes de recommandation participent au fonctionnement économique de ces plateformes en favorisant la captation et la rétention de l’attention des usagers de ces services [Seaver, 2019]. Dans la mesure où le public des jeunes Bruxellois s’informe principalement par le biais des réseaux socionumériques [Collard et al., 2021 ; Wiard et al., 2021], le projet ALG-OPINION1 s’est intéressé à la place des systèmes de recommandation dans leur « imaginaire algorithmique » [Bucher, 2017 – soit la manière dont les individus se représentent le fonctionnement de l’algorithme et leurs expériences avec celui-ci] et comment ces systèmes influencent leur manière de s’informer et de se forger une opinion sur des questions publiques [Dahlgren, 2001] ou sur la « chose politique » [Mercenier, Wiard et Dufrasne, 2021]. Alors que des images puissantes comme celle de la « bulle de filtres » et de l‘isolation intellectuelle qu‘elle suppose sont désormais répandues afin de décrire les effets des algorithmes de recommandation sur leurs usagers, il nous apparait nécessaire d’étudier d’une façon plus compréhensive les relations effectives2 qu’entretiennent les publics, dans notre cas des jeunes, avec les algorithmes et plus globalement avec les « systèmes » de recommandation.

1. Retour critique sur la notion de bulles de filtres

2L’usage croissant d’algorithmes de personnalisation en ligne suscite de nombreuses craintes quant à la capacité des usagers à maintenir un régime informationnel diversifié. La notion de « bulle de filtres » [Pariser, 2012] est souvent employée pour décrire un état d’isolement intellectuel résultant de mécanismes algorithmiques supprimant de notre horizon informationnel tout contenu allant à l’encontre de nos idées ou de nos préférences. En réaction à ce postulat, il est régulièrement conseillé d’adopter des comportements aléatoires qui perturberaient l’algorithme, voire à éviter les plateformes qui proposent ce genre de services [Bozdag et van den Hoven, 2015]. Si cette théorie a le mérite d’avoir attiré l’attention générale sur les enjeux et les effets de la personnalisation algorithmique, elle est néanmoins trompeuse à plusieurs niveaux. En effet, elle pourrait laisser croire à une uniformité de l’effet de la recommandation automatisée sur les pratiques informationnelles. Or, les résultats des travaux scientifiques sur le sujet sont parfois contradictoires et dessinent une situation complexe, dépendant à la fois de la plateforme étudiée et du domaine d’application de l’algorithme.

3Si on a longtemps pensé que les résultats des recherches en ligne s'adaptaient fortement au profil de l’utilisateur, des travaux récents semblent indiquer que le chevauchement des résultats entre des requêtes multiples d’utilisateurs différents reste important [Haim et al., 2018 ; Krafft et al., 2018 ; Puschmann, 2019]. En ce qui concerne la recommandation d’actualités, par exemple, selon une étude dirigée par Facebook [Bakshy et al., 2015], si l’algorithme de la plateforme occasionne bien une baisse de l’exposition à des opinions contraires, le choix des relations sociales des utilisateurs aurait une influence plus importante sur la personnalisation du flux d’actualités. Des études plus expérimentales attribuent également un effet négatif sur la diversité des opinions rencontrées du fait de l’action d’algorithmes de recommandation. Claussen et al. [2019] observent ainsi que la personnalisation de la page d’accueil d’un site d’actualité diminue la diversité des contenus consultés, tandis que Dylko et al. [2017] constatent que la personnalisation d’actualités limite l’exposition à des informations dissonantes. Toutefois, des études portant sur d’autres domaines d’application viennent nuancer ces observations. Aiello et Barbieri [2017] se sont intéressés à la recommandation de contacts sur Flickr et Tumblr. Ils observent que les recommandations automatisées accroissent la diversité du réseau social des utilisateurs qui y sont confrontés. Selon les auteurs de l’étude, le système expose l’utilisateur à une plus grande variété de contacts que si ce dernier avait exploré les blogs ou fait des recherches directement sur le site.

4Dans le cas des services de diffusion en continu, l’étude de Roth et al. [2020] indique que la recommandation de vidéos sur YouTube dirige l’utilisateur vers des groupes de vidéos homogènes privilégiant des vidéos « populaires », c’est-à-dire visionnées par des milliers d’usagers. En se penchant sur le site MovieLens qui recommande des films sur base des scores attribués par la communauté d’utilisateurs, Nguyen et al. [2014] constatent que les utilisateurs qui ont recours à un algorithme de recommandation consultent des contenus de moins en moins diversifiés au fil du temps. Toutefois, cette baisse est moins importante que chez les autres utilisateurs de la plateforme qui n’utilisent pas les recommandations. Du côté de Spotify, la consommation musicale guidée par l’usage de systèmes de recommandation serait associée à une diminution de la diversité des chansons écoutées individuellement sur le long terme [Anderson et al., 2020]. Toutefois, Holtz et al. [2020] et Datta et al. [2017] observent un effet positif de la recommandation automatisée sur la diversité des pratiques d’écoute en général. Holtz et al. [2020] constatent ainsi que, même si plus de contenus différents sont consultés à l’échelle de la plateforme, chaque individu à tendance à se retrancher sur des intérêts plus spécifiques. Enfin, les travaux de Beuscart et al. [2019] sur Spotify indiquent encore que la recommandation automatique contribue à guider l’utilisateur vers des titres moins populaires et s’associe à la démarche exploratoire d’utilisateurs éclairés.

5Il faut souligner que les études citées ici sont très inégales dans la portée de leurs résultats, la nature de leur méthodologie et la taille de leurs échantillons, ce qui complique la comparaison entre elles. Cette littérature tend toutefois à indiquer qu’il n’est pas possible de réduire l’effet des algorithmes de recommandation sur les usages informationnels à un isolement progressif dans des espaces homogènes. Si l’intégration de systèmes de recommandation a une influence non négligeable sur l’horizon informationnel des individus, elle n’est toutefois pas aussi uniforme que pourrait le laisser penser la théorie des bulles de filtres. Tant la nature des éléments recommandés que la technologie utilisée, l’interface proposée à l’utilisateur ou le contexte d’usage du dispositif, sont à même d’influer sur les pratiques de consultation [Dalhgren, 2021]. Qui plus est, au-delà de ces considérations techniques, les pratiques de consommation de contenus en ligne sont également plus diversifiées qu’attendu. Fletcher et Nielsen [2017] observent que dans le contexte d’un écosystème informationnel avec une offre médiatique diversifiée, la plupart des usagers (adultes) combinent des contenus issus de médias de niche avec d'autres issus de médias s’adressant à une population plus large. Ces résultats corroborent les conclusions de Dubois et Blank [2018] qui mettent en évidence qu’un utilisateur de réseaux socionumériques va généralement croiser plusieurs sources d’informations (recherches en ligne, consultation de médias dits « traditionnels », de médias sociaux, etc.). Garrett et al. [2013] et Newman et al. [2020] constatent également que même l’usage de sites d’actualité partisans s’accompagne généralement d’une consommation d’actualités issues de médias traditionnels. Il est dès lors assez rare qu’un utilisateur de plateformes en ligne se retrouve dans un environnement numérique parfaitement clos.

6Des théories comme celles de la bulle de filtres tendent, en réalité, à masquer la complexité des usages qui se développent autour de ces dispositifs. Souligner cette complexité ne signifie pas que l’utilisation des algorithmes de recommandation n’est pas sans conséquence, mais que l’analyse de leurs effets doit se faire au prisme des contextes d’usage afin de dépasser une représentation déterministe de l’utilisateur qui se retrouve dépouillé de toute agentivité. Si une littérature abondante commence à se former autour de ces multiples contextes d'usages, plusieurs marqueurs individuels sont encore négligés et méritent notre attention si nous souhaitons affiner notre compréhension des pratiques médiatiques. Discriminer ces pratiques en fonction de l’âge des utilisateurs nous apparaît comme une piste de recherche pertinente pour répondre à cet objectif. Les résultats présentés à la suite interrogent dès lors les spécificités des pratiques de jeunes utilisateurs bruxellois.

2. L’imaginaire algorithmique des jeunes Bruxellois

7Nous postulons que l’imaginaire algorithmique des jeunes Bruxellois et les manières dont ils perçoivent les effets des mécanismes de recommandation participent à la façon dont ce public utilise les systèmes de recommandation, s’informe et forme ses opinions. Explorer cet imaginaire et ce qu’il véhicule nécessite de recueillir les discours relatifs aux états d’esprit et aux affects que les algorithmes contribuent à générer [Bucher, 2017 : 32]. Cette approche par l’expérience des effets des algorithmes peut être complétée par une étude des pratiques et des tactiques que les jeunes mettent en place afin d’agir et de vivre en relation avec les algorithmes présents sur les plateformes qu’ils utilisent [Wiard, Lits et Dufrasne, 2022].

8Une première étape de cette exploration de l’imaginaire algorithmique des jeunes Bruxellois a consisté en la réalisation de 27 entretiens exploratoires avec des professeurs de l’enseignement secondaire (n=9), des jeunes Bruxellois entre 15 et 24 ans (n=9) et des experts du monde des médias et de l’éducation aux médias (n=9) sur le territoire de Bruxelles-Capitale. Les usages informationnels des jeunes ne pouvant être dissociés des réseaux de sociabilité qui leur permettent de donner du sens à l’information [Claes et al., 2021], ces entretiens ont tout d’abord permis d’identifier les représentations que les adultes se font au sujet des relations que les jeunes entretiennent avec les algorithmes. Il est ainsi ressorti du matériau récolté auprès des enseignants une forte présence de discours pessimistes, décrivant majoritairement les élèves comme peu réflexifs au sujet de la présence d’algorithmes dans leurs usages informationnels quotidiens. Les enseignants ont véhiculé la représentation d’un monde numérique néfaste ou dangereux, où s’entremêlent les effets prétendument avérés des bulles de filtres, le cyberharcèlement, la désinformation ou les théories du complot.

« Ils ne savent pas ou ils n’ont pas compris (…) il y en a un qui m’expliquait [à partir de vidéos de désinformation consultées sur YouTube] : “Les Égyptiens avaient déjà l’électricité parce que sinon comment ils auraient construit les pyramides, car les tombeaux, il fait noir dedans et s’ils avaient des torches, ils seraient enfumés. (…)”. » (enseignant 1)

9Cette appréhension du monde numérique repose, paradoxalement, sur un usage limité et partiel des réseaux socionumériques par les enseignants interviewés, parfois peu au fait des particularismes propres à chaque réseau. Du côté des jeunes Bruxellois interrogés, par contre, nous avons identifié un premier niveau de conscience quant à la présence de mécanismes de recommandation sur les réseaux socionumériques qu’ils consultaient, à commencer par le fait de nommément parler d’algorithme en lien avec des contenus suggérés. Des discours utopistes et technodéterministes au sujet de la toute-puissance de ces technologies, de leur capacité à transformer le monde, étaient également très présents. Enfin, le discours des experts est plus nuancé, soulignant que les jeunes sont plus informés qu’il n’y paraît, en se référant au contexte sociotechnique dans lequel ils évoluent afin d’expliquer leurs rapports à l’information et aux algorithmes. Ces premiers résultats invitent à étendre l’éducation aux algorithmes à destination de la population des enseignants et des intervenants pédagogiques, et de les équiper d’outils leur permettant de mieux comprendre le monde numérique dans lequel eux et les jeunes évoluent.

10La nature des relations entretenues par de jeunes Bruxellois avec les algorithmes de recommandation a ensuite pu être étudiée par la réalisation en 2019 de 16 focus groups d’approximativement 1h30, rassemblant chacun entre 4 et 7 adolescents âgés de 15 à 18 ans (au total, 79 personnes). Ces focus groups furent organisés au sein d’établissements scolaires durant les heures de cours, sans intervention des professeurs titulaires. Le système scolaire bruxellois étant marqué par un phénomène de ségrégation ethnique et sociale [Sacco et al., 2016], les focus groups ont été réalisés dans cinq établissements scolaires de la Région de Bruxelles-Capitale sélectionnés afin de fournir une certaine diversité en termes de conditions socio-économiques des adolescents de l’étude. En vue d’animer l’activité, l’équipe de recherche s’est équipée d’outils visuels tels que des pictogrammes de réseaux sociaux à positionner sur des représentations graphiques, en fonction de mises en situation (figures 1 à 2). Les animations amenaient les jeunes à se positionner individuellement, puis à discuter collectivement de thèmes très génériques (les types de réseaux sociaux et d'usages), pour ensuite glisser progressivement vers des pratiques informationnelles plus concrètes (leurs avis et leurs manières de se renseigner sur un sujet d’actualité, par exemple).

Figure 1. Exemple d'outil servant l'explicitation des usages lors des focus groups

Figure 1. Exemple d'outil servant l'explicitation des usages lors des focus groups

Figure 2. Positionnement des différents réseaux sociaux suivant les fonctions « s’informer/communiquer/se divertir »

Figure 2. Positionnement des différents réseaux sociaux suivant les fonctions « s’informer/communiquer/se divertir »

Les icônes des réseaux ont été positionnées par les membres d’un des focus groups.

11Les discussions et débats qui ont émergé entre les adolescents ont d’abord permis de mieux saisir le rapport qu’ils entretiennent à l’information. Pour ces jeunes, un contenu rencontré en ligne va obtenir le statut d’information lorsqu’ils sont capables d’y trouver un intérêt et/ou que le contenu provoque en eux le surgissement d’une émotion. Les contenus générant de la joie, du bien-être, de la satisfaction (contenus humoristiques, inspirants, étonnants, etc.) ou, à l’opposé, induisant de la colère, du dégoût ou du dédain (la vidéo d’une fusillade ou d’une agression, par exemple) influent sur leur qualification d’information. Par exemple, des contenus en ligne relatifs à un attentat à l’étranger, à la vie privée d’une influenceuse ou d’un joueur de football, à des devoirs à effectuer pour l’école ou à des évènements familiaux sont considérés généralement par les jeunes comme de l’information [Mercenier, Wiard et Dufrasne, 2021]. Les jeunes accèdent à ces contenus qualifiés d’informations par le biais de différentes plateformes (Instagram, YouTube, Google (news), WhatsApp et Snapchat). L’émergence d’un intérêt et/ou d’émotions vis-à-vis d’un contenu doit être comprise à l’aune du maillage sociotechnique permettant aux jeunes de donner du sens à l’information. Ainsi, ils expliquent utiliser différents appareils (smartphone, ordinateur, télévision, etc.) pour accéder aux contenus considérés comme des informations et en évaluer l’intérêt. Ces usages sont complétés par l’intervention déterminante de leurs proches et de figures d’autorité (parents, grands-parents, enseignants, influenceurs sur les réseaux socionumériques, etc.), qui jouent un rôle crucial dans le signalement et la production de sens autour des contenus en circulation.

12L’analyse des focus groups a également permis de constater que la plupart des adolescents interviewés sont conscients de l’existence de mécanismes de recommandation et de filtrage du contenu sur les réseaux. Ils sont nombreux à décrire en quoi l’organisation des vidéos, des publicités et d’autres contenus sur leur fil d’actualité n’est pas le fruit du hasard, mais bien la conséquence de l’intervention d’un mécanisme de filtrage.

« -Quand on clique sur une vidéo, ça va analyser ce que tu regardes, et ça va nous recommander ce genre de vidéos.
-Et ça te dérange ça ? 
-Pas vraiment, je me dis que YouTube doit savoir nos goûts afin de nous proposer des vidéos qu’on aime. » (élève 1)

« Sur Facebook c'est cramé à 100 %, je vais chercher des billets d'avion sur internet et je vais avoir plein de promos sur la destination que j'ai choisie et même des articles qui parlent de ça, c'est un truc de dingue. Sur Instagram carrément aussi. » (élève 2)

13Néanmoins, ils reconnaissent ne pas disposer des mots ou du savoir technique permettant d’expliquer par quels moyens ce filtrage est opéré. Ce manque de littératie médiatique [Fastrez et Philippette, 2017] et de métalangage ne les empêche pas pour autant de développer des discours contrastés et certaines stratégies en vue d’agir sur les mécanismes de recommandation. Les effets de ces recommandations sont contestés par certains, appréciés par d’autres, voire perçus comme limités. Ainsi, des jeunes ont critiqué la présence de ces mécanismes en pointant qu’ils pouvaient conduire à les enfermer « dans une bulle » de laquelle il est nécessaire de sortir. D’autres, par contre, jugent utile la présence des mécanismes de recommandation, car ils leur permettent de découvrir des contenus considérés comme peu accessibles autrement. Enfin, une autre partie des participants à l’étude a jugé que les effets de la recommandation sur leur accès aux informations étaient limités dans la mesure où il leur suffisait de modifier leurs pratiques habituelles (s’intéresser à un nouveau sujet, par exemple) pour que le système de recommandation les intègre.

14Ces résultats permettent de constater que, malgré un déficit informationnel au sujet du fonctionnement des algorithmes de recommandation, la majorité des jeunes interviewés ont développé un savoir pratique au sujet de ces algorithmes et ont intuitivement mis en place une variété de tactiques visant à agir sur leurs effets.

« Sur Youtube on peut voir si la vidéo, je l'ai déjà vu ou pas. Des fois je vais regarder la vidéo une 2e fois pour bien montrer à Youtube que oui la vidéo je l'ai vu et que donc je veux qu'on propose ce genre de contenu. » (élève 3)

  • 3 La méthodologie qualitative développée dans le projet ALG-OPINION a dès lors consisté en trois phas (...)

15Ces actions leur permettent de rejoindre différents objectifs, allant du désir de lutter contre un éventuel enfermement informationnel, jusqu’à celui d’agir délibérément pour renforcer les effets de la recommandation [Claes et al., 2021]. Dans une phase suivante de la recherche, une identification plus fine de ces actions s’est fait avec la conduite de 13 entretiens in praxis avec un nouveau groupe de jeunes adultes bruxellois âgés de 18 à 25 ans, tous étudiants dans le supérieur3. En les invitant à opérer une variété de tâches sur leur smartphone, il a été possible de comprendre comment des petites actions permettaient aux interviewés de résister ou de renforcer la personnalisation de leur fil d’actualité. Qu’elles soient réalisées consciemment ou non, des actions comme « aimer » un contenu, le « commenter », s’abstenir « d’aimer » ou de « commenter », « s’abonner » à un compte ou « se désabonner » de celui-ci, « partager » ou non un contenu, voire même rechercher des mots-clés dans une barre de recherche sont autant d’actes qui peuvent être stratégiquement employés afin de modifier les effets de l’algorithme de recommandation [Wiard, Lits et Dufrasne, 2022].

« Moi, ça me met mal à l'aise quand je me rends compte que ça fait depuis trop longtemps que je suis en train de scroller. J'arrête, je laisse mon téléphone sur le côté ». (étudiant 4)

« Je suis le compte RTL info, mais, j'ai arrêté parce que c'est un peu déprimant. Parce que la majeure partie du temps, ce sont des infos négatives, du coup j'ai unfollow » (étudiant 5)

16Les jeunes Bruxellois évoluent donc aujourd’hui dans un écosystème informationnel varié, au sein duquel les algorithmes de recommandation jouent un rôle parmi d’autres dans leur accès à l’information. L’étude de l’imaginaire algorithmique de ces jeunes montre que, sans pour autant posséder un savoir savant au sujet des mécanismes de recommandation, ils possèdent un savoir contextuel et pratique leur permettant d’évoluer sur les réseaux socionumériques avec un certain degré de discernement quant aux effets de quelques-unes de leurs pratiques de navigation sur la nature des informations auxquelles ils accèdent. Toutefois, ce savoir reste limité, intuitif et tous les jeunes rencontrés n’en partagent pas le même degré de maîtrise – ce dernier dépendant plus de l'attitude active des jeunes face aux outils et à l'information que de leur niveau d'étude.

3. Enjeux émotionnels et confrontationnels de la formation des opinions

17L’étude de l’imaginaire algorithmique a permis de constater que ces jeunes publics partageaient un socle commun de connaissances portant sur de grandes questions d’actualité ou sur des enjeux du moment (en 2019) tels que les « Gilets jaunes », les marches pour le climat, l’incendie de Notre-Dame de Paris, etc. L’existence de ce socle commun d’informations, complété par une myriade de contenus évalués comme étant de l’information à un niveau plus individuel, est le résultat de l’expérience que les jeunes font d’un écosystème informationnel complexe où s’entremêlent outils techniques et relations interpersonnelles (amis, parents, enseignants, influenceurs, etc.). Dans la veine des constats de Moeller et Helberger [2018] montrant les effets réels mais limités des systèmes de recommandation sur le processus de formation des opinions des individus, le projet ALG-OPINION illustre comment ces effets se traduisent auprès d’un public des jeunes Bruxellois. Pour reprendre l’image de Pariser [2012], si bulles il y a, elles sont d’abord et avant tout sociotechniques, poreuses et entrelacées, plutôt que hermétiques et favorisant l’isolement sociocognitif.

18Ces résultats soulèvent au moins deux enjeux importants en ce qui concerne le processus de formation des opinions de cette population. Citons d’abord les enjeux émotionnels de l’expérience des algorithmes. D’un côté, les systèmes de recommandation génèrent des états d’esprit et des sentiments chez leurs utilisateurs qui participent de leur compréhension de la technologie [Swart, 2021] et, de l’autre, ils sont également des vecteurs mettant en circulation les émotions des usagers [Kramer et al., 2014]. Ces deux dimensions ont été illustrées dans le cas des jeunes Bruxellois en pointant la variété des postures que suscitent ces technologies (postures critique, appréciative, agentive) et des émotions du type joie, satisfaction, colère ou dégoût qu’elles permettent de véhiculer. Le rôle des émotions ayant depuis longtemps été identifié dans la formation des opinions (politiques) [Hilbert et al., 2018], le projet ALG-OPINION ouvre la voie à de nouvelles recherches destinées à comprendre comment de telles émotions interviennent plus spécifiquement dans l’écosystème informationnel des jeunes.

  • 4 Entendue comme la compréhension du fonctionnement de l’algorithme et des données utilisateurs influ (...)

19Mentionnons ensuite les enjeux confrontationnels liant recommandation algorithmique et formation des opinions. Rouvroy et Berns [2013] rappellent que la présence d’un espace de délibération au sujet des choses collectives passe nécessairement par la confrontation entre des opinions. Loin d’être anodine, cette opération suppose la rencontre entre des régimes de réalité disparates où l’incertitude et les désaccords entre individus occupent une place centrale, par-delà la tendance à rechercher « la » vérité ou à être d’accord sur tout. Ces disparités sont justement le terreau qui oblige à s’adresser les uns aux autres. Mais les systèmes de recommandation mettraient en péril ce phénomène : en organisant les interactions numériques à partir d’une expression statistique des comportements en ligne et de résultats de calculs de probabilité, ces technologies tendraient à évacuer les disparités et freineraient l’avènement de ce commun [Rouvroy et Berns, 2013]. Les résultats du projet ALG-OPINION permettent de nuancer la portée d'un tel risque dans le cas des jeunes Bruxellois. En effet, les algorithmes de recommandation ne sont pas les seuls vecteurs d’information pour cette catégorie de la population et des espaces comme la cellule familiale ou l’école restent des lieux où la confrontation des idées peut exister en dehors d’une mise en relation consécutive d’un calcul probabiliste. Qui plus est, les tactiques que certains de ces jeunes mettent en place (consciemment ou non) afin d’agir sur les effets des algorithmes sont le signe d’une volonté de ne pas se laisser prendre par une forme de déterminisme technologique pouvant conduire à l’isolement. Ces tactiques dénotent aussi d’une recherche d’expérience renouvelée pouvant conduire vers de nouveaux espaces de confrontation. Il n’en demeure pas moins que ces démarches restent embryonnaires du fait d’une littératie algorithmique et des données4 limitée [Claes et Philippette, 2020] : le risque de subir, du moins partiellement, les recommandations, persiste d’une manière latente. Afin de le contrer, il importe de stimuler les compétences critiques des usagers au sujet de ces technologies.

4. Pistes de réflexion pour une éducation critique aux algorithmes

  • 5 Par l’usage de la locution « dispositif de recommandation », nous soulignons que cela ne comprend p (...)

20Le développement d’une littératie algorithmique doit permettre aux utilisateurs de comprendre en quoi ces technologies organisent la réalité en textes lisibles [Anderson et Meyer, 1988] qui va influer sur leurs représentations du monde. Au-delà d’une pédagogie de la résistance à ces outils, cette éducation doit aider les utilisateurs à naviguer de façon critique dans un écosystème médiatique où les algorithmes de recommandation sont présents. Une éducation aux algorithmes se doit d’identifier les représentations mentales des utilisateurs, de comprendre leurs origines, de les compléter si nécessaire et de construire avec les apprenants un usage critique des dispositifs de recommandation5. Cette éducation doit à la fois prendre en compte les enjeux socio-économiques des outils traitant des données massives, mais également les besoins et objectifs de l’utilisateur en vue de développer son agentivité. C’est dans cette perspective que nous avons conçu une plateforme expérimentale dénommée « Alveho ». Celle-ci visait à évaluer si le contrôle des paramètres d’un algorithme facilitait la compréhension de son fonctionnement et de ses effets sur l’accès à l’information auprès des utilisateurs.

Figure 3. Interface de la plateforme expérimentale Alveho

Figure 3. Interface de la plateforme expérimentale Alveho

Version découverte accessible sur https://www.alveho.be/​

21Alveho est un site web qui affiche un fil d’actualité composé d’articles de presse issus de la RTBF. Ce fil d’actualité est organisé par un algorithme de recommandation qui va attribuer un score à chaque article : plus le score sera important, plus l’article sera haut dans le fil d’actualité. Ce score est déterminé par la similarité de l’article à l’historique de navigation de l’utilisateur et par la date de publication. Par défaut, les premiers articles recommandés sont des articles récents et qui ressemblent très fort à ce que l’utilisateur à l’habitude de consulter. Toutefois, l’utilisateur peut décider de sortir de ces paramètres par défaut à travers plusieurs mécanismes qui agissent à trois moments clés du processus de recommandation : au niveau des intrants de l’algorithme (les données captées par le système pour informer l’algorithme), au niveau des priorités de l’algorithme (la façon dont il calcule le score) et au niveau des sortants (l’ordre des recommandations). Pour les intrants, l’utilisateur peut accéder à son historique de navigation et filtrer certains éléments qui ne doivent pas être pris en compte par l’algorithme. Pour les sortants, il est possible de cacher des catégories de contenus parmi la liste des recommandations. Enfin, l’utilisateur peut aussi paramétrer l’importance de la similarité ou de la date de publication de l’article sur le score final qui décidera du classement des recommandations. Ainsi, il est tout à fait possible de demander à l’algorithme des articles récents mais qui ne prennent pas trop en compte l’historique de l’utilisateur. Il est même possible de demander des articles différents de son historique de navigation.

22À travers une première expérimentation qui a impliqué 23 participants (étudiants en master, âgés de 22 ans en moyenne) sur une période de 5 semaines en 2021, nous avons évalué avec une méthodologie de suivi oculométrique et d’entretiens dans quelle mesure la présence de ces outils de paramétrage a encouragé les utilisateurs du site à se poser des questions sur le fonctionnement de l’algorithme et son effet sur la structuration des informations fournies. Il est apparu que ces éléments de contrôle ont été difficilement appréhendés par les usagers. Si le filtrage des sortants et le contrôle des algorithmes nous semblaient faciles à utiliser (curseurs à déplacer, directement accessibles sur la fenêtre de départ), ceux-ci n’ont presque pas été compris par les participants. Nous avons identifié plusieurs raisons à ces difficultés. Premièrement, ces outils de contrôle sont assez rares sur les plateformes commerciales : comme ils n’avaient pas l’habitude de modifier l’algorithme, les participants n’ont pas réalisé qu’ils pouvaient interagir avec certains outils. Deuxièmement, il est apparu difficile d’associer des actions sur l’interface avec leurs effets sur les recommandations. Étant donné que l’interface comprenait des graphiques interactifs en plus des outils de contrôle et de la liste de recommandation, certains participants ont eu du mal à identifier en quoi certaines de leurs actions influaient sur les contenus qu’ils consultaient. En parallèle, nous avons donc testé l’intégration d’Alveho dans une activité d’éducation aux médias expérimentale en partenariat avec Média Animation asbl, une association reconnue dans le domaine de l’éducation aux médias en Belgique francophone. Dans ce cadre-là, nous avons pu observer que l’usage de ces fonctionnalités en compagnie d’un animateur formé permettait aux utilisateurs de mieux comprendre le fonctionnement de l’algorithme et a servi de levier au développement d’une réflexion critique sur ces technologies.

23Dans l’ensemble, les résultats associés à l’utilisation d’Alveho dessinent une image assez complexe de l’usage d’outils de contrôle d’un algorithme. En fonction de leur intégration dans l’interface, ces outils peuvent contribuer au développement d’une réflexion sur les effets de ces technologies. Toutefois, si ces composants sont mal intégrés ou peu explicités auprès de l’utilisateur, il peut être amené à se retrancher sur les paramètres par défaut qui ne sont pas toujours à son avantage. Ces observations nous amènent à considérer une éducation aux médias qui ne soit pas uniquement dirigée vers les utilisateurs, mais également vers les concepteurs de ces dispositifs. Quel que soit le niveau de littératie d’un utilisateur, sa capacité d’action sera en effet toujours limitée par ce que lui permet le système de recommandation qu’il utilise. Développer la littératie médiatique [Fastrez et Philippette, 2017] des développeurs informatiques permettrait dès lors de leur fournir les compétences nécessaires à l’évaluation des effets sociaux de leurs pratiques de conception.

Conclusion

24Le projet de recherche ALG-OPINION visait à caractériser l’imaginaire algorithmique des jeunes Bruxellois et à identifier comment cet imaginaire participait à leurs pratiques informationnelles. La plupart des personnes interrogées possèdent un savoir pratique au sujet des algorithmes de recommandation et développent des stratégies plus ou moins conscientes afin de tenter de modifier leurs effets. Si on peut se réjouir que les jeunes trouvent des moyens pour adapter leur écosystème informationnel eu égard à l'automatisation des recommandations, cela répond à une nécessité perçue chez eux de le faire. Néanmoins, la maîtrise de ces savoirs et de ces tactiques reste très disparate, inégale entre individus et demeure principalement le résultat d’ajustements pratiques dont l’efficacité et la pertinence ne sont pas pleinement comprises. Les résultats du projet soulèvent dès lors la nécessité de davantage formaliser les savoirs et les possibilités d'ajustement vis-à-vis des outils de recommandation auprès des publics jeunes. En miroir, il apparaît également opportun d’accélérer les réflexions portant sur la place à conférer aux enjeux liés aux algorithmes de recommandation dans la formation initiale et permanente des enseignants dans l’enseignement officiel à Bruxelles. Le développement d’une littératie algorithmique critique chez tous ces publics apparaît être un enjeu futur à relever au sein de la Région de Bruxelles-Capitale. Cette littératie devrait pouvoir être soutenue par la mise en place d’activités d’éducation aux médias, déjà en cours de développement et d’application sur le territoire régional.

25Si le gouvernement régional bruxellois n’a pas le pouvoir de réglementer les espaces numériques en ligne, à travers les commissions communautaires, il peut toutefois mettre en place des actions visant à améliorer leurs usages dans un souci de démocratie participative (e.g. Alpha-TIC, BRUZZKet). La multiplication d’outils d’éducation qui permettent de rendre visible le fonctionnement d’un algorithme de recommandation (comme le cas de la plateforme Alveho), ainsi que la création d’espaces productifs de discussion entre les concepteurs de dispositifs de recommandation et les acteurs du monde l’éducation aux médias, de l’enseignement obligatoire, supérieur et des médias eux-mêmes nous apparaissent comme des pistes à poursuivre afin de rencontrer cet objectif.

Haut de page

Bibliographie

AIELLO, Luca Maria et BARBIERI, Nicola, 2017. Evolution of Ego-networks in Social Media with Link Recommendations. In : Proceedings of the Tenth ACM International Conference on Web Search and Data Mining. [en ligne]. New York, NY, USA : Association for Computing Machinery. 02/02/2017. pp. 111‑120.

ANDERSON, Ashton, MAYSTRE, Lucas, ANDERSON, Ian, MEHROTRA, Rishabh et LALMAS, Mounia, 2020. Algorithmic Effects on the Diversity of Consumption on Spotify. In : Proceedings of The Web Conference 2020. [en ligne]. New York, NY, USA : Association for Computing Machinery. 20/04/2020. pp. 2155‑2165.

ANDERSON, James A et MEYER, Timothy P, 1988. Mediated communication: a social action perspective. Newbury Park : Sage Publications.

BAKSHY, Eythan, MESSING, Solomon, ADAMIC, Lada A., 2015. Exposure to ideologically diverse news and opinion on Facebook. In : Science. 2015. Vol. 348, n° 6239, pp. 1130-1132

BEUSCART, Jean-Samuel, COAVOUX, Samuel et MAILLARD, Sisley, 2019. Les algorithmes de recommandation musicale et l’autonomie de l’auditeur. In : Réseaux. 2019. Vol. 213, n° 1, pp. 17‑47.

BOZDAG, Engin et VAN DEN HOVEN, Jeroen, 2015. Breaking the filter bubble: democracy and design. In : Ethics and Information Technology. 2015. Vol. 17, n° 4, pp. 249‑265.

BUCHER, Taina, 2017. The algorithmic imaginary: exploring the ordinary affects of Facebook algorithms. In : Information, communication & society. 2017. Vol. 20, n°1, pp. 30-44.

CLAES, Arnaud et PHILIPPETTE, Thibault, 2020. Defining a critical data literacy for recommender systems: A media-grounded approach. In : Journal of Media Literacy Education. 2020. Vol. 12, n°3, pp. 17-29.

CLAES, Arnaud, WIARD, Victor, MERCENIER, Heidi, PHILIPPETTE, Thibault, DUFRASNE, Marie, BROWET, Arnaud et JUNGERS, Raphaël, 2021. Algorithmes de recommandation et culture technique: penser le dialogue entre éducation et design. In : tic&société. 2021. Vol. 15, n°1, pp. 127-157.

CLAES, Arnaud, DUFRASNE, Marie, MALCORPS, Sylvain, PHILIPPETTE, Thibault et WIARD, Victor, 2021. Young people's perceptions of content personalisation on social media: a user study. In : CRIDS conference: Time to re-shape the digital society. Conférence. Namur. 18/11/2021.

CLAUSSEN, Jörg, PEUKERT, Christian et SEN, Ananya, 2019. The Editor vs. the Algorithm: Returns to Data and Externalities in Online News. Munich: Center for Economic Studies and ifo Institute. N°8012.

COLLARD, Yves, CULOT, Martin, DEBRABANDERE, Tatiana, GUFFENS, Brieuc, HUYS, S., LIGURGO, Valeria, ORBAN DE XIVRY, Anne-Catherine et VERNIERS, Patrick, 2021. #Génération2020: les jeunes et l’info. Bruxelles: Média Animation et CSEM. Sans numéro.

COUTANT, Alexandre, 2015. Les jeunes et les réseaux socionumériques : questions d’identités. In : Stenger Thomas (dir.), Digital natives. Culture, génération et consommation. Disponible à l’adresse : https://hal.science/hal-01853289.

DAHLGREN, Peter, 2001. Identity Formation and EU Citizens: democratic dilemmas and media conditions. In : 15th Nordic Conference on Media and Communication Research. Conférence. Reykjavik. 10-14/08/2001

DAHLGREN, Peter, 2006. Doing citizenship: The cultural origins of civic agency in the public sphere. In : European journal of cultural studies. 2006. Vol. 9, n°3, pp. 267-286.

DAHLGREN, Peter, 2021. A critical review of filter bubbles and a comparison with selective exposure. In : Nordicom Review. 2021. Vol. 42, n°1, pp. 15‑33.

DATTA, Hannes, KNOX, George et BRONNENBERG, Bart J., 2017. Changing Their Tune: How Consumers’ Adoption of Online Streaming Affects Music Consumption and Discovery. Marketing Science. 2017. Vol. 37, n° 1, pp. 5‑21.

DUBOIS, Elizabeth et BLANK, Grant, 2018. The echo chamber is overstated: the moderating effect of political interest and diverse media. In : Information, Communication & Society. 2018. Vol. 21, n° 5, pp. 729‑745.

DUFRASNE, Marie, 2011. Plus de débats sur l'Europe pour plus d'implication des citoyens? Analyse du forum de discussion en ligne « Debate Europe ». In : Chenevière, Cédric et Duchenne, Geneviève (dir.), Les modes d'expression de la citoyenneté européenne. Louvain : Presses Universitaires Louvain. pp. 103-119.

DYLKO, Ivan, DOLGOV, Igor, HOFFMAN, William, ECKHART, Nicholas, MOLINA, Maria et AAZIZ, Omar, 2017. The dark side of technology: An experimental investigation of the influence of customizability technology on online political selective exposure. In : Computers in Human Behavior. 2017. Vol. 73, pp. 181‑190.

FASTREZ, Pierre et PHILIPPETTE, Thibault, 2017. Un modèle pour repenser l’éducation critique aux médias à l’ère du numérique. In : tic&société. 2017. Vol.11, n° 1, pp. 85-110.

FLETCHER, Richard et NIELSEN, Rasmus Kleis, 2017. Are News Audiences Increasingly Fragmented? A Cross-National Comparative Analysis of Cross-Platform News Audience Fragmentation and Duplication. In : Journal of Communication. 2017. Vol. 67, n° 4, pp. 476‑498.

HAIM, Mario, GRAEFE, Andreas et BROSIUS, Hans-Bernd, 2018. Burst of the Filter Bubble? In : Digital Journalism. 2018. Vol. 6, n° 3, pp. 330‑343.

HILBERT, Martine, AHMED, Saifuddin, CHO, Jaeo, LIU, Billy et Luu, Jonathan, 2018. Communicating with algorithms: A transfer entropy analysis of emotions-based escapes from online echo chambers. In : Communication Methods and Measures, 2018. Vol. 12, n°4, pp. 260-275.

HOLTZ, David, CARTERETTE, Ben, CHANDAR, Praveen, NAZARI, Zahra, CRAMER, Henriette et ARAL, Sinan, 2020. The Engagement-Diversity Connection: Evidence from a Field Experiment on Spotify. In : Proceedings of the 21st ACM Conference on Economics and Computation. [en ligne]. New York, NY, USA : Association for Computing Machinery. 2020. pp. 75‑76.

KRAFFT, Tobias D., GAMER, Michael et ZWEIG, Katharina A., 2019. What did you see? A study to measure personalization in Google’s search engine. In : EPJ Data Science. 2019. Vol. 8, n° 1, pp. 38.

KRAMER, Adam Di, GUILLORY, Jamie et HANCOCK, Jeffrey, 2014. Experimental evidence of massive-scale emotional contagion through social networks. In : Proceedings of the National Academy of Sciences. 2014. Vol. 111, n°24, pp. 8788-8790

LITS, Marc. L'espace public: concept fondateur de la communication. In : Hermès. Vol. 3, n°70, pp. 77-81.

LIVINGSTONE, Sonia, 2005. In Defence of Privacy: Mediating thePublic/Private Boundary at Home. In : Livingstone, Sonia (dir), Audiences and Publics: When Cultural Engagement Matters for the Public Sphere. Bristol: Intellect. pp. 163–185.

MERCENIER, Heidi, WIARD, Victor et DUFRASNE, Marie, 2021. Young people, social media and fake news: A user’s perspective. In: LOPEZ-GARCIA, Guillermo, PALAU-SAMPIO, Dolors, PALOMO, Bella, CAMPOS-DOMINGUEZ, Eva et MASIP, Pere (dir.), Politics of disinformation: The influence of fake news on the Public sphere. London: John Wiley & Sons. pp. 159-172

MOELLER, Judith et HELBERGER, Natali, 2018. Beyond the filter bubble: Concepts, myths, evidence and issues for future debates. Amsterdam : University of Amsterdam. Sans numéro.

NEWMAN, Nic, FLETCHER, Richard, SCHULZ, Anne, SIMGE, Andi et NIELSEN, Rasmus Kleis, 2020. Reuters Institute Digital News Report 2020. Oxford: Reuters Institute for the study of journalism. Sans numéro.

NGUYEN, Tien T., HUI, Pik-Mai, HARPER, F. Maxwell, TERVEEN, Loren et KONSTAN, Joseph A., 2014. Exploring the filter bubble: the effect of using recommender systems on content diversity. In : Proceedings of the 23rd international conference on World wide web. [en ligne]. New York, NY, USA : Association for Computing Machinery. 7 avril 2014. pp. 677‑686.

PARISER, Eli, 2012. The filter bubble: what the Internet is hiding from you. London : Penguin Books.

PUSCHMANN, Cornelius, 2019. Beyond the Bubble: Assessing the Diversity of Political Search Results. Digital Journalism. 2019. Vol. 7, n° 6, pp. 824‑843.

REA, Andrea, NAGELS, Carla, et CHRISTIAENS, Jenneke, 2009. Les jeunesses bruxelloises: inégalité sociale et diversité culturelle. Notes de synthèse. In : Brussels Studies [en ligne], mis en ligne le 02/02/2009, consulté le 04/03/2022. Disponible à l’adresse : http://journals.openedition.org/brussels/951

RESNICK, Paul, GARRETT, Kelly, KRIPLEAN, Travis, MUNSON, Sean A. et STROUD, Natalie Jomini, 2013. Bursting your (filter) bubble: strategies for promoting diverse exposure. In : Proceedings of the 2013 conference on Computer supported cooperative work companion. [en ligne]. New York, NY, USA : Association for Computing Machinery. 23 février 2013. pp. 95‑100.

ROTH, Camille, MAZIÈRES, Antoine et MENEZES, Telmo, 2020. Tubes and bubbles topological confinement of YouTube recommendations. PLOS ONE. [en ligne]. 21/04/2020. Vol. 15, n° 4.

ROUVROY, Antoinette et BERNS, Thomas, 2013. Gouvernementalité algorithmique et perspectives d'émancipation. Le disparate comme condition d'individuation par la relation ?. In : Réseaux, 2013. Vol. 1, n°177, pp. 163-196.

SACCO, Muriel, SMITS, Wendy, KAVADIAS, Dimo, SPRUY, Bram et D’ANDRIMONT, Caroline, 2016. Jeunesses bruxelloises: entre diversité et précarité. Note de synthèse. In : Brussels Studies, 2016. n°98, pp. 1-23.

SEAVER, Nick, 2019. Captivating algorithms: Recommender systems as traps. In : Journal of Material Culture. Vol. 24, n° 4, pp. 421‑436.

VAESEN, Joost et WAYENS, Benjamin, 2014. L’enseignement supérieur et Bruxelles. Note de synthèse. In : Brussels Studies, 2014. n°98. Disponible à l’adresse : http://journals.openedition.org/brussels/1214 

WIARD, Victor, LITS, Brieuc, MERCENIER, Heidi et DUFRASNE, Marie, 2021. Les jeunes, l’information et les réseaux sociaux : tous dans leur(s) bulle(s) ?. Bruxelles : Université Saint-Louis Bruxelles. Sans numéro.

WIARD, Victor, LITS, Brieuc et DUFRASNE, Marie, 2022. “The Spy Who Loved Me”: A Qualitative Exploratory Analysis of the Relationship Between Youth and Algorithms. In : Frontiers in Communication. 2022. Vol. 7, pp. 1-33.

Haut de page

Notes

1 https://www.algopinion.brussels/

2 L’idée de « relation effective » souligne à la fois la nécessité de dépasser la thèse théorique de la bulle de filtres pour poser des constats se fondant sur des données empiriques, mais aussi le fait qu’un « effet » ne peut être imputé à un système technique sans prendre en considération les relations potentiellement multiples et socialement ancrées avec celui-ci.

3 La méthodologie qualitative développée dans le projet ALG-OPINION a dès lors consisté en trois phases d’entretiens : 1/des interviews exploratoires avec des élèves, professeurs et experts ; 2/des focus groups avec des élèves de la fin du secondaire et 3/des interviews in praxis avec des étudiants du début du supérieur. Cette dernière phase a permis de confronter les discours aux pratiques, tout en évaluant l’apparition de tactiques de résistance à partir d’une expérience un peu plus longue sur les réseaux sociaux, tout en restant dans la catégorie d’âge étudiée.

4 Entendue comme la compréhension du fonctionnement de l’algorithme et des données utilisateurs influençant ses recommandations.

5 Par l’usage de la locution « dispositif de recommandation », nous soulignons que cela ne comprend pas uniquement l’algorithme de traitement de l’information, mais aussi toute l’interface d’affichage du site ou de la plateforme.

Haut de page

Table des illustrations

Titre Figure 1. Exemple d'outil servant l'explicitation des usages lors des focus groups
URL http://journals.openedition.org/brussels/docannexe/image/6859/img-1.jpg
Fichier image/jpeg, 333k
Titre Figure 2. Positionnement des différents réseaux sociaux suivant les fonctions « s’informer/communiquer/se divertir »
Légende Les icônes des réseaux ont été positionnées par les membres d’un des focus groups.
URL http://journals.openedition.org/brussels/docannexe/image/6859/img-2.png
Fichier image/png, 141k
Titre Figure 3. Interface de la plateforme expérimentale Alveho
Légende Version découverte accessible sur https://www.alveho.be/​
URL http://journals.openedition.org/brussels/docannexe/image/6859/img-3.png
Fichier image/png, 534k
Haut de page

Pour citer cet article

Référence électronique

Sylvain Malcorps, Arnaud Claes, Thibault Philippette et Marie Dufrasne, « Littératie algorithmique et pratiques médiatiques des jeunes à Bruxelles »Brussels Studies [En ligne], Collection générale, document 182, mis en ligne le 02 juillet 2023, consulté le 22 avril 2025. URL : http://journals.openedition.org/brussels/6859 ; DOI : https://doi.org/10.4000/brussels.6859

Haut de page

Auteurs

Sylvain Malcorps

Docteur en Information et Communication, Sylvain Malcorps s’intéresse aux enjeux sociaux, économiques et politiques émergents liés à la digitalisation de l’information. À cette fin, il a développé une expertise dans les domaines variés tels que dans l'étude des médias et de la communication, en sociologie économique et des professions, dans l’étude des organisations et des violences organisationnelles ou dans l’études des sciences et des techniques (STS).
sylvain.malcorps[at]usaintlouis.be

Arnaud Claes

Arnaud Claes est collaborateur scientifique à l'UCLouvain, ses recherches s'insèrent à mi-chemin entre l'interaction homme-machine et l'éducation aux médias. A travers la conception d’interfaces alternatives de systèmes algorithmiques (chatbot, algorithmes de recommandations etc.), il cherche à comprendre comment permettre aux utilisateurs de ces technologies de mieux appréhender l’effet de ces algorithmes sur leurs comportements quotidiens.
arnaud.claes[at]uclouvain.be

Thibault Philippette

Thibault Philippette est chargé de cours à l’Ecole de Communication de l’UCLouvain et membre du Groupe de Recherche en Médiation des Savoirs (GReMS). Il a été le co-promoteur du projet ALG-OPINION. Ses recherches portent sur l’appropriation sociale des technologies médiatiques, l’éducation aux médias et l’évaluation des littératies médiatiques, la ludologie médiatique et la ludification.
thibault.philippette[at]uclouvain.be

Marie Dufrasne

Marie Dufrasne est chargée de cours à l’UCLouvain – Saint-Louis Bruxelles et co-directrice du centre de recherche Engage. Elle a été la promotrice principale du projet ALG-OPINION. Ses recherches portent sur les dispositifs participatifs, les initiatives citoyennes et les rapports entre citoyens et institutions, l’analyse critique des discours et les questions de diversité.
marie.dufrasne[at]usaintlouis.be

Haut de page

Financement

Innoviris

Haut de page

Droits d’auteur

CC-BY-4.0

Le texte seul est utilisable sous licence CC BY 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