Navigation – Plan du site

AccueilLes numéros54DossierAxe 1 | Montée en compétences et ...L’influence n’est-elle que donnée...

Dossier
Axe 1 | Montée en compétences et professionnalisation

L’influence n’est-elle que donnée(s) ? Médiations et négociations dans les agences de communication « influenceurs »

Does Influence only come from… Data? Mediation and Negociation within the “influencers” communication agencies
Lucile Desmoulins, Camille Alloing et Vanessa Mohli
p. 29-40

Résumés

Les promesses commerciales des agences de relations publiques d’identifier et de cibler des influenceurs sur les médias sociaux sont accréditées par l’aura des approches relevant des Big Data. Leurs clients recherchent des prescriptions stratégiques formelles alors que des spécialistes des mégadonnées assument la fabrication de métriques « bricolées » et empruntes de subjectivité car conçus à partir d’un dialogue entre clients, consultants en communication et spécialistes des data. Des consultants promus stratèges des Big Data jouent un rôle-clé d’« évangélisation » et de médiation dans les négociations sur le sens des données. Ce faisant, ils co-fabriquent des données et des discours au cœur de dynamiques organisationnelles centripètes.

Haut de page

Texte intégral

Introduction : des relations publiques précisées par les Big Data ?

1Les Big Data ont trôné en couverture de nombreux titres de presse, présentées comme le moteur potentiel d’une nouvelle révolution économique. Le grand public a assisté à un « grand défilé de campagnes publicitaires à la gloire de l’algorithme » qui légitiment un « solutionnisme » technique (Ertzscheid 2017). Au quotidien, chacun constate les implications des systèmes de recommandation et peut en questionner la pertinence. Les agences de communication présentent d’ailleurs les approches et techniques relevant des mégadonnées ou Big Data comme des leviers d’optimisation de leurs services. Des outils informatiques permettent en effet de collecter de gros volumes de données sur Internet et les médias sociaux, de monitorer les processus de communication numériques, d’identifier des clients potentiels, de connaître les pratiques numériques de parties prenantes d’une marque (clients, partenaires, concurrents), et de mesurer la notoriété. Dans les sphères académiques, la démarche de mesure de la puissance des Big Data, et de critique de ce qu’elles peuvent induire en termes de surveillance et de contrôle social s’accompagne d’un questionnement de leurs capacités descriptives, analytiques et prédictives. Cet article contribue à ces deux axes d’analyse à partir d’un cas précis d’exploitation des Big Data en amont de stratégies de relations publiques liées à des figures d’« influenceurs » sur et via les médias sociaux.

2Simon Collister a proposé un modèle théorique de « relations publiques algorithmiques » (2016) identifiant trois scénarios selon lesquels les algorithmes peuvent entraver l’image et la réputation d’une marque ; motiver des actions parallèles de communication non intégrées à des stratégies globales ; ou impacter en profondeur l’activité des professionnels de la communication de par leur capacité à faire émerger du sens et de la valeur. Les Big Data sont effectivement intégrées depuis une décennie dans les promesses commerciales d’identification de leaders d’opinion « influenceurs » et a fortiori dans le travail des professionnels exerçant en agence dans des métiers au confluent du marketing et de la communication. Ces prestataires se font fort d’identifier ou d’anticiper des tendances en matière de consommation, de qualifier et de caractériser des segments de populations baptisés « communautés », de dénicher, hiérarchiser ou préconiser des influenceurs qui ont de l’audience, qui favorisent l’engagement ou la conversion de « clics » de « likes » et de commentaires élogieux en actes d’achat.

  • 1 Les anglicismes qui émaillent le discours vernaculaire dans les agences sont restitués fidèlement d (...)

3Pour Collister, « les praticiens délèguent une partie de leur savoir-faire à des algorithmes qui génèrent presque spontanément des données permettant l’évaluation des performances d’actions de communication […] pour orienter vers des actions de communication, et tenter de prédire quel média et quel message seront les plus efficaces » (2016 : 365). Ce discours scientifique accrédite partiellement le pouvoir prédictif des Big Data et une logique substitutive selon laquelle les Big Data allègeraient le travail des consultants en communication, une logique pourtant contredite par l’organisation et les méthodes de travail au sein des agences de communication. Ces consultants se répartissent les comptes par secteur d’activité. Formés à l’intelligence économique, au marketing et/ou à la communication, ils possèdent un bagage technique limité en matière de statistiques (Desmoulins et al. 2018). Ils sont rarement en contact avec les data scientists/analysts. Le Chief Data ou Chief Scientific Officer est le seul spécialiste des données à travailler en lien direct avec eux et à rencontrer les clients. Ce dernier doit faire un effort de transposition pour interpréter les demandes des clients, mais aussi négocier avec les consultants en marketing/communication des usages conventionnels pour les données qu’il produit et les formules langagières idoines. Pour accompagner cet effort, l’agence Augure by Launchmetrics a créé en 2016 les postes de Data strategist, puis de Data strategy manager1. Cet article traite de la communication dans le professionnalisme de ces nouveaux acteurs, et entend illustrer la dimension organisante des échanges confrontant arguments de vente et méthodologies de travail dans un contexte hyper évolutif et concurrentiel.

4Les Big Data existent à travers différentes médiations qui opèrent tout au long d’un parcours complexe à la linéarité trompeuse : des médiations dispositives, comme celle des plateformes, et des médiations humaines, celles des statisticiens, des informaticiens, des documentalistes, des data scientists / analysts et strategists, des consultants responsables de comptes et des commerciaux, mais aussi des clients présents au moment de la commande et de sa livraison, ainsi que parfois tout au long de la « chaîne commerciale ». Ce « travail invisible » (Denis 2018), confère un caractère performatif aux analyses issues des Big Data : les données révèlent-elles l’influence d’un profil sur le Web ou les entreprises et les agences fabriquent-elles de l’influence quand elles souhaitent « la » mesurer.

Une méthodologie axée sur l’exploration de nouvelles pratiques et fonctions professionnelles

  • 2 Cette agence a été choisie pour des raisons d’opportunités. La première data strategist est une “an (...)
  • 3 Co-autrice de cet article, Mme Mohli a joué un rôle-clé et dans l’accès à un terrain d’enquête habi (...)

5L’enquête répond à l’objectif de comprendre en profondeur des situations de travail dans un contexte d’une part d’évolution accélérée des pratiques sous l’effet de ruptures technologiques et réglementaires, et d’autre part de secret des méthodes et de concurrence entre les agences de communication. Elle s’est focalisée sur une des agences de communication françaises leader2 sur les « stratégies influenceurs et les outils soft » afférents. Augure by Launchmetrics (AbL) est séparée en deux départements mode/luxe et grande consommation et s’appuie sur un service composé de 7 data scientists. Après une analyse sémio-discursive de la promesse commerciale de cette agence, 4 entretiens semi-directifs avec des représentants des différents métiers et fonctions ont été réalisés en complément d’observations ethnographiques extensives au sein de l’agence (Grosjean & Groleau 2013). L’enquête s’est déployée sur une période de 6 mois en 2017 pour intégrer des réunions de travail, des événements promotionnels organisés par AbL (Talkfluence), et des salons professionnels (Rep-Days et Influence-Days du magazine VeilleMag). Afin de comprendre le fonctionnement en boîte noire des activités qui aboutissent à la production d’un livrable, nous avons surtout observé au plus près le travail de médiation d’une data strategist 3 en amont d’un événement visant à présenter et valoriser une version réactualisée d’un des outils/produits de veille de l’agence à ses clients.

6La sociologie du travail et les approches communicationnelles des organisations ont permis conjointement d’appréhender des situations et des documents de travail en tant que traces d’activités et de dynamiques sociales (Borzeix, Fraenkel 2005 ; Delcambre 2007). Cette méthodologie pluraliste suppose un effort tout particulier de réflexivité facilité par l’auctorialité multiple. L’instrumentalisation n’a pas été conjurée, mais assumée et intégrée à l’analyse quand elle relevait de pratiques de dissimulation et de dévoilement de « secrets de fabrication » et de problèmes techniques ou juridiques. Elle illustre la pertinence heuristique des compromis pragmatiques dans les démarches de recherche-action.

7Dans une première partie, l’analyse des promesses commerciales d’AbL sert de point d’appui à une description des limites techniques et juridiques au développement de produits capables de remplir ces promesses. Les attentes des clients reflètent la prégnance d’une logique prescriptive d’aide à la décision. Dans le cadre de la relation-client, ainsi que nous le montrons dans la deuxième partie, les Big Data permettent de produire des données à géométrie variable « supports d’intuition » et d’objectivation pour les consultants qui les interprètent souvent dans le sens de ce qu’ils devinent être la demande de clients À ce titre, les data strategists se doivent de connaître un secteur d’activité ou un produit, mais leur professionnalisme relève aussi de la médiation entre les besoins du client et les capacités du département data.

Des promesses commerciales sous contrainte technique, financière et juridique

8Les promesses des agences de communication, telles qu’elles apparaissent sur leurs supports web de communication, sont cohérentes avec une vision enchantée des potentialités stratégiques des Big Data en matière de communication utilisant le levier des influenceurs. Le site-vitrine de l’agence AbL promet à ses clients de « connecter leur marque aux voix les plus influentes de l’industrie », et les invite aussi à se méfier des métriques simples sur le marché. Les agences se heurtent en effet à des problèmes juridiques et techniques dans leur exploitation des Big Data. Rappelons la forme des 3V : Volume, Vitesse, Variété. Tout d’abord, elles sont limitées par le volume des données considérables à traiter et par leur accès limité à ces données. Elles ne peuvent pas financièrement se permettre de contractualiser avec les grandes plateformes de média social. Les mises à jour de l’API d’Instagram ont, en juin 2016, singulièrement complexifié le travail des data scientists qui n’ont pas les moyens d’acquérir des données fournies par une liste de fournisseurs approuvés par cette plateforme. Elles utilisent de plus le vocabulaire des Big Data alors que des méthodes d’enquête anciennes restent leur cœur d’activités (entretiens semi-directifs, focus-groups, questionnaires diffusés auprès de panels, statistiques). Enfin, on peut objecter aux agences leur niveau limité de vélocité, ainsi que leur fréquence a priori faible non transparente de « collecte », « mise à jour », et « moissonnage » du fait de leurs moyens matériels et humains dérisoires en comparaison de ceux des GAFA. Enfin, rappelons qu’identifier des influenceurs à l’aune de préconceptions sur la notion de leaders d’opinion est problématique (Alloing et Haikel-Elsabeh 2012 : 1).

9Les data scientists d’AbL évoquent, à propos d’Instagram, la période d’avant juin 2016 comme une sorte d’âge d’or. Ils utilisent désormais des stratégies de contournement et modifient leurs procédures et la temporalité de la collecte de données, mais aussi les choix de ciblage. Ces modifications influent sur la finesse des résultats, ce dont de rares clients ont réellement conscience. Les agences ont pu proposer des services vendus comme comparables après modification de l’API d’Instagram grâce à des « essais et erreurs » peu compatibles avec les procédures scientifiques de traitement des données data. Le professionnalisme du data scientist s’incarne pourtant dans un travail lourd « d’affinage » des résultats jusqu’à leur conférer une précision qu’il jugera acceptable et qu’il devra négocier en tant que telle auprès du data strategist :

Nous avons choisi d’utiliser des procédés alternatifs, on n’a plus travaillé sur les followers, mais les likers. Nous avions en amont récupéré des données suffisantes pour nous assurer, par triangulation, que nos analyses étaient cohérentes. On utilise des ruses, la généralisation d’échantillons sur lesquels on a des données sur le temps long. On peut nous opposer de nombreux biais, explique le Directeur du département data d’AbL.

10L’année 2017 est décrite comme une année de transition et d’expérimentation en amont de la date-butoir du 25 mai 2018 de ratification par l’Union européenne d’un Règlement général sur la protection des données (RGPD). Ce règlement général régule la collecte et le traitement des données dites personnelles : « Notre travail est de plus en plus compliqué, même pour les clients qu’on connait bien et où on peut ajuster » explique un data scientist. Ce changement ne semble pas inquiéter son supérieur hiérarchique : « On a toujours travaillé dans l’idée d’un compromis entre ce qu’on nous demande, ce qu’on sait faire, ce qu’on arriverait à faire si on avait tout ce dont on a besoin comme données ».

Demande de prescriptions versus offre de métriques « bricolées »

11Les Big Data renforcent le discours des consultants en influence auprès de leurs clients et peuvent participer à forger l’illusion d’un discours d’expert garant de l’optimisation des performances. Dans leur rhétorique prescriptive, les consultants responsables de comptes et les data strategists sursignifient la certitude et la scientificité de manière à rassurer leurs interlocuteurs en entreprise qui doivent décider d’une stratégie de lancement d’un produit ou d’un service, d’où la profusion des formes verbales injonctives. Les clients espèrent asseoir la légitimité de décisions qui engagent la stratégie de leur entreprise, et conditionnent leur autorité personnelle.

12L’expression « supports d’intuition » revient comme un leitmotiv dans les discussions de travail chez AbL, mais elle n’est pas utilisée lors des événementiels promotionnels comme Talkfluence. Pour le Directeur du département data, il ne faut pas « donner aux clients des infos sur le degré d’incertitude des résultats. Ce serait répondre à une demande que la plupart des clients ne formule pas. Les gens n’achètent pas de l’incertitude, ils ne veulent pas entendre que nos métriques et nos méthodes ne sont pas robustes et qu’on continue à travailler à l’ancienne ». L’apport des Big Data est accrédité par l’abstraction de méthodes présentées comme trop complexes pour être vulgarisées. « On a des mesures de référence pour évaluer la qualité de nos métriques. Parfois, on doit changer et ajuster les méthodes, ce sont des choses que les data strategists ne vont pas dire aux clients, ils ne peuvent pas expliquer tout ce qui se passe ici », explique un data scientist. Ce non-dit sur la dimension bricolée des métriques ne procéderait donc pas, selon lui, du souhait de les maintenir sur leur piédestal d’argument scientifique incontestable.

13Pour autant, le Directeur du département data et les data strategists sont soucieux de leur « éthique commerciale » et négocient en permanence avec les consultants les promesses commerciales de l’agence pour relativiser l’apport spécifique des Big Data et leur utilisation à des fins « d’illustration parlante et convaincante ». Le data scientist est le plus pragmatique : « Notre apport en tant qu’agence n’est pas réductible aux data. Les métriques servent de supports à l’analyse subjective des experts-métiers, je n’ai pas peur de parler de support à l’intuition. » Les clients sont aussi censés ignorer l’asservissement de la technique aux objectifs commerciaux et aux analyses qualitatives : « Mes statisticiens sont des bons. Moi aussi j’espère ! Mais l’important dans mon métier est de savoir discuter avec le data strategist pour savoir quelles sont les valeurs qu’on veut pousser au client, les modèles d’analyse et de développement qu’on va privilégier dans la recommandation », explique le Directeur du département data. Les data strategist seraient donc demandeurs de données confortant leur intuition, ce qui rappelle les problèmes épistémologiques au cœur du concept d’influence, et notamment celui du choix de facteurs exogènes de variation (Aral 2011). Autrement dit, les éléments mis en évidence par des métriques relevant des Big Data sont surdéterminés par les questions des data strategists, questions dont la formulation s’est affinée dans la discussion avec les représentants des marques et des produits-clients comme l’explique encore le directeur du département data : « Je suis en contact avec le client, mais je reste en retrait, je ne m’impose pas, j’écoute pour que la discussion ne s’arrête pas parce que c’est là que j’affine mes métriques. » Il invite explicitement au relativisme quant au sens des données produites et à la recherche de plusieurs interprétations. Ici, « le calage final de la niche d’usage » des technologies n’intervient pas « au terme d’une sorte de procès qu’instruisent les utilisateurs » (Perriault 2008 : 230), mais tout au long des réunions de travail et ce travail de calage est organisant.

14Prudent, le Chief data scientist valorise systématiquement la dimension collective et bricolée de son travail : « Nos méthodes sont contestables scientifiquement. Pourtant, on assume nos résultats consolidés par une démarche globale. Ce qui me rassure, c’est que mes métriques sont confortées par les analyses de nos experts qui connaissent bien leur boulot. Les résultats ont aussi passé le test le plus exigeant, celui des clients. » Il a en effet besoin des données qualitatives fournies par le client et de son regard critique pour maintenir ses compétences. L’analyse de données est conditionnée par des navettes de validation-client parfois médiées par les data strategists : « Nos stats ne sont pas ridicules. Nos résultats sont raisonnablement bons parce que nous sommes dans un entre-deux, entre écoute du marché par des outils data et écoute des consommateurs-pilote et du client. »

Les métiers des données : un professionnalisme de médiation

15Chez AbL, les professionnels de la donnée, nommés « les scientifiques », appellent les consultants : « les experts » car ils sont les spécialistes d’un produit, d’une marque ou d’un secteur d’activité. Les data strategists sont des « experts » promus car capables de comprendre les demandes du marketing et le langage des data scientists.

Je participe à la préparation de l’avant-vente, explique Vanessa Mohli, l’analyse du besoin, le devis sur-mesure, le planning, à la mise en place d’une collecte de data adaptée au besoin spécifique du client. Je lui explique comment nous travaillons, l’aide qu’on peut lui apporter. Je participe à la reformulation des besoins du client auprès du Directeur des data. Je préconise des stratégies de fabrication et de valorisation data. Je livre un service global : données, analyse, recommandations.

16Le data strategist ne conçoit pas les campagnes, il traduit les attentes des clients de manière à guider le travail au sein du département data. De fait, son professionnalisme intègre des activités de médiation, de traduction et de négociation sur le traitement des données et sur le sens qu’elles peuvent prendre pour guider le choix d’un influenceur. Il joue aussi un rôle ambigu entre explicitation transparente des modalités de fabrication des data, notamment la dimension de bricolage, et expression de ce que le client voudrait entendre pour conjurer l’incertitude et le spectre des investissements stériles.

17Contrairement aux consultants, les data strategists se forment sur le tas en échangeant avec des data scientists qui jouent pour eux un rôle de mentor et de dévoilement de « secrets de fabrication ». Les data strategists jouent un rôle important dans le développement commercial des produits et la stratégie d’entreprise : « Je suis sollicitée pour adapter en permanence le service data aux attentes du marché. » Ils participent à la revalorisation de la fonction-communication en jouant un rôle de diapason organisationnel permettant intercompréhension et harmonisation des discours : « Je participe à l’évangélisation en interne. Je crée des présentations pour les consultants et des sales kits, pour leur permettre de mieux parler de data aux clients. Je joue aussi ce rôle d’évangélisation en externe en participant à des conférences, en répondant à des sollicitations médiatiques. »

  • 4 Fiche métier APEC des consultants en communication.

18D’après la fiche APEC, les aptitudes des consultants en communication intègrent notamment : « la force de conviction, pour susciter l’adhésion aux recommandations, […] leur capacité à supporter la pression liée au résultat »4, des aptitudes au cœur du métier des data strategists qui doivent résister aux attentes du client et à la pression concurrentielle. Le Directeur du département data valorise « les data strategists raisonnables » qui « résistent au mensonge quand bien même celui-ci plairait davantage aux clients », car cette résistance devient une référence pour les consultants. Les data strategists impriment fortement le sens donné aux livrables et les manières de formuler des promesses commerciales en termes d’identification d’influenceurs comme d’évaluation de « l’efficacité » d’actions de communication. Leur travail éminemment rhétorique s’impose comme organisant en ce qu’il désigne un « nous » de résistance aux discours ambiants et de différenciation vis-à-vis des autres agences.

Conclusion

19Les clients des agences de relations publiques / communication axées sur des influenceurs sur les médias sociaux adhèrent à leurs promesses commerciales. Ils attendent d’elles moins une discussion maïeutique, des conseils et la confirmation de la validité de leurs propres préférences que des prescriptions stratégiques formelles. Si les consultants s’appuient sur des données chiffrées, des méthodes quantitatives et des approches algorithmiques, le poids de l’incertitude inhérente à la décision stratégique est allégé en vertu de l’aura dont ces techniques bénéficient. Les clients évitent de questionner les présupposés et les bricolages qui génèrent des données à géométrie variable produites par des data scientists à l’écoute de data strategists eux-mêmes attentifs à ce que chaque client est supposé vouloir et pouvoir entendre. Une forme de performativité soutient dès lors la fabrique de l’influence.

20Dans ce contexte, les données produites par des approches Big Data sont reléguées au statut de « supports d’intuition » et d’objectivation par des data strategists et des consultants qui les interprètent dans le sens attendu par leurs clients. Le professionnalisme des data strategists s’appuie sur des connaissances marketing d’un ou plusieurs secteurs d’activité ou produits, sur une compréhension limitée des approches algorithmiques doublée d’une capacité éprouvée à parler de ces approches. Ces communicants formés aux SHS doivent aussi créer un espace au sein duquel les besoins du client et les capacités du département data peuvent se rencontrer. Les qualités d’écoute, de médiation, de traduction et de négociation sont cruciales pour créer les conditions d’un dialogue et instaurer une relation de confiance qui permettra de rassurer leurs interlocuteurs sur le sérieux de l’agence et sur le bien-fondé de ses décisions stratégiques. Si le client veut être guidé, le Directeur du département data doit aussi être rassuré quant au type de données à produire, et quant à la capacité des consultants à vendre des services sans surcoter les Big Data.

21L’agentivité des relations publiques pilotées par des algorithmes se loge dans les négociations entre professionnels sur l’interprétation du sens et les usages des données, négociations dans lesquelles les data strategists jouent un rôle-clé chez AbL. Pour Gillespie, « les algorithmes produisent et accréditent des savoirs » (2014 : 168). Certes, ils font parfois émerger des catégories d’analyse conventionnelles en amont de tout travail interprétatif, mais ils peuvent aussi refléter fidèlement les catégories d’analyse forgées par des acteurs. Confirmant le primat de la dimension cognitive dans les logiques d’usage de techniques, les interprétations issues de données traitées avec des approches algorithmiques restent donc éminemment subjectives et tributaires de présupposés culturels, d’attentes sociales, de relations humaines et affectives. Par leur entente et leurs échanges ouverts confrontant la promesse commerciale et les réelles capacités de leurs méthodes dans un contexte de crise (modification des API, RGDP, fusions), data scientists et strategists contribuent à fabriquer un discours audible par l’ensemble des salariés de l’agence et par ses clients, et donc à maintenir l’illusion d’une organisation sûre de son périmètre, ses méthodes et des services qu’elle commercialise.

22Au sein d’AbL, des efforts conséquents visent l’amélioration de la qualité des outils d’analyse de données collectées sur des médias sociaux. Pour autant, ces efforts se doublent d’un questionnement critique, d’une conscience des limites des méthodes et des outils développés, ainsi que des contraintes liées aux dimensions commerciales, affectives et éthiques de la relation-client. Il s’exprime dans cette agence à la fois « le besoin de fabriquer des choses qui peuvent être vendues » et une aspiration utopique à un changement radical des pratiques de communication d’influence, vers une plus grande transparence sur les méthodes et leurs limites, et vers une relation partenariale avec des marques-clientes conscientes de la supériorité des méthodologies pluralistes. Nécessairement sanctuarisées, les discussions internes portant sur les tensions entre nécessités économiques, envies et valeurs contribuèrent à renforcer un collectif aux prises avec des turbulences concurrentielles et juridiques, et solidaire dans sa recherche de descriptions adéquates et opportunes pour leurs services et méthodes de travail.

Haut de page

Bibliographie

ALLOING Camille, HAIKEL-ELSABEH Marie, 2012, « Les leaders d’opinion sur les réseaux socionumériques : proposition d’indicateurs informationnels de mesure à l’usage des stratégies marketing des entreprises », 10e Séminaire M@rsouin, Brest Océanopolis, 19 p.

ARAL Sinan, 2011, « Identifying Social Influence: A comment on opinion leadership and social contagion in new product diffusion », Marketing Science, 30. 195-212.

BORZEIX Anni, FRAENKEL Béatrice (dir.), 2005, Langage et travail. Communication, cognition, action, Paris, CNRS Éditions, 380 p.

BOYD Danah, CRAWFORD Kate, 2011, « Six Provocations for Big Data », A Decade in Internet Time: Symposium on the Dynamics of the Internet and Society, 17 p.

CHAREST Francine, ZAJMOVIC Ema, BOUFFARD Johanie, 2016, « Public Relations And Social Media: Deliberate Or Creative Strategic Planning », Public Relations Review, vol. 42(4). 530-538.

COLLISTER Simon, 2015, « Algorithmic Public Relations: Materiality, Technology and Power in a Post-Hegemonic World », in Jacquie L’Etang, David McKie, Nancy Snow, Jordi Xifra, The Routledge Handbook of Critical Public Relations, London & New York, Routlege. 360-371.

DELCAMBRE Pierre, 2007, « Pour une théorie de la communication en contexte de travail appuyée sur des théories de l’action et de l’expression », Communication & Organisation, vol. 1, n° 31. 42-63.

DENIS Jérôme, 2018, Le travail invisible des données. Éléments pour une sociologie des infrastructures scripturales, Paris, Presse des Mines, 207 p.

DESMOULINS Lucile, ALLOING Camille, KEMBELLEC Gérald, EPPSTEIN Renaud, LE BECHEC Mariannig, mai 2018, « Quelles évolutions de la formation aux métiers de l’intelligence économique, du marketing et de l’influence à l’ère des Big Data ? », Cahiers de la SFSIC, n° 14 (sous presse).

ERTZSCHEID Olivier, mars 2017, « L’algorithme ce héros (publicitaire) », Weblog « académique » Affordance, billet du 31 mars 2017 http://affordance.typepad.com/mon_weblog/2017/03/algorithme-et-publicite.html Consulté le : 30/11/2017.

GILLESPIE Tarleton, 2014, « The relevance of algorithms », in Tarleton Gillespie, Pablo Boczkowski, and Kirsten Foot (ed.), Media Technologies: Essays on communication, materiality and society, Cambridge, MA: MIT Press. 167-193.

GROSJEAN Sylvie, GROLEAU Carol, 2013, « L’ethnographie organisationnelle aujourd’hui. De la diversité des pratiques pour saisir l’organisation en mouvement », Revue Internationale de psychosociologie et de gestion des comportements organisationnels, Supplément, 13-23.

PERRIAULT Jacques, 2008, La logique de l’usage. Essai sur les machines à communiquer, Paris : L’Harmattan, 253 p.

Haut de page

Notes

1 Les anglicismes qui émaillent le discours vernaculaire dans les agences sont restitués fidèlement dans l’article.

2 Cette agence a été choisie pour des raisons d’opportunités. La première data strategist est une “ancienne” du Master en intelligence économique de l’UPEM où elle enseigne désormais d’où des échanges en confiance. Les professionnels des données au sein de cette agence assument un discours nuancé précieux sur les limites méthodologiques de leurs métriques. Cet article appelle des prolongements : enquête diachronique ou comparée dans d’autres agences.

3 Co-autrice de cet article, Mme Mohli a joué un rôle-clé et dans l’accès à un terrain d’enquête habituellement fermé, et dans sa compréhension.

4 Fiche métier APEC des consultants en communication.

Haut de page

Pour citer cet article

Référence papier

Lucile Desmoulins, Camille Alloing et Vanessa Mohli, « L’influence n’est-elle que donnée(s) ? Médiations et négociations dans les agences de communication « influenceurs » »Communication et organisation, 54 | 2018, 29-40.

Référence électronique

Lucile Desmoulins, Camille Alloing et Vanessa Mohli, « L’influence n’est-elle que donnée(s) ? Médiations et négociations dans les agences de communication « influenceurs » »Communication et organisation [En ligne], 54 | 2018, mis en ligne le 01 décembre 2021, consulté le 23 mai 2025. URL : http://journals.openedition.org/communicationorganisation/6692 ; DOI : https://doi.org/10.4000/communicationorganisation.6692

Haut de page

Auteurs

Lucile Desmoulins

Lucile Desmoulins est Maître de conférences en Sciences de l’information et de la communication et membre du laboratoire DICEN-Idf. À l’Université Paris-Est Marne-la-Vallée, elle est responsable d’une Licence Professionnelle dans le domaine de la prévention des risques professionnels (QHSSE) et du parcours de Master ‘Influence, lobbying et médias sociaux’ au sein d’un Master en Intelligence économique.

Articles du même auteur

Camille Alloing

Camille Alloing est Maître de conférences en Sciences de l’information et de la communication à l’Institut d’Administration des Entreprises de l’Université de Poitiers et rattaché au laboratoire CEREGE. Il pilote la Licence Information et communication d’entreprise et la deuxième année du parcours Communication d’un Master d’Intelligence économique.

Articles du même auteur

Vanessa Mohli

Vanessa Mohli a créé en 2018 une entreprise spécialisée dans la communication digitale et le marketing d’influence : Les Bornées Digital Company (LBDC) après avoir été Manager de la stratégie data chez Augure by Launchmetrics.

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