1Ouvrons cet article sur une scène fictive, mais probable se déroulant à la fin des années 1950. Charline, 30 ans, mère au foyer, s’active à ranger et nettoyer sa pièce de séjour. Dans le coin de la pièce, une télévision diffuse le soap opera préféré de Charline et même si la jeune femme n’a pas les deux yeux rivés sur l’écran, elle ne loupe presque rien de l’intrigue en cours. Cela n’a rien d’étonnant : c’est bien comme cela que le feuilleton a été pensé : “With their minimum amount of action and limited visual interest, they enabled the housewife to follow the storyline while working away from the television set” (Stole, 2003). Comme le souligne Natan Katzman, presque tout ce qui se déroule dans un soap opera prend la forme d’une activité verbale. “The characters talk, and talk, and talk” (Katzman, 1972). Le soap opera (comme d’autres programmes pensés pour les créneaux de jour) appartient bien au genre télévisuel, ou plus largement audiovisuel, même si le son prime sur l’image et que l’image, elle, devient secondaire et non essentielle à la compréhension du contenu.
2Faisons un bon de soixante-dix ans dans le temps, pour décrire une autre scène fictive, mais probable où la logique s’inverse. Charline se trouve cette fois-ci dans le train, scrollant sur son smartphone. Une vidéo d’actualité qui l'intéresse apparaît sur son fil Facebook et Charline décide de la regarder. Elle coupe rapidement le son de son téléphone pour ne pas importuner ses voisins de wagon. La vidéo est entièrement sous-titrée. Même muette, Charline peut la regarder. C’est bien de la vidéo, ou plus largement de l’audiovisuel, mais dans ce cas-ci, c’est le visuel – grâce à la présence de texte – qui prime sur le son, rendant celui-ci dispensable à la compréhension du contenu.
3Dans les deux situations décrites, les rapports entre les paramètres son et image d’une production audiovisuelle sont déséquilibrés. L’un prend le pas sur l’autre. Notre recherche se concentre sur le deuxième cas, mais nous reviendrons en fin d’article sur les parallélismes existant entre les deux situations et leurs contextes, nuançant, dans la foulée de Küng (2024, p. XIV), le caractère parfois présenté comme novateur ou innovant de ce qui se passe aujourd’hui dans les modes de production de l’industrie des médias : “sooner or later, everything that is old is new again”. Cet article interroge donc la place de l’écrit et son rapport au son dans les vidéos d’actualité sur les réseaux sociaux. Nos interrogations découlent de nos observations de la vie quotidienne, soit le visionnage répandu de vidéos consommables sans le son, ou plutôt ‘possiblement muettes’, principalement depuis un smartphone. Le questionnement qui guide cette recherche découle de ce constat. Il peut se formaliser comme suit : L'écrit est-il en train de supplanter le son, rendant ce dernier non essentiel dans les vidéos d’actualité sur les réseaux sociaux ? Comment ce phénomène a-t-il évolué entre 2020 et 2023 ?
4Les réseaux sociaux ont un point commun avec les médias traditionnels, c’est l’utilisation généralisée de la publicité comme source de financement. Tous deux s’inscrivent donc, ou du moins en partie pour les médias, dans le domaine de l’économie de l’attention (Simon, 1971; Goldhaber, 1997). Dans le cas qui nous occupe, la ressource rare n’est plus la vidéo, mais bien l’attention du spectateur. Celui-ci ne doit pas débourser d’argent pour la visionner, mais elle engendre la diffusion de publicité rémunératrice. Plus une vidéo est visionnée, même gratuitement, plus celle-ci génère de revenus publicitaires. Format plébiscité et décliné sous toutes ses formes dans les médias, la vidéo mobile génère aussi des investissements publicitaires tendanciellement plus élevés que les formats uniquement textuels (Digital News Report, 2023; Syndicat des régies Internet, 2023).
5L’impact des réseaux sociaux sur le journalisme a été un bouleversement aussi important pour l’industrie médiatique que d’autres bouleversements de son histoire, comme l’arrivée du Web (Bell & Owen, 2017, p.10). “The rise of platforms is changing the production, distribution, and business of news” (Nielsen et Ganter, 2022, p.16). Selon Rasmus Kleis Nielsen et Sarah Anne, les médias disent poursuivre des objectifs tant économiques qu’éditoriaux quand ils s’emparent des réseaux sociaux pour diffuser leur contenu (Ibid., p.70). Tout d’abord, cela leur permet de toucher de nouvelles audiences, puis de les convertir en publics fidèles pour leur propre site Web ou leur application (voire les convertir en abonnés dans certains cas). Cela a également pour but de promouvoir leur image de marque auprès des jeunes, vus comme public principal des réseaux sociaux, alors qu’ils utilisent peu les sites Web et les applications propres des médias, et encore moins leurs supports hors ligne (journaux, radio, télévision).
6Antonis Kalogeropoulos et Rasmus Kleis Nielsen (2018) vont même s’intéresser spécifiquement aux raisons qui poussent les médias à investir dans la vidéo en ligne. La première est la perception que l’audience s'avère en demande de ces vidéos. La deuxième est l’incitatif des plateformes comme Facebook, dont les algorithmes priorisent ce type de contenus. Enfin, la troisième raison concerne l’incitant monétaire : si, au moment de l’étude (2018), la vidéo ne se conçoit pas comme un canal principal de revenus, les éditeurs espèrent que cela fera partie des différentes sources qui vont les aider à développer un business soutenable. Dans leur analyse, Antonis Kalogeropoulos et Rasmus Kleis Nielsen mettent en lumière le fait que, malgré les incertitudes qui entourent l’avenir des vidéos en ligne, les médias adoptent une approche proactive à leur égard. Cette tendance observée en 2018 marque selon eux un changement par rapport au passé, où l’incertitude associée aux nouvelles technologies était souvent un motif de prudence (Ibid., p.2214).
7Les relations entre les plateformes et l’industrie médiatique sont mouvantes dans le temps, ces résultats vont donc par la suite être nuancés par une étude du Tow Center For Digital Journalism (Rashidian et al., 2020). Les chercheurs y évoquent la fin d’une ère entre les plateformes et les médias durant laquelle il y avait un espoir que l’énorme audience offerte par les réseaux sociaux entraînerait au final des revenus publicitaires significatifs pour les éditeurs (Ibid., p.13). L’étude souligne que si les éditeurs ne vont pas pour autant se détourner des plateformes, ils sont aujourd’hui plus exigeants que par le passé au moment de répondre favorablement à une opportunité qu’elles leur présentent.
8Dans l’univers francophone européen, la vidéo d’actualité est devenue un phénomène notable sur les réseaux sociaux à la fin de l’année 2016. En novembre de cette année-là, le média français Brut voit le jour sous l’impulsion de Guillaume Lacroix et Renaud Van Le Kim. Le premier est connu pour avoir créé la chaîne YouTube à succès ‘Studio Bagel’, tandis que le second est un producteur de télévision renommé, ayant notamment contribué à la création de l'émission ‘Le Grand Journal’ sur la chaîne française Canal + (Maire, 2016).
9L'objectif principal de ce nouveau média est de produire des vidéos adaptées aux standards des réseaux sociaux, tout en ciblant principalement un public jeune. Bien que déjà présent à l’étranger avec des exemples comme Now This, créé en 2011, et AJ+ d’Al Jazeera, lancé en 2014, ce concept restait largement inexploré en France (Ibid.).
10Dès ses débuts, Brut rencontre un franc succès d’audience, s’imposant rapidement comme leader dans ce domaine. En effet, l’expression "vidéo à la Brut" est rapidement devenue synonyme de vidéos courtes, au format carré ou vertical, où la voix off traditionnelle de la télévision est remplacée par des panneaux écrits (Burger, s. d. ; Martinese, 2020).
11Ce succès ouvre la voie à l'émergence d’autres médias similaires en France et dans la francophonie, tels que Konbini News (2017) et Loopsider (2018), et plus largement en francophonie. Ce développement de la vidéo est également impulsé par les réseaux sociaux eux-mêmes. En décembre 2017 par exemple, Facebook annonce sur son blog vouloir mettre davantage en avant la vidéo dans son fil d’actualité (Facebook, 2017). De manière plus ou moins concomitante, une partie des médias traditionnels démarre elle aussi une production de vidéos pensées spécifiquement pour le Web et les réseaux sociaux. C’est le cas par exemple de la RTBF, média audiovisuel belge de service public, qui a lancé en 2017 une marque appelée Vews, diffusant des témoignages en face caméra sur Facebook, avant de rejoindre Instagram en juin 2020.
12Quelques années plus tard, favorisé par la pandémie de Covid-19, c’est le réseau social vidéo TikTok qui se popularise en Europe (Ebongué, 2021). Les médias vont aussi s’emparer de cette plateforme pour diffuser des vidéos d’actualité, comme le journal suisse Le Temps qui a ouvert son compte TikTok en novembre 2020, quelques mois après le journal français Le Monde ou encore le quotidien sportif L’Equipe.
13En guise de réponse à cette montée en puissance de la vidéo courte sur TikTok, la plateforme Instagram, consacrée premièrement à la photographie, lance en août 2020 le format de vidéos courtes ‘reels’ (Instagram, 2020). Et comme à chaque fois qu’un nouveau créneau vidéo se développe sur une plateforme, une partie des médias d’information s’y engouffrent pour y développer leur offre.
14Mais comment ces productions vidéos sur les réseaux sociaux sont-elles consommées ? La prédominance du format d’image vertical, exception faite pour YouTube, suggère que celles-ci le sont principalement sur smartphone. Nous pouvons étayer cette affirmation par les chiffres du Digital Overview 2022 qui pointent que 98,5 % des utilisateurs de Facebook à travers le monde le font à partir de leur smartphone pour accéder à la plateforme. 81,8 % d’entre eux ne se servent que de leur smartphone pour y accéder, excluant donc l’ordinateur de leur usage de Facebook.
15Selon Virginie Sonet, quatre registres d’entrée en contact avec les contenus audiovisuels sur smartphone peuvent être identifiés (Sonet, 2015). Les deux registres les plus courants sont l’adressage “la vidéo visionnée a été reçue dans le cadre d’une pratique de communication (mail, SMS, réseaux sociaux)”, et ’'exposition fortuite : “la vidéo a été rencontrée dans le cadre d’une pratique de connexion (navigation, lecture d’information)”. Vient ensuite la recherche opportuniste, où le contenu est intentionnellement recherché soit dans un contexte relationnel (pour le montrer à des amis), soit pour un visionnage spécifique. Enfin, et en moins grande proportion, il y a la préméditation, où le visionnage de la vidéo est planifié, souvent en téléchargeant la vidéo sur le smartphone pour une visualisation hors ligne. “Les deux registres majoritaires, l’adressage et l’exposition fortuite, relèvent donc de pratiques de communication et de connexion”, note Virginie Sonet. Ajoutons que, dans ces deux modes principaux, il est probable que l’utilisateur du smartphone n'anticipe pas au préalable le fait de regarder une vidéo sur son smartphone avant de la recevoir ou d’y être exposé fortuitement.
16La question spécifique de la place du texte dans les vidéos d’actualité sur le Web a déjà été étudiée par Guylaine Guéraud-Pinet. Dans son analyse sémio-historique du sous-titrage dans les productions audiovisuelles des médias en ligne français (2014-2020), elle affirme que le son “semble de plus en plus dispensable à la compréhension des contenus” (Guéraud-Pinet, 2021). La chercheuse souligne l’utilisation généralisée du sous-titrage dans la vidéo informative sur le Web. Elle identifie également dix façons d’utiliser le texte dans la vidéo informative en ligne, regroupées en deux catégories : “La première catégorie concerne les éléments de "légendage" qui comprennent des informations telles que le nom de l’auteur ou de l’équipe de rédaction, le titre de la vidéo et des invitations à suivre les réseaux sociaux du média. Cette pratique, appelée "la synthé" par les professionnels de la post-production, a été initialement développée dans les documentaires et les reportages télévisés. La deuxième catégorie consiste en le remplacement de formes traditionnellement orales par du texte à l’écran, comme substituer une question posée par un journaliste par une phrase écrite.” Ses observations relèvent une tendance à la multiplication de l’utilisation de ces différentes formes de texte au fil des ans. Pour mener cette étude, la chercheuse s'appuie sur un corpus relativement restreint de 56 vidéos entre 2014 et 2020, émanant de 5 médias en ligne français.
17Nos premières observations de la place de l’écrit et du son dans les vidéos d’actualité sur les réseaux sociaux, ainsi que la recherche menée par Guylaine Guéraud-Pinet nous amène à définir quatre hypothèses de recherche.
18Hypothèse 1 : L’écrit est omniprésent dans les vidéos d’actualités sur les réseaux sociaux, et cela s’accentue à travers le temps.
19Nous étudierons donc dans cette hypothèse la présence même de l’écrit dans les vidéos. Reste-t-il des vidéos où le texte est totalement absent ? Si oui, quelle est la nature de ces vidéos ?
20Notons qu’il est bien question ici d’écrits non diégétiques (Souriau, 1951; Genette, 1972), ce qui fait référence à tout élément textuel qui n’est pas directement lié à l’univers narratif de la vidéo. En d’autres termes, il s’agit de textes qui n’appartiennent pas à l’histoire ou à la réalité présentée dans la vidéo elle-même. Par exemple, un slogan sur une pancarte dans une vidéo de manifestation est lui considéré comme écrit diégétique, il ne sera pas pris en compte.
21Hypothèse 2 : Il y a une généralisation des vidéos qui sont consommables sans son, et cela s’accentue à travers le temps.
22Les vidéos consommables sans le son, ou ‘possiblement muettes’, sont des vidéos entièrement sous-titrées et/ou le propos est textuel et non vocal.
23Hypothèse 3 : Il y a un appauvrissement du son dans les vidéos d’actualité consommables sans le son sur les réseaux sociaux, et cela s’accentue avec le temps.
24Nous formulons l’hypothèse que le corollaire de l’expansion des vidéos consommables sans le son est un appauvrissement de la diversité des sons présents dans ces mêmes vidéos. Parmi les vidéos consommables sans son, nous avons donc introduit deux catégories : une première où les seuls sons entendus dans la vidéo sont des voix humaines et de la musique, une deuxième où les sons sont plus divers (incluant par exemple des sons d’ambiance, un habillage sonore).
25Hypothèse 4 : Le phénomène de vidéos consommables sans le son est moins présent sur les plateformes YouTube et TikTok, qui sont initialement des plateformes dédiées à la vidéo.
26Nous postulons que l’expansion des vidéos consommables sans le son ne se fait pas de manière uniforme sur tous les réseaux sociaux étudiés. TikTok et YouTube étant originellement des plateformes vidéos, à l’inverse de plateformes comme Facebook et Instagram, nous émettons l’hypothèse que le son y joue un rôle plus central.
27Nous avons réalisé cette recherche au sein de deux marchés distincts : la Belgique francophone et la Suisse romande. Les deux marchés ne sont pas exactement de même taille (Belgique : 4,5 millions de francophones – Suisse : 2 millions), mais ils sont tous deux considérés comme de petits marchés selon le rapport Digital News Report du Reuters Institute (2019: p.72 et 112). De plus, ils partagent l’usage de la langue française, ce qui implique que les deux communautés sont imprégnées d’une identité culturelle francophone en matière de journalisme (Bonin et al., 2017).
28Six rédactions ont été incluses dans le corpus de cette recherche : les médias audiovisuels publics des deux pays (RTBF, RTS) et leurs marques d’information généralistes dédiées aux réseaux sociaux (Nouvo, Vews, Mise à Jour), les deux journaux de référence à la plus large audience au moment de la récolte de données (Le Soir, Le Temps) ainsi que les deux médias exclusivement en ligne, également à la plus large audience au moment de la récolte de données (Heidi.news, puis Watson, 7sur7.be).
29Les réseaux sociaux de deux acteurs dominants du numérique ont été sélectionnés pour l’analyse – Alphabet (YouTube) et Meta (Facebook, Instagram) – ainsi que TikTok.
30Notre corpus comprend la totalité des vidéos issues des six médias sélectionnés, publiées sur quatre plateformes de réseaux sociaux du corpus, durant les mois d’octobre et novembre 2020, puis durant les mêmes mois en 2023. Cela représente un total de 1 570 vidéos : 581 en 2020 et 989 en 2023.
Tableau 1. Répartition des 1 570 vidéos du corpus
31Notre recherche s’inscrit dans la méthodologie de l’analyse de contenu (Bardin, 2013). Selon notre catégorisation, les relations entre le son et l’écrit au sein des vidéos peuvent se décliner en trois modalités distinctes: une première où l’écrit ne se substitue pas au son, mais où il apporte une plus-value (le nom d’un intervenant, d’un lieu par exemple) ; un deuxième cas de figure où l’écrit se substitue au son, mais où ce dernier apporte tout de même une plus-value (une vidéo sous-titrée mais dans laquelle des bruits d’ambiance sont présents par exemple) ; troisièmement, un cas de figure où l’écrit se substitue au son et où ce dernier n’apporte pas de plus-value, outre celui du timbre de voix et/ou d’une musique d’ambiance. De plus, une catégorie ‘il n’y a pas d’écrit dans la vidéo’ a été ajoutée à l’analyse. Au cours de la restitution des résultats, ces quatre catégories seront ponctuellement regroupées en macrocatégories dans un objectif de clarté de l’analyse.
32Soulignons aussi les spécificités du sous-titrage sur YouTube : celui-ci peut être activé ou désactivé au bon vouloir du spectateur dans certains cas. Ce sous-titrage a été codé comme présent quand un travail de sous-titrage spécifique avait été ajouté à la vidéo et non quand ce sous-titrage était automatiquement généré par YouTube, de manière d’ailleurs peu qualitative.
Tableau 2. Répartition en pourcentages des vidéos avec et sans écrit (n=1570)
33Seules 16 vidéos du corpus ne comportent pas d’écrit : 15 vidéos appartenant à la vague temporelle de 2020, une seule à celle de 2023. Cette dernière est une vidéo diffusée en live sur Instagram par la RTS, le média audiovisuel public suisse. Il s’agit d’un live mené par une journaliste sur le conflit Israël-Hamas accompagnée par deux envoyés spéciaux.
34Les vidéos sans écrit sont d’ailleurs majoritairement des vidéos diffusées en live (9 des 16 vidéos). Cela peut s’expliquer par le fait que l’écrit est généralement ajouté en post-production et qu’il n’y en a pas pour ces vidéos live.
35Les sept autres vidéos sont des vidéos de moins d’une minute, sans interview. Donnons comme exemple typique les images brutes d’une tempête diffusées par la RTBF le 3 octobre 2020 sur Instagram.
36Nos données confirment donc l’hypothèse d’une omniprésence de l’écrit dans les vidéos d’actualité sur les réseaux sociaux. Ce résultat n’a cependant rien de très inattendu dans l’univers de l’audiovisuel journalistique. Au sein des journaux télévisés, documentaires et autres reportages, les « synthés » sont omniprésents : pour donner le nom et la fonction d’un intervenant, spécifier le lieu où est prise une image, etc.
37Notre hypothèse est largement vérifiée dans le tableau 3. Les vidéos consommables sans le son sont largement majoritaires dans notre corpus. Elles représentent 85 % des vidéos étudiées en 2020 et montent à 87,5 % en 2023. C’est un élément formel phare des vidéos produites pour les réseaux sociaux; cela se confirme et s’accentue même légèrement dans le temps.
Tableau 3. Répartition en pourcentages des vidéos consommables ou non sans le son (n=1570)
38Ces résultats font écho aux travaux de Guylaine Guéraud-Pinet. Partant d’un corpus de 56 vidéos, la chercheuse observait « une tendance à la mobilisation croissante du texte dans la vidéo en ligne. Le sous-titrage s’est généralisé à tous les médias étudiés de 2014 à 2020 » (Guéraud-Pinet, 2021, p.11).
39Notons que nos résultats révèlent aussi une internationalisation du phénomène de vidéos consommables sans le son, même s’il est davantage marqué en Belgique (95,6 %) qu’en Suisse (78,9 %), sans qu’une interprétation de cette différence émerge pour l’instant.
40La possibilité de consommer une vidéo sans le son a-t-elle comme corollaire l’appauvrissement de la diversité du son au sein de la vidéo ? Nos résultats apportent une réponse nuancée.
Tableau 4. Répartition en pourcentages des vidéos consommables sans le son avec diversité sonore ou non (n=1359)
41Dans la première période étudiée, d’octobre à novembre 2020, il a été observé que 53 % des vidéos consommables sans son ne contenaient sonorement que de la musique d’ambiance et/ou une voix humaine. En d autres termes, les spectateurs et spectatrices de ces vidéos ne subissent qu une perte minimale de contenu et d’information en les visionnant sans le son, si l’on considère – et cela peut être nuancé – que le timbre de voix humaine et une musique type ‘libre de droit’ apportent peu d’information dans une vidéo.
42Cependant, la tendance observée en 2020 ne se maintient pas au même niveau en 2023, ce qui remet en question notre hypothèse initiale dans son ensemble. En effet, plutôt que de diminuer, la diversité sonore au sein des vidéos consommables sans le son augmente avec le temps. Il ne reste plus que 43,4 % des vidéos consommables sans le son qui ne contiennent que de la voix et/ou de la musique, contre 53 % lors de la première vague. Nos résultats suggèrent donc que si un appauvrissement dans la diversité des sons est bien présent dans les vidéos d’actualité consommables sans le son, celui-ci semble se résorber au fil du temps. Des recherches futures seront néanmoins nécessaires pour approfondir cette observation et fournir des hypothèses explicatives.
43L’étude du tableau 5 confirme l’hypothèse énoncée. TikTok et YouTube sont bien les deux plateformes où se trouvent davantage de vidéos qui ne sont pas conçues pour être consommées sans le son, soit les deux plateformes initialement dédiées à la vidéo. Notons par ailleurs qu’une partie des vidéos YouTube codées comme ‘consommables sans le son’ a le sous-titrage uniquement en option. celui-ci est a priori désactivé, et donc absent du visuel de l’image, et activé seulement si le spectateur ou la spectatrice en fait la demande.
Tableau 5. Répartition en pourcentages des vidéos consommables ou non sans le son selon la plateforme de publication (n=1554)
44Facebook et Instagram, qui appartiennent tous deux au groupe Meta, sont deux réseaux sociaux où la vidéo est un médium parmi d’autres (photos, texte, etc.). Par conséquent, nous pouvons conclure que les réseaux sociaux qui ne mettent pas initialement l’accent sur la vidéo ont davantage tendance à être vecteur de vidéos conçues pour être regardées sans le son, par rapport aux plateformes où la vidéo est au cœur du concept.
45Soulignons également que YouTube et TikTok sont deux plateformes qui ont l’ambition d’avoir un rôle dans l’industrie musicale. TikTok via le partage et la réutilisation virale de musiques (Chemillier et Rabearivelo, 2023) ; YouTube, notamment via l’hébergement de clips vidéos (Heuguet, 2021, p.5). La musique, et donc le son, représente une part importante de leur format.
- 1 Notons tout de même l’apparition des YouTube Shorts en juillet 2021, formats verticaux inspirés de (...)
46Enfin, une autre explication possible quant aux résultats de YouTube présentés ci-dessus réside dans le fait que la plateforme privilégie les vidéos au format horizontal1., à l’inverse de TikTok, Instagram et Facebook. Ce format horizontal semble davantage propice à une consultation sur ordinateur (ou autre device fixe), où le contexte de visionnage est plus favorable à l’activation du son.
47La plateforme sur laquelle est diffusée une vidéo n’est donc pas anodine en ce qui concerne les rapports entre son et écrit au sein de la vidéo. Mais comment évaluer la force de la relation entre ces deux variables ?
48En statistique, le calcul du V de Cramer est un outil qui peut justement qualifier la force de la relation entre deux variables catégorielles. Le résultat du calcul du V de Cramer peut s’échelonner entre 0 et 1. Plus il se rapproche de la valeur 1, plus la relation entre deux variables sera forte ; et à l’inverse, plus il se rapproche de 0, plus les deux variables sont indépendantes l’une de l’autre. En sciences humaines, une relation peut être considérée comme forte au-dessus de 0,3.
49Le calcul du V de Cramer sur nos données nous apprend que c’est entre la variable indépendante ‘plateforme sur laquelle la vidéo est publiée’ et la variable ‘place de l’écrit dans la vidéo’, divisée en deux catégories comme ci-dessus, que la relation est la plus forte : le résultat du calcul du V de Cramer est égal à 0,46, soit une mesure située au-dessus du seuil de 0,3. On retrouve également une relation forte, mais dans une moindre mesure, avec la variable ‘média producteur’ (V de Cramer : 0,356). Il n’y a par contre pas de relation forte établie avec le pays d’origine du média producteur de la vidéo (V de Cramer : 0,264) et une absence quasi totale de relation avec l’année de diffusion de la vidéo (V de Cramer : 0,004), signe que le phénomène a peu évolué entre les deux vagues.
50Le développement de ces quatre hypothèses nous amène à apporter une réponse nuancée à notre question de recherche : L'écrit est-il en train de supplanter le son, rendant ce dernier non essentiel dans les vidéos d’actualité sur les réseaux sociaux ? Comment ce phénomène a-t-il évolué entre 2020 et 2023 ?
51En effet, si l’écrit est bien omniprésent dans les vidéos d’actualité sur les réseaux sociaux, on ne peut pas affirmer sans nuance que celui-ci a supplanté le son. On observe sur les deux vagues une stabilisation autour de 85 % de vidéos pouvant se regarder de manière muette, restent donc 15 % des vidéos qui ne le peuvent pas, principalement sur les plateformes qui ont la vidéo au cœur de leur concept. Nous notons aussi qu’il y a peu de diversité sonore dans ces vidéos consommables sans le son, mais que cette dynamique est peut-être en train de se résorber.
52Ce phénomène de vidéos possiblement muettes évoque peut-être au lecteur de cet article le cinéma muet, mais c’est aux soap operas que nous le rattachons davantage dans notre analyse. Pourquoi ? Car dans ces deux formats audiovisuels, les rapports déséquilibrés entre visuel et son ont été notamment pensés pour permettre au produit d’être consommé dans les conditions les plus souples possibles. Dans le cas des soap operas, tout en effectuant des tâches ménagères ; dans le cas des vidéos d’actualité sur les réseaux sociaux, dans l’espace public où il est malpoli d’utiliser son téléphone de manière sonore (Ling, 1997).
53Tant dans le cas du soap opera que de la vidéo sur les réseaux sociaux, le modèle de rentabilité économique se base sur la revente de l’attention des spectateurs à des annonceurs, soit un modèle qui relève de l’économie de l’attention. Les diffuseurs ont donc intérêt à ce que la vidéo ou le programme télévisuel puisse être regardé dans les conditions les plus larges possibles, quitte à devoir pour cela déséquilibrer les rapports entre l’audio et le visuel.
54Nous soulignons que cette volonté de toucher l’audience la plus large possible n’est qu’une des multiples explications au rapport déséquilibré entre visuel et son. Dans le soap opera par exemple, la primauté des scènes de dialogues sur d’autres scènes plus complexes a aussi des sources historiques. Les soaps operas étaient d’abord des programmes radio qui ont été déclinés en télévision au moment de la démocratisation de celle-ci aux États-Unis (Allen, 1985, p.124). Dans le cas de la vidéo d’actualité sur les réseaux sociaux, l’omniprésence de l’écrit et des sous-titres peut aussi s’expliquer par une volonté de rendre les contenus accessibles aux personnes sourdes et malentendantes, ainsi qu’à celles maîtrisant mal la langue, comme l’explicitait dans un tweet le responsable du pôle vidéo du Monde.
Figure 1. Tweet du 16 juin 2021 de Charles-Henry Groult, responsable du pôle vidéo du Monde
55Reste à se demander si le phénomène des vidéos possiblement muettes va s’étendre à l’avenir à d’autres sphères audiovisuelles. Nous postulons que la réponse est négative, hormis dans le cadre de dispositifs non intrusifs favorisant l’accessibilité des contenus aux personnes sourdes et malentendantes ou maîtrisant mal la langue.
56Pour défendre cette projection, nous mobilisons le travail de Virginie Sonet sur les registres d’entrée en contact avec les contenus audiovisuels sur smartphone détaillé en début d’article. Nous pensons que les vidéos possiblement muettes sont regardées principalement via une exposition fortuite. Nous appuyons cette thèse par les résultats obtenus lors du traitement de la quatrième hypothèse : soit le fait qu’il y ait moins de vidéos consommables sans le son sur YouTube et TikTok, plateformes originellement orientées vers la vidéo. Quand un utilisateur se rend sur YouTube ou TikTok (démarche proactive de l’ordre de la recherche opportuniste de vidéos ou de la préméditation), il sait sciemment qu’il va y retrouver quasi uniquement de la vidéo. Il est donc raisonnable de penser que celui-ci va prendre ses dispositions pour se retrouver dans un contexte où il peut profiter pleinement d’une expérience vidéo (grâce à des écouteurs ou dans un cadre privé). Il semble en tous les cas que c’est le pari fait actuellement par les producteurs de vidéos qui n’y privilégient pas autant qu’ailleurs la publication de vidéos consommables sans le son. Alors que quand une personne est exposée à une vidéo de manière fortuite, il est bien plus probable que les conditions ne soient pas réunies pour qu’elle puisse allumer le son de cette vidéo, d’où l’importance de pouvoir consommer celle-ci de manière muette.
57Nous pensons donc que le phénomène des vidéos consommables sans le son, ou vidéos ‘possiblement muettes’ restera limité aux vidéos produites pour les réseaux sociaux ou les sites Web qui n’ont pas la vidéo comme médium premier et principal. Cette projection reste bien entendu à confronter à d’autres études à travers le temps et à travers d’autres marchés.
58Nous pensons également que dans le futur, la fonctionnalité pour activer ou désactiver les sous-titres en fonction du contexte de réception deviendra plus répandue, comme c'est déjà le cas sur YouTube.
59Il est également probable qu’avec les progrès de l’intelligence artificielle, qui réduit les coûts associés, l’entièreté des productions audiovisuelles pourra être consommée sans son. Cependant, dans le cas contraire, lorsqu’un spectateur souhaitera visionner une vidéo avec le son, les sous-titres ne s’imposeront plus d’office à sa vue comme c’est majoritairement le cas aujourd’hui.