Ce que les algorithmes font de nous

communpsychologie1 568 mots8 min de lectureVérifié le 13 août 2026

Un miroir de fête foraine ne ment jamais ouvertement : il renvoie bien une image de la personne qui s'y regarde, mais déformée dans le sens qui produit le plus d'effet, plus large ici, plus étiré là. Le fil algorithmique fonctionne sur ce même principe de miroir déformant : il ne montre jamais un contenu totalement étranger à ce qu'on aime déjà, il renvoie une version amplifiée de ce qu'on a montré vouloir voir, jusqu'à ce que l'image déformée finisse par sembler plus vraie que le reflet d'origine.

4.1 Ce qu'un algorithme de recommandation optimise vraiment

Un algorithme de recommandation n'essaie pas de montrer "le meilleur contenu" au sens absolu : il essaie de prédire ce qui maximisera un signal mesurable, le plus souvent le temps passé, le taux de clic ou le taux d'interaction. Ce choix d'objectif, purement technique en apparence, a une conséquence directe : un contenu qui suscite de l'indignation ou de l'inquiétude génère généralement plus d'interactions qu'un contenu neutre, donc l'algorithme apprend, sans intention explicite de nuire, à en montrer davantage. Ce n'est pas un biais idéologique du système, c'est la conséquence mécanique de l'objectif qu'on lui a fixé.

4.2 Bulle de filtre et chambre d'écho : deux mécanismes distincts (voir la notion Enfermement algorithmique)

Le terme de "bulle de filtre" est popularisé en 2011 par l'essayiste Eli Pariser, pour décrire le fait que les moteurs de recherche et les réseaux sociaux, en personnalisant les résultats selon les préférences déjà détectées, exposent chacun à une réalité informationnelle différente et de plus en plus étroite. Pariser montre que deux personnes cherchant le même mot peuvent recevoir des résultats radicalement différents selon leur historique, sans en avoir conscience (Pariser, The Filter Bubble: What the Internet Is Hiding from You, Penguin, 2011 ; vérification du 13 août 2026).

La chambre d'écho est un phénomène voisin mais distinct : elle décrit l'environnement social, pas seulement algorithmique, dans lequel une personne n'est exposée qu'à des opinions qui confirment les siennes, renforcées par la validation répétée de son entourage. La bulle de filtre est produite par un algorithme ; la chambre d'écho est produite par les choix humains de qui l'on suit et avec qui l'on échange, l'algorithme amplifiant ensuite cette sélection déjà partiale.

4.3 Le biais de confirmation, mécanisme humain que l'algorithme exploite plutôt qu'il n'invente

Le biais de confirmation, soit la tendance à chercher et interpréter l'information de façon à conforter ses croyances existantes plutôt qu'à les tester, est documenté bien avant l'existence des réseaux sociaux. Une synthèse de référence en psychologie cognitive le décrit comme un phénomène omniprésent, retrouvé dans une grande variété de contextes de jugement humain (Nickerson, "Confirmation Bias: A Ubiquitous Phenomenon in Many Guises", Review of General Psychology, 1998 ; vérification du 13 août 2026).

Le point important ici est méthodologique : les réseaux sociaux n'ont pas créé le biais de confirmation, ils lui offrent un terrain d'expression à une échelle et une vitesse inédites, en supprimant l'effort qu'il fallait auparavant fournir pour rester exposé uniquement à des sources qui confortent une opinion. L'heuristique de disponibilité, soit la tendance à juger la fréquence ou l'importance d'un événement selon la facilité avec laquelle des exemples nous viennent à l'esprit, joue un rôle voisin : un fil qui répète le même type de contenu inquiétant donne l'impression que ce contenu est statistiquement plus fréquent qu'il ne l'est réellement.

4.4 Polarisation et désinformation : ce que change la structure du partage

La polarisation politique et sociale précède elle aussi largement les réseaux sociaux, mais leur structure de diffusion change la donne sur un point précis : un contenu faux ou trompeur qui suscite une émotion forte se partage plus vite et plus loin qu'un contenu factuel et mesuré, parce que le partage est un geste rapide, peu coûteux, qui ne demande pas de vérification préalable. La polarisation qui en résulte n'est pas seulement une divergence d'opinions, c'est une divergence de faits de référence : deux personnes finissent par ne plus discuter du même événement, parce que leurs fils respectifs ne leur ont pas montré la même version.

4.4 bis La preuve expérimentale que le fil influence l'humeur, pas seulement l'opinion

Ce que les sections précédentes décrivent au niveau de l'opinion et de l'information a été démontré expérimentalement au niveau de l'émotion elle-même. Une expérience menée en 2012 par des chercheurs de Facebook sur près de 689 000 comptes a réduit, sans en informer les utilisateurs, la proportion de contenus positifs ou négatifs affichés dans leur fil d'actualité, et a constaté que les utilisateurs exposés à moins de contenu positif publiaient ensuite eux-mêmes moins de contenu positif et davantage de contenu négatif, la relation inverse se vérifiant également, démontrant une contagion émotionnelle à grande échelle via un simple fil algorithmique, sans aucune interaction directe entre les personnes concernées (Kramer, A. D., Guillory, J. E. & Hancock, J. T., "Experimental evidence of massive-scale emotional contagion through social networks", PNAS, 2014 ; vérification du 13 août 2026).

Cette expérience a suscité une controverse éthique majeure, notamment sur l'absence de consentement éclairé des utilisateurs concernés, et une note de préoccupation éditoriale a été publiée a posteriori par la revue elle-même. Elle reste néanmoins la démonstration la plus directe qu'un simple choix de curation algorithmique, invisible pour l'utilisateur, peut modifier son état émotionnel réel, pas seulement les informations ou opinions auxquelles il est exposé.

⚖️ Nuance nécessaire. Ici encore, tout le monde n'est pas égal face à ce mécanisme. Une personne dotée d'un fort esprit critique préexistant, ou d'un réseau social diversifié dans la vraie vie, résiste mieux à l'enfermement algorithmique qu'une personne isolée, pour qui le fil devient la principale, voire l'unique, fenêtre sur l'actualité et les opinions des autres. C'est une nouvelle illustration de la règle du chapitre 3 : le mécanisme est structurel, l'ampleur de l'effet dépend du contexte de vie de la personne qui le subit.

4.5 Micro-ciblage publicitaire et exploitation des données personnelles

Le modèle économique de la plupart des réseaux sociaux repose sur la publicité ciblée, rendue possible par la collecte de données comportementales détaillées : ce qu'on consulte, combien de temps, avec qui on interagit. Le scandale Cambridge Analytica, révélé en mars 2018, en est l'illustration la plus documentée publiquement : une entreprise de conseil politique a exploité les données de plus de 50 millions de profils Facebook, obtenues via une application de quiz de personnalité détournée de son usage déclaré, pour cibler des messages politiques personnalisés lors des campagnes présidentielles américaines (NPR, "Cambridge Analytica Scandal Raises New Ethical Questions About Microtargeting", 2018 ; vérification du 13 août 2026). Facebook a réglé les poursuites afférentes pour un montant de 725 millions de dollars.

Ce cas est spectaculaire, mais le mécanisme qu'il illustre est ordinaire et permanent : la collecte de données comportementales à des fins de ciblage publicitaire est le modèle économique par défaut de la plupart des plateformes gratuites, pas une dérive exceptionnelle. Le cadre juridique qui encadre cette collecte en Europe est traité au chapitre 8.

👁️ Vu de l'autre côté. La plupart des personnes concernées par le scandale Cambridge Analytica n'ont jamais su, sur le moment, qu'elles participaient à quoi que ce soit : elles avaient simplement répondu à un quiz de personnalité partagé par un ami, sans lien apparent avec la politique. Ce que ça change de le découvrir après coup, ce n'est pas seulement une question de vie privée abstraite : c'est réaliser qu'un choix d'apparence anodine, fait un jour ordinaire, a nourri un profilage qu'on n'a jamais consenti à donner, ni même imaginé possible au moment de cliquer.

Bons réflexes

• Diversifier volontairement ses sources d'information plutôt que de s'en remettre uniquement au fil recommandé : chercher activement un point de vue contradictoire, au moins de temps en temps.
• Interrogez tout contenu qui déclenche une émotion forte et immédiate avant de le partager : c'est précisément le type de contenu que la structure de diffusion favorise, qu'il soit vrai ou non.
• Vérifier régulièrement, dans les réglages de confidentialité de chaque plateforme, quelles données sont collectées et à quelles fins, plutôt que de présumer qu'elles sont neutres.
• Se désabonner activement des comptes qui déclenchent systématiquement de l'anxiété ou de l'indignation plutôt que de laisser l'algorithme continuer à en proposer, geste détaillé au chapitre 10.

Le miroir de ce chapitre a une limite qu'il faut nommer : contrairement à un vrai miroir de fête foraine, celui-ci se règle en continu, séance après séance, sur chaque clic qu'on lui donne. On ne le regarde jamais deux fois de façon identique, ce qui rend la déformation d'autant plus difficile à repérer de l'intérieur.

Sources vérifiables

• Pariser, E. (2011), The Filter Bubble: What the Internet Is Hiding from You, Penguin — définition de la bulle de filtre ; vérification du 13 août 2026.
• Nickerson, R. S. (1998), Confirmation Bias: A Ubiquitous Phenomenon in Many Guises, Review of General Psychology — définition du biais de confirmation ; vérification du 13 août 2026.
• NPR (2018), Cambridge Analytica Scandal Raises New Ethical Questions About Microtargeting — micro-ciblage et exploitation des données personnelles ; vérification du 13 août 2026.
• Kramer, A. D., Guillory, J. E. & Hancock, J. T. (2014), Experimental evidence of massive-scale emotional contagion through social networks, PNAS — contagion émotionnelle via le fil algorithmique ; vérification du 13 août 2026.

Sources du guide Réseaux sociaux · Voir cette page sur GitHub