Source: The Conversation – in French – By Cassandre Burnier, Lecturer in Communication, Université Libre de Bruxelles (ULB)
Aujourd’hui, les médias en ligne peuvent suivre en temps réel les audiences de leurs articles et les réseaux sociaux analysent ce que vous lisez pour vous proposer d’autres contenus censés être plus en phase avec vos centres d’intérêt. Regard sur cette « mécanique de la donnée », à travers une enquête ethnographique au sein de deux groupes de presse belges.
Chaque matin, vous ouvrez l’infolettre de votre journal. Souvent, elle est la même pour tous les abonnés : une sélection et une hiérarchie d’articles décidées par la rédaction. Mais de plus en plus de journaux proposent des infolettres personnalisées, dont les articles semblent avoir été choisis à votre attention, en fonction de vos goûts et de vos habitudes.
Ce second type de sélection repose sur un algorithme qui analyse vos clics, votre temps de lecture et vos centres d’intérêt pour vous proposer les contenus jugés les plus « pertinents ».
Mais attention, cette personnalisation n’en est pas vraiment une. Un système de recommandation ne part pas de vous : il vous représente à travers des lecteurs jugés « similaires ». Vos clics et votre temps de lecture sont comparés à ceux d’autres milliers d’abonnés, puis l’algorithme vous range parmi des profils aux comportements proches.
Ce qu’il produit n’est pas le reflet de vos préférences singulières, mais une projection construite à partir de ces régularités collectives : ce que des lecteurs « comme vous » ont tendance à lire. Autrement dit, l’algorithme ne vous connaît pas : il vous classe.
C’est ce que j’appelle la « mécanique de la donnée ». Il ne s’agit pas seulement de la présence de chiffres dans les rédactions, déjà bien étudiée par des chercheuses comme Angèle Christin ou Caitlin Petre. Il s’agit de la manière dont la donnée se met à agir comme si elle parlait d’elle-même, telle une mécanique : elle automatise des tâches, quantifie ce qui ne l’était pas et fait converger des métiers longtemps tenus séparés : le marketing, la rédaction et la technique. Ce faisant, elle circule dans toute l’organisation et façonne, de proche en proche, l’information que vous recevez.
Mesurer l’audience n’est pas nouveau : la presse certifie sa diffusion depuis des décennies. Mais ses instruments restaient cantonnés à une opération bien délimitée : segmenter des profils de lecteurs pour vendre l’audience aux annonceurs.
La mécanique de la donnée, elle, ne procède plus par sondage : elle enregistre en continu le comportement de chaque lecteur et, surtout, elle change de place. La donnée circule. Elle ne se contente plus de compter les lecteurs une fois l’article publié, elle entre dans les réunions, les tableaux de bord, les décisions, et se met à peser sur ce qui sera produit, sur ce qui compte et ne compte pas. Mesure et production, longtemps distinctes, tendent à converger.
Pendant trois ans, j’ai mené une enquête ethnographique au sein de deux grands groupes de presse belges francophones. J’ai observé les réunions, suivi les professionnels de la donnée dans leur quotidien et écouté les tensions entre ceux qui fabriquent l’information et ceux qui la mettent en chiffres.
Ce que j’ai découvert, ce n’est ni le remplacement du journaliste par la machine ni un statu quo rassurant. C’est une redistribution des rôles, notamment en matière d’éditorial.
Quand un article reçoit une « note »
Lors de mon terrain, ces dispositifs n’étaient pas tous déployés : j’ai observé des mécanismes en train de s’installer. Et c’est précisément à ce stade qu’on voit affleurer les choix qui, plus tard, deviendront invisibles.
Dans l’un des groupes de presse que j’ai étudiés, un projet visait à attribuer un score à chaque article publié en ligne. Le principe (croiser la durée de consultation avec la taille de l’article) part de l’idée qu’un lecteur qui va au bout d’un long format est un lecteur engagé, donc plus susceptible de s’abonner et de rester exposé aux publicités. De cet engagement présumé, on tire une « valeur » chiffrée par article. Présenté comme un outil objectif, ce score devient un instrument de gestion.
Mais ce calcul repose sur des choix. Quelles variables retenir pour mesurer « l’engagement » ? L’équipe data et le marketing les définissent ensemble, au fil de réunions où l’on ajuste les « paramètres » : les mots du titre, sa longueur, la présence de chiffres, certains « mots forts ». Par exemple, le mot « coulisses » dans un titre appelle à cliquer ; celui-là même, vous l’aurez noté, qui ouvre cet article.
Le directeur du département data insiste pour que la rédaction soit, elle aussi, de la partie. Mais dans les faits, elle n’est représentée que par une personne, et de son propre aveu, ce qu’on lui présente reste trop abstrait pour qu’elle sache « quelles cartes [elle aurait] en main pour discuter avec les équipes ».
Reste l’usage qu’on en projette. Lors d’une réunion que j’ai observée, le directeur général reformule l’objectif : il ne s’agit plus seulement de mesurer, mais de pouvoir tenir aux rédactions un discours du type « Vous êtes censés faire autant d’articles engageants ; ce mois-ci vous en avez fait 35, vous deviez en faire 50, merci de rectifier le tir ». La donnée, censée décrire le réel, se met à prescrire ce que les journalistes doivent produire.
Au moment de mon enquête, le modèle n’était pas encore déployé : ce dialogue mensuel avec les chefs d’édition restait un horizon. Mais la mécanique était déjà inscrite dans les mots : c’est désormais au modèle de « déterminer les critères » d’un bon article, et aux rédactions de les valider.
L’infolettre de la machine et du journaliste
Un second projet, observé sur plusieurs années, portait sur l’automatisation d’une infolettre quotidienne. L’idée : remplacer la sélection manuelle des articles par un algorithme de recommandation, nourri par les traces de lecture de chaque abonné.
L’enjeu est considérable. Sélectionner et hiérarchiser l’information constitue historiquement le cœur du métier de journaliste. Confier cette tâche, ne serait-ce que partiellement, à une machine, c’est toucher à ce cœur de métier. Une analyste de la donnée résume la tension avec lucidité : « On automatise des choses qui normalement devraient être dans la main, dans le pouvoir des journalistes. Ça touche un peu à leur ligne éditoriale ».
Face à cette tension, les équipes cherchent des compromis. Le rédacteur en chef adjoint accepte l’algorithme, mais à une condition claire : la rédaction garde la main sur la hiérarchie de l’information. L’algorithme peut suggérer (« ceci devrait aussi vous intéresser »), mais ne décide pas de la structure d’ensemble. Le journaliste reste l’expert de l’actualité ; la machine gère le trafic.
Ce partage des rôles dessine deux registres de personnalisation : l’un « curatorial », fondé sur le jugement humain et la signature éditoriale ; l’autre « prédictif », fondé sur les données comportementales. Les deux coexistent, mais leur frontière est constamment négociée.
Dépossession ou redéfinition des rôles ?
Ce qui change en profondeur, c’est la nature de l’autorité éditoriale. Celle-ci ne réside plus seulement dans la personne du rédacteur en chef, mais se distribue entre des acteurs humains et des dispositifs techniques (algorithmes, métriques, tableaux de bord) qui participent tous, à leur manière, à décider de ce que vous lirez demain.
Il serait tentant de raconter cette histoire comme celle d’une dépossession, où les algorithmes remplaceraient les journalistes. La réalité est plus nuancée, sans être pour autant symétrique. Les journalistes ne disparaissent pas, mais ils négocient depuis une position de faiblesse : dans les dispositifs que j’ai observés, l’éditorial n’était souvent représenté que par une voix, face à des équipes de la donnée et marketing qui maîtrisent, elles, les paramètres du calcul.
Les professionnels de la donnée, de leur côté, ne sont pas des envahisseurs : ils se retrouvent dans un rôle de médiateur entre la rédaction et la machine, cherchant les bons réglages pour que le système fonctionne sans trahir l’esprit du journal.
Pour les travailleurs dont on automatise les tâches, l’enjeu dépasse la technique. L’un des scientifiques de la donnée que j’ai interrogés observe deux réactions chez ses collègues :
« Il y en a qui veulent se défaire des tâches monotones. Et il y en a d’autres qui avaient un peu leur fierté d’avoir ça à faire. Genre “C’est moi qui gère ça”. »
Perdre la tâche, c’est parfois perdre une part de soi dans l’organisation.
Ces transformations ne concernent pas que les rédactions. Elles touchent directement la qualité et la diversité de l’information que nous recevons. Si les algorithmes optimisent l’engagement (le clic, le temps passé), ils ne sont pas conçus pour garantir le pluralisme. Or certains sujets performent mal par construction : l’enquête locale au long cours, les matières arides mais nécessaires (un budget communal, une réforme administrative), certaines formes d’art, tout ce qui demande au lecteur un effort avant la récompense. Ce sont précisément ces angles-là qui risquent de glisser hors des radars dès lors qu’on hiérarchise l’information sur ce qui retient l’attention.
La question n’est donc pas tant de savoir si les données ont leur place dans les médias mais plutôt qui décide de ce qu’elles mesurent, valorisent et laissent dans l’ombre.
Cassandre Burnier ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d’une organisation qui pourrait tirer profit de cet article, et n’a déclaré aucune autre affiliation que son organisme de recherche.
– ref. Médias : qui décide de ce que vous lisez ? Dans les coulisses de la « mécanique de la donnée » – https://theconversation.com/medias-qui-decide-de-ce-que-vous-lisez-dans-les-coulisses-de-la-mecanique-de-la-donnee-284348
