https://www.arcom.fr/actualites/troisieme-journee-detudes-de-larcom-presentation-des-travaux-des-chercheurs-sur-les-medias-audiovisuels-et-numeriques
Catégorie
🗞
NewsTranscription
00:00On a eu les deux parties de la chaîne, le côté médias, donc créateur de l'information,
00:09le côté utilisateur, comment ils reçoivent cette information et là on va se tourner
00:15un petit peu vers, un peu plus précisément sur ces questions d'algorithmes et des effets
00:19des algorithmes et se tourner vers Nicolas Soulier, donc Nicolas Soulier vous êtes maître
00:25de conférence en économie digitale et économétrie appliquée à, alors originellement à l'université
00:31Paris-Saclay et en ce moment en détachement à l'institut Minitelcom Business School
00:35et vous intéressez justement aux effets qu'ont les systèmes de recommandations en ligne,
00:40alors à la fois sur des questions en général en économie, donc par exemple la tarification
00:42dont on n'a pas beaucoup parlé aujourd'hui mais qui serait intéressant aussi de préciser
00:47ou des enjeux je dirais plus sociétaux, la polarisation justement de l'opinion, la manipulation
00:52de l'opinion, alors voilà je me tourne vers vous, que sait-on aujourd'hui de ces effets
00:56des systèmes de recommandations, alors à la fois côté utilisateur comme ça a été
00:58évoqué ici mais aussi côté production de contenu qui permet de faire le lien justement
01:02entre ces deux chaînes.
01:03Très bien, ben écoutez merci tout d'abord à l'ARCOM pour l'organisation de cette journée
01:09et pour me donner l'occasion de présenter ces travaux qui portent effectivement sur
01:13l'impact des systèmes de recommandations, donc c'est un travail réalisé avec une collègue
01:20de l'IMT-BS, Anne Hindebouwer, donc si on a une entrée vraiment économique quand
01:27on s'intéresse aux systèmes de recommandations, donc c'est des systèmes qui sont présents
01:34sur la grande majorité des grandes plateformes et leur objectif bien sûr sur ces grandes
01:40plateformes qui offrent, qui donnent accès à une quantité assez astronomique de contenus
01:46et de services, c'est d'aider les utilisateurs de ces plateformes à trouver plus rapidement
01:51des contenus ou des produits qui les intéressent et in fine les satisfaire et favoriser leur
02:02fidélité à la plateforme, donc générer plus de revenus.
02:05Ça c'est sous un angle économique mais derrière ces systèmes là il y a quand même
02:14énormément de questions, aussi bien économiques que ce soit de la manipulation des utilisateurs,
02:21des créations de barrières à l'entrée sur des marchés, mais aussi des questions
02:26d'ordre sociétal sur la création de chambres d'écho, sur le renforcement de stéréotypes
02:31etc.
02:32Donc c'est vraiment des systèmes qui ont intéressé les académiques.
02:38Alors là ce que je vous présente, très brièvement, c'est quelques papiers en économie.
02:46Ils sont plutôt récents mais il faut savoir que dans la littérature en système d'info
02:50ou en informatique, l'intérêt est beaucoup plus ancien, il date du début des années 2000.
02:55Ce qui est montré dans cette littérature de manière assez claire, c'est que les systèmes
03:02d'info, les systèmes de recommandation, influencent les décisions des utilisateurs
03:06des plateformes.
03:07De manière générale, la manière dont on présente l'information à un utilisateur
03:12a un impact sur lui et les systèmes de recommandation ne font pas exception à cette règle.
03:17Donc en sélectionnant certains contenus, en les mettant en avant, on influence les
03:22décisions des utilisateurs des plateformes.
03:25Sur l'autre face, l'impact des systèmes de recours sur la production, sur la fourniture
03:32de contenus sur ces plateformes, là la littérature est beaucoup plus rare et elle est essentiellement
03:40théorique.
03:41Sachant que sur les utilisateurs, on a beaucoup de travaux empiriques, d'expérimentation
03:48en collaboration avec des plateformes où on manipule les recommandations dans des AB
03:53testing et on observe l'impact des systèmes de recours.
03:56Sur la partie production de contenus, là c'est beaucoup plus théorique.
04:00On simule des comportements et on regarde, dans le cadre de modèles, l'impact sur la production.
04:11Dans le papier que je vais vous présenter, quelle est l'originalité par rapport à cette
04:15littérature qui est assez importante, c'est que nous on a une approche empirique, mais
04:19qui capte ce coup-ci les deux faces, à la fois les changements de comportement côté
04:24utilisateur et à la fois la réaction qui va être suscitée auprès des créateurs
04:30de contenus.
04:31Alors comment on a procédé ? Il s'est trouvé que pendant une période de collecte de données
04:36sur Instagram, Instagram a changé son système de recommandation et donc on a pu capter les
04:45impacts que ça a eu sur l'engagement de l'audience envers des postes, mais aussi sur la nature
04:51des postes produits par les producteurs de contenus.
04:55Donc on est dans le cadre de ce qu'on appelle une expérimentation naturelle, ici les plateformes
05:02font évoluer leur système de recommandation et il se trouve qu'on a capté ce moment-là.
05:06Et ce qui nous distingue aussi de la littérature précédente, c'est que ce coup-ci, de manière
05:11empirique, on observe ce qui se passe sur les deux faces, utilisateur et producteur.
05:17Alors le changement qu'on a capté a eu lieu en 2022, donc à partir du printemps
05:272022, le CEO d'Instagram annonce qu'il va y avoir des changements au niveau des systèmes
05:33de recommandation notamment et qu'il va mettre un peu plus en évidence les vidéos, alors
05:38qu'Instagram est une plateforme qui est historiquement connue pour la mise en avant de photos.
05:44Alors cette annonce apparaît au début mai 2022, donc le CEO envoie une vidéo à l'époque
05:56c'était Twitter encore, on a cette annonce qui est faite début mai, ensuite ça passe
06:05un peu sous les radars, ce qui est probable c'est qu'il n'y a pas eu forcément une réaction
06:12très vive du côté des producteurs de contenu, donc ce qui se passe c'est que fin juin, toute
06:20vidéo qui est postée sur Twitter, si elle dure moins de 15 minutes, donc c'est l'essentiel
06:25des vidéos disponibles sur Twitter à cette époque-là, elle est automatiquement transformée
06:31en réel, donc réel qui est un format vidéo spécifique sur lequel on peut modifier, interagir,
06:39compter, partager plus facilement que les vidéos traditionnelles. Et à partir de là, ce qui va se
06:45passer c'est que le système de Roco va avoir du matériel pour effectivement mettre en avant
06:51ces fameuses vidéos, ça va entraîner une forte protestation parce que ça va impacter l'audience
06:58des postes et cette forte protestation va avoir son summum quand les soeurs Kardashian vont faire
07:06la promo, Kylie Jenner et Kim Kardashian, c'est à peu près 300 millions à cette époque, 300 millions
07:12de followers sur Twitter, beaucoup en commun sans doute mais tout de même plus de 300 millions au
07:18minimum, ce qui va faire que le CEO face à la grogne générée par ce nouveau système de
07:25recommandation va faire marche arrière et va dire ok on va arrêter l'expérimentation, qu'il appelle
07:30une expérimentation alors que deux mois avant il disait qu'on va coller aux préférences de
07:36notre public maintenant, plutôt jeune qui a un attrait pour les vidéos, mais il dit bon on va
07:43la remettre en route d'ici quelque temps mais de manière plus soft. Pour étudier ces
07:51changements, gardez en tête les dates en question mais elles apparaîtront assez clairement sur les
07:56graphiques. Donc à cette époque là, on récoltait de la donnée sur Instagram, la récolte a duré
08:0614 mois, on a récolté à peu près 24 000 postes qui proviennent d'une vingtaine de journaux français,
08:13on les a sélectionnés parce que c'est parmi les journaux et les magazines les plus populaires à
08:18cette époque là, donc on a récolté les informations sur les postes et les contenus, est-ce que c'est
08:23associer une vidéo à une image, quelle est la nature du sujet traité, quelle est la qualité du
08:31média associé aux postes, mais on collectait aussi qui like et qui commente ces différents
08:39postes. Donc là on a récupéré à peu près un peu plus de 40 millions d'engagements qui sont
08:44essentiellement des likes, 40 millions de likes et 10 millions d'engagements et qui proviennent de
08:524 millions à peu près d'utilisateurs uniques, du moins de comptes uniques sur Instagram. Ici
08:59donc on a récupéré l'ID, le pseudo, est-ce que c'est des comptes privés, est-ce que c'est des
09:06comptes vérifiés, etc. Donc une série d'informations. Alors là c'est une présentation très
09:14brève des journaux qu'on a pris en considération avec l'âge moyen des utilisateurs uniques, le
09:23genre aussi, homme-femme, donc on inferre à partir des informations associées aux comptes, souvent il y a un nom et
09:32prénom qui traînent, donc on arrive à un moment à mettre un genre et à partir des fichiers de
09:38naissance et des noms donnés à la naissance de l'INSEE, on attribue un âge moyen à ce prénom-là.
09:45Donc vous voyez qu'il y a une variété, même si on n'a pas un nombre énorme de journaux, il y a quand même une
09:51variété en termes d'audience, à la fois au niveau du genre, au niveau de l'âge et de l'engagement aussi
09:58générés par ces différents journaux. Là c'est une présentation très basique du nombre de likes et de
10:10commentaires récupérés, sachant que l'échelle de gauche c'est pour les likes, 0 à 400 000, l'échelle de droite
10:18c'est pour les commentaires, donc on a un déséquilibre fort. Et donc quand on va parler d'engagement, c'est vrai
10:25qu'on va surtout parler de likes, même si on additionne les deux pour mesurer l'engagement d'un poste.
10:31Alors on va passer d'abord à l'aspect demande. Ici, vous avez la courbe rose qui présente l'engagement
10:39moyen des postes qui sont associés à une vidéo, la courbe bleue, l'engagement moyen des postes associés à une
10:47image. Vous voyez que vous avez trois lignes rouges.
10:56Ok, tant pis pour moi, si ça marche, mais c'est l'écran. Vous avez les trois lignes rouges, la première correspond à
11:02l'annonce du CEO d'Instagram sur la mise en avant des vidéos. La deuxième qui correspond au changement
11:12automatique de toute vidéo en réel. Et la troisième qui correspond à la fin de la grogne quand le CEO dit
11:21bon, on va arrêter l'expérimentation. Avant la fin juin, vous voyez que les tendances en termes d'engagement,
11:31que ce soit les postes avec vidéos ou photos, sont plutôt parallèles. Puis vous voyez que les tendances
11:36commencent à diverger. Et début septembre, on a même des taux d'engagement des postes associés avec des vidéos
11:43qui sont très proches des postes associés à une photo. Et donc, il s'est passé très probablement quelque chose.
11:52Alors, pour tester de manière un peu plus formelle l'impact du format du média associé aux postes, ici comme on a
12:00des événements qui sont à peu près bien identifiés, là je ne vous ai pas fait voir les tweets, mais on a des dates,
12:06donc des annonces assez claires. On fait un modèle de réaction discontinue, comme ça a été le cas déjà précédemment.
12:13Et on va surtout s'intéresser à l'effet de la vidéo sur l'engagement qu'a reçu un poste. Alors ici, c'est les résultats
12:24qu'on présente habituellement dans ce type de modèle avec un effet moyen positif associé aux vidéos après le 3 mai.
12:34Mais on voit que selon les périodes qu'on prend, mai-juin, donc la période où c'est annoncé, mais où on n'a pas encore trop de réels
12:41qui sont utilisés, puis juillet, la période de grogne, et après juillet, qui est la fin de l'expérimentation, mais qui va recommencer
12:50un peu plus tard. Donc, ça vous donne à peu près les effets moyens de l'engagement des postes associés au fait que le poste
12:59soit une vidéo. Donc, on a des effets positifs et significatifs. Et on mesure à peu près les bons effets, puisque quand on rajoute
13:06les effets fixes journaux, journée de publication, heure de publication, les contrôles sur le contenu du poste, donc sujets,
13:18taille du poste, etc., donc on a des effets qui restent assez stables. Mais si on regarde plus précisément, semaine après semaine,
13:27quels sont les effets en termes d'engagement générés par l'application d'une vidéo sur un poste, on voit que, juste à partir de mai,
13:35on commence à avoir un petit effet positif, mais rarement significatif. On voit que l'effet d'une vidéo dans un poste après juin,
13:44donc une fois que toute vidéo est transformée en réel, là, par contre, ça devient clairement significatif et ça impacte très fortement
13:51l'engagement généré par des postes. Et on voit qu'une fois que les CEOs disent qu'on va arrêter l'expérimentation, l'effet a tendance à diminuer
13:59avec un rebond en septembre. Donc, ça colle à peu près avec les différentes dates et les effets qu'on pourrait attendre de la mise en avant
14:09des vidéos via un algorithme de recommandation. Si on regarde un peu qui sont les gens qui s'engagent avec les postes, ici, c'est la part
14:18de nouveaux engagés, c'est-à-dire la première fois qu'une personne apparaît dans un like ou un comment sur un journal. Alors, mécaniquement,
14:29au début, le pourcentage est assez élevé puisque c'est le début de la collecte, donc les personnes apparaissent pour la première fois. Mais on voit
14:36qu'à partir de mai, le taux moyen commence à se stabiliser. Et on voit bien que quand on fait basculer les vidéos vers les réels, on a ce pic
14:48de nouveaux engagements, c'est-à-dire que l'engagement qui apparaît sur les journaux, c'est le premier engagement d'une personne, ce qui correspond
14:56à peu près au fait qu'on met en avant de nouveaux contenus. Et donc, on va attirer de nouvelles personnes sur les journaux. Si on détaille ici en fonction
15:07de la nature du poste, en rose, les postes associés à une vidéo, en bleu, associés à des photos, on voit que ce pic, en juillet, il est surtout associé à des postes
15:19qui ont une vidéo. Donc, ça colle avec cette histoire de... On met plus en avant les vidéos dans les recos et elles attirent plus d'audience et plus d'engagement
15:30in fine. Quelques petits chiffres sur les taux de croissance. Donc, c'est vrai que sur la période, on a vu à peu près un doublement des engagements associés avec les vidéos
15:43avant et après cette période de transition. Je passe rapidement là-dessus pour arriver une minute à la côté demande, où ce coup-ci, on voit pareil en termes de nombre de postes.
16:00Je vais passer directement au pourcentage. On voit qu'on passe d'un équilibre où on a 80% de postes avec des photos et 20% de postes avec des vidéos. Et après la période de transition,
16:15on a un nouvel équilibre plutôt de l'ordre de 70-30. Donc, on a la partie production qui a réagi à cette évolution de l'engagement en fonction du média associé au poste.
16:29Ici encore, si on regarde semaine après semaine, on voit que la réaction a surtout lieu à partir de fait août début septembre. Donc, les médias ont observé en juillet-août cette hausse de l'engagement envers les postes avec une vidéo
16:42et donc, ils réagissent et augmentent la quantité de postes associées avec des vidéos. Si on distingue en gros nos journaux entre ceux qui utilisent peu les vidéos et ceux qui les mettent plus en avant,
16:57dans la ligne rose, on voit que ceux qui ont, entre guillemets, pris le train en marche ou qui utilisaient déjà des vidéos assez fréquemment précédemment, gagnent en part de marché d'engagement, donc d'audience.
17:11Et si on regarde aussi au niveau de l'âge moyen de l'engagement des utilisateurs, on s'aperçoit en rose que ceux qui ont gagné en part de marché aussi ont une audience qui s'est rajeunie.
17:25Donc, ce qui colle avec cette histoire de « je mets en avant les vidéos pour plaire à une audience qui est plus jeune ».
17:31Ici, pareil, quelques chiffres. Donc, j'en viens à la conclusion. Donc ici, on a clairement dans ce travail un impact des systèmes de recommandation sur les deux faces du marché, à la fois les utilisateurs et en réaction ici aux producteurs de contenu,
17:50avec des hausses d'engagement de 100% avec les contenus associés avec des vidéos et une réaction quelques tas après du côté de production.
18:02Ceux qui ont su surfer sur ce changement ont vu leur audience augmenter et ont vu leur audience aussi se rajeunir, ce qui était l'objectif de ce changement.
18:15Les prochaines étapes, donc, exploiter un peu mieux les données de panel pour consolider l'effet causal ici et travailler un peu plus sur les données au niveau engagement,
18:28mais aussi contrôler pour les autres effets qui auraient pu impacter aussi l'évolution de l'audience et de l'engagement sur Instagram, puisque octobre 2022, c'est aussi là où Twitter est racheté par Elon Musk.
18:42Et quand on regarde rapidement les données, c'est vrai qu'on a l'impression d'une arrivée d'audience qui sont peut-être un signe de protestation vers les dernières évolutions de Twitter.
18:54Merci beaucoup Nicolas.