Trois biais de perception induits par les algorithmes de Twitter
Avoir un regard objectif sur la réalité et notre entourage sur Twitter relève du défi. Si vous faites partie de réseaux d’influence où en faites la promotion, cela relève de l’exploit. Explorons trois biais courants induits par les algorithmes de la plateforme.
Biais de récence
Si vous croyez être au fait de l’actualité la plus récente en consultant votre timeline personnalisée, vous vous trompez. Les tweets sont sélectionnés pour leur pertinence par rapport à de mystérieux critères, et non pour leur fraîcheur.
Si vous choisissez la présentation par ordre chronologique inverse, vous aurez des tweets beaucoup plus récents (moyenne d’âge du tweet : 1h contre 3h dans la timeline personnalisée).
Biais de popularité
Parmi les mystérieux critères qui font apparaître un tweet dans votre timeline, il y a la popularité. C’est ce que montre la comparaison avec une timeline chronologique inverse. On vous montre principalement ce qui a un niveau de popularité en termes de like et de retweet, en général plusieurs centaines.
Un tweet « populaire » garantit-il un tweet de qualité ou pertinent en termes de valeur informative ? Rien de moins sûr.
Evidemment, ce phénomène est auto-entretenu, le fait d’afficher dans les timelines personnalisées les tweets populaires les rend encore plus populaires…
Biais d’exposition
Twitter modifie et déforme subtilement votre perception de qui sont les utilisateurs actifs, en sélectionnant un échantillon de tweets publiés par les twittos vous suivez (que nous appellerons vos « amis »).
La curation algorithmique amplifie les inégalités d’exposition aux tweets des amis
La nature et le rythme des tweets d’amis que Twitter vous présente ne reflète pas la réalité de l’activité de vos amis Twitter.
La curation algorithmique déforme le classement
Si on classe les utilisateurs en fonction de leur activité réelle vs observée, il apparaît que l’API Twitter, qui renvoie un échantillon de tweets savamment (et mystérieusement) sélectionnés, fausse le classement des entités pour les comptes les plus actifs. Ce que vous observez ou percevez valorise vos amis et relègue plus facilement les autres aux oubliettes.
Explication du biais d’exposition
Une hypothèse est que l’inégalité d’exposition est le résultat du processus de l’avantage cumulatif qui est un phénomène omniprésent expliquant le système inégalitaire par une boucle de rétrocontrôle positif (auto-entretien et amplification). On retrouve cela dans de nombreux systèmes naturels et sociaux.
Un exemple est le système de mesures de type PageRank qui introduit un biais de popularité dans le trafic.
Sur Twitter, une exposition disproportionnée aux comptes suivis va renforcer l’exposition et la popularité. C’est tout ce que recherche Twitter.
Conclusion
L’option de présentation des tweets dans votre timeline selon une sélection sur la base de vos « préférences » déforme votre perception de l’activité actuelle sur la plateforme, de l’activité de vos amis en les valorisant, déformant ainsi également la réalité de leur notoriété et de leur influence. Mais cette distorsion-amplification n’est-elle pas le but ?
À vous de voir. Pour nous Citizen4Science, farouchement indépendants et non soumis aux réseaux d’influence réels ou autoproclamés, et étant donné notre leitmotiv: « le message, pas le messager », nous utilisons la présentation antéchronologique des tweets, pour plus d’objectivité et moins de star-système.
Aller plus loin : cet article est basé sur une étude scientifique, découvrez la publication.
Citizen4Science est une association à but non lucratif d’information et de médiation scientifique dotée d’une Rédaction. Nous défendons farouchement notre indépendance. Pour nous soutenir, faites un don ponctuel ou mensuel
Ping : "Cercle" Twitter : un outil pour renforcer les bulles informationnelles et cognitives - Citizen4Science
Ping : Algorithmes et bulles informationnelles | Pearltrees