Réduire la visibilité des contenus clivants sur les réseaux sociaux peut diminuer sensiblement l'animosité partisane. Pour parvenir à ce constat, mes collègues et moi avons mis au point une méthode permettant de modifier le classement des publications des utilisateurs , une possibilité auparavant réservée aux entreprises de réseaux sociaux.
Le réordonnancement des flux des médias sociaux afin de réduire l'exposition aux publications exprimant des attitudes antidémocratiques et une animosité partisane a affecté les émotions des gens et leur perception des personnes ayant des opinions politiques opposées.
Je suis informaticien et j'étudie l'informatique sociale, l'intelligence artificielle et le web. Étant donné que seules les plateformes de médias sociaux peuvent modifier leurs algorithmes, nous avons développé et publié un outil web open source qui nous a permis de reclasser en temps réel les publications des participants consentants sur X (anciennement Twitter).
En nous appuyant sur des théories issues des sciences sociales, nous avons utilisé un modèle linguistique étendu pour identifier les publications susceptibles de polariser l'opinion, comme celles incitant à la violence politique ou appelant à l'emprisonnement des membres du parti adverse. Ces publications n'ont pas été supprimées ; elles ont simplement été reléguées en bas de la liste, obligeant les utilisateurs à faire défiler davantage pour les voir. Cela a permis de réduire le nombre de publications de ce type visibles par les utilisateurs.
Nous avons mené cette expérience pendant 10 jours, quelques semaines avant l'élection présidentielle américaine de 2024. Nous avons constaté que la réduction de l'exposition aux contenus clivants améliorait sensiblement les sentiments des participants envers les membres du parti adverse et diminuait leurs émotions négatives lors de la consultation de leur fil d'actualité. Fait important, ces effets étaient similaires quelle que soit l'affiliation politique, ce qui suggère que l'intervention est bénéfique aux utilisateurs indépendamment de leur parti.
Pourquoi est-ce important
On croit souvent, à tort, que les utilisateurs doivent choisir entre deux extrêmes : les algorithmes basés sur l’engagement ou les flux purement chronologiques. En réalité, il existe un large éventail d’approches intermédiaires, selon leur objectif.
Les algorithmes de flux RSS sont généralement optimisés pour capter votre attention et, de ce fait, influencent considérablement vos attitudes, votre humeur et votre perception des autres . C’est pourquoi il est urgent de mettre en place des cadres permettant aux chercheurs indépendants de tester de nouvelles approches dans des conditions réalistes.
Nos travaux ouvrent la voie à l'avenir, en montrant comment les chercheurs peuvent étudier et prototyper des algorithmes alternatifs à grande échelle, et ils démontrent que, grâce à de grands modèles de langage, les plateformes disposent enfin des moyens techniques pour détecter les contenus polarisants susceptibles d'affecter les attitudes démocratiques de leurs utilisateurs.
Quelles autres recherches sont menées dans ce domaine ?
Tester l'impact des algorithmes de flux alternatifs sur les plateformes en direct est difficile, et le nombre de ces études n'a augmenté que récemment.
Par exemple, une collaboration récente entre des universitaires et Meta a montré que le passage à un affichage chronologique du flux algorithmique ne suffisait pas à réduire la polarisation. Parallèlement, le Prosocial Ranking Challenge, mené par des chercheurs de l'Université de Californie à Berkeley, explore différentes méthodes de classement sur plusieurs plateformes afin de promouvoir des retombées sociales positives.
Dans le même temps, les progrès réalisés dans le développement de modèles de langage à grande échelle permettent de modéliser plus finement la façon dont les gens pensent, ressentent et interagissent. On observe un intérêt croissant pour donner aux utilisateurs davantage de contrôle, leur permettant de choisir les principes qui guident le contenu de leurs flux – comme en témoignent la bibliothèque de valeurs pluralistes d'Alexandria et le système de réorganisation des flux Bonsai . Les plateformes de médias sociaux, telles que Bluesky et X , s'orientent également dans cette direction.
Quelle est la prochaine étape
Cette étude constitue notre première étape vers la conception d'algorithmes conscients de leur impact social potentiel. De nombreuses questions restent en suspens.
Contenu de nos partenaires
Nous prévoyons d'étudier les effets à long terme de ces interventions et de tester de nouveaux critères de classement afin de prendre en compte d'autres risques pour le bien-être en ligne, tels que la santé mentale et la satisfaction de vie. Nos travaux futurs exploreront comment concilier différents objectifs, comme le contexte culturel, les valeurs personnelles et le contrôle de l'utilisateur, afin de créer des espaces en ligne qui favorisent des interactions sociales et civiques saines.
Le mémoire de recherche est une courte interprétation du travail académique intéressant.
Tiziano Piccardi , professeur adjoint d'informatique à l'université Johns Hopkins.
Cet article est republié de The Conversation sous licence Creative Commons. Lire l' article original .
