Dans la boite noire de TikTok – Digital Media Knowledge

Qui aurait cru après l’échec de l’application Vine qu’une application de doublage musical puis de montage et de partage de courtes vidéos d’origine Chinoise dépasse les mastodontes Facebook et Instagram sur le marché de plus en plus en concurrentiel de l’attention (1) ?

C’est pourtant ce qui est arrivé en 2020, en effet selon les chiffres d’Airnow data qui analysent le nombre de téléchargements de l’application dans le monde en 2020 de mars à août c’est bien TikTok qui arrive loin devant Facebook ou Instagram (presque 80 millions de téléchargements en mars pour TikTok contre un peu moins de 40 millions pour Instagram). TikTok a même depuis 2021 surpassés le nombre de visites Google (2)… Comment expliquer cet engouement frisant l’addiction planétaire ?

Retour sur une ascension fulgurante

Pour comprendre comment une telle croissance est possible, il faut tout d’abord revenir en 2016, à la création de Douyin par l’entreprise ByteDance. Douyin est la « grande sœur de TikTok », les deux ont exactement le même fonctionnement c’est-à-dire une plateforme de distribution et de production de vidéos allant de 3 à 180 secondes, mais la première est hébergée sur un serveur Chinois et s’adresse à un public domestique tandis que la seconde est créée pour le marché international (3).

Les deux applications rencontrent très rapidement un fort succès et le rachat en 2018 par ByteDance (4) de l’application concurrente Musica.ly ne fait que renforcer la popularité de l’application. Si la musique est une donnée du succès à part entière de l’application prisée par les générations les plus jeunes (5) La réponse au secret de cette popularité se trouve également dans le business model, la raison d’être même de Bytedance : l’utilisation de l’intelligence artificielle et toutes ses déclinaisons pour distribuer et créer de l’interaction avec de l’information et du contenu (6). Mais qu’est-ce qui fait la spécificité de TikTok par rapport à ses concurrents ? La réponse se trouve en grande partie dans le taux d’engagement que suscite l’application, si l’on se trouve dans un tournant très favorable à l’user generated content (Jensen,2007) (7) ces derniers sont impressionnants pour une plateforme aussi jeune.

TikTok domine non seulement en matière d’utilisateur actif, mais également en rétention de ceux-ci avec une moyenne de longueur de visites de 52 minutes par jour et par utilisateur. Si TikTok arrive à maintenir un taux d’engagement aussi c’est grâce à sa capacité de recommandation et de curation de contenu personnalisé. C’est ce fonctionnement qui a mis au cœur des différents succès ou controverses de l’application la question de son algorithme et des interrogations qu’il soulève, puisque c’est ce dernier qui est l’architecte de ce nouvel écosystème.

Mathématiques d’un succès

Que se cache-t-il derrière cet algorithme vu par certains comme une poule aux œufs d’or et par d’autres comme un dangereux outil ?

Il est difficile de répondre à cette question que beaucoup se sont posés, et d’autres facteurs comme le design de l’application rendant l’user expérience agréable peuvent être avancés (8). Une autre explication peut être le format et la durée des vidéos, TikTok privilégie les vidéos de quelques secondes, cela permet de naviguer facilement entre des centaines voire des milliers de vidéos de quelques secondes dans un contexte où l’attention moyenne de l’être humain a chuté pour se stabiliser autour de quelques secondes (9). Dans cet environnement de forte augmentation d’absorption de l’information et de saturation de l’attention, une application basée sur de petits formats courts et percutants utilisant le système de récompense aléatoire (10) semble être une formule gagnante.

Néanmoins, c’est bien cet algorithme de recommandation, et l’idée d’un contenu unique personnalisé pour l’utilisateur et retranscrit dans la page d’accueil « For you page » qui dope l’audience de l’application. En effet, TikTok prends l’idée de la recommandation à rebours, là où « l’explore page » est secondaire sur Instagram, la « For you page » qui mêle abonnements, mais surtout contenu poussé par l’analyse des habitudes de visionnage (likes, temps de visionnage, interactions avec hashtags…) est au cœur de l’application. Ici la recommandation est au cœur de l’application, elle en est son essence même. Beaucoup d’hypothèses ont été faites sur les spécificités de l’algorithme, c’est pourquoi en septembre 2020 l’application a précisé quelques informations sur le fonctionnement de l’algorithme afin de dissiper certaines rumeurs.

En effet, c’est à cette période que l’entreprise lance son premier « transparency center » à Los Angeles en pleine tourmente et questionnement sur l’ingérence de la Chine aux États-Unis (obligation de se faire racheter par une entreprise américaine, ce qui est toujours en suspens) (11), mais aussi des inquiétudes quant aux traitements des données recueillies par l’application (12). On apprend donc de cette ouverture de TikTok à la presse américaine que :

L’algorithme utilise l’apprentissage automatique pour déterminer le contenu susceptible de plaire à l’utilisateur en proposant de nouvelles vidéos basées sur l’engagement de personnes aux profils similaires.

Il utilise également les informations de la vidéo (sons, tags, légendes) ainsi que celles de l’appareil qu’il utilise.

Grâce à toutes ces données, l’application peut « cartographier » les thèmes assignés à l’utilisateur et les agréger en clusters. Ainsi il va recommander des vidéos en fonctions de ces clusters, mais aussi de l’affilier à des groupes d’utilisateurs similaires tout en évitant d’envoyer un contenu redondant, on ne tombe quasiment jamais deux fois sur la même vidéo. Mais cette capacité à cerner les intérêts des utilisateurs est comme l’avaient craint certains critiques, problématique. En effet, l’entreprise elle-même admet qu’un effet de « bulle de filtrage » peut arriver en poussant les utilisateurs dans des biais ou des limitations de contenus, ce qui soulève des problèmes à l’aune de la multiplication des fake news. L’entreprise pour se défendre de ces dérives a fait appel à des censeurs, mais également en données et sécurités. Mais il semble que cet « effet secondaire », pendant de sa recette miracle, ait encore de beaux jours devant lui.

En effet, une enquête menée par le Wall Street Journal et publiée en juillet 2021 analysant les données produites par 100 bots lancés sur l’application avec des centres d’intérêt différents a montré comment l’algorithme par son système de recommandation multifactoriel puissant avait tendance à renforcer ou créer de biais cognitifs de façon extrêmement rapide, ce qui soulève autant de problèmes de santé publique et de protection de l’enfance que d’ingérence dans la sphère politique et démocratique. L’algorithme peut détecter rapidement à quel contenu on est sensible, celui qui va nous faire interagir sans signifier que c’est un contenu que l’on apprécie, c’est celui qui va faire rester l’utilisateur sur la plateforme. Il est donc difficile de changer ses préférences quand l’outil de recommandation a catégorisé l’utilisateur. Il n’est plus seulement question d’utilisateur qui entraine l’algorithme à reconnaître ses gouts, il est aussi question d’un algorithme qui pousse un certain contenu vers l’utilisateur (13).

RSE ou coup de communication ?

Cette problématique de renforcement négatif a été confirmée par la fuite d’un document interne début décembre 2021 portant sur l’algorithme et analysé par des journalistes du New York Times. Les critiques de l’application ont trouvé raison à leurs inquiétudes dans ce document qui montre bien que la rétention sur l’application et le temps de visionnages étaient les deux métriques principalement optimisées, pouvant favoriser « l’addiction » de l’utilisateur et non pas juste ses préférences. L’équation simplifiée suivante : « Plike X Vlike + Pcomment X Vcomment + Eplaytime X Vplaytime + Pplay X Vplay » permet également d’attribuer un score à une vidéo qui déterminera sa mise en avant. Le document explique également comment il essaye de déjouer les vidéos « like bait » et l’ennui que pourrait ressentir l’utilisateur si l’algorithme poussait trop de vidéo similaire en son sens tout en favorisant le contenu monétisé.

Ce problème a poussé TikTok à déclarer un ajustement en décembre 2021 de son algorithme pour ne pas encourager des mécanismes de « renforcement négatif » et protéger la santé mentale de ces utilisateurs ainsi que des plus jeunes par rapport à certains sujets nocifs (15). Difficile de savoir dans quelle mesure cette modification de trajectoire est possible sans brider ce fonctionnement qui fait le succès de l’application.

Mais paradoxalement, le document interne de TikTok montre la « banalité » de l’algorithme. Si le document ne rentre pas dans les détails techniques, les techniques qu’ils semblent employer ne semblent pas plus éthiquement discutables que celles déjà utilisées par des plateformes comme Facebook, il en va de même pour les inquiétudes considérant la privacy et l’utilisation des données. Ce qui semble alors poser problème relève peut-être alors plus de la souveraineté numérique que l’on ne peut le croire. En effet ce qui inquiète, c’est aussi le lien très fort avec ByteDance et Douyin qu’entretien avec TikTok et par extension le gouvernement Chinois.

Elise Kravets