Comment l’algorithme de TikTok et d’Instagram est devenu le nouveau programmateur de vos soirées

Pendant longtemps, le choix du film du soir était simple. On regardait le programme télé, on parcourait un catalogue de DVD ou, plus récemment, celui d’une plateforme de streaming. La décision semblait personnelle.

Ce modèle disparaît progressivement. Aujourd’hui, pour une part croissante du public, surtout chez les jeunes adultes, le choix du film commence ailleurs : dans le flux infini de TikTok ou d’Instagram. Les extraits, critiques et tendances qui défilent sur votre téléphone façonnent en amont ce que vous regarderez plus tard sur Netflix, Disney+ ou Prime Video.

Autrement dit, la décision finale vous appartient toujours, mais l’environnement dans lequel vous choisissez est déjà structuré par des algorithmes.

La bataille pour votre attention

La transformation commence par une réalité simple : les plateformes sociales captent désormais l’essentiel du temps libre numérique.

Dans le monde, plus de 5,24 milliards de personnes utilisent les réseaux sociaux et y passent en moyenne 2 heures et 21 minutes par jour. Chez les adolescents, la domination de certaines plateformes est encore plus nette. En France, par exemple, les 12-17 ans passent plus de 4 300 minutes par mois sur TikTok, davantage que sur YouTube ou Instagram.

Aux États-Unis, ces services sont devenus des infrastructures quotidiennes : 84 % des adultes utilisent YouTube, 71 % Facebook, 50 % Instagram, et environ un quart utilise TikTok tous les jours.

Ce basculement entraîne une conséquence directe : les plateformes sociales ne sont plus seulement des lieux de communication. Elles sont devenues des médias à part entière, capables d’orienter ce que les utilisateurs découvrent, comment ils en parlent et ce qu’ils consomment ensuite.

Le moment où les réseaux sociaux ont changé de nature

Les premiers réseaux sociaux fonctionnaient selon une logique simple : vous voyiez surtout les publications de vos amis.

Ce modèle s’est progressivement effacé. Les plateformes ont adopté une logique différente : le “graphe d’intérêt”. Le principe est simple. Les contenus affichés ne proviennent plus majoritairement de personnes que vous connaissez, mais de créateurs que l’algorithme estime susceptibles de vous plaire.

Les chiffres illustrent clairement cette évolution. Meta reconnaît aujourd’hui que seulement 7 % du temps passé sur Instagram et 17 % sur Facebook concernent encore des contenus provenant d’amis. Le reste provient de recommandations algorithmiques.

Sur Facebook, près de 37 % des vues du fil proviennent désormais de contenus issus de comptes que l’utilisateur ne suit pas. Le réseau social se rapproche ainsi d’un modèle de chaîne de télévision personnalisée, où la programmation est calculée en temps réel pour chaque individu.

Comment l’algorithme devine ce que vous voulez regarder

Le cœur de cette transformation est le système de recommandation.

TikTok décrit officiellement le fonctionnement de son flux For You comme un classement de vidéos fondé sur plusieurs types de signaux :

vos interactions (likes, commentaires, partages)
le temps passé sur chaque vidéo
les informations liées au contenu (hashtags, musique, popularité)
des paramètres techniques comme la langue ou la localisation

Mais les signaux les plus puissants sont souvent les plus invisibles. Les systèmes analysent également des micro-comportements : la vitesse de défilement, les pauses, les relectures d’un extrait, ou au contraire les abandons immédiats.

Ces données permettent d’entraîner des modèles prédictifs capables d’estimer la probabilité que vous appréciiez chaque nouvelle vidéo. Les contenus jugés pertinents sont alors injectés dans votre flux.

Instagram a progressivement adopté une architecture similaire pour Reels et Explorer, inspirée des systèmes de recommandation développés par YouTube ou Pinterest.

Résultat : l’utilisateur n’explore plus activement un catalogue. Le contenu vient à lui.

Du clip de 20 secondes au film de deux heures

Le lien entre TikTok et votre soirée cinéma peut sembler indirect. Pourtant, les données montrent qu’il est devenu central.

Une étude d’Ampere Analysis indique que 26 % des abonnés aux plateformes de streaming choisissent films et séries grâce aux recommandations algorithmiques internes, soit davantage que ceux qui s’appuient sur le bouche-à-oreille (23 %).

Mais chez les plus jeunes, l’influence des réseaux sociaux dépasse encore celle des plateformes elles-mêmes.

Parmi les 18-24 ans, 31 % déclarent regarder des films ou séries qu’ils ont découverts via les réseaux sociaux. C’est plus que les recommandations internes des plateformes (27 %) ou la présence d’un acteur qu’ils apprécient (30 %).

Le mécanisme est devenu familier :

Vous scrollez TikTok ou Instagram
Vous tombez sur un extrait, un montage ou une analyse
La curiosité s’installe
Quelques heures plus tard, vous lancez le film sur une plateforme

Le flux court agit ainsi comme un moteur de découverte pour les contenus longs.

Quand une tendance devient un film à regarder

Les plateformes de streaming observent attentivement ces dynamiques.

Lorsqu’un film ou une série devient viral sur TikTok, via un extrait, un mème ou un challenge, les systèmes internes détectent souvent une hausse soudaine des visionnages. Les plateformes amplifient alors le phénomène en mettant davantage le contenu en avant : bannières, listes “Top 10”, recommandations personnalisées.

Les tendances circulent ainsi dans une boucle algorithmique :
réseaux sociaux → streaming → réseaux sociaux.

Ce mécanisme synchronise les conversations culturelles. Il explique pourquoi certains films semblent soudainement “partout”.

Le rôle croissant des influenceurs

Entre les plateformes et les spectateurs s’est inséré un nouvel acteur : le créateur de contenu.

Le marché du marketing d’influence est passé d’environ 1,7 milliard de dollars en 2016 à plus de 16 milliards en 2022, et les revenus des créateurs américains devraient atteindre près de 16 milliards en 2025.

Les plateformes dominantes pour ces campagnes sont précisément celles qui structurent l’attention des utilisateurs : Instagram, TikTok et YouTube.

Dans la pratique, un critique amateur ou un fan peut déclencher une vague d’intérêt autour d’un film simplement en publiant une vidéo qui devient virale. L’algorithme amplifie ensuite ce contenu en fonction des interactions qu’il génère.

Une grande partie de ces créateurs sont des micro-influenceurs (c’est-à-dire moins de 100 000 abonnés) mais leur taux d’engagement élevé les rend particulièrement efficaces pour diffuser des recommandations culturelles.

Pourquoi vos choix semblent moins libres

Plusieurs mécanismes expliquent la sensation croissante de ne plus vraiment choisir.

1. La fatigue décisionnelle

Face à des catalogues contenant des milliers de titres, les plateformes réduisent le nombre d’options visibles. Les sections comme “Top 10”, “Because you watched” ou “Trending” servent de raccourcis cognitifs.

L’utilisateur finit par choisir parmi ces quelques propositions plutôt que d’explorer l’ensemble du catalogue.

2. La pression sociale

Les tendances virales créent un effet de FOMO (fear of missing out). Lorsqu’un film domine les conversations en ligne, ne pas l’avoir vu donne l’impression d’être exclu d’une discussion collective.

3. Les bulles de goût

Les recommandations reposent sur vos comportements passés : visionnages, likes, abonnements. Les systèmes privilégient donc des contenus similaires à ceux que vous avez déjà appréciés.

Cette logique maximise l’engagement, mais réduit la sérendipité — la découverte inattendue d’œuvres très différentes.

Les nouveaux programmateurs invisibles

Dire que les algorithmes choisissent entièrement vos films serait exagéré. Vous pouvez toujours décider de revoir un classique ou de regarder un film totalement hors tendance.

Mais les données montrent une évolution structurelle : pour une proportion croissante de spectateurs, les films sont découverts d’abord via des systèmes de recommandation, avant même d’être cherchés sur une plateforme.

Autrement dit, l’algorithme ne prend pas la décision finale. Il organise le terrain de jeu : il hiérarchise les options, synchronise les tendances et amplifie certains contenus plutôt que d’autres.

Dans l’économie de l’attention, cette capacité suffit à transformer TikTok et Instagram en programmateurs invisibles de la culture populaire.

Gillen HOURCADE

31/01/202331/01/2023

L’influence de TikTok sur l’intention d’achat de la génération Z dans l’industrie de la fast-fashion

Les réseaux sociaux sont devenus l’une des plateformes médiatiques les plus populaires au monde. Ils sont définis comme des applications basées sur Internet qui permettent de créer et d’échanger du contenu (Kaplan et Haenleman, 2010). Ainsi, en tant que plateforme de communication marketing, ils sont devenus un élément clé de la stratégie globale de marketing des entreprises, car ils permettent non seulement d’accroître la notoriété d’un produit ou d’un service grâce au contenu promotionnel de la marque, aux influenceurs ou aux utilisateurs, mais ils sont aussi un moyen de vendre directement aux consommateurs grâce à des fonctions d’achat intégrées (Br Sagala et Rachmawati CH, 2016). D’après Neher (2013), le contenu visuel est le meilleur moyen d’attirer l’engagement des consommateurs grâce à des fonctionnalités telles que les clics, les vues et les commentaires, signifiant que TikTok est donc un moyen idéal pour les entreprises d’interagir avec les clients potentiels et de créer des relations durables.

De nos jours, les réseaux sociaux évoluent rapidement pour offrir aux consommateurs de nouvelles façons de découvrir des marques et d’acheter des produits ou des services par le biais d’un parcours d’achat raccourci et non-linéaire, ce qui conduit à un nombre croissant d’achats non planifiés (63 %) et d’achats impulsifs (23 %) (WARC, 2021). Les consommateurs cherchent de nouvelles façons de se divertir et de créer du contenu sur les médias sociaux. Le nombre d’individus présents sur TikTok ne cesse d’augmenter, la génération Z étant les utilisateurs les plus importants et les plus actifs de la plateforme. Il s’agit donc d’une opportunité énorme pour les marques et les particuliers de profiter de ce phénomène mondial afin de gagner en visibilité et, ainsi, de potentiellement faire grimper leurs ventes.

Au Royaume-Uni, 82 % des personnes déclarent avoir effectué un achat après avoir vu un produit présenté sur les réseaux sociaux et 80% des consommateurs déclarent que TikTok les a aidés à découvrir une nouvelle marque ou un nouveau produit. La génération Z consomme le plus de contenu sur TikTok puisque 60% des utilisateurs mondiaux font partie de cette génération (Doyle, 2022). Il serait donc intéressant de comprendre dans quelle mesure ceci s’applique au secteur de la fast-fashion en ligne.

Qu’est-ce que la génération Z et comment est-elle liée à l’état actuel de l’industrie de la fast-fashion en ligne ?

La génération Z désigne les personnes nées entre la fin des années 1990 et le début des années 2000, après l’apparition d’Internet. Ils ont donc été exposés à la technologie dès leur plus jeune âge et ont rapidement adopté les nouvelles technologies, telles que les smartphones ou les réseaux sociaux (Francis et Hoefel, 2018).

L’une des principales caractéristiques de cette génération est son besoin de s’évader (Wood, 2013). Les réseaux sociaux permettant aux utilisateurs d’interagir avec du contenu 24 heures sur 24 et 7 jours sur 7, les marques ont une excellente occasion de gagner des consommateurs (Leland, 2016) qui cherchent un contact avec les marques (McWilliams, 2021) sur des plateformes telles que TikTok. De même, aux yeux des consommateurs de la génération Z, les influenceurs sont généralement perçus comme dignes de confiance et sont donc plus susceptibles d’influencer le comportement d’achat sur ces plateformes (Lim, Mohd Radzol, Cheah et Wong, 2017). De même, les micro-influenceurs ont également démontré qu’ils avaient un impact positif sur l’intention d’achat des jeunes (Gupta et Mahajan, 2019).

En prenant le cas du Royaume-Uni, les dépenses des consommateurs en ligne pour les produits de mode ont fortement augmenté depuis la pandémie de Covid-19, avec une croissance de 26% en 2020 pour atteindre un total de plus de 28 milliards de livres (Sender Ceron, 2020), les achats de vêtements en ligne représentant 56 % des ventes globales de ce secteur. Cela signifie que les consommateurs achètent plus de vêtements en ligne qu’en magasin.

En outre, la pandémie combinée à l’augmentation du temps moyen passé sur Internet ainsi que sur les réseaux sociaux a poussé davantage d’utilisateurs à faire des achats en ligne, 27 % des consommateurs passent plus de temps à rechercher des produits en ligne qu’auparavant. Parallèlement, la génération Z est celle qui recherche le plus de produits de mode en ligne avec 43% d’entre eux qui passent plus de temps à rechercher des vêtements (Sender Ceron, 2020).

L’augmentation du temps consacré à la recherche d’articles de mode a entraîné une augmentation des achats en ligne avec 41 % des consommateurs de la génération Z qui achètent davantage de vêtements et d’accessoires en ligne depuis janvier 2020. Parmi ces consommateurs favorables à l’achat en ligne, 42 % des consommateurs de la génération Z ont acheté directement des articles de mode sur les réseaux sociaux (Sender Ceron, 2020).

La fast-fashion, en particulier, a connu une augmentation de la demande, car les consommateurs cherchent à consommer davantage et plus rapidement (Sender Ceron, 2021). Ce phénomène est particulièrement visible chez les jeunes consommateurs qui cherchent à partager leurs aventures en ligne sur les réseaux sociaux à l’aide de leurs smartphones (Sender Ceron, 2021). En conséquence, les marques de fast-fashion comme Boohoo, ASOS, Misguided ou SHEIN investissent de plus en plus dans le e-commerce, car elles cherchent à personnaliser leur contenu marketing. Avec plus de 47 % des femmes âgées de 16 à 24 ans (Sender Ceron, 2021) qui utilisent leur smartphone pour acheter des produits de fast-fashion, le e-commerce est en train de devenir la priorité des principaux acteurs du secteur.

Comment TikTok influence ces achats ?

Un cadre conceptuel développé par Zhang et al. (2021) utilise en partie la théorie Stimulus-Organisme-Réponse (SOR) développée par Mehrabian et Russell (1974) pour comprendre l’impact de contenu sur l’intention d’achat. Selon la théorie SOR, il existe un stimulus (S) susceptible d’avoir un effet sur l’organisme, qui agit comme un médiateur (O) et conduit à un comportement de réponse (R). Par conséquent, en utilisant le modèle SOR, ceci peut expliquer comment la valeur perçue du contenu de TikTok (stimulus) affecte directement et indirectement l’intention d’achat (réponse) à travers le niveau de confiance perçue (organisme).

Tout d’abord, la valeur hédonique s’avère être un prédicteur positif et significatif, mais relativement variable de l’intention d’achat. Cela pourrait être dû à la nature de la plateforme. Sur TikTok, les utilisateurs s’attendent à un divertissement rapide et efficace grâce au contenu recommandé sur leur For You Page (Yang et Ha, 2021). Ce résultat est conforme aux recherches antérieures menées sur le contenu vidéo court sur Instagram par le biais de la fonction stories (Santiago, Magueta et Dias, 2020) et des publicités vidéo sur TikTok (Dwinanda, Syaripuddin, Hudaifi et Hendriana 2022), qui soutiennent l’idée que le divertissement par le contenu vidéo court a finalement un impact positif sur l’intention d’achat.

Ensuite, la recherche menée par Zhang et al. (2021) a montré que la valeur utilitaire perçue dans les vidéos TikTok était le principal prédicteur de l’intention d’achat.

De plus, la confiance perçue s’est avérée être un prédicteur de plus en plus positif de l’intention d’achat. Cela signifie que les messages liés à certains produits et partagés par un influenceur spécifique doivent être cohérents pour conduire à une éventuelle intention d’achat (Kamins et Gupta 1994). En outre, la génération Z est 1,3 fois plus susceptible d’acheter des produits qui lui sont recommandés par un influenceur crédible (Brooks, 2019). Cette affirmation est cohérente avec plusieurs recherches indiquant que la confiance perçue affecte positivement le comportement d’achat des utilisateurs, ceci sur Instagram (Santiago, Magueta et Dias, 2020 ; Astuti et Putri, 2018).

Enfin, Mosunmola, Omotayo et Mayowa (2018), avance une théorie selon laquelle il existe une relation significative entre les valeurs perçues et la confiance perçue envers l’achat en ligne, ce qui entraîne une intention d’achat plus accrue (Kim et Stoel, 2004). En conclusion, ceci révèle que la confiance perçue sert de médiateur à la relation entre valeurs perçues et l’intention d’achat sur les réseaux sociaux, et plus particulièrement sur TikTok, pour les consommateurs qui cherchent à acheter des produits en ligne.

Conclusion

Avant de développer du contenu vidéo court promotionnel pour TikTok, les marques doivent chercher à comprendre les facteurs qui influencent l’intention d’achat en comprenant les besoins et les désirs des consommateurs sur cette plateforme de réseaux sociaux unique. Yang et Ha, (2021), ont révélé que pour les utilisateurs, leur principale motivation d’utiliser TikTok est de passer le temps et de se divertir. Par conséquent, lors du partage de vidéos, les spécialistes du marketing devraient s’efforcer de créer un contenu amusant qui met en avant la valeur utilitaire de leurs produits avec des messages de marketing axés sur la confiance des consommateurs dans l’espoir d’augmenter les intentions d’achat et les ventes globales. Cela confirme l’idée qu’il est possible d’atteindre les jeunes consommateurs dans le domaine de la fast-fashion en ligne en satisfaisant leurs besoins d’évasion et en immergeant inconsciemment les messages publicitaires dans des contenus divertissants plutôt que de simplement promouvoir ces produits. Cela souligne l’importance d’étudier les motivations des intentions d’achat sur la plateforme qui offre la plus grande opportunité d’atteindre la génération Z.

Chloé Sangiorgio

Références

Astuti, B. and Putri, A. P. (2018) Analysis on the Effect of Instagram Use on Consumer Purchase Intensity, [en ligne] Disponible via: http://buscompress.com/journal-home.html (Accédé le 25 janvier 2023)

Br Sagala, O. and Rachmawati CH, E. (2016) Instagram Content Towards Customers’ Purchase Intention for Start-up Culinary Company, In Proceedings of the 2016 Global Conference on Business, Management and Entrepreneurship, Paris, France, Atlantis Press.

Brooks, A. (2019) How Brands Can Connect with Gen Z through Social Media Marketing | Social Media Today, [en ligne] Disponible via : https://www.socialmediatoday.com/news/how-brands-can-connect-with-gen-z-through-social-media-marketing/552161/ (Accédé le 26 Janvier 2023).

Doyle, B. (2022) TikTok Statistics – Everything You Need to Know [Mar 2022Update], [en ligne] Disponible via: https://wallaroomedia.com/blog/social-media/tiktok-statistics/ (Accédé le 24 janvier 2023).

Dwinanda, B., Syaripuddin, F. A., Hudaifi, and Hendriana, E. (2022) Examining the Extended Advertising Value Model: A Case of TikTok Short Video Ads, Mediterranean Journal of Social & Behavioral Research, 6(2), pp. 35–44.

Francis, T. and Hoefel, F. (2018) Generation Z characteristics and its implications for companies | McKinsey, [en ligne] Disponible via: https://www.mckinsey.com/industries/consumer-packaged-goods/our-insights/true-gen-generation-z-and-its-implications-for-companies (Accédé le 26 janvier 2023).

Gupta, S. and Mahajan, R. (2019) Role of Micro-Influencers in Affecting Behavioural Intentions, International Journal of Recent Technology and Engineering, 8(4S5), pp.189–192.

Kamins, M. A. and Gupta, K. (1994) Congruence between spokesperson and product type: A matchup hypothesis perspective, Psychology and Marketing, 11(6), pp. 569–586.

Kaplan, A. M. and Haenlein, M. (2010) Users of the world, unite! The challenges andopportunities of Social Media, Business Horizons, 53(1), pp. 59–68.

Kim, S. and Stoel, L. (2004) Apparel retailers: website quality dimensions and satisfaction, Journal of Retailing and Consumer Services, 11(2), pp. 109–117.

Leland, K. (2016) The Brand Mapping Strategy: Design, Build, and Accelerate Your Brand, Entrepreneur Press.

Lim, X. J., Mohd Radzol, A. R. bt, Cheah, J.-H. (Jacky) and Wong, M. W. (2017) The Impact of Social Media Influencers on Purchase Intention and the Mediation Effect of Customer Attitude, Asian Journal of Business Research, 7(2).

McWilliams, L. (2021) EY Releases Gen Z Survey Revealing Businesses Must Rethink Their “Plan Z” | EY – US, [en igne] Disponible via: https://www.ey.com/en_us/news/2021/11/ey-releases-gen-z-survey-revealing-businesses-must-rethink-their-plan-z (Accédé le 27 janvier 2023).

Mehrabian, A. and Russell, J. A. (1974) An approach to environmental psychology, MIT Press.

Mosunmola, A., Omotayo, A. and Mayowa, A. (2018) Assessing the influence of consumer perceived value, trust and attitude on purchase intention of online shopping, In Proceedings of the 9th International Conference on E-Education, E-Business, E-Management and E-Learning – IC4E ’18, New York, New York, USA, ACM Press, pp. 40–47.

Neher, K. (2013) Visual Social Media Marketing: Harnessing Images, Instagram,Infographics and Pinterest to Grow Your Business Online, Neher, Kr. (ed.), 1st ed, Cincinnati, Boot Camp Publishing.

Santiago, J. K., Magueta, D. and Dias, C. (2020) CONSUMER ATTITUDES TOWARDS FASHION INFLUENCERS ON INSTAGRAM: IMPACT OF PERCEPTIONS AND ONLINE TRUST ON PURCHASE INTENTION, Issues In Information Systems.

Sender Ceron, T. (2021) Clothing Retailing – UK – 2021 – Market Research Report, [en ligne] Disponible via: https://reports.mintel.com/display/1049069/?highlight (Accédé le 25 janvier 2023).

Sender Ceron, T. (2020) Fashion Online: Inc Impact of COVID-19 – UK – November 2020 – Market Research Report, [en ligne] Disponible via: https://reports.mintel.com/display/990090/ (Accédé le 24 janvier 2023).

TikTok (2021) About TikTok | TikTok, [en ligne] Disponible via: https://www.tiktok.com/about?lang=en (Accédé le 24 janvier 2023).

WARC (2021) From discovery to purchase, [en ligne] Disponible via: https://www.tiktok.com/business/library/TikTok_Publicis_WARC_WhitePaper.pdf (Accédé le 25 janvier 2023).

Wood, S. (2013) Generation Z as consumers: trends and innovation., Institute for Emerging Issues: NC State University, 119(9), pp. 7767–7779.

Yang, Y. and Ha, L. (2021) Why People Use TikTok (Douyin) and How Their Purchase Intentions Are Affected by Social Media Influencers in China: A Uses and Gratifications and Parasocial Relationship Perspective, Journal of Interactive Advertising, 21(3), pp. 297–305.

Zhang, Wenyao, Daim, T. and Zhang, Wei (2021) Investigating Consumer Purchase Intention in Online Social Media Marketing: A Case Study of Tiktok, SSRN Electronic Journal.