Vous ne vous en étiez peut-être pas rendu compte, mais il existe deux manières d’afficher les tweets dans votre fil Twitter. Vous pouvez choisir entre un fil chronologique ou un fil pondéré par algorithme, qui choisit les « Tweets populaires ». Le fil chronologique empile les tweets des comptes que vous suivez, les uns au-dessus des autres, en affichant le dernier publié en haut, à l’infini.
Le fil pondéré par algorithme suppose quant à lui le recours à une intelligence artificielle, mais alors peut se poser la question de biais. Pour l’évaluer, Twitter a analysé des millions de Tweets du 1 avril au 15 août 2020, issus de comptes gérés par des élus dans sept pays et utilisé ces données pour tester si oui ou non ils sont plus amplifiés sur la chronologie d’accueil classée par algorithme que le flux chronologique inversé et s’il y avait des écarts au sein d’un groupe.
Il résulte de cette étude que:
- Les tweets sur le contenu politique des élus, quel que soit le parti ou si le parti est au pouvoir, voient une amplification algorithmique par rapport au contenu politique sur la chronologie inverse.
- Dans six pays sur sept – tous sauf l’Allemagne – les tweets publiés par des comptes de la droite politique reçoivent plus d’amplification algorithmique que la gauche politique lorsqu’ils sont étudiés en groupe.
Ces tendances sont illustrées par les deux figures suivantes:
Cette étude, dont il faut toutefois saluer le fait qu’elle soit menée par Twitter, montre ainsi des biais de l’algorithme d’amplification de l’intelligence artificielle développée par le réseau social. Elle invite ainsi à la prudence quant aux algorithmes d’apprentissage (machine learning) de manière générale.
Si ce poste ne traduit évidemment aucune préférence politique, il illustre l’importance d’avoir conscience de ces biais, qui existent sur un grand nombre de plateformes – de commerce en ligne, de réseaux sociaux – et guident de manière plus ou moins masquée nos choix.
Lire l’article complet:
> Algorithmic Amplification of Politics on Twitter (21/10/2021)