
"POUR VOUS"
26 août 2026
X vous montre l'inverse de ce que vous aimez, et personne en Europe n'est (encore) capable de le vérifier
Conçus pour maximiser le temps passé en ligne plutôt que pour respecter nos convictions déclarées, les systèmes de recommandation des réseaux sociaux confondent volontairement provocation et adhésion. En monétisant nos réactions d'outrage, la plateforme alimente un cercle vicieux où la contradiction l'emporte sur l'alignement politique.
11 min de lecture
Ce qu'il faut en retenir :
Engagement vs Adhésion : L'algorithme privilégie les contenus suscitant des réactions (likes, réponses, clics) plutôt que ceux alignés avec nos valeurs, car les interactions rapportent plus de revenus.
Surexposition : En promouvant la contradiction, l'outil met en avant les idées opposées et extrêmes, accentuant la polarisation politique.
Priorité économique : Sans vraie concurrence ou obligation légale strictes, modifier l'algorithme pour flatter l'utilisateur n'est pas rentable.
Lenteur du DSA : L'accès aux données des plateformes par les chercheurs freine à cause des délais administratifs d'application du texte.
La suite de cet article est réservée aux abonnés.
THEMATIQUES
Tech & IAAprès un diplôme d’ingénieur en sciences des données à CentraleSupélec et un master en mathématiques en parallèle, Tim Faverjon se positionne à l’interface entre le machine learning et la sociologie. Il est maintenant doctorant au médialab supervisé par Pedro Ramaciotti Morales, où il analyse les mécanismes d’apprentissage des algorithmes de recommandation.
Après un diplôme d’ingénieur en sciences des données à CentraleSupélec et un master en mathématiques en parallèle, Tim Faverjon se positionne à l’interface entre le machine learning et la sociologie. Il est maintenant doctorant au médialab supervisé par Pedro Ramaciotti Morales, où il analyse les mécanismes d’apprentissage des algorithmes de recommandation.
