1. médialab Sciences Po
  2. Actualités
  3. Comment les systèmes de recommandation apprennent-ils nos opinions politiques ?

Comment les systèmes de recommandation apprennent-ils nos opinions politiques ?

Dans une étude publiée dans PLOS One, Tim Faverjon, Jean-Philippe Cointet et Pedro Ramaciotti montrent comment les systèmes de recommandation peuvent apprendre à représenter les orientations politiques de leurs utilisateurs à partir de simples traces d’usage.

Chronique

Les systèmes de recommandation occupent aujourd’hui une place centrale dans notre accès à l’information sur les réseaux sociaux. En sélectionnant les contenus proposés aux utilisateurs, ils contribuent à façonner leur environnement informationnel et soulèvent notamment des interrogations sur la diversité des contenus auxquels ils sont exposés et les risques de ségrégation politique.

Mais comment un système de recommandation en vient-il à apprendre les opinions politiques de ses utilisateurs ? C’est la question à laquelle se sont intéressés Tim Faverjon (doctorant au médialab), Jean-Philippe Cointet (chercheur au médialab) et Pedro Ramaciotti (chercheur au médialab) dans une étude publiée dans la revue scientifique PLOS One.

Afin de mener cette étude, les trois chercheurs ont mis en place une expérience à partir de données issues d’un panel de 40 000 utilisateurs de X, échantillon tiré au hasard et représentatif du noyau idéologiquement engagé de la sphère politique sur la plateforme. Un algorithme de recommandation a ensuite été entraîné à partir des liens URL partagés sur X par ce panel sur une période de 4 mois. Cela leur a permis d’identifier les dimensions qui structurent les recommandations. Des méthodes d’explicabilité ont ensuite permis de mesurer le rôle des différentes caractéristiques.

Les résultats mettent en évidence la capacité des systèmes de recommandation à apprendre les orientations politiques à partir des traces comportementales des utilisateurs, sans que cette information leur soit explicitement donnée. L’étude montre aussi que la structuration des dimensions politiques dans le modèle interne de l’algorithme peut jouer un rôle dans les recommandations, en observant comment ces dernières changent quand le modèle ignore ses représentations politiques. Ces résultats constituent une avancée vers une meilleure compréhension de la norme implicitement mise en œuvre par les algorithmes et de son fonctionnement.

Lire l'article : How do Recommender Systems Learn Political Opinions? A Semi-Synthetic Step-by-Step Experiment