9

« Je l’ai lu sur Internet » : Pourquoi se fier aux contenus en ligne

François Claveau et Jérémie Dion

p. 177-198


Texte intégral

1Quel est l’élément chimique de numéro 100 ? Si vous ne connaissez pas le tableau périodique sur le bout des doigts, une petite requête sur votre moteur de recherche préféré vous donnera la réponse en vous dirigeant probablement sur la page pertinente de Wikipédia. Mais pourquoi devriez-vous vous fier à cette réponse ? Pourquoi le résultat du moteur de recherche ne serait-il pas erroné ? En nous fiant de façon routinière à différentes composantes d’Internet pour former ou modifier nos croyances, nous reconnaissons implicitement que ces composantes, sous certaines conditions et à un certain degré, font preuve.

2Les résultats de systèmes comme Internet et ses différentes composantes font preuve en deux sens. Premièrement, ces résultats convainquent bien souvent : ils convainquent l’utilisateur qui consulte directement le résultat et ils deviennent une ressource pour cet utilisateur afin de convaincre autrui. Quand Wikipédia nous dit que le fermium est l’élément chimique recherché, peu mettent cette affirmation en doute. Deuxièmement, ces résultats sont générés par des processus fiables. Ils sont dès lors dignes d’être tenus pour vrais. Ce deuxième caractère probant d’Internet n’est pas de l’ordre de la description sociale, comme le premier point, mais de la norme épistémique : quelqu’un se montrerait déraisonnable s’il refusait de considérer sérieusement le fermium comme l’élément de numéro 100 après avoir lu l’extrait pertinent de Wikipédia. Il serait déraisonnable d’un point de vue de la quête de connaissances, c’est-à-dire d’un point de vue épistémique (voir le chapitre de M. Kao). En affirmant cela, nous reconnaissons qu’Internet et ses différentes composantes, sous certaines conditions et dans une certaine mesure, peuvent représenter des sources fiables, au sens où ajuster nos croyances avec les résultats fournis par Internet peut nous faire éviter l’erreur et trouver la vérité.

3Bien entendu, de nombreuses propositions présentées par l’entremise d’Internet ne méritent pas d’être crues. Cela est vrai au point que différents générateurs de foutaises sur Internet n’ont même pas la prétention de fournir des phrases qui devraient être crues, tout au contraire. C’est le cas, par exemple, de pipotronic.com, qui initie les jeunes entrepreneurs au vocabulaire « corpo », et du New Age Bullshit Generator (sebpearce.com/bullshit/) dont le nom décrit bien la vocation. C’est pourquoi, lorsqu’on dit que les composantes d’Internet sont fiables, il faut s’empresser d’ajouter qu’il y a des conditions à cette fiabilité et que celle-ci vient en degrés. Ainsi, ce qui convainc sur Internet n’est pas nécessairement produit par un processus fiable, et vice versa.

4En fait, la fiabilité des composantes d’Internet résulte d’un agencement complexe d’aspects technologiques et humains, ainsi que de normes régissant les comportements. C’est pourquoi nous parlerons de « configurations sociotechniques » (voir le chapitre de Delias et al.). Certaines configurations parviennent à réduire l’écart entre ce qui convainc sur Internet et ce qui devrait être cru. Toutefois, il faut noter l’existence de limites à ces solutions tout comme les pressions qui peuvent mener dans la direction inverse. L’idéal poursuivi (et loin d’être pleinement atteint) consiste à faire en sorte, par une configuration appropriée des différentes composantes d’Internet, que les utilisateurs d’Internet tendent à croire ce qui mérite d’être cru et à douter du reste.

Le jeune Internet et la démocratisation de la production d’information

5Du point de vue de la recherche de la connaissance, le jeune Internet des années 1990 promettait une démocratisation de la production d’information, afin de dépasser l’état préexistant du système d’information, que certains percevaient comme noyauté par des intérêts puissants.

6Quel était ce modèle pré-Internet ? Il combinait trois caractéristiques. Premièrement, la liberté d’expression, formellement garantie dans les démocraties modernes, donnait à toutes et tous la possibilité théorique de se faire entendre. Deuxièmement, le contrôle du monde de l’édition et des médias d’information par un nombre réduit de grandes organisations impliquait toutefois que ces joueurs exerçaient une influence prépondérante pour déterminer qui se faisait entendre largement et qui demeurait dans un relatif anonymat. Troisièmement, les grandes organisations et leur personnel avaient des mécanismes d’autorégulation plus ou moins formalisés visant à produire du contenu de qualité.

7Ce modèle attirait des critiques. Une des plus célèbres est celle d’Herman et Chomsky, qui, tout en visant spécifiquement les médias d’information aux États-Unis, est révélatrice d’un malaise plus généralisé à l’époque face au noyautage de la diffusion de l’information grand public par un nombre limité d’organisations : « Pour résumer, les mass médias américains sont des institutions idéologiques puissantes et efficaces, qui assument une fonction de propagande en faveur du système, du fait des forces du marché (dont elles dépendent), d’idées reçues assimilées et de réflexes d’auto-censure, mais sans véritable coercition ouverte » (Herman et Chomsky, 2018 [1988], chap. 7, p. 557).

8Pour reprendre les termes employés au début du chapitre, cette critique soutenait que les médias d’information dominant la scène médiatique pré-Internet étaient convaincants, mais peu fiables. Plus précisément, ils n’auraient pas dû être crus autant qu’ils l’étaient puisque leur couverture des enjeux était biaisée en faveur d’intérêts puissants.

9Pour celles et ceux qui adhéraient dans une certaine mesure à cette critique, le jeune Internet offrait une raison d’être optimiste. Par exemple, les médias dits « alternatifs » avaient un nouvel outil pour que leurs contributions atteignent un plus large auditoire : s’ils avaient les capacités techniques pour maintenir un site Web, ils pouvaient potentiellement se faire entendre par des millions d’individus. Le changement technologique laissait donc espérer un environnement médiatique moins biaisé, où des points de vue différents se feraient mieux entendre. Plus généralement, le jeune Internet promettait une production de la connaissance socialement distribuée, chaque individu ou organisation pouvant créer, à un coût raisonnable, un site pour communiquer son savoir (voir le chapitre de A. Bandini).

10Par défaut, ce modèle de démocratisation de la production de l’information n’incluait toutefois pas de mécanismes visant à réduire l’écart entre ce qui convainc et ce qui mérite d’être cru. Des agents aux prétentions informatives douteuses ont le champ libre sur Internet. Un exemple parmi d’autres est le site globalresearch.ca, lancé en septembre 2001 par Michel Chossudovsky, alors professeur à l’Université d’Ottawa. Le site prétendait « révéler la vérité et désarmer les mensonges véhiculés par les médias corporatifs contrôlés ». Dès ses premières semaines d’activité, il relayait la théorie selon laquelle la CIA était derrière les attentats du 11 septembre 2001. Depuis lors, le site a publié des articles soutenant une variété de théories du complot, y compris, plus récemment, la thèse affirmant qu’il n’y avait pas de pandémie de COVID-19. Le département d’État des États-Unis considère aujourd’hui ce site comme un pilier du système de désinformation russe (Global Engagement Center, 2020). Global Research bénéficiait néanmoins jusqu’à très récemment d’un trafic intense : au milieu de 2020, sa page Facebook était suivie par près de 280 000 usagers et son site Web recevait environ quatre millions de visites par mois (environ le trafic Web du quotidien québécois Le Devoir). Depuis vingt ans, le site convainc donc de nombreux internautes.

Trois défis pour la fiabilité d’Internet

11Il est utile de distinguer trois défis à relever quant à la fiabilité des processus de communication sur Internet. On peut associer chaque défi à l’une des composantes du schéma usuel de la communication, soit un agent émetteur, un agent récepteur et un canal qui connecte les deux.

12Le premier défi a trait à la fiabilité : les émetteurs de messages sur Internet ne sont pas tous fiables. Il y a évidemment beaucoup d’agents qui produisent du contenu de bonne foi, pour faire partager leurs connaissances, leurs expériences et leurs opinions. Il existe toutefois des agents qui produisent du contenu délibérément trompeur ou indifférent à la vérité, afin d’attirer des clics, extraire des informations monnayables des usagers ou propager de fausses informations. Avec la possibilité d’automatiser la production de pages Web, de courriels et de publications sur les réseaux sociaux, une faible proportion d’agents malveillants peut produire une proportion élevée du contenu total. Google dit découvrir plus de vingt-cinq milliards de pages malveillantes (webspam) par jour, soit l’équivalent de vingt millions d’exemplaires du roman Guerre et paix.

13Une réponse usuelle à cette prolifération de contenu trompeur ou indifférent à la vérité est de demander de la vigilance de la part des agents récepteurs (c’est-à-dire des utilisateurs d’Internet, dans leur rôle de destinataires et non de producteurs de contenu). On ne compte plus les initiatives pour accroître les capacités des internautes à douter de façon raisonnable du contenu consulté. Par contre, et ceci constitue le deuxième défi, les internautes ont des contraintes de temps et de cognition qui font qu’ils ne déploient que rarement des stratégies raffinées pour valider la fiabilité d’une source. Au moment d’évaluer celle-ci, des heuristiques sont à l’œuvre, c’est-à-dire des stratégies cognitives peu exigeantes. En particulier, les internautes ont tendance à tenir un rendu visuel professionnel ou une réputation positive préalable pour des indicateurs de fiabilité.

14Le troisième défi relève du volume d’Internet. Le canal de communication qu’est l’infrastructure du Web doit connecter efficacement des agents ayant des besoins d’information à des sources fiables et pertinentes, dans un contexte où les sources abondent plus que jamais. L’expérience des utilisateurs serait particulièrement frustrante s’ils étaient forcés de sauter de façon aléatoire d’un site à l’autre à la recherche d’informations pertinentes. Leur expérience serait aussi singulièrement limitée s’ils devaient arpenter la Toile uniquement par l’entremise des hyperliens qui lient un site connu à un site à découvrir, sans pouvoir sauter d’un coin à un autre de ce vaste réseau.

15Les trois défis que sont la fiabilité très variable des producteurs, la vigilance limitée des utilisateurs et l’abondance de contenu font que la démocratisation de la production de l’information rendue possible par Internet ne débouche pas automatiquement sur un gain de connaissances à l’échelle collective. Des configurations sociotechniques peuvent relever de façon plus ou moins efficace ces défis. Nous en retiendrons trois, qui répondent, chacune, plus directement à un type de défi et qui contribuent aussi indirectement à atténuer d’autres éléments du problème.

Configuration pour une production décentralisée et fiable de contenu

16Le premier type de configuration structure une production fiable de contenu par l’interaction en coulisses d’une foule d’internautes, sans processus centralisé d’édition.

17L’archétype de ce type de configuration est l’encyclopédie Wikipédia, créée en 2001. La version française de Wikipédia compte, en 2022, plus de 2,4 millions d’articles et elle cohabite avec d’autres versions en plus de 300 langues (incluant l’édition anglaise, avec plus de 6,5 millions d’articles). Notons que ces nombres ne concernent que la portion émergée de l’iceberg, car les articles ne représentent qu’une partie des pages Wikipédia, dont le total s’élève à près de 55,5 millions si l’on additionne les pages de documentation, de désambiguïsation et de redirection. En 2021, une moyenne de 1,8 milliard d’appareils uniques ont accédé chaque mois à l’encyclopédie Wikipédia, toutes langues confondues, ce qui la situe aisément parmi les 10 sites les plus consultés au monde.

18Toute personne pourvue d’une connexion Internet peut contribuer à Wikipédia et beaucoup le font : en 2021, une moyenne mensuelle de plus de 600 000 personnes a contribué à l’édition française de Wikipédia et environ 3,5 millions à la version anglaise. Pour assurer le bon fonctionnement de ce projet collectif, les pratiques wikipédiennes de production de connaissances sont caractérisées par une structure complexe de politiques, de mécanismes automatisés et d’espaces argumentatifs.

19Une caractéristique fondamentale de Wikipédia est l’existence de pages « Discussion » concernant la quasi-entièreté du contenu consultable. Il est possible d’améliorer le contenu encyclopédique, les profils d’utilisateur, les rubriques d’aide et même les politiques éditoriales par le truchement de ces pages destinées à la discussion. Elles permettent aux membres de la communauté de se répartir les tâches, de suggérer des reformulations au texte, d’y ajouter des éléments, de signaler du vandalisme, de poser des questions, etc. Ainsi, il s’agit d’espaces de résolution de conflits et de coordination au sein desquels les producteurs malveillants peuvent être repérés et modérés (ce qui répond au premier défi que nous avons exposé plus haut). Ce travail permet aussi d’ajouter des mentions de précaution aux articles qui manquent de références, qui sont incomplets, qui contiennent du matériel inédit ou qui présentent d’autres caractéristiques potentiellement litigieuses. De telles mentions aident les utilisateurs à la vigilance limitée à ajuster leur confiance par rapport au contenu (ce qui répond au deuxième défi).

20Les contributeurs n’ont pas besoin de s’inscrire pour participer et un clic seulement sépare la consultation et la modification des textes. Cette configuration fortement décentralisée de production de contenu a d’abord reçu un accueil sceptique. Pourtant, les études soulignant la fiabilité généralement élevée de l’encyclopédie libre n’ont pas tardé. Dès la fin de 2005, un article paru dans la revue scientifique Nature soutenait que le nombre moyen d’erreurs dans les articles Wikipédia sur la science était similaire à celui de la version en ligne de l’encyclopédie Britannica, qui jouit d’une solide réputation savante depuis plus de deux siècles (Giles, 2005). D’autres études ont depuis confirmé que les mécanismes de correction rapide et de protection contre le vandalisme de Wikipédia restreignent la propagation de l’erreur. Les études ont aussi souligné que cette configuration sociotechnique excelle dans d’autres dimensions : elle permet notamment à plusieurs d’acquérir beaucoup de connaissances de façon rapide et aisée (Fallis, 2008).

21Bien entendu, Wikipédia présente aussi des faiblesses, tout particulièrement en ce qui concerne les questions de couverture et de diversité : certains thèmes sont surreprésentés, tandis que d’autres peinent à trouver une place. À titre d’exemple, seulement 19 % des pages biographiques sur Wikipédia portent sur des femmes et la création de pages sur des éléments culturels non occidentaux est fréquemment rejetée (Frost-Arnold, 2019). Deux facteurs principaux se combinent pour engendrer des problèmes de ce type : le profil type des personnes qui éditent Wikipédia et les politiques qu’elles se donnent à cette fin. D’une part, environ 45 % des modifications proviennent de cinq pays seulement, en l’occurrence les États-Unis, l’Allemagne, le Royaume-Uni, la France et l’Italie (Graham, Straumann et Hogan, 2015). Les données montrent aussi un déséquilibre important sur le plan du genre : un sondage de la Fondation Wikimedia publié en 2011 évaluait à 9 % la proportion d’éditrices. D’autre part, les politiques de Wikipédia balisent le contenu publiable sur l’encyclopédie, mais une interprétation est requise pour déterminer, entre autres, si la notoriété d’un sujet est suffisante pour justifier de lui consacrer une page. La communauté de Wikipédia est consciente de ces défis et a lancé plusieurs initiatives pour diversifier l’encyclopédie, tout en préservant ses forces. Par exemple, Wikipedia Education est une organisation caritative qui veut combler les vides thématiques sur l’encyclopédie libre et corriger les déséquilibres dans le profil des contributeurs en collaborant avec le milieu de l’enseignement supérieur. Au trimestre d’automne 2021, 329 activités pédagogiques participantes ont permis d’éditer près de 6500 articles et d’en créer 500 nouveaux. L’organisation rapporte que 70 % des contributeurs de Wikipédia qui participent à ses programmes sont des femmes ou des personnes non binaires.

Configuration nourrissant les heuristiques de fiabilité des internautes

22Rappelons qu’une heuristique est une stratégie cognitive peu exigeante. Le deuxième type de configuration sert principalement à augmenter l’efficacité de celle-ci en se fondant sur des comportements que les internautes adoptent réellement lorsque vient temps d’évaluer la fiabilité de sources.

23Que ce soit en ligne ou hors ligne, un type d’heuristique couramment utilisé exploite la relation dynamique qu’on présume entre la réputation et la performance d’un producteur de contenu : un agent producteur de contenu gagne une réputation positive en démontrant sa compétence, et le maintien de cette réputation devient ensuite un incitatif pour maintenir son haut niveau de performance. Si ce mécanisme fonctionne bien, le récepteur du contenu peut souvent se contenter de prendre note de la réputation de l’agent producteur pour établir son degré de confiance.

24Le relatif anonymat d’Internet ne favorise pas cette heuristique réputationnelle, car le contenu consulté vient fréquemment de sources que l’utilisateur ne connaît pas au préalable. Pour remédier à ce problème, des configurations en ligne permettent de créer de puissants indicateurs réputationnels, en agrégeant automatiquement les évaluations individuelles de contenu. Les internautes peuvent ensuite s’appuyer spontanément sur ces indicateurs.

25Les forums questions et réponses avec des dispositifs de notation sont un archétype d’une telle configuration sociotechnique. Pensons à l’écosystème Stack Exchange, composé d’un peu plus de 170 sous-communautés portant sur un éventail de sujets, ou encore à plusieurs communautés Reddit ayant pour objectif de répondre à des besoins d’information des utilisateurs. Avec ces configurations, les internautes sont récompensés lorsqu’ils produisent des contenus que les autres jugent de bonne qualité. Un tel système fonctionne généralement à l’aide d’un double dispositif de notation : les mentions d’approbation ou de désapprobation et le « karma » d’une source.

26Les mentions reflètent l’assentiment de la communauté concernant une contribution spécifique. Si une réponse reçoit beaucoup de mentions positives, le nombre de mentions indiqué à côté de la réponse signale aux usagers que la contribution est digne de confiance. Les utilisateurs peuvent aussi attribuer des mentions aux questions, signalant ainsi une question pertinente ou, au contraire, une question mal posée (ou qui ne montre pas un effort minimal pour vérifier si la réponse est déjà accessible). Les sites ordonnent de façon prioritaire les contenus en fonction du nombre de mentions. L’utilisateur en quête d’information peut donc, sans trop d’effort, ajuster sa confiance à la lumière de l’indicateur d’approbation.

27L’indicateur de karma nous renseigne sur la réputation d’une source, le plus souvent mesurée par l’addition des mentions d’approbation et de désapprobation qu’a obtenues l’ensemble de ses interactions avec la communauté. Acquérir et maintenir un haut karma est une motivation non négligeable pour les personnes contributrices. De plus, le système attribue automatiquement des privilèges aux personnes qui atteignent certains seuils de karma, ce qui permet de distribuer des tâches importantes et sensibles à des personnes qui ont déjà fait leurs preuves. Sur Stack Overflow, par exemple, un utilisateur gagne le privilège de signaler son approbation dès qu’il atteint un karma de 15, mais il doit attendre d’avoir un karma de 125 pour pouvoir signaler sa désapprobation. Pour avoir le privilège d’éditer directement les contenus d’autrui, il lui faut franchir le seuil des 2000 points.

28Ces dispositifs de notation dans un forum de type questions et réponses constituent une configuration sociotechnique qui répond aux trois défis qui nous intéressent. La quête d’un karma élevé favorise la production de contenu de qualité (premier défi). La hiérarchisation des contenus en fonction du nombre d’approbations répond au défi du volume d’information (troisième défi). C’est toutefois par sa réponse au deuxième défi, soit la vigilance limitée des internautes, que cette configuration se démarque le plus. La notation d’un contenu ou d’un utilisateur est un indicateur extrêmement simple et susceptible d’activer l’heuristique réputationnelle lorsqu’il est mis à l’avant-plan. Il permet donc à un utilisateur de faire converger sans trop d’effort ce qui le convainc et ce qui est fiable.

29Bien entendu, on ne peut pas attendre de cette pondération qu’elle soit infaillible, c’est-à-dire qu’elle réussisse à tout coup. En fait, dans certaines circonstances, un score avantageux est tout sauf un indicateur de contenus vrais ou de sources fiables. Un premier exemple a trait à l’usage communément fait des mentions et des repartages sur Facebook et sur X (autrefois Twitter). Sur ces plateformes, les actions individuelles des internautes qui servent à construire des indicateurs agrégés peuvent signifier plusieurs choses. Elles n’expriment pas seulement – voire parfois aucunement – une évaluation de la qualité informationnelle. On pourrait même dire que la popularité sur ce genre de média repose fortement sur le ludique et le charmant.

30Un autre exemple est la communauté Reddit r/The_Donald. Comme son nom le laisse entendre, ce forum a encensé les actions controversées de Donald Trump jusqu’à sa fermeture forcée en 2020. Certains membres de cette communauté étaient manifestement crédules : pris dans une chambre d’écho, ils n’étaient plus compétents pour détecter les contenus faux. Leur vote, même s’il visait à signaler ce qui les convainquait, n’était pas un indicateur de vérité. De plus, les membres de cette communauté employaient fréquemment des techniques de manipulation des votes (vote brigading) afin d’influer sur les indicateurs de karma et la visibilité des contenus à la fois sur Reddit et ailleurs sur Internet.

31Ces exemples nous signalent donc trois conditions nécessaires pour qu’un mécanisme décentralisé de notation sur Internet produise un indicateur valide pour l’heuristique réputationnelle. Premièrement, la plateforme doit être en mesure de détecter et de bloquer les tentatives de manipulation concertée des votes. Deuxièmement, les personnes attribuant les notes doivent vouloir principalement signaler par là la qualité informationnelle du contenu ou de la source. Troisièmement, ces mêmes personnes doivent elles-mêmes être relativement fiables dans leurs jugements sur la qualité informationnelle.

Configuration connectant les contenus aux utilisateurs

32Le troisième type de configuration se concentre sur la gestion de l’abondance. De la recherche sur Google à la consultation d’un fil Instagram, les internautes sont aujourd’hui mis en contact avec des contenus par le truchement d’un processus de sélection qui est régi par des algorithmes. Cette sélection ne peut pas être « neutre ».

33Comme les internautes ont une vigilance limitée, ils ont tendance à croire le contenu qu’ils rencontrent au hasard d’une navigation. Les algorithmes de hiérarchisation de contenu sont donc des déterminants majeurs de l’écart entre ce qui convainc et ce qui devrait être cru sur Internet. Par exemple, en décembre 2021, Facebook et Twitter ont suspendu les comptes de Global Research, le site non fiable dont il a été question plus haut. Ces actions ont probablement contribué à la chute de la fréquentation du site, qui ne recevait déjà plus que 35 % du trafic qu’il accueillait 18 mois plus tôt.

34Ce genre de filtrage des producteurs selon leur fiabilité ne repose pas uniquement sur la fermeture de comptes. On le voit bien en regardant de plus près l’évolution de la gestion des contenus que privilégie Google, un moteur de recherche qui s’est toujours donné comme mission d’« organiser l’information ».

35Les moteurs de recherche modernes sont issus du champ de la « recherche d’information » (information retrieval). Dans ce domaine, l’évaluation s’est historiquement appuyée sur le critère de « pertinence » (relevance) des résultats retournés à la suite d’une requête. L’idéal visé est le suivant : les contenus proposés à la personne qui a lancé une requête doivent être thématiquement liés à son besoin d’information. Par exemple, si quelqu’un entre la requête « développement python » dans un moteur de recherche en ayant pour objectif de consulter des ressources éducatives sur le langage de programmation Python, la pertinence des résultats sera faible si ceux-ci incluent plusieurs pages Web sur la croissance du python royal.

36Ce critère de pertinence a fait l’objet de nombreuses interprétations, mais le débat a mis en relief l’importance de la distinction entre une entrée pertinente et une entrée vraie. Par exemple, dans une des premières tentatives de formalisation du critère de pertinence, en 1971, W. S. Cooper affirme :

La vérité ou la fausseté d’un énoncé enregistré n’a rien à voir avec sa pertinence (logique). Par exemple, l’énoncé « L’hydrogène est un halogène » serait certainement pertinent au besoin de savoir si l’hydrogène est un halogène. La fausseté de l’énoncé n’altère en rien le fait qu’il soit pertinent. Ma définition reflète cela en ne mentionnant pas le caractère correct ou trompeur de l’information enregistrée (1971, p. 26 ; notre traduction).

37On peut donc dire qu’historiquement une forme d’agnosticisme par rapport à la vérité d’une entrée ou à la fiabilité de sa source a longtemps régné dans la communauté responsable du développement des algorithmes de sélection et de hiérarchisation des contenus. Cette communauté ne se donnait pas pour tâche de faire correspondre le convaincant et le fiable.

38Dès ses débuts à la fin des années 1990, Google s’est distingué en ajoutant la « qualité » à la « pertinence » comme critère pour évaluer le résultat d’une recherche. Sa grande innovation initiale a été l’algorithme PageRank, qui attribue à un site un indicateur de qualité en fonction du nombre et de la qualité des hyperliens dirigés vers lui. L’idée générale est que les sites de « grande qualité » seront plus fréquemment référencés par d’autres sites, parmi lesquels des sites de grande qualité. Bien que Google n’ait pas utilisé explicitement le terme de « fiabilité » à l’époque, on peut voir en PageRank une tentative pour établir une hiérarchie selon la fiabilité. Celui-ci comportait une similitude avec le mécanisme de notation de karma que vous avons vu plus haut : le cumul des mentions ou des approbations déterminait, de façon décentralisée, l’indicateur de fiabilité.

39L’histoire ne s’arrête pas là : comme les producteurs de contenu ont intérêt à être placés tout au haut de la liste des résultats, certains ont tenté d’instrumentaliser PageRank, nous ramenant d’une nouvelle manière à notre premier défi. Cela a entraîné une dynamique de course à l’armement. Au début des années 2010, les techniques de manipulation des résultats sont devenues si performantes que des observateurs affirmaient que l’on devrait délaisser l’approche algorithmique et retourner à une édition manuelle des sites. Google répliquait en février 2011 avec Panda, une « amélioration algorithmique assez importante » touchant 11,8 % des requêtes sur son moteur aux États-Unis et visant à pénaliser les sites de « faible qualité » (Google, 2011). Depuis, Google n’a cessé de modifier son algorithme tout en le gardant secret, officiellement pour rendre plus ardu le travail d’agents malveillants. De leur côté, les producteurs de contenu demeurent continuellement en quête de moyens pour augmenter leur visibilité sur Google et une véritable industrie de conseillers et de techniciens a vu le jour pour répondre à leur demande (on l’appelle l’industrie de la SEO, pour « search engine optimization »).

40La configuration sociotechnique de Google a connu d’autres changements importants. Deux sont particulièrement notables. Premièrement, l’approche de Google n’est plus purement algorithmique. Dès 2005, l’entreprise emploie des personnes pour évaluer la qualité des sites que recommande son moteur de recherche. Google utilise les notes que donnent ces travailleurs pour évaluer la performance de son algorithme et le modifier au besoin. Les différentes versions du guide fourni aux évaluateurs nous permettent d’analyser la trajectoire de Google. En 2012, le guide ne comptait que 43 pages, puis il a gonflé à 160 pages en 2015, pour se stabiliser dans cet ordre de grandeur par la suite. À partir de la version de 2015, le langage de Google sur la « qualité » devient aussi plus précis. L’objectif affiché est de privilégier les informations les « plus fiables », définies comme les pages Web qui ont démontré de l’« expertise », qui « font autorité » et qui sont « dignes de confiance ». L’acronyme de Google pour désigner ces propriétés est E-A-T, pour « expertise, authoritativeness, and trustworthiness » (Google, 2015, p. 21).

41Les évaluateurs doivent donc noter la « qualité » des contenus en fonction de ces critères E-A-T. Ils doivent aussi établir si certaines pages appartiennent à la catégorie « votre argent ou votre vie » (YMYL pour « your money or your life »), comme c’est le cas des conseils financiers, médicaux ou juridiques. L’évaluation de la fiabilité doit alors être rehaussée et devenir particulièrement rigoureuse puisque des erreurs pourraient avoir « une conséquence négative sur le bonheur, la santé ou les finances de l’usager » (Google, 2015, p. 9).

42Ce travail d’évaluation demande un degré de vigilance bien plus élevé que celui de l’internaute typique. Dans la section des questions fréquentes du guide, on lit :

Question : Devons-nous simplement attribuer la note « qualité élevée » à une page qui a l’air bien ? (that “looks” good ?)

Réponse : Non ! Le but est de faire exactement l’inverse. Ces étapes sont pensées pour vous aider à analyser la page sans utiliser l’approche superficielle « est-ce qu’elle a l’air bien ? » (Google, 2015, p. 65).

43L’espoir est que, en intégrant les résultats d’une telle étude vigilante, on pourra filtrer le contenu en amont pour éviter à l’internaute typique de se faire berner par une page qui a « l’air bien » (une réponse à notre deuxième défi).

44Le deuxième changement notable pour Google commence avec le lancement, en 2012, de son Knowledge Graph (graphe de connaissances), présenté comme une énorme base de données relatant des milliards de faits sur des individus, des lieux et des choses. Dès 2015, on estimait qu’environ 25 % des requêtes Google donnaient de l’information extraite du Knowledge Graph. Avec cet ajout, Google répond donc aux demandes d’information des utilisateurs directement plutôt qu’en les redirigeant vers des pages. Sur l’écran de l’utilisateur, les contenus issus du Knowledge Graph précèdent la liste des résultats de recherche et s’affichent dans un format distinct, par exemple une réponse directe à la requête, un encadré comportant des questions additionnelles ou encore des visualisations de données. Le centre d’aide aux recherches de Google indique qu’on peut considérer ces résultats comme de meilleure qualité que les résultats Web.

45Le système a toutefois des vulnérabilités et il est possible de produire certaines formes de contenus faux à l’aide du Knowledge Graph, au grand plaisir des internautes satiriques : jusqu’à récemment, des questions farfelues pouvaient générer des extraits de réponse et il a fallu attendre quelques années pour que Google cesse de suggérer que Snoopy avait assassiné Abraham Lincoln en 1865 ou que Barack Obama planifiait un coup d’État communiste. Pour éviter de mettre en avant des faussetés, l’entreprise emploie une variété de stratégies pour écarter les contenus problématiques. D’abord, elle privilégie les sources reconnues comme faisant autorité, telles que Wikipédia ou des agences gouvernementales. Elle met également en avant des contenus dans lesquels les individus ou les organismes fournissent de l’information sur eux-mêmes. La notion de consensus scientifique joue aussi un rôle, puisque, selon Google, les résultats ne devraient pas contredire les consensus établis par les experts. Finalement, Google permet aux internautes de signaler des erreurs et promet que ces rapports mèneront à des corrections.

46On voit donc que l’histoire de Google est marquée par une volonté de donner accès en premier lieu à du contenu vrai. Bien entendu, les motivations de cette entreprise sont plus complexes. Comme les autres géants d’Internet (Meta, Twitter, etc.), Google vise aussi à maximiser l’utilisation de son site pour en tirer des revenus publicitaires. Le modèle d’affaires de ces géants est d’offrir des utilisateurs à des annonceurs. Une stratégie qui a fait ses preuves pour maintenir l’attention de chaque utilisateur est la personnalisation des résultats : or, rien ne garantit qu’une hiérarchisation de contenus visant à maintenir le plus possible l’attention des internautes réalise l’idéal de faire correspondre ce qui convainc et ce qui devrait être cru. Au contraire, on sait que les faussetés ont généralement l’avantage de la nouveauté et une résonance émotive plus puissante, qui contribuent, par exemple, à leur diffusion plus abondante sur les médias sociaux (Vosoughi, Roy et Aral, 2018).

* * *

47Une des forces motrices de la jeune histoire d’Internet est la volonté de faire correspondre ce qui convainc et ce qui devrait être cru. Après les promesses candides d’une diffusion sans friction de la connaissance, les configurations sociotechniques ont évolué pour relever trois défis qui se sont révélés majeurs : la présence de producteurs de contenu non fiables, la vigilance limitée des internautes et l’énorme volume d’information. On a vu que certaines transformations ont des effets positifs manifestes sur le caractère probant d’Internet, mais que notre évaluation doit demeurer nuancée. En plus des limites déjà exposées, on ne saurait passer sous silence deux enjeux qui ont gagné en visibilité dans les dernières années.

48D’abord, les critiques adressées à la « post-vérité » et aux « fausses nouvelles » ont abondamment accusé les réseaux sociaux de contribuer à la création de chambres d’écho, où des individus ayant des idées semblables construisent ensemble une vision du monde imperméable aux contenus vrais venant d’autres perspectives. La recherche empirique sur cet enjeu est déjà abondante. Le constat qui semble se dégager est que le potentiel de polarisation par le canal des réseaux sociaux existe, mais que des choix judicieux de configuration peuvent limiter ce problème (Cinelli et al., 2021).

49Ensuite, les géants du Web, craignant pour leur propre modèle d’affaires, ont déjà modifié certaines de leurs pratiques pour éviter qu’on les accuse d’être complices de la mésinformation. Leurs actions les plus visibles sont les avertissements associés à des publications suspectes et les suspensions ou fermetures de comptes (comme celle qu’a subie Global Research), mais les mises à jour de leurs algorithmes de hiérarchisation sont tout aussi significatives. Ces mesures ont ravivé une inquiétude de l’ère pré-Internet : quelques grosses organisations exercent une influence disproportionnée sur l’information que consultent les citoyens.

50La relation tendue entre Google et la Chambre des communes du Canada au début des années 2020 illustre bien la fragilité de ce système. Certaines estimations portant sur l’année 2020 chiffrent à près de 300 millions de dollars les revenus publicitaires que rapporte le partage de contenus journalistiques canadiens. En réaction au projet de loi C-18 sur les nouvelles en ligne, visant à forcer les géants du Web à partager ces recettes avec les médias d’information, Google Canada a lancé des « tests de produits » qui ont comme résultat de limiter l’accès aux nouvelles des médias canadiens. Témoignant devant le Comité permanent du patrimoine canadien le 10 mars 2023, la vice-présidente de Google Canada, Sabrina Geremia, a essuyé un feu roulant de questions de la part des parlementaires, qui estimaient que les actions en apparence techniques de l’entreprise n’étaient rien de moins qu’une tactique d’intimidation pour les inciter à amender le projet de loi. Après s’être fait imposer de prêter serment en raison de ses réponses évasives, la représentante de Google a même été rappelée à l’ordre en ce qui concerne le célèbre code de conduite de Google, « ne soyez pas malveillant » (don’t be evil) :

Votre patron, vous, et ceux de qui vous relevez étiez tous au courant que 4 % des Canadiens, qui comptent sur l’accès aux nouvelles et à du contenu de qualité, étaient intentionnellement ciblés par un algorithme – dont vous ne révélerez rien, j’en suis convaincu – et ont vu leur accès à certains contenus être bloqué intentionnellement. Pour vous, en tant qu’employée de Google, que signifie l’expression « don’t be evil » ? (Michael Coteau, député, dans «  Témoignages », Comité permanent du patrimoine canadien no 069, 10 mars 2023)

51La Loi sur les nouvelles en lignes a finalement été adoptée par les parlementaires canadiens le 22 juin 2023, mais son application donne encore lieu, au moment d’écrire ces lignes, à un bras de fer avec plusieurs géants du Web. Des épisodes similaires, notamment en Australie et aux États-Unis, révèlent aussi le choc entre les intérêts financiers d’une entreprise comme Google et sa mission d’organiser l’information. Plus généralement, ces exemples signalent à quel point les utilisateurs d’Internet sont dépendants de normes établies par une poignée d’organisations.

52La dualité entre les développements pernicieux et vertueux qui touchent le caractère probant de ce qu’on trouve sur Internet n’est pas près de disparaître. Les transformations que nous avons évoquées ici montrent qu’il existe des possibilités d’amélioration, notamment sous la forme de configurations sociotechniques qui répondent, à tout le moins mieux que d’autres, au souhait qu’Internet fournisse des sources fiables. Par contre, dans un système complexe comme Internet, des efforts d’ingénierie sociotechnique mal avisés pourraient augmenter l’écart entre ce qui convainc et ce qui devrait être cru. On peut saluer certaines propriétés informationnelles remarquables d’Internet tout en reconnaissant qu’il reste des problèmes non résolus et des risques de dérapage.

Bibliographie

Cinelli, Matteo, Gianmarco De Francisci Morales, Alessandro Galeazzi, Walter Quattrociocchi et Michele Starnini, « The echo chamber effect on social media Proceedings of the National Academy of Sciences », vol. 118, no 9, p. 1-8, 2021.

Cooper, William S., « A definition of relevance for information retrieval », Information Storage and Retrieval, vol. 7, no 1, p. 19-37, 1971.

Coteau, Michel, « Témoignages », Comité permanent du patrimoine canadien no 069, 10 mars 2023 https://www.ourcommons.ca/DocumentViewer/fr/44-1/CHPC/reunion-69/temoignages

Fallis, Don, « Toward an epistemology of Wikipedia », Journal of the American Society for Information Science and Technology, vol. 59, no 10, p. 1662-1674, 2008.

Frost-Arnold, Karen, « Wikipedia », dans David Coady et James Chase (dir.), The Routledge Handbook of Applied Epistemology, New York, Routledge, p. 28-40, 2019.

Giles, Jim, « Internet encyclopaedias go head to head », Nature, no 438, 14 décembre 2005, p. 900-901.

Global Engagement Center, Pillars of Russia’s Disinformation and Propaganda Ecosystem, Washington, DC, United States Department of State, 2020.

Google, « Finding more high-quality sites in search », Official Google Blog, 2011 [consulté le 8 juillet 2022], https://googleblog.blogspot.com/2011/02/finding-more-high-quality-sites-in.html

Google, « General Guidelines. Search Quality Rating Program », 2015 (via The Wayback Machine), https://web.archive.org/web/20151120015330/http://static.googleusercontent.com/media/www.google.com/en//insidesearch/howsearchworks/assets/searchqualityevaluatorguidelines.pdf

Graham, Mark, Ralph K. Straumann et Bernie Hogan, « Digital Divisions of Labor and Informational Magnetism : Mapping Participation in Wikipedia », Annals of the Association of American Geographers, vol. 105, no 6, p. 1158-1178, 2015.

Herman, Edward et Noam Chomsky, Fabriquer un consentement. La gestion politique des médias de masse, Bruxelles, Investig’Action, 2018 [1988].

Hern, Alex, « Revealed : how TikTok censors videos that do not please Beijing », The Guardian, 25 septembre 2019, https://www.theguardian.com

Vosoughi, Soroush, Deb Roy et Sinan Aral, « The spread of true and false news online », Science, vol. 359, no 6380, 9 mars 2018, p. 1146-1151.


Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.