La recommandation est l’un des trois paramètres de la mesure de la découvrabilité selon la méthode développée par le LATICCE (Rioux et al., 2021, 2019; Bisaillon, 2019). C’est le seul paramètre qui s’appuie sur le profilage des abonnés. Le LATICCE estime que le profilage de goûts est un critère déterminant pour assurer la compétitivité maximale d’une plateforme culturelle en ligne (ou plateforme numérique d’écoute en ligne : PNEL). L’assurance d’établir une corrélation de qualité entre l’offre démultipliée de la plateforme et les attentes de l’abonné incarne un des défis de la découvrabilité. C’est aussi l’un des objectifs du projet de Loi C-10, qui y nomme également l’impératif de s’assurer d’une découvrabilité effective de contenus spécifiques en vue d’assurer une grande diversité culturelle (Canada, 2020).

En décembre dernier, la firme A10s (ex. Brix Labs) (Roy, 2020) complétait le Rapport technique sur la recommandation de contenu canadien sur les plateformes de musique en ligne pour les associations et collectifs APEM, ADISQ, MPC, CIMA et SOCAN qui a d’ailleurs fait l’objet d’une présentation aux acteurs industriels le 8 mars 2021(1). Ce rapport est une contribution inestimable aux efforts de recherche en découvrabilité au Québec.

Ayant contribué, grâce au programme FRQSC MCCQ Actions concertées, à la création d’une méthode analogue, je rendais publique ma contribution en 2019 (Made in Québec, Bisaillon, Laticce, 2019). Plus récemment, le LATICCE publiait son rapport de recherche exhaustif sur la mesure de la découvrabilité, commandé par le Fonds de Recherche du Québec Société et Culture (FRQSC) et le Ministère de la culture et des communications dans le cadre du Plan culturel numérique du Québec : Être ou ne pas être découvrable ? Présence, visibilité et recommandation des propositions culturelles en ligne : La musique et l’audiovisuel (Rioux et al., 8 mars 2021).

Nous estimons que les travaux de Brix Labs et du LATICCE sont et doivent être complémentaires, notamment en déclinant des produits adaptés aux acteurs des milieux culturels tout en répondant à des objectifs d’action collective en matière de découvrabilité culturelle numérique.

Recommandation quantitative et recommandation qualitative

Le défi d’établir une mesure concluante de la recommandation est d’une grande actualité, s'inscrit dans la définition plus globale d’une mesure de la découvrabilité et aussi d’une mesure du rayonnement(2).

Le LATICCE définit la découvrabilité comme le cumul des mesures de la présence (P) des références dans les inventaires, de la visibilité (V) éditoriale programmée par la plateforme (ex. listes d’écoute thématiques) et de la recommandation (R) fondée sur le profilage et les algorithmes de suggestion. La recommandation est, quant à elle, facteur de trois points d’observation, soit la pertinence (p), la concordance (c) et la nouveauté (n) d’une proposition en regard d’un personnæ reposant plus ou moins sur les comportements effectifs d’un abonné (Bisaillon, 2019).

Ainsi, pour le LATICCE la création d’un indice composite de la découvrabilité, observable dans le temps, est fonction du respect des attentes du mélomane, en regard d’un panier d’écoute qui cerne les contours de son profil de goût. La découvrabilité d’un répertoire identitaire, national ou thématique de genre, est bonne ou mauvaise, selon que l’on réponde ou non aux attentes relativement prévisibles de l’abonné. C’est une mesure de la découvrabilité qui repose tant sur des éléments quantitatifs (ex. délai et nombre de nouvelles parutions pertinentes ingérées par période hebdomadaire) que qualitatifs (ex. concordance et pertinence des recommandations avec les écoutes antérieures d’un individu).

L’étude de Christian Roy fusionne la notion de visibilité avec celle de la recommandation :  “nous croyons qu’il n’est pas nécessaire de distinguer promotion et recommandation” (Roy, 2019). Pour le LATICCE, la curation d’une liste de lecture par un humain et sa présentation à l’abonné ne relève pas de la recommandation mais d’un processus éditorial. Nous nous sommes davantage intéressés à ce que Roy nomme la recommandation automatisée. La portion “manuelle” de sa matrice d’analyse n’entre pas, pour nous, dans la mesure de la recommandation composant l’indice de découvrabilité.

La mesure qualitative de la recommandation doit prendre en compte un certain nombre de facteurs additionnels comme le “Cold Start Issue” (délai de la plateforme à saisir les attentes de l’abonné), la langue de réglage du fureteur de l’abonné ou sa géolocalisation (Spotify, 2018).  Les travaux de A10s ont porté quant à eux sur le ratio d’affichages d’une proposition identitaire donnée en regard d’un nombre global d'affichages. Christian Roy affirme avec justesse le fait qu’il faille étudier les recommandations sous l’angle de ce qui est vécu par l’usager puisque les algorithmes employés par les PNEL évoluent trop rapidement pour constituer le socle sur lequel fonder les analyses. En ce sens, nos postulats de départ sont les mêmes.

“L’indicateur suggéré, qui répond à ces attentes, consiste à dénombrer les affichages de titres musicaux.” (Roy, 2020, p.) ou encore : “le décompte des affichages de pièces musicales qui ne correspondent pas à des requêtes explicites du consommateur”.

C'est ici que nous souhaitons apporter une nuance à l’effet que le dénombrement des affichages ne peut pas, de façon longitudinale, constituer notre seul effort de mesure. À l’instar de Daniel Ek, fondateur de Spotify, nous affirmons qu’en regard de la croissance exponentielle globale du nombre de référence au catalogue des PNEL, une mesure adéquate et relative de la qualité des recommandations doit tenir compte des attentes spécifiques d’un utilisateur et de son profil de goûts.

“ with more than 50 million tracks now available on Spotify, and growing by close to 40,000 daily, the discover[y] tools we’re building have never been more important to consumers and artists alike .” Daniel Ek, speaking to investors on April 29, 2019 (Shotwell, 2019).

Chaque jour, les plateformes de streaming mettent en ligne 55 000 nouvelles chansons. (…) Mais le chiffre est exorbitant : c’est exactement le nombre de chansons qui étaient commercialisées en Angleterre il y a trente ans. Sur une année . (Beauvallet, J-D., 2020)

La mesure de la découvrabilité et de la recommandation doit reposer à la fois sur des efforts quantitatifs et qualitatifs. Il n’est pas convenable d’effectuer un dénombrement qui ne soit aussi adossé au profilage des abonnés, puisqu'avec le temps, le ratio de titres Canadien ou Francophone ne cessera de décroître par rapport à l’inventaire proposée par les PNEL. De plus, selon cette approche, on ne sait pas nous dire comment se comporte le compte d’affichages en regard de qui est connecté au service.

Présence ou recommandation ?

“ Une réflexion sur des outils permettant d’arriver à mesurer la présence des contenus canadiens et francophones à travers la musique recommandée par les plateformes de musique en ligne. ”  (Roy, 2020)

Il faut, selon nous, rappeler ici que ce n’est pas tant la présence de titres donnés dans la recommandation, de façon indifférenciée, que leur recommandation en regard d’attentes et de critères anticipés. Par exemple, il ne nous apparaît pas suffisant de dénombrer l’occurrence de titres francophones puisque ce n’est pas là le seul critère qui valide l’adoption à un service qui soit respectueux de l’offre canadienne ou francophone.

À terme, ce n’est pas la quantité de titres francophones recommandés qui importera, mais la justesse de cette recommandation (de types curative et profilage) en regard des attentes des destinataires.

Roy apporte une dimension fondamentale à cet exercice en ce sens qu’il faut mettre en place et pérenniser des solutions technologiques simples et évolutives. Toutefois, il ne suffira pas de produire des statistiques fondées uniquement sur les comptes de pixels, clics, conversions de l’usager à l’égard des recommandations reçues. Il faut mettre ce type de mesure en relation avec des parcours expérientiels ou “user stories” et des listes de titres référentielles. Il faut aussi pouvoir mesurer la rapidité d’ingestion et de recommandation des nouveaux titres publiés par les producteurs. La recommandation des nouveautés doit faire l’objet de mesures d’observation dédiées.

La conversation doit ainsi collectivement porter sur les technologies à mettre en place et sur les éléments qualitatifs de nos protocoles qu’il s’agisse de la définition de personnæ, de scénarios de comportements ou d’échantillons représentatifs. La recommandation algorithmique repose en bonne partie sur les traces laissées par les usagers qui alimentent les processus d’apprentissage automatique (Cardon, 2015, p. 18-19, 33-38). Il est possible de tenir compte de ces traces, en soumettant à priori nos observations à divers prérequis, et cela sans qu’il ne s’agisse pour autant de tentatives de “pénétrer” la boîte noire des algorithmes. Il faut explorer la mesure de la prise en compte des traces déposées, mesurer la fidélité du miroir.

Enfin, il importe de mobiliser les milieux de pratiques, les industries culturelles, les industries des technologies de l’information et des communications et les pouvoirs publics. Il faut signaler l’urgence de procéder à la mise en place de mesures pour accroître l’intelligence sectorielle d’affaires, s’assurer du respect de bonnes pratiques et contribuer à forger, de concert avec les nouveaux acteurs des industries des technologies de l’information et des communications, une offre qui soit respectueuse des enjeux culturels.

Contrecarrer les bulles de filtrage

The so-called “Big Five” of the internet (…) are at the forefront of predicting our techno-cultural future (…) the ability to identify potential trends (…) or even better, to create them in the first place, (…) (Apprich et al., 2018)

Nul n’a intérêt à ce que l’écoute en ligne nie notre libre arbitre, ne provoque une trop forte concentration des habitudes, un appauvrissement de l’expérience culturelle. Nous estimons que cela aurait tôt ou tard des externalités négatives dévastatrices sur la fidélité des abonnés et leur fréquentation de ces services. Une mesure statistique efficace de la recommandation aura par conséquent pour objectif de surveiller et contrecarrer la bulle de filtrage néfaste à l’enrichissement de l’expérience de la fréquentation de contenus culturels en ligne. La recommandation doit en faire la preuve et soutenir sa valeur ajoutée.

En cela, plutôt qu’être considérée comme une entrave à l’innovation, une dérive protectionniste, une réglementation appropriée de la découvrabilité et de la recommandation pourrait générer un effet garde-fou contre la lassitude numérique que peuvent engendrer les algorithmes et encadrer ce qui constitue la composante inédite même de la découvrabilité : celle du profilage de goûts.

Jean-Robert Bisaillon est Doctorant science politique UQAM et chercheur au LATICCE (CEIM-UQAM) (19 mars 2021)

(1) Pour consulter l’activité : https://apem.ca/rapport-technique-sur-la-recommandation-de-contenu-canadien-sur-les-plateformes-de-musique-en-ligne/

(2) L’Observatoire de la culture et des communications du Québec (OCCQ) prépare actuellement un rapport sur cet enjeu.

Bibliographie

Apprich, C., Chun, W. H. K., Cramer, F. et Steyerl, H. (2018). Pattern Discrimination (1st Edition). Minneapolis : Meson Press.

Beauvallet, J-D. (2020) Intelligences superficielles, A.O.C. Média, https://aoc.media/opinion/2021/03/01/intelligences-superficielles/

Bellanger, P. (2014). La souveraineté numérique. Paris : Éditions Stock.

Beuscart, J.-S., Coavoux, S. et Maillard, S. (2019). Les algorithmes de recommandation musicale et l’autonomie de l’auditeur: Analyse des écoutes d’un panel d’utilisateurs de streaming. Réseaux, n° 213(1), 17. doi: 10.3917/res.213.0017

Bisaillon, J.-R. (2019). Made in Québec | Indice de découvrabilité de la musique en ligne. Communication présentée au Conférence annuelle - État des recherches 2017-2020, Montréal : UQAM-LATICCE. doi: 10.5281/zenodo.4064177

Canada. (2020, 3 novembre). Projet de loi C-10 432 Loi modifiant la Loi sur la radiodiffusion et apportant des modifications connexes et corrélatives à d’autres lois c. C‑10 Chambre des communes du Canada. Récupéré de https://parl.ca/DocumentViewer/fr/43-2/projet-loi/C-10/premiere-lecture

Cardon, D. (2015). À quoi rêvent les algorithmes, Nos vies à l’heure des big data. Paris : Éditions du Seuil et La République des Idées. Récupéré de http://www.seuil.com/livre-9782021279962.htm

Coalition pour la diversité des expressions culturelles. (s. d.). Propositions d’amendements au projet de loi C-10. Récupéré de https://cdec-cdce.org/fr/publications/propositions-damendements-au-projet-de-loi-c-10/?_sft_thematiques=revision-lois

Geist, M. (2020, 1er novembre). Heritage Minister Steven Guilbeault’s « Get Money from Web Giants » Internet Regulation Bill: An Unauthorized Backgrounder. Récupéré de https://www.michaelgeist.ca/2020/11/heritage-minister-steven-guilbeaults-get-money-from-web-giants-internet-regulation-bill-an-unauthorized-backgrounder/

Haggart, B., Henne, K. et Tusikov, N. (dir.). (2019). Information, Technology and Control in a Changing World: Understanding Power Structures in the 21st Century (1st ed. 2019 Edition). Place of publication not identified : Palgrave Macmillan.

O’Neil, C. (2017). Weapons of Math Destruction : How Big Data Increases Inequality and Threatens Democracy (Reprint édition). New York : Broadway Books.

Rioux, M., Bisaillon, J.-R., Wells, G.-P., Tétu, M. et Dubois-Paradis, S. (2021, 8 mars). Être ou ne pas être découvrable ? Présence, visibilité et recommandation des propositions culturelles en ligne : La musique et l’audiovisuel. UQAM-CEIM-LATICCE. Récupéré de Zotero : https://ieim.uqam.ca/spip.php?page=article-ceim&id_article=13145

Rioux, M., Bisaillon, J.-R., Wells, G.-P., Desjardins, D., Grenier, J., Tétu, M. et Vincent, J. (2019). Découvrabilité des produits culturels en ligne. Un objectif prioritaire pour la coopération bilatérale France-Québec. Rapport réalisé pour le Ministère de la culture et des communications du Québec et le Ministère des Relations internationales et de la Francophonie du Québec. Montréal : UQAM-LATICCE-CEIM. https://www.ceim.uqam.ca/IMG/pdf/ceim_laticce_de_couvrabilite_des_produits_culturels_en_ligne_un_objectif_prioritaire_pour_la_coope_ration_bilate_rale_france-que_bec_2019.pdf

Rouvroy, A. et Berns, T. (2013). Gouvernementalité algorithmique et perspectives d’émancipation : le disparate comme condition d’individuation par la relation? doi: 10.3917/res.177.0163

Roy, C. (2020, décembre). Rapport technique sur la recommandation de contenu canadien sur les plateformes de musique en ligne [Commande pour APEM, ADISQ, MPC, CIMA et SOCAN]. Québec : A10s (Brix Labs). https://apem.ca/wp-content/uploads/2021/02/Rapport-technique-sur-la-recommandation-de-contenu-canadien-sur-les-plateformes-de-musique-en-ligne-complet-BR-1.pdf sur YouTube https://www.youtube.com/watch?v=yokq5H3dvXM&feature=youtu.be

Shotwell, J. (2019, 2 mai). Spotify is adding « close to 40,000 tracks » per day. Here’s what that means. Haulix Daily. Récupéré de https://haulixdaily.com/2019/05/spotify-40000-tracks-per-day

Spotify (2018), Discover Hits From Around the World With Spotify’s Global Cultures Initiative. (2018, 28 septembre). Dans Spotify. Récupéré de https://newsroom.spotify.com/2018-09-28/discover-hits-from-around-the-world-with-spotifys-global-cultures-initiative/

Tchehouali, D. et Agbobli, C. (2020, juin). État des lieux de la découvrabilité et de l’accès aux contenus culturels francophones sur internet. Orison, OIF, Chaire Unesco - Communications et technologies pour le développement.

Trudel, P. (2020, 1er décembre). C-10, un projet de loi perfectible. Le Devoir. Récupéré de https://www.ledevoir.com/opinion/chroniques/590695/la-mise-a-jour-de-la-loi-sur-la-radiodiffusion

Vitalis, A. M. et A. (2014). Le profilage des populations. La Découverte. Récupéré de https://www.cairn.info/le-profilage-des-populations--9782707176318.htm

Wells, G.-P. (2020, 3 décembre). Analyse du projet de loi C-10 sous l’angle des entreprises couvertes et de la découvrabilité. Montréal : UQAM-CEIM-LATICCE.

Zuboff, S. (2019). The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power (1 edition). New York : PublicAffairs.

Commentaires importés

Christian Roy - 22 mars 2021 à 8:23 :
Bravo d'avoir pris le temps de réagir Jean-Robert! On aura sûrement des occasions pour en reparler dans les prochains mois. Je pense que toute contribution à la réflexion est utile. Dans le rapport dont il est question ici, l'objectif était d'amener des pistes très concrètes et applicables à (relatif) court terme, pour aider certains membres de l'industrie à réfléchir à leurs enjeux. Il faut clairement pousser ça plus loin et plus «large» dans le futur...

Frédéric Julien - 22 mars 2021 à 22:45 :
Je ne suis pas certain d'avoir tout saisi, mais il me semble difficile d'obtenir une mesure précise de la découvrabilité sous forme de recommandation. Si le LATTICCE y arrive, alors tant mieux et je dis bravo!

Jean-Robert Bisaillon - 23 mars 2021 à 8:40 :
La recommandation est l'une des trois mesures d'observation qui permet d'effectuer le calcul de l'indice de découvrabilité du LATICCE. Dans tous les cas, il ne s'agira pas d'une mesure "précise". Il s'agit d'une mesure permettant d'observer l'évolution du comportement d'un service à l'égard de l'abonné.