Étude de la couverture médiatique des Facebook Files
Cet article revient sur le traitement journalistique des « Facebook Files » en France et s’intéresse plus particulièrement au degré d’expertise algorithmique décliné dans les articles généralistes consacrés à cette affaire entre le 13 septembre 2021 et le 1er décembre 2021.
Dans le cadre du projet Algo-J, ce travail analytique mené par Julien Mazurier, étudiant en master de journalisme à l’IJBA, entend apporter un premier éclairage sur l’approche privilégiée par la presse généraliste française dans la couverture de faits d’actualité mettant en cause les algorithmes des plateformes numériques. Il se penche également sur le niveau d’expertise associé aux différents angles journalistiques adoptés et propose une lecture critique des principaux cadrages utilisés dans ce contexte.
1. Rappel des faits
13 septembre 2021 : le Wall Street Journal publie le premier article d’une série de 17 articles consacrée aux « Facebook Files ». Sur la base de milliers de documents transmis par Frances Haugen, lanceuse d’alerte et ancienne employée du réseau social, le WSJ détaille non seulement les dysfonctionnements constatés au sein de Facebook, mais aussi leur impact sur les quelque 2,91 milliards d’utilisateurs mensuels de la plateforme. Plus encore, grâce à l’analyse d’une série d’échanges internes à l’entreprise, le quotidien new-yorkais est en mesure d’établir que ces dysfonctionnements sont bien connus des équipes de Facebook. Des solutions ont été clairement identifiées pour y mettre fin. Seulement, la correction de ces malfonctions aurait pour conséquence une réduction de l’audience du site, et donc des revenus publicitaires qui constituent l’écrasante majorité des revenus de la plateforme.
Article après article, le WSJ met un peu plus en cause l’état-major de Facebook, qui se voit contraint de prendre la parole publiquement le 26 septembre. Dans un long article, la vice-présidente et directrice de la recherche de Facebook, Pratiti RayChoudhury, s’attache à corriger les propos du quotidien économique. Malgré cet effort rhétorique, Facebook annonce le lendemain, 27 septembre, l’abandon du projet d’Instagram Kids, la version du réseau social pour les moins de 13 ans.
Le 3 octobre, l’ancienne employée à l’origine de ces « Facebook Files » apparaît pour la première fois à visage découvert dans l’émission 60 Minutes sur CBS. Ex-employée du département « intégrité civique » de Facebook, Frances Haugen est spécialiste en algorithmes, passée par Google et Yelp. L’experte de 37 ans annonce avoir déposé une série de plaintes auprès de la SEC (Securities and Exchange Commission), le régulateur de la Bourse américaine. Ces plaintes lui permettent de demander le statut officiel de lanceuse d’alerte, censé lui apporter une protection juridique contre des poursuites de Facebook.
Le lendemain de l’interview de Frances Haugen, les serveurs de Facebook connaissent une panne sans précédent, rendant impossible toute communication via Instagram, WhatsApp, Messenger ou Facebook pendant plus de six heures.
Le 25 octobre, une nouvelle salve d’articles d’autres médias américains et européens vient appuyer les propos de Frances Haugen et du WSJ. Un consortium international de médias, parmi lesquels le journal Le Monde, le quotidien allemand Süddeutsche Zeitung, ou encore les chaînes de télévision WDR et NDR, analyse à son tour les documents.
Au soir de ces révélations, l’entreprise présente ses résultats financiers trimestriels, qui sont excellents et surpassent même certaines prévisions. Silencieux depuis le début de l’affaire, Mark Zuckerberg, directeur général de Facebook, se contente d’évoquer un « effort coordonné pour utiliser de façon sélective des documents internes afin de peindre une fausse image de notre entreprise ».
Le 28 octobre, à l’occasion de la conférence des développeurs de Facebook, M. Zuckerberg annonce le lancement du “métavers”, vaste projet encore expérimental censé unifier des expériences de réalité augmentée et de réalité virtuelle dans un espace numérique partagé. Il annonce par ailleurs le changement de nom de la maison mère, qui s’appellera désormais « Meta ».
2. Méthodologie d’enquête
Ce travail de recherche est basé sur l’analyse d’un premier corpus de 147 articles portant sur les « Facebook Files » et composé à l’aide de la plateforme Europresse. L’outil d’archivage documentaire a été paramétré afin d’extraire les articles de presse écrite publiés entre le 1er octobre et le 1er décembre 2021 qui contiennent au moins l’un des mots-clés suivants : « Frances Haugen » (le nom de la lanceuse d’alerte à l’origine de la fuite de documents) et « Facebook Files » (nom utilisé par la presse pour désigner les documents internes à l’entreprise).
Après élimination des doublons, des revues de presse et des articles ne traitant pas directement des « Facebook Files », le corpus final rassemblait 50 articles, issus de 17 quotidiens locaux et nationaux.
Ce corpus n’est pas exhaustif : il n’inclut que les articles de médias francophones répertoriés sur Europresse. De la même manière, il comporte une barrière temporelle limitée aux mois d’octobre et novembre 2021. Une analyse des textes permet, néanmoins, de rendre compte des grandes lignes du traitement journalistique des « Facebook Files » dans la presse généraliste française, notamment en ce qui concerne la capacité des journalistes à comprendre et expliquer le fonctionnement des algorithmes mis en cause dans cette affaire. Le travail analytique développé ci-après entend donner un éclairage sur la manière dont une partie de la presse généraliste française rend compte des enjeux algorithmiques soulevés par les Facebook Files.
2.1. Définition des critères de l’analyse
Sur la base de ce corpus d’articles, un certain nombre de caractéristiques ont été étudiées pour déterminer les modalités de traitement journalistique des « Facebook Files ».
Approche journalistique
Pour chacun des articles nous avons déterminé un principe directeur, autrement dit, un angle d’attaque, appelé ici approche, dans lequel le journaliste a choisi d’ancrer son récit. Ces approches sont au nombre de 7, et sont décrites dans le tableau ci-dessous.
| Approches | Questionnement journalistique |
| Juridique | Quelle est la réglementation en vigueur ? Quelles évolutions juridiques envisager pour empêcher de tels dysfonctionnements ? |
| Responsabilité | Quelle est la responsabilité de Facebook dans les dysfonctionnements décrits dans les documents internes ? |
| Judiciaire | A quoi Frances Haugen s’expose-t-elle en révélant ces documents ? Quels sont les recours envisageables pour Facebook ? |
| Financière | Quel est l’impact en bourse et en fonds propres de ces révélations pour Facebook/Meta ? |
| Organisationnelle | Comment les employés de Facebook ont-ils pu s’accommoder des dysfonctionnements sans qu’aucune décision ne soit prise pour les contrecarrer ? Quels sont les rapports de force entre les différents pôles de Facebook ? |
| Dépendance | A quel point dépendons-nous de Facebook/Meta pour mener nos activités personnelles et professionnelles ? |
| Technique | Comment les dysfonctionnements décrits ont-ils pu se produire ? Quelles solutions techniques pourraient être envisagées ? |
Degré d’expertise
Comme les articles que nous avons isolés sont de nature généraliste, nous avons cherché à déterminer leur degré d’expertise à travers l’analyse des profils des experts qui ont été invités à s’exprimer. Le niveau de pertinence de l’expert a été déterminé selon les critères suivants.
| – | Pas d’expert.e interrogé |
| Basse | L’expert.e n’appartient pas au monde du numérique |
| Moyenne | L’expert.e appartient au monde du numérique |
| Haute | L’expert.e appartient au monde du numérique et est spécialisé dans la question des algorithmes |
Concepts-clés
Les révélations des « Facebook Files » sont tentaculaires et mettent en cause le réseau social sur plus d’un front, et notamment celui des algorithmes. Au fil du corpus, les algorithmes sont décrits comme hors de contrôle, privilégiant l’engagement des utilisateurs au mépris de leur santé, menaçant la démocratie par la recommandation de contenus clivants, etc. Sans prétendre confirmer ou infirmer ces énoncés, force est de constater que les questionnements autour des algorithmes du groupe Meta portent sur trois principales catégories :
- les algorithmes de recommandation : ceux qui ont pour mission de présenter aux utilisateurs des nouveaux contenus susceptibles d’attirer leur attention.
- les algorithmes de classement : ceux qui s’attachent à hiérarchiser les contenus sur les fils d’actualités des réseaux sociaux.
- les algorithmes de modération : ceux qui détectent, sanctionnent ou alertent les usagers par rapport à des contenus qui pourraient être contraires aux règles d’utilisation des plateformes ou ou qui portent sur des sujets sensibles.
Notre démarche a consisté à évaluer pour chaque article le degré d’explication du fonctionnement de chacune de ces catégories d’algorithmes. Pour déterminer des critères objectifs, nous nous sommes appuyés sur la documentation scientifique disponible sur ces sujets ainsi que sur les publications de la presse spécialisée. Nous avons par la suite retenu trois niveaux d’explication.
| Algorithmes de recommandation | Algorithmes de classement | Algorithmes de modération | |
| Explication élémentaire | Description sommaire du fonctionnement de l’algorithme | Description sommaire du fonctionnement de l’algorithme | Description sommaire du fonctionnement de l’algorithme |
| Explication partielle | Explication du système de recommandation favorisant les contenus publiés par des proches (Meaningful social interactions) | Explication du système de scoring des publications (Meaningful social interactions) | Explication du système de liste noire et de liste blanche (XCheck) |
| Explication approfondie | Explication du système de réduction de la prévalence des publications issues de comptes qui publient massivement (sparing sharing) | Explication du système de limitation des commentaires et des invitations à des groupes | Explication du système d’apprentissage basé sur l’analyse des contenus (Classifiers) |
Précisions concernant les concepts
- Système des meaningful social interactions (recommandation et classement)
Le système des meaningful social interactions (MSI) est expliqué par Frédéric Filloux, journaliste et enseignant à Sciences Po, dans un article intitulé « Avec les révélations de Frances Haugen, la fin de l’impunité de Facebook ? » publié dans l’Express, le 6 octobre 2021.
“Le MSI est en fait un indice qui mesure la propagation d’un contenu selon des règles précises. Selon ce principe, chaque interaction sur un contenu génère une note qui va donner au contenu sa “qualité” – du point de vue de Facebook s’entend. Un “like” sur une photo de famille vaudra 1 point ; un clic sur le bouton “colère” pour qualifier un fait d’actualité en vaudra 5. Si l’utilisateur partage un contenu avec un commentaire, le score du post monte à 15 points ; et si le commentaire est particulièrement teigneux – “significant” selon la terminologie maison -, il montera à 30 points. L’indice MSI de chaque contenu augmente évidemment avec le nombre d’interactions. Et plus le score MSI sera élevé, plus le contenu qu’il “porte” sera montré au plus grand nombre. C’est ainsi que l’utilisateur verra surgir dans son “fil d’information (le News Feed) les saillies d’un admirateur d’Eric Zemmour, dont les prises de position sont certaines de faire exploser le MSI bien plus que la modération d’un Robert Badinter devisant sur l’abolition de la peine de mort. Pour réduire la propagation de contenus toxiques, il suffirait à Facebook de jouer sur quelques composantes du score MSI, par exemple réduire la pondération de l’agressivité des propos. Mais cela réduirait l’engagement, c’est-à-dire la vitesse de propagation multipliée par le nombre d’interactions.”
- Système de sparing sharing :
Le système de sparing sharing est expliqué par Florian Reynaud, journaliste de la rubrique Pixels du Monde, dans un article intitulé « Au cœur de Facebook, déprime et frustration dans les équipes chargées de rendre le site plus “sain” » publié le 26 octobre 2021.
“En 2017, un mécanisme intitulé sparing sharing, conçu pour réduire le spam, a été mis en place : il consistait à limiter la portée des liens et contenus partagés par les internautes identifiés comme publiant beaucoup plus que la moyenne des utilisateurs.”
- Système de X-Check (ou cross-check)
Le fonctionnement du X-Check est expliqué par Julien Lausson, journaliste à Numerama, dans un article intitulé « Sur Facebook et Instagram, certaines célébrités ont droit à une modération assouplie », publié le 14 septembre 2021.
“Ce programme qui bénéficie aux stars est appelé « Crosscheck » ou « XCheck » et, selon des données datées de 2020, il aurait concerné environ 5,8 millions de profils — un nombre considérable pris tel quel, mais qui demeure modeste face à la totalité des internautes qui peuplent le site communautaire. Rappelons qu’en 2017, Facebook dépassait la barre des 2 milliards d’utilisateurs. Les membres figurant dans XCheck ne sont pas exemptés de toute modération, mais ils ont droit à plus de considération. En cas de signalement les visant, les cas sont traités avec bien plus d’attention, plus de temps parfois, et sont vérifiés à plusieurs reprises — d’où le nom de « cross check », qui veut dire « vérification croisée ». Des égards auxquels n’a pas droit la majorité des membres.”
- Systèmes d’apprentissage par classifiers :
Ces systèmes d’entraînement de l’intelligence artificielle sont expliqués par Alexandre Piquard, journaliste au Monde spécialisé dans les questions numériques, dans un article intitulé « Facebook Files : hors des Etats-Unis, les failles de la modération dans des dizaines de langues » et publié le 25 octobre 2021.
Les classifiers servent à la détection des discours de haine ou discriminants. Ce sont des logiciels d’intelligence artificielle créés pour analyser les contenus […]. Le problème est que ces systèmes informatiques ont besoin de « classifiers », des catégories qui leur permettent de reconnaître un type de contenu problématique, par exemple sexuel ou haineux, mais qui nécessitent un entraînement à partir d’un grand volume de données dans la langue correspondante. « Cela prend du temps », constate un employé dans un document. « Notre manque de classifiers en hindi et en bengali signifie que beaucoup de ces contenus ne sont pas signalés ou modérés.”
3. Analyse
3.1. Approche privilégiée
Il ressort de l’analyse du corpus que deux approches sont privilégiées : l’approche en responsabilité (39,58% des articles) et l’approche juridique (27,08%). A elles seules, ces deux catégories composent donc 66,66% des approches du corpus. Dans le tiers restant, l’approche technique est la plus importante, avec 16,67% des articles.
Cette répartition peut s’expliquer par la volonté des journalistes de désigner les responsables du scandale. Sur le banc des accusés, Facebook est évidemment le premier visé. Les journalistes généralistes ont immédiatement dénoncé les manquements du groupe, et se sont interrogés sur les dispositifs et conséquences juridiques relatifs au domaine algorithmique. Du reste, le réseau social n’est pas le seul à voir sa responsabilité engagée par la presse généraliste. Les législateurs nationaux et européens, et plus généralement les institutions publiques ayant autorité sur le domaine du numérique sont elles aussi pointées du doigt. C’est principalement le cas de l’Union européenne, dont les projets de directives Digital Market Act et Digital Services Act, débattus au même moment devant les instances européennes, ont facilité la lecture des Facebook Files en termes de régulation du numérique. La presse généraliste questionne enfin le rôle des gouvernements nationaux et des autorités administratives indépendantes comme la CNIL dans la prévention des dérives liées aux algorithmes.
Cette prédominance du cadrage en responsabilité témoigne par ailleurs de la manière dont le scandale s’est progressivement élargi. D’abord mis en cause médiatiquement par le Wall Street Journal sur la base des preuves fournies par Frances Haugen, Facebook s’est retrouvé pris dans l’œil du cyclone lorsque ces éléments ont été transmis à un consortium de journalistes européen, leur travail engageant encore davantage la responsabilité du groupe. Le scandale s’est ensuite étalé pour toucher les autorités qui ont pour responsabilité la régulation des algorithmes, et plus généralement du numérique, dont l’inaction ou l’incurie auraient pu contribuer aux dysfonctionnements identifiés.
3.2. Evolution des approches
Les trois approches majoritaires se distinguent par des temporalités propres. L’approche en responsabilité est la première à se dégager, dès le 4 octobre. L’approche juridique se démarque à deux reprises Premièrement, au début du scandale, avec deux jours de décalage par rapport à l’approche en responsabilité, soit le 6 octobre. Puis, dans un second temps, l’approche juridique bénéficie d’un regain d’intérêt sur la période qui s’étale du 4 au 20 novembre.
L’approche technique, elle, se concentre exclusivement sur les 25, 26 et 27 octobre.
Cette répartition fait écho à la chronologie des révélations, initiées sur le terrain de la responsabilité lorsque le WSJ publiait les preuves des manquements tolérés par Facebook. Les journalistes généralistes ont ensuite essayé de donner davantage de profondeur à ces accusations en apportant un éclairage juridique sur les régulations qui s’appliquent au groupe, et qui auraient été ignorées ou contournées.
La temporalité de l’approche technique correspond à la prise en main des éléments de preuve par un consortium international de médias, parmi lesquels le journal Le Monde, le quotidien allemand Süddeutsche Zeitung, ou encore les chaînes de télévision WDR et NDR. Cette mise en commun a abouti à une nouvelle salve d’articles détaillant les dysfonctionnements techniques et organisationnels de Facebook.
De la même manière qu’au début du scandale, cette nouvelle salve d’articles relative aux capacités techniques du groupe a été suivie d’un rebond des approches juridiques, à même d’expliquer les paramètres réglementaires relatifs à ces nouveaux aspects techniques.
3.3. Zoom sur les algorithmes
17 articles mentionnent un seul type d’algorithme (de recommandation, de classement ou de modération) ; 16 articles en mentionnent deux types, et 9 mentionnent les trois types. Sur les 50 articles, 8 ne mentionnent aucun type d’algorithme.
Les articles qui traitent de la responsabilité sont ceux qui mentionnent le plus d’algorithmes. Sur les 9 articles qui mentionnent les trois types d’algorithmes, 6 ont une approche en responsabilité.
Par ailleurs, tous les articles sur la responsabilité mentionnent au moins un type d’algorithme. A l’inverse, la majorité des articles techniques mentionnent un ou deux algorithmes.
Les articles techniques s’attachent en effet généralement à décrire le fonctionnement d’un type d’algorithme précis, là où les articles en responsabilité ont davantage tendance à balayer les trois types.
Quant au type d’algorithme visé, sur 50 articles, 28 mentionnent l’algorithme de recommandation, 21 celui de classement et 26 celui de modération.
Les algorithmes de recommandation sont ceux dont il est le plus question. Chez les journalistes généralistes, la question algorithmique est en effet souvent abordée par le prisme de la viralité des contenus trompeurs ou de la constitution des bulles de filtre. Des éléments qui renvoient prioritairement aux algorithmes de recommandation.
3.4. Explication des algorithmes
Le Monde et L’Express sont les seuls titres à avoir fourni une explication approfondie des algorithmes de recommandation. Pour les algorithmes de modération, Le Monde est le seul quotidien à avoir fourni une explication approfondie.
Pour les algorithmes de classement, aucun article du corpus ne fournit d’explication approfondie.
De fait, Le Monde faisait partie du consortium international de journalistes qui s’est vu transmettre les documents confidentiels par Frances Haugen et le WSJ. Il est donc compréhensible que les articles les plus fouillés sur le fonctionnement des algorithmes se retrouvent dans ses colonnes.
Les articles qui adoptent une approche en responsabilité, une approche juridique ou une approche technique sont ceux qui contiennent les explications les plus approfondies pour les trois catégories d’algorithmes. Les approches techniques font la part belle aux algorithmes de recommandation, dépassant les deux autres approches avec 37,5% d’articles contenant une explication partielle, contre 26% pour les approches en responsabilité et 15% pour les approches juridiques.
3.5. Expertise dans les médias
82% des articles du corpus ne font intervenir aucun expert. Parmi les 18% qui en font intervenir un, 4% font intervenir un expert moyennement pertinent, et 14% un expert hautement pertinent.
L’écrasante majorité des articles de la presse généraliste se passent donc de l’éclairage d’un expert pour expliquer le fonctionnement des algorithmes visés par le scandale des Facebook Files.
Les approches organisationnelle et technique sont celles qui, en proportion, font intervenir le plus souvent des experts pertinents. A l’inverse, l’approche en responsabilité, malgré un volume de publication nettement supérieur, ne compte qu’un article faisant intervenir un expert hautement pertinent.
Logiquement, les approches organisationnelle et technique appellent une expertise afin de décrire le partage des compétences au sein des équipes de Facebook, ou bien pour comprendre le fonctionnement précis d’un algorithme. Là où la mise en cause de la responsabilité du groupe n’appelle pas nécessairement une expertise aussi approfondie.
Conclusion
En définitive, il ressort que la presse généraliste a privilégié le traitement des Facebook Files selon le prisme de la responsabilité. Immédiatement après la révélation du scandale, les principaux médias étudiés ont cherché à identifier des responsables. Ils ont logiquement pointé du doigt les torts de Facebook et de sa maison mère Meta. Ils ont ensuite élargi la question de la responsabilité aux dispositifs législatifs qui ont permis la prolifération des manquements identifiés, justifiant une approche davantage juridique. L’explication technique des révélations au centre de l’affaire a en revanche été traitée de manière plus tardive, et de manière globalement moins convaincante.
Cette étude permet par ailleurs de mettre en lumière le très faible recours à des experts dans le domaine du numérique pour détailler les raisons du scandale et le fonctionnement des algorithmes. Face à ce manque de précision, Facebook apparaît alors comme un monstre aux contours flous dont l’opacité de fonctionnement conduit à une présomption générale de culpabilité. En complément de cette étude, une analyse des cadrages pourrait être opportune pour identifier les imaginaires que mobilisent les journalistes généralistes lorsqu’ils abordent des thématiques algorithmiques
Crédit image de l’entête : Alex Haney sur Unsplash
OpenEdition vous propose de citer ce billet de la manière suivante :
julienmazurier (6 mars 2022). Quel traitement la presse française généraliste réserve-t-elle aux algorithmes ? AlgoJ. Consulté le 19 septembre 2024 à l’adresse https://doi.org/10.58079/ayes