Algorithme de recommandation & amplification

Sur ce domaine, le corpus révèle un accord large sur la finalité de l'algorithme — optimiser le temps passé — et un désaccord entier sur ce que cette optimisation produit chez les mineurs, désaccord que la commission ne tranche pas techniquement mais contourne en déplaçant la question de la preuve d'un effet vers la démonstration d'une faisabilité : si l'on peut paramétrer l'algorithme, ne pas le faire devient un choix dont on répond.

La ligne de force du domaine est cette bascule argumentative. Elle est rendue nécessaire par un constat que le cadrage n'énonce jamais frontalement : personne, dans ces auditions, n'a vu l'algorithme. Nicolas Deffieux (PEReN, cr18e), seule expertise technique instrumentée entendue, le dit sans détour — « nous ne savons pas s'il s'agit de celui qui est effectivement utilisé sur le service grand public » et « Nous n'avons pas conduit une analyse par nous-mêmes ». Faute d'accès, le débat se joue sur des expériences vécues, des tests par comptes fictifs, des chronomètres et des études d'organisations parties prenantes, qu'aucune réplication de la commission ne vient consolider.

Ce que chaque sujet apporte.

Algorithme de recommandation « Pour toi » pose le mécanisme incriminé et son motif récurrent, le chronomètre : quatre minutes quarante-cinq (Elisa Jadot, cr05b), cinq minutes (Delphine Dapui, cr11b), trois à vingt minutes (Katia Roux, Amnesty, cr19c), trois à cinq vidéos (Hugo Micheron, cr30c). Les protocoles diffèrent — témoignage, comptes fictifs, exercice pédagogique — et la thèse centrale reste celle de Jadot : l'algorithme est fait « pour nous faire rester le plus longtemps possible », le temps de sidération étant compté comme intérêt (Catherine Martin, cr09a). En face, TikTok (Marlène Masure, Mme Marlène Masure) tient une ligne unique : recommandation par centres d'intérêt et « principe de dispersion des contenus » censé « prévenir tout risque d'enfermement ».
Amplification et enfermement algorithmique déplace le reproche : moins la présence de contenus nocifs que la vitesse de retour à ces contenus. Le socle est technique et neutre (Jennifer Elbaz, CNIL, cr03b, sur le profilage par l'interaction) ; la charge se construit avec Laurence Allard (cr03b, le « mégaphone qui se serait enrayé »), Serge Abiteboul (cr05a, le biais inconscient) et Marc Faddoul (AI Forensics, cr06b, rupture → idées suicidaires en « moins d'une demi-heure », étude de sa propre organisation). Hugo Micheron (cr30c) fait basculer le sujet sur le terrain politique : « pouvoir » sans contre-pouvoir et algorithme paramétré, ici comme en Chine.
Maximisation de l'engagement et du temps passé fournit l'aveu de l'intérieur du secteur : Simon Corsin (Mindie/Snapchat, cr28b) pose l'optimisation du temps passé comme objet des algorithmes et l'A/B testing comme standard ; Miloude Baraka (cr21a) vend le live sur la même métrique (2-3 minutes contre 5 secondes). La défense des plateformes y répond sur un autre plan — les critères en entrée, pas les effets en sortie (Thibault Guiroy, YouTube : « aucun critère lié à la radicalité » parmi 80 milliards de signaux ; Anton'Maria Battesti, Meta : les contenus radicaux ne sont pas ceux qui engagent le plus).
Biais éditorial et pluralisme algorithmique transforme cette faisabilité en question de légitimité. Bruno Patino (cr04c) : « Un réseau social devrait être contraint d'en proposer plusieurs » ; Célia Zolynski (cr16b) y ajoute des acteurs tiers ; Joëlle Toledano (cr16b) objecte sur le fond — « je crains que TikTok, s'il n'existait plus, soit remplacé par TokTik ». Le cas de l'amplification alléguée des posts d'Elon Musk chez X sert au président de précédent d'ingénierie, non de réquisitoire ; Claire Dilé (X) le nie « à ma connaissance », sous serment, et renvoie à l'enquête européenne.

Les clivages. Le premier n'oppose pas les pro et les anti-TikTok mais sépare ceux qui affirment un lien de ceux qui bornent ce que les faits autorisent — et les prudences les plus fortes viennent du camp à charge. Katia Roux écarte l'intention (« l'algorithme de TikTok n'est pas conçu en soi pour promouvoir des contenus liés à la dépression »), Arnaud Ducoin (cr11b) refuse la causalité directe (« Je ne dis pas que c'est TikTok qui l'a tuée »), Emmanuelle Piquet (cr09b) parle d'un mal-être « préexistant » exacerbé, Valentin Petit (cr30c) rappelle que 300 000 recommandations ne sont pas 300 000 visionnages, et Martin Ajdari (Arcom, cr13c) reconnaît qu'il reste à documenter « par un travail d'instruction scientifique, voire presque pénale ». Le deuxième clivage est celui du terrain de preuve : témoignage d'utilisateur contre affirmation d'entreprise, sans arbitrage technique — Laure Miller oppose à Masure « c'est faux, j'en ai fait l'expérience ». Le troisième oppose deux affirmations qui ne se réfutent pas : absence de critère explicite de radicalité d'un côté, effet d'amplification allégué de l'autre. Le quatrième, enfin, est interne aux remèdes : pluralisme algorithmique contre inefficacité de tout remède qui laisse le modèle économique intact (Toledano).

Évolution. Le temps explique le déplacement du cadrage. Les auditions du printemps (Patino cr04c, 23/04 ; Allard et Elbaz cr03b ; Abiteboul cr05a) posent la structure et les effets ; celle du PEReN (cr18e, mai) acte l'impossibilité d'examiner l'algorithme réel ; à partir de là, la commission cesse de chercher la preuve interne et instruit la faisabilité. Le 17 juin, elle interroge les plateformes sur ce point précis (Miller : « Pourriez-vous affirmer qu'aucune solution technique ne permet de paramétrer l'algorithme [...] ? » ; Delaporte : « Si vous pouvez modifier l'algorithme pour augmenter la visibilité de certains posts, vous pouvez le faire plus largement »), et Simon Corsin, le même jour, répond « Oui, c'est tout à fait possible » — en renvoyant aussitôt au législateur la charge de définir les contenus à brider. Certains auditionnés se déplacent aussi en séance : Nasser Sari (cr24e) conteste d'abord (« Ça, c'est vous qui le dites ») avant de concéder qu'« un drama fera largement plus de vues ».

Sujets couverts

Algorithme de recommandation « Pour toi » — le mécanisme de recommandation, le motif du chronomètre et la ligne de défense de TikTok par les centres d'intérêt et la « dispersion des contenus ».
Amplification et enfermement algorithmique — la vitesse de la boucle de profilage, la thèse de l'enfermement auto-alimenté et les objections méthodologiques (recommandation ≠ visionnage, mal-être préexistant).
Maximisation de l'engagement et du temps passé — l'optimisation du temps passé assumée par le secteur, et la défense des plateformes portée sur les critères d'entrée plutôt que sur les effets.
Biais éditorial et pluralisme algorithmique — la faisabilité technique concédée, le cas Musk chez X comme précédent, et la question déplacée : qui décide de ce que l'algorithme cesse d'amplifier.