Français
Du point de vue du spectateur, l’algorithme de recommandation de TikTok a une mission : deviner ce que vous voulez regarder ensuite avant que vous sachiez en avoir envie. Vous ouvrez l’application. En quelques minutes, quelque chose que vous n’auriez jamais décrit comme un centre d’intérêt apparaît à l’écran, et vous voilà en train de regarder un homme restaurer une charnière de porte du XIXe siècle.
Le fil Pour toi peut donner l’impression d’une intuition mécanique. Mais une recommandation utile ne prouve pas qu’une application comprend votre personnalité, lit dans vos pensées ou sait ce qui est bon pour vous. Ce sont des affirmations nettement plus ambitieuses que « a réussi à trouver une autre charnière ».
Ce que l’algorithme observe réellement
Dans son explication de juin 2020, TikTok décrivait une combinaison d’interactions, d’informations sur les vidéos et de réglages de l’appareil. Mentions J’aime, partages, abonnements, commentaires, légendes, sons et hashtags en faisaient partie. Regarder une vidéo longue jusqu’au bout était donné comme exemple d’un signal d’intérêt plus fort que le fait de vivre dans le même pays que son créateur.
L’entreprise indiquait aussi que le nombre d’abonnés et les succès précédents d’un compte n’étaient pas des facteurs directs de recommandation. Cela ne revient pas à dire que les abonnés sont inutiles : un public établi peut toujours apporter des spectateurs. Cela ne signifie pas non plus qu’un excellent taux de visionnage jusqu’à la fin garantisse une vidéo virale.
Cette explication ne fournissait pas de barème universel selon lequel un revisionnage vaudrait cinq mentions J’aime ou un partage trois commentaires. La pondération exacte n’est pas une recette publique. Quiconque vend des certitudes à ce sujet devrait au moins offrir une boule de cristal avec.
Le problème du démarrage à froid
Un nouveau compte donne relativement peu de matière à un système de recommandation. L’explication publiée par TikTok décrivait un départ fondé sur les intérêts sélectionnés, ou sur des vidéos populaires si aucun n’était choisi, puis une adaptation aux interactions suivantes. Elle évoquait aussi l’insertion délibérée de contenus différents pour éviter une répétition sans fin.
Les chercheurs peuvent examiner ce processus sans accéder à chaque ligne de code de la plateforme. Dans un audit de 2022, Maximilian Boeker et Aleksandra Urman ont utilisé des comptes contrôlés pour tester la langue, la localisation, les abonnements, les mentions J’aime et le comportement de visionnage. Tous ont affecté les recommandations dans leurs expériences. Les abonnements avaient l’influence mesurée la plus forte, suivis des mentions J’aime et de la proportion de vidéo regardée.
C’est un résultat obtenu dans une expérience précise, pas un classement permanent de tous les signaux pour tous les utilisateurs. Il illustre aussi pourquoi affirmer que « les J’aime ne comptent presque pas » est trop catégorique. Une étude peut montrer une personnalisation à l’œuvre sans fournir un compte à rebours de trente minutes applicable à tout le monde.
Le problème de la spirale
L’inquiétude est facile à comprendre. Regarder quelque chose ne signifie pas toujours en vouloir davantage. On regarde par curiosité, irritation, incrédulité, ou parce qu’on a temporairement égaré sa capacité à poser son téléphone. L’engagement seul ne permet pas de savoir laquelle de ces expériences a eu lieu.
Un fil qui continue de proposer un thème restreint peut être pratique quand ce thème est le pain au levain. Cela devient plus préoccupant lorsque le contenu est éprouvant ou trompeur. Les chercheurs ont abordé les bulles de filtres et les contenus problématiques, mais leur expérience ne prouve pas que chaque utilisateur suit un chemin inévitable vers des vidéos plus extrêmes.
C’est aussi pourquoi les questions sur la recommandation musicale et la répétition (en anglais) trouvent ici un écho familier. La personnalisation peut nous aider à trouver quelque chose que nous aimons. Elle peut aussi rendre la découverte suivante étrangement semblable à la précédente.
Une prédiction n’est pas un portrait psychologique
Ce qu’un service peut déduire des comportements soulève une véritable question de vie privée. Mais nous ne devrions pas transformer cette inquiétude en affirmation non étayée selon laquelle TikTok mesure les états émotionnels avec une précision connue, ou collecte des données comportementales plus vite que toute autre plateforme grand public.
Un système peut prédire que vous regarderez une autre vidéo sans savoir pourquoi. Distinguer ces deux choses permet de poser plus facilement des questions utiles sur la collecte, l’accès, la conservation des données et le contrôle indépendant. « Il sait tout » est une prémisse d’horreur efficace et une piètre spécification technique.
Du côté des créateurs
Pour les créateurs, les recommandations offrent une voie vers des personnes qui ne les ont jamais suivis. Cette possibilité peut aussi sembler instable : une publication à succès n’achète pas un public permanent pour tout ce qui suivra. L’algorithme n’est pas un programme de fidélité, même si les créateurs aimeraient parfois qu’il soit livré avec une carte à tamponner.
Inutile de traiter le fil Pour toi comme de la magie ou comme un méchant muni d’un tableur. C’est un puissant système de distribution, construit autour de signaux imparfaits et de choix commerciaux. Comprendre ces limites est plus utile que mémoriser une formule prétendument secrète, et pourrait même vous aider à échapper aux vidéos de charnières avant le dîner.
Traduction française de l’article original en anglais du 2026-03-28. Traduction réalisée avec l’aide de l’IA le 2026-11-02 ; les références temporelles restent celles de l’original.
