Algorithmes et Intelligence Artificielle : quelles conséquences sur la sérendipité de nos découvertes ?
Sérendipi-quoi ?
Nous n’avons probablement pas besoin de vous rappeler à quel point les algorithmes et l’Intelligence Artificielle ont grandement changé notre façon de consommer l’information. Penchons-nous plutôt sur l’impact que ces derniers ont sur la sérendipité.
La sérendipité peut être définie comme un phénomène où l’on découvre quelque chose de précieux et utile par un heureux hasard. C’est-à-dire qu’au départ, nous cherchions une certaine chose, mais au détour d’un chemin, nous sommes tombés sur une chose inattendue, qui s’est avérée positive.
En opposition quasi-totale avec la sérendipité, un algorithme, est selon Le Robert “une suite de règles formelles” destinée à résoudre un problème, soit, dans le cas des algorithmes de recommandation : comment faire pour permettre aux entreprises de “pousser” les contenus informationnels susceptibles d’intéresser le plus les consommateurs, selon leurs goûts et intérêts respectifs, et ainsi capturer leur attention si précieuse ? Ces algorithmes sont désormais souvent améliorés par l’intelligence artificielle, et ce, notamment depuis l’avènement de l’apprentissage profond, ou « deep learning » depuis le début des années 2010.
Il existe trois principaux types d’algorithmes de recommandation utilisés aujourd’hui :
- L’algorithme basé sur le contenu, où le consommateur recevra des recommandations selon le type de contenu qu’il a consommé par le passé, ces recommandations peuvent être générées grâce à une intelligence artificielle
- De type collaboratif, où le consommateur recevra des recommandations basées sur ce que d’autres consommateurs au profil similaire auront consommé
- Et enfin de type hybride, où les deux méthodes ci-dessus sont utilisées pour fournir des recommandations.
Oui, mais concrètement ?
La question qui se pose dès lors est de savoir si la sérendipité existe encore malgré le hasard contrôlé des algorithmes. Et d’ailleurs pourquoi est-ce important de garder de la sérendipité dans nos recherches ? Les algorithmes permettent d’atteindre plus vite du contenu apparemment pertinent, et dans ce monde d’infobésité, ce n’est pas rien. Alors pourquoi vouloir conserver les impondérables liés à la sérendipité ?
Premièrement et tout simplement, car la sérendipité a toujours été une abondante source de créativité et de découverte. Nous devons de nombreuses avancées scientifiques ou créations à la sérendipité. La pomme tombant sur la tête de Newton en est un exemple frappant (si vous pouvez excuser ce mauvais jeu de mot !). Si nous effaçons la sérendipité de nos recherches, nous nous coupons de cette source imprévue d’inspiration.
N’étant pas nous-même de l’acabit de Newton, nous vous proposons un deuxième exemple peut-être plus terre à terre. Est-ce que ça vous est déjà arrivé de chercher un titre particulier sur votre compte Netflix, mais de ne pas le trouver alors même que vos amis ont pu le visionner le soir d’avant puis vous l’ont chaudement recommandé ? Il vous faudra “dépenser” plus d’énergie en recherches, car ce documentaire en question, ne faisant pas partie de vos recommandations usuelles, se cache dans les recoins de Netflix. Dans cet exemple, les algorithmes se révèlent être un frein plutôt qu’une aide à la recherche. De plus, n’y a-t-il pas quelque chose d’un peu dérangeant dans l’idée qu’un algorithme, une machine, vous fasse des recommandations selon vos goûts ? Là où une même suggestion provenant de nos proches est bienvenue, peut-on faire confiance à l’IA pour « connaître » nos goûts ?
Troisièmement, les algorithmes de recommandation exacerbent l’effet de “chambre d’écho médiatique”. Ce phénomène est décrit selon Wikipédia comme “une description métaphorique d’une situation dans laquelle l’information, les idées, ou les croyances sont amplifiées ou renforcées par la communication et la répétition dans un système défini.” Le danger de ce phénomène est que l’on se coupe de points de vue opposés au nôtre et que l’on risque donc de perdre nos capacités d’analyse critique. De plus, nous remettons moins en question les sources des opinions qui corroborent les nôtres, donc nous risquons d’amplifier et propager les “fake news”. Ceci est un vrai risque, qui est augmenté avec l’utilisation massive des réseaux sociaux pour propager les informations. Réseaux sociaux qui justement utilisent des algorithmes de recommandation pour sélectionner le contenu qui apparaîtra sur nos fils d’actualités.
Toutes ces situations peuvent nous laisser penser que les algorithmes de recommandation, d’autant plus s’ils sont augmentés par l’intelligence artificielle, ne laissent guère plus de place à la sérendipité dans nos découvertes en ligne.
Toutefois, il ne faudrait pas oublier deux éléments importants. Le premier est que les personnes développant les algorithmes de recommandations les améliorent constamment, bien que ces améliorations suivent le plus souvent une logique commerciale. Le deuxième élément à garder à l’esprit est la relative nouveauté des intelligences artificielles. Même si la discipline existe au niveau académique depuis 1956, c’est surtout l’avènement du deep learning, ou apprentissage profond, dès 2012 qui a propulsé les intelligences artificielles sur le devant de la scène. Puis, au début de cette année 2023, les intelligences artificielles créatives ou génératives ont fait à leur tour un bon en avant, avec comme exemples notoires ChatGPT et Midjourney. Si leurs progrès sont fulgurants, elles n’en sont cependant qu’à leurs balbutiements. Tant mieux d’ailleurs, car ce sont précisément ces imperfections qui peuvent être source de sérendipité. En effet, si l’algorithme ou l’intelligence artificielle commettent une erreur, un résultat qui ne correspond pas à nos préférences telles qu’enregistrées dans leurs paramètres apparaîtra dans nos recommandations. Cela peut alors s’avérer être une bonne ou une mauvaise découverte, principe même de la sérendipité !
Pour résumer
Nos recherches nous ont amené plus de questions que de réponses. En effet, nous ne pouvons pas prévoir à quel point les algorithmes et l’Intelligence Artificielle vont être améliorés. Nous ne pouvons que nous interroger et garder à l’esprit des principes importants tel que celui de l’echo chamber, par exemple, pour savoir repérer ce genre de biais dans nos recherches. En plus de rester informés et critiques sur nos résultats de recherches, nous pouvons continuer à nous poser des questions sur l’avenir de la sérendipité.
Dans les mois ou les années qui viennent, avec les améliorations apportées à la fois aux algorithmes de recommandation et aux intelligences artificielles, restera-t-il une place pour la sérendipité dans nos découvertes ? À quel point une sérendipité programmée dans l’algorithme est-elle toujours véritablement fortuite ? Et comment faire pour “préserver” la sérendipité dans le futur ?
Pour aller plus loin…
ANZIEU, Alexis, 2019. La sérendipité dans les algorithmes de recommandation. Medium [en ligne]. 6 juin 2019. Disponible à l’adresse : https://medium.com/@alexis.anzieu/la-s%C3%A9rendipit%C3%A9-dans-les-algorithmes-de-recommandation-82131cb4e079 [consulté le 12 novembre 2023].
Artificial intelligence, 2023Wikipedia [en ligne]. Disponible à l’adresse : https://en.wikipedia.org/w/index.php?title=Artificial_intelligence&oldid=1185549476 [consulté le 19 novembre 2023]. Page Version ID: 1185549476
Chambre d’écho (médias), 2023Wikipédia [en ligne]. Disponible à l’adresse : https://fr.wikipedia.org/w/index.php?title=Chambre_d%27%C3%A9cho_(m%C3%A9dias)&oldid=200611777 [consulté le 19 novembre 2023]. Page Version ID: 200611777
Définition algorithme, 2022Le Robert [en ligne]. Disponible à l’adresse : https://www.lerobert.com/newsletter-dis-moi-robert [consulté le 19 novembre 2023].
MER, Daniel, 2021. Intelligence artificielle : les algorithmes de recommandation pour le streaming. Medium [en ligne]. 17 mai 2021. Disponible à l’adresse : https://manielder.medium.com/intelligence-artificielle-les-algorithmes-de-recommandation-pour-le-streaming-1c6151859f1f [consulté le 19 novembre 2023].
MICHEL, Géraldine et LE NAGARD, Emmanuelle, 2021. Favoriser la sérendipité pour des recherches plus créatives | Cairn.info. Décisions marketing. Vol. 2019/1, numéro 93, pp. 59. DOI https://doi.org/10.7193/DM.093.05.09.
MINUTEVIDEOS, 2016. Filter Bubbles and Echo Chambers [en ligne]. 28 décembre 2016. Disponible à l’adresse : https://www.youtube.com/watch?v=Zk1o2BpC79g [consulté le 19 novembre 2023].
NEGRE, Elsa, 2018. Les systèmes de recommandation : une catégorisation. Interstices [en ligne]. 20 septembre 2018. Disponible à l’adresse : https://interstices.info/les-systemes-de-recommandation-categorisation/ [consulté le 19 novembre 2023].
Serendipity Definition & Meaning, 2023Merriam-Webster [en ligne]. Disponible à l’adresse : https://www.merriam-webster.com/dictionary/serendipity [consulté le 19 novembre 2023].
SHIN, Donghee, RASUL, Azmat et FOTIADIS, Anestis, 2021. Why am I seeing this? Deconstructing algorithm literacy through the lens of users. Internet Research. Vol. 32, numéro 4, pp. 12141234. DOI 10.1108/INTR-02-2021-0087.
SOURBETS, Joséphine, 2022. Les algorithmes de recommandation et la sérendipité | Blog MDCE. Blog Master Marketing Data Ecommerce [en ligne]. 7 juillet 2022. Disponible à l’adresse : https://blog-mdce.fr/la-serendipite-face-aux-algorithmes-de-recommandation/ [consulté le 12 novembre 2023].
Système de recommandation, 2023Wikipédia [en ligne]. Disponible à l’adresse : https://fr.wikipedia.org/w/index.php?title=Syst%C3%A8me_de_recommandation&oldid=209575123 [consulté le 19 novembre 2023]. Page Version ID: 209575123
OpenEdition vous propose de citer ce billet de la manière suivante :
Benoît Epron (11 décembre 2023). Algorithmes et Intelligence Artificielle : quelles conséquences sur la sérendipité de nos découvertes ? . Architecture de l'Information. Consulté le 19 mars 2025 à l’adresse https://doi.org/10.58079/be2n