Une suggestion qui tombe juste donne facilement l’impression d’être comprise. Pourtant, la découverte musicale ne se réduit pas à une succession de titres calculée depuis l’historique d’écoute. Entre les recommandations automatiques, les playlists éditoriales, la radio et les conseils de proches, chaque porte d’entrée construit une écoute différente.
En bref
- La recommandation combine similarité, familiarité et découverte, mais dépend de données d’usage et de contexte.
- Bibliothèque personnelle, recherche autonome, proches et radio gardent une place importante dans les parcours d’écoute.
- Une étude sur Spotify relève un écart initial limité en défaveur des titres francophones face aux titres en anglais.
Trois promesses derrière une recommandation
Les travaux relayés par Next présentent trois objectifs souvent associés à une bonne recommandation. La similarité rapproche l’auditeur de titres cohérents avec ses préférences et ses comportements. La familiarité remet en avant des éléments connus, susceptibles de conforter la confiance dans l’outil. La découverte, elle, introduit du nouveau afin d’éviter une écoute qui se fige.
Ces trois logiques ne disent pas la même chose de l’auditeur. Un morceau écouté plusieurs fois peut correspondre à un goût durable, mais aussi à un moment, une activité ou une humeur. Les plateformes cherchent donc à intégrer des éléments de contexte, comme l’heure, le lieu ou l’environnement. Cela ne résout pas tout : une même émotion ne conduit pas nécessairement deux personnes vers les mêmes chansons.
Cette recherche de contexte repose sur la collecte de données d’usage. Le dossier de Next, fondé sur des travaux du laboratoire d’innovation numérique de la CNIL, souligne qu’une analyse des écoutes peut dessiner un portrait très détaillé de la personnalité ou de l’état émotionnel d’une personne à un instant donné. La commodité d’une recommandation a donc aussi une dimension de données personnelles.
L’auditeur garde la main
Les écoutes ne proviennent pas toutes d’une sélection automatique. Une étude citée par Next attribue 58,7 % des morceaux écoutés à la bibliothèque de l’usager, 16,5 % à une démarche autonome et 13 % à une sélection passive par les machines. Les recommandations de proches, de journalistes ou d’autres prescripteurs pèsent presque autant que cette dernière catégorie.
Ce constat remet l’auditeur au centre. Une personne peut choisir un outil différent selon son intention : chercher de nouveaux morceaux ou approfondir un style déjà aimé. Les recommandations font partie du parcours, sans en être l’unique pilote. Explorer les sélections de la rubrique musique de so young peut aussi prolonger cette recherche par un regard éditorial plutôt que par l’historique d’un compte.
Pour les musiques francophones, l’enquête présentée par The Conversation aboutit à une observation proche. Menée à partir de 37 entretiens en France et au Québec, elle indique que la découverte dépend surtout de l’appétence pour cette pratique, non de l’origine géographique ou de la langue des titres. Les personnes interrogées combinent les outils des plateformes avec les pairs et la radio.
La langue compte dans les suggestions
L’audit expérimental consacré à Spotify décrit des recommandations qui tendent à suivre les préférences des individus : plus ils écoutent de titres locaux, plus l’algorithme leur en propose. L’étude ne relève pas de biais défavorable aux titres produits en France ou au Québec par rapport aux titres américains.
Elle observe cependant que les titres francophones sont moins recommandés que ceux en anglais, même si l’écart initial est présenté comme faible. Le résultat évolue dans un scénario précis : quand un utilisateur fictif suit systématiquement les suggestions, le biais linguistique s’accroît au fil du temps et un biais géographique apparaît contre les titres français ou québécois. Cette situation ne décrit pas les comportements alors observés, puisque la part moyenne des écoutes issues de recommandations algorithmiques était estimée à 30 %.
Les auteurs rappellent surtout que les résultats sont situés dans le temps. Les habitudes d’écoute, le paramétrage d’une plateforme et les recommandations qu’elle produit peuvent changer. Il serait donc imprudent d’en faire un verdict définitif sur un service ou sur une langue musicale.
Composer son propre trajet d’écoute
Le plus simple consiste à alterner les points de départ. Une recommandation peut aider à repérer des voisinages sonores. Une playlist éditoriale, une émission de radio ou une sélection proposée par un proche apporte un autre critère de choix. Une recherche volontaire, à partir d’un artiste, d’un label ou d’une langue, permet enfin de formuler une intention que le système ne peut pas toujours deviner.
Cette alternance n’oppose pas l’humain à la machine. Elle évite plutôt de confier toute la découverte à un seul mécanisme. Pour qui souhaite entendre davantage de titres francophones, chercher volontairement par langue reste un geste concret. Pour qui veut sortir de ses habitudes, changer régulièrement de source de recommandation offre plus de prises que de laisser une même sélection défiler.
Les systèmes de recommandation peuvent reproduire des biais liés aux données disponibles, aux représentations intégrées dans leur conception ou aux objectifs retenus pour les mesurer. Les utiliser avec curiosité, sans les prendre pour une mesure neutre de la qualité, laisse davantage de place à l’écoute choisie.
Photo à la une. Source: Ideogram. Attribution: Ideogram. Licence: Ideogram API Terms.
